Cada gran avance tecnológico en la historia del desarrollo de software, desde el ensamblador hasta la nube, ha despertado un temor parecido: que las máquinas terminaran haciendo prescindibles a las personas. La experiencia ha mostrado otra realidad. Como podemos leer en este artículo de Alicia Richart, la implantación no ha tenido el temido impacto en el empleo en el sector tecnológico de las economías avanzadas.
El aumento de productividad ha permitido abordar problemas que antes resultaban difíciles de resolver. La inteligencia artificial aplicada a la educación sigue una dinámica similar. Su potencial está en hacer viable una enseñanza mucho más personalizada.
Durante años, personalizar el aprendizaje estuvo principalmente asociado a la tutoría individual. Hoy, la IA permite ajustar el ritmo, la profundidad y la forma de presentar los contenidos a cada estudiante mediante explicaciones alternativas, ejercicios progresivos y retroalimentación inmediata sobre código o configuraciones. La analítica educativa completa este enfoque: las entregas, los errores que se repiten y la evolución del alumno ayudan a identificar dónde aparecen las dificultades y permiten que el docente intervenga cuando su criterio resulta más útil. Es una lógica próxima al diseño data-driven: observar el comportamiento real antes de tomar decisiones.
La tecnología, por sí misma, tampoco garantiza el aprendizaje. Existen riesgos conocidos: dependencia de respuestas generadas, comprensión superficial, sesgos o problemas relacionados con la protección de los datos de los estudiantes. Delegar todo el razonamiento en un asistente puede reducir precisamente aquello que se intenta desarrollar. El reto es principalmente pedagógico: crear experiencias en las que la IA refuerce el pensamiento propio y ayude al estudiante a avanzar con mayor autonomía.
Este es el planteamiento práctico que escuelas como IMMUNE Technology Institute aplica en programas como los másters en data science, ciberseguridad y cloud computing, que se apoyan en el Challenge-Based Learning e incorporan también una perspectiva emprendedora. El estudiante aprende resolviendo desafíos inspirados en situaciones que afrontan empresas y startups.
En cursos como Marketing & Ventas con IA, la inteligencia artificial se utiliza como una herramienta habitual de trabajo, igual que sucede en muchos equipos profesionales. Puede emplearse para explorar alternativas, depurar, documentar procesos y acelerar determinadas tareas, mientras la responsabilidad sobre la solución continúa en manos de quien la desarrolla. Los retos permiten valorar competencias aplicadas como el criterio técnico, la seguridad o la arquitectura, más allá de la capacidad para memorizar contenidos.
El equipo docente está formado por profesionales que trabajan en empresas desarrolladoras o usuarias de tecnología. Su experiencia aporta contexto de industria, capacidad para diferenciar entre una solución funcional y otra que también sea segura y mantenible, y acompañamiento durante el proceso de aprendizaje. Con la analítica como apoyo, el profesor puede dedicar menos tiempo a transmitir contenidos estándar y más a diseñar retos, detectar dificultades y orientar trayectorias individuales.
Esta evolución del papel docente también refleja los cambios que vive el profesional tecnológico. Cada vez participa más en la generación de ideas, la gestión de productos, la toma de decisiones y el liderazgo de equipos. Por eso, la personalización del aprendizaje puede medirse por la autonomía y el criterio que desarrolla cada estudiante, junto con capacidades como la comunicación, el trabajo en equipo y el pensamiento crítico.
Integrar la inteligencia artificial con una metodología educativa adecuada permite preparar profesionales capaces de utilizar estas herramientas con criterio. La tecnología puede acelerar procesos y adaptar contenidos; el aprendizaje sigue dependiendo de la capacidad para comprender, decidir y resolver problemas.
*** Víctor Deutsch es director académico de IMMUNE Technology Institute.