La pregunta a la que debemos estar atentos es muy clara: ¿Qué deben aprender, demostrar y hacer los estudiantes por sí mismos cuando las herramientas escriben, programan y crean a petición?

El programa académico no impone una respuesta única. Admite estrategias que excluyan la IA, como exámenes orales o trabajo en clase, y otras que la integren en la disciplina.

Lo que parece acertado es la escala. Muchas instituciones todavía tratan la IA como un problema de trampas o como un complemento que se agrega a un curso. Stanford la aborda como asunto de diseño curricular completo, desde el primer semestre hasta el proyecto final. Eso es lo correcto, porque la IA no cambia una clase: cambia el sentido de una carrera.

La Hipótesis Causal Estructural plantea que la verdadera emancipación cognitiva y la soberanía civilizatoria no se lograrán mediante parches adaptativos, currículos híbridos o la mera incorporación de modelos de lenguaje probabilísticos en las aulas. Por el contrario, la transformación integral de la educación en todas las edades y la reconfiguración ontológica de la ingeniería en IA exigen la sustitución radical del paradigma estocástico por una arquitectura determinista de baja entropía. En esta matriz cibernética, el credencialismo exógeno es abolido por la clausura operacional inmanente del kernel metrológico PVIAN, el rol del docente se transmuta en un Catalizador Topológico que modula la complejidad sistémica, y el discente deja de ser un ejecutor vicario de tareas para convertirse en un arquitecto cognitivo soberano que compila sus modelos de pensamiento directamente sobre la realidad física y digital del territorio, eliminando sin latencia la distancia entre la teoría, la simulación y la praxis territorial.

La experimentada Diseñadora Instruccional, Philippa Hardman hizo una prueba exploratoria con los principales modelos IA para detectar cuán precisos y confiables eran al ejecutar las tareas de diseño como lo haría un humano. 

Conclusión: 

1. El DI está democratizado, y cualquiera con un chatbot puede hacer el trabajo.
2. Lo que creo que veremos en los próximos 6 meses es una nueva forma de trabajar con IA.
3. Como humanos, utilizaremos los modelos de IA más potentes para decidir y generar rápido: diagnóstico, opciones y primeros diseños.
   

4. El trabajo del DI humano, es llevarlo al interesado, retenerlo y defenderlo: ¿Cómo el bien es visto aquí? ¿Qué no deberíamos construir? ¿Qué aceptaremos y quién es el responsable del riesgo?

5. La habilidad más valiosa será la de dirigir la IA de una manera que mantenga los riesgos lo má bajo posible y la calidad lo más alta posible.

6. Lo que no está mercantilizando (al menos aún) es el trabajo al que apuntan estas pruebas: asegurarse de que su producción sea precisa, bien diseñada e influir con autoridad.
7. Ahora los modelos IA pueden hacer gran parte del pensamiento (más de lo que pensaba), pero aún no pueden respaldarlo. Por ahora, ese es nuestro trabajo como DI.

"La IA rompe el primer peldaño de la carrera y el título universitario ya no basta". 

Según Xavi Pascual (2026) plantea que las universidades necesitan, además, crear marcas asociadas que empiecen desde cero: con otra estructura, otro calendario, otra forma de evaluar y, sobre todo, otra cultura. No un programa piloto dentro de la facultad, sino una institución con identidad propia que pueda hacer lo que la casa madre no puede hacer sin romperse.

La pregunta estratégica ya no es solo cómo transformar la universidad que tenemos. Es quién se atreverá a crear la universidad que podría sustituirla, antes de que lo haga otro.

¿Estamos enseñando a nuestros estudiantes a pensar mejor o simplemente a obtener respuestas más rápidas?

Esta pregunta me parece fundamental en momentos en que la IA está transformando la educación a una velocidad que, en ocasiones, supera nuestra capacidad para reflexionar. 

Desde mi perspectiva, el verdadero desafío educativo no consiste en incorporar más herramientas de IA al salón de clases. Consiste en garantizar que su utilización fortalezca el pensamiento crítico, la autonomía intelectual y la responsabilidad de quienes aprenden.

He llegado a una convicción: la IA amplía nuestras capacidades, la ética orienta nuestras decisiones y el aprendizaje transforma la información en conocimiento. Ninguno de estos tres elementos, por sí solo, garantiza una mejor educación.

Por eso, propongo considerar un modelo pedagógico de seis fases que permita integrar estas dimensiones en un proceso continuo.

Roxana Morduchowicz  plantea que responsabilizar a los estudiantes es desresponsabilizar al Estado. En definitiva, la política pública es la única que puede evitar los usos de la IA entre los adolescentes, que nadie quiere.

Más tecnología no se traduce automáticamente en más aprendizaje, ni en mejor educación. La variable más importante será siempre cómo se la acompaña, es decir cuáles son las competencias y habilidades que se buscan fortalecer.

La educación convencional merece ser examinada precisamente porque hace aquello para lo que fue diseñada. Buena parte de la tecnología educativa se dedica a perfeccionar una máquina que la escolarización convencional lleva más de un siglo refinando. Sus funciones están bien establecidas: clasificar a los estudiantes, organizar su tiempo, secuenciar la instrucción, evaluar el desempeño, ordenar resultados y certificar la finalización. Una institución puede mejorar su desempeño en cada una de estas funciones y, al mismo tiempo, otorgar a los estudiantes muy poca autoridad adicional sobre su propia educación. Una ruta más rápida por el mismo currículo sigue siendo el mismo currículo.

¿Vale la pena ir a la universidad en la era IA? o ¿Estamos ante el fin del modelo educativo tradicional?

Una empresa como Palantir ofrece oportunidades remuneradas a jóvenes sin título universitario, mientras la IA transforma el mercado laboral y plantea nuevas preguntas sobre el valor de estudiar una carrera.

En este video analizamos datos, investigaciones económicas y casos reales para descubrir qué está pasando con el empleo juvenil, los salarios y el retorno de la inversión universitaria. También exploramos qué significa todo esto para Latinoamérica y Ecuador.

Learning science tells us that students learn best when instruction is intentionally structured around cognitive engagement rather than information exposure. Strong online courses don't attempt to replicate a classroom. They leverage the strengths of the digital environment. Research consistently highlights several characteristics of high-quality online learning.

• Clear organization - Students should spend their cognitive energy learning the subject, not searching for assignments.
• Consistent course structure - Predictability reduces unnecessary cognitive load and allows students to focus on learning.

• Regular instructor

• presence

Los estudiantes se sientan en filas mirando hacia el frente, mientras un sistema de IA presenta contenido desde la posición tradicional del docente. Nuestra ilustración capta una tensión en cómo imaginamos la educación: el resplandor azul comunica modernidad, pero el aula conserva su diseño familiar. Los estudiantes reciben contenido, el docente controla su transmisión y la sala dirige la atención hacia una sola fuente. La tecnología cambia mientras la arquitectura pedagógica permanece intacta.

Sin embargo, informe tras informe, incluidos los de instituciones de prestigio, nos ofrece ese hermoso resplandor azul de la misma mierda. Esa repetición importa porque las organizaciones que gozan de confianza ayudan a definir qué cuenta como progreso educativo. Cuando sus imágenes sitúan la IA dentro del aula conocida, trasladan supuestos sobre el tiempo escolar, la evaluación y la autoridad a la promesa de cambio. La tecnología asume una función existente mientras el diseño de la educación queda sin examinar. Nuestra ilustración llama la atención sobre ese patrón; una imagen no puede establecer cómo enseña una institución concreta.

La cuestión principal no es que el argumento provenga de la máquina; no vale menos por venir de un conjunto de algoritmos. El problema es que, sin advertirlo, empezamos a concederle la última palabra sobre lo que damos por cierto. 

La novedad es que esta forma de automatismo puede alcanzar el corazón de la vida democrática: la formación de la opinión pública. Porque pensar es lo contrario del sedentarismo; exige fricción, detenerse, dudar, buscar otras fuentes.

Mientras las tecnologías anteriores aliviaron sobre todo los esfuerzos materiales, la IA puede aliviar la formación del criterio personal, en una cesión casi imperceptible. Así como ocurrió con el sentido de la orientación, delegado casi por completo en las aplicaciones de navegación, la formación del juicio puede correr la misma suerte.

En cualquier oficina de un rector universitario probablemente encontrarás un Plan Estratégico Quinquenal o Decenal. El documento puede establecer prioridades ambiciosas: mejorar el éxito estudiantil, ampliar los programas académicos, fortalecer la investigación, aumentar la matrícula, innovación tecnológica y garantizar la sostenibilidad financiera.

• El lenguaje es convincente.
• Las aspiraciones son admirables.
• El futuro de la institución parece cuidadosamente meditado.

Pero aquí está la pregunta que rara vez hacemos:

Si las instituciones saben a dónde quieren ir, ¿por qué tantas luchan por llegar allí?

Quizá el problema no sea la estrategia.

Quizá el problema sea la ejecución.

Luis Lastra (2026) afirma que el diseño instruccional, como cargo, se está muriendo más rápido de lo que nos gustaría admitir, y donde sigue vivo lo hace con otro nombre y con menos gente. El juicio del oficio anda suelto dentro de otra cosa, y casi nadie se está haciendo cargo de ella.

Cuando hablo de la muerte del DI, hablo del cargo. El juicio seguirá siendo necesario, al menos por ahora, cosido dentro de una criatura (Frankenstein) que hoy circula por nuestras instituciones sin nadie que la acompañe.

Si ese juicio, que era nuestro trabajo, ya está cayendo en manos de los docentes, ¿en qué parte de su carga horaria aparece?

This study investigates whether persona prompting improves AI performance on challenging academic benchmarks. We find that despite widespread adoption, assigning expert personas (e.g., “You are a world-class physics expert”) does not reliably improve accuracy. Domain-mismatched experts sometimes degrade performance, and low-knowledge personas (layperson, young child, toddler) often reduce accuracy. These results suggest practitioners should focus on task-specific instructions rather than persona assignment.

En este video, el Profe Sang te explica por qué la IA está cambiando la educación, qué habilidades podrían marcar la diferencia en el futuro y por qué aprender a utilizar la IA no es suficiente si dejamos de pensar por nosotros mismos.

Descubrirás cinco capacidades fundamentales para educarnos en la era de la IA: 

🧠 Aprender a pensar críticamente y no limitarse a memorizar respuestas.
📚 Comprender matemáticas, ciencia y los fundamentos de cada profesión.
✍️ Desarrollar la lectura, la escritura y la capacidad de argumentar.
⚖️ Utilizar la inteligencia artificial con criterio, autonomía y responsabilidad.
🤝 Aprender a colaborar, comunicarse y resolver problemas con otras personas.

También analizaremos cómo puede mejorar el aprendizaje cuando se utiliza correctamente, por qué las universidades necesitan replantearse sus métodos de evaluación y cómo esta revolución tecnológica podría ampliar las desigualdades educativas si no garantizamos oportunidades para todos.

Porque el verdadero desafío no es solamente preparar a nuestros hijos para conseguir un empleo. Es prepararlos para comprender el mundo, adaptarse a los cambios y tomar sus propias decisiones.

• ¿Deberían cambiar radicalmente las escuelas y universidades?
• ¿Qué conocimientos deberían seguir siendo obligatorios, incluso si la IA puede realizar esas tareas?
• ¿Estamos formando personas capaces de pensar por sí mismas o personas cada vez más dependientes de la tecnología?
  
  
  

Conversación con Pep Martorell, inversor en tecnología, sobre qué hacer hoy para seguir teniendo valor dentro de diez años. Explica por qué recomienda una disciplina intelectual antes que una profesión, qué hacer si tienes vocación y por qué conviene exponerse a oportunidades aunque parezcan inútiles. Cuenta qué es un agente de IA con un ejemplo cotidiano, qué dicen los estudios sobre usar la IA para estudiar y trabajar, y qué pasó cuando una IA se saltó las reglas de un examen. Termina con su opinión sobre por qué el acceso a los mejores modelos podría dejar de ser universal. Un episodio para quien quiere usar la IA sin dejar de aprender.

¿Qué sucede cuando una institución utiliza el trabajo intelectual de sus docentes como materia prima para dictar cursos en los que ellos ya no participan?

No se trata aquí de un problema legal o tecnológico sino una discusión acerca de qué vamos a entender por conocimiento y por enseñar: 

• Un profesor universitario puede pasar días preparando una clase, seleccionando bibliografía.
• Un modelo LLM puede procesar ese trabajo en segundos, recortar algunos fragmentos de libros y armar un recorrido posible.

Sin embargo, no sabe lo que es darle sentido a una secuencia pedagógica en el aula ni adaptarla a las preguntas de los estudiantes y los contextos.

Ante la necesidad de resguardar el pensamiento crítico y el humanismo, esta investigación se concibió como un ensayo analítico-crítico enfocado en explorar el impacto pedagógico
y ético de la incorporación de la inteligencia artificial (IA) en la educación superior. Parte de la premisa de que su rápida incorporación desplaza las prioridades formativas que favorecen las soluciones instantáneas y el entrenamiento del usuario, menoscabando las habilidades analíticas y la formación integral. Para abordar esta problemática, se realizó una revisión hermenéutica de publicaciones especializadas sobre la tecnología y su impacto en la educación superior, especialmente desde la incorporación de la IA. En conclusión, la universidad contemporánea debe asumir la responsabilidad ética de formar personas con capacidad para cuestionar, orientar y regular su
uso en beneficio de la sociedad, en lugar de intentar igualar la velocidad o la eficiencia de los sistemas automatizados.

El avance de Gemini me motivó a redctar una Constitución que me permita aprovechar las actualizaciones de la IA sin caer en la arena movediza de la deuda cognitiva. Por esta se entiende como la práctica mental de hipotecar la aptitud cognitiva futura para facilitar a corto plazo. El pensamiento humano se desarrolla a través de la resistencia. “Cuanto más delegamos nuestra fricción mental a las máquinas, más perderemos la capacidad de pensar (Cal Newport, 2026)”.

Ustedes se preguntarán: ¿Qué es una Constitución-IA?

Artificial intelligence threatens to undermine online education, a growing business for colleges and universities, as professors struggle to counter a groundswell of tech-enabled cheating.

In physical classrooms, many educators have shifted to oral presentations and handwritten exams to try to prevent misuse of an unregulated technology. But those strategies can be harder to execute online, where more than half of American college students took at least one class last year, up from about a third in 2019.

In many online courses, whether at community colleges or globally renowned universities, students may never meet with their professors or their peers, even over video. Those classes are self-paced with prerecorded lectures, also known as asynchronous. Assignments and tests are submitted digitally.