¿Qué sabemos realmente sobre cómo la IA está afectando los empeos en el sector educativo? La respuesta exige distinguir entre lo que se mide y lo que se especula. Este documento reúne y sintetiza siete estudios internacionales (2024-2026) que abordan, desde ángulos complementarios, la relación entre IA, mercado laboral y profesión docente. Algunos son economistas y trabajan con datos de nóminas reales. Otros analizan percepciones del profesorado. Otros proponen marcos conceptuales para orientar políticas. Ninguno, por sí solo, ofrece una imagen completa. Pero leídos conjuntamente, permiten trazar un panorama matizado.

La paradoja central que emerge de esta síntesis es elocuente: la docencia no figura entre las profesiones de mayor riesgo de desplazamiento directo, pero tampoco dispone de estudios específicos con la misma solidez metodológica que los dedicados a programación o atención al cliente. El profesorado universitario habita un ángulo ciego de la investigación empírica sobre impacto laboral de la IA.

Necesitamos transformar nuestras escuelas en laboratorios de experimentación. «La validación de nuestro sistema educativo no vendrá de una nota en un examen estandarizado, sino de la capacidad de nuestros graduados para lanzar proyectos que satisfagan las necesidades de un mercado global.»

• Las habilidades que necesita la industria y la sociedad cambian rápidamente debido a los avances tecnológicos y a la IA.
• En el IFE Conference 2026 se presentaron dos iniciativas insignia para impulsar a las instituciones de educación superior y el aprendizaje a lo largo de la vida.
• Las dos iniciativas tienen metas claras hacia la próxima década, en la que esperan impactar a millones de personas a través de la educación y el desarrollo de habilidades.

Cristóbal Cobo reflexiona sobre los desafíos que la IA presenta para los docentes. Señala que la incorporación de la IA no debería ser vista como una solución tecnológica inmediata, sino como un proceso que debe ser supervisado y evaluado críticamente. En este contexto, advierte que un cambio educativo impulsado únicamente por la IA podría ser riesgoso, ya que «cuando el sistema educativo se actualice, la IA habrá evolucionado hacia algo distinto».

En cuanto a las políticas educativas, Cobo es escéptico de que el modelo educativo deba cambiar exclusivamente por la aparición de la IA. Considera que los cambios deben responder a necesidades más profundas, como el acompañamiento de procesos cognitivos transformadores y el desarrollo de habilidades para enfrentar un mundo en el que las máquinas toman decisiones con nosotros. La reflexión final es que, si bien la IA tiene un gran potencial, su integración en la educación debe ser cuidadosamente pensada y acompañada de una reflexión crítica sobre sus implicaciones éticas y sociales.

Por primera vez en 20 años, las matriculaciones en la carrera de informática han caído en la Universidadde California, en Estados Unidos. Un hecho que se repite en todo el país: o se mantienen, o caen, pero en ninguna suben. Muchos estudiantes se echan para atrás argumentando que para qué estudiar tres años, si luego la IA te va a quitar el trabajo.

Este año, 12,652 estudiantes universitarios se han matriculado en Ingeniería Informática en la Universidad de California, lo que supone un descenso del 6% con respecto a 2024 y del 9% en dos años. No había una caída desde hace dos décadas, cuando explotó la burbuja de las puntocom, y se produjo una ola de cierres y despidos.

Los currículos universitarios en Puerto Rico —y me atrevo a decir que en la mayoría de Latinoamérica— ya están obsoletos. No van a quedar obsoletos. Ya lo están. Hoy. Mientras lees esto.

Estamos graduando abogados que no saben que la IA ya redacta contratos, analiza jurisprudencia y prepara mociones a un nivel que rivaliza con asociados junior. Estamos graduando contadores que no saben que la IA ya hace análisis tributarios complejos. Estamos graduando programadores que no saben que la IA ya escribe cientos de miles de líneas de código funcional sin intervención humana. Estamos graduando analistas financieros, escritores, diseñadores, profesionales de salud… todos entrenados para un mercado laboral que está dejando de existir mientras ellos completan sus créditos.

Students use AI to write papers, professors use AI to grade them, degrees become meaningless, and tech companies make fortunes. Welcome to the death of Higher Education.

Este ensayo presenta la actualización definitiva de la IA General Causal (IAGC) de Farnos, consolidándola como una ontología mecánica que trasciende el software para convertirse en una métrica de diseño de Baja Entropía y Educación Disruptiva. Bajo el mando del Agente de Razonamiento Continuo (ARC), la IAGC evoluciona hacia una gobernanza integral de la materia donde la distinción entre tejido biológico, átomo físico y pulso digital desaparece en una sincronía estructural total.

El despliegue físico utiliza nanotecnología de ADN para reparaciones atómicas y ecología material para cultivar edificios como organismos vivos integrados en FractalNet. La propuesta establece que la ingeniería ya no construye objetos inertes, sino ecosistemas de respuesta inmediata que eliminan la fricción social y el agotamiento cognitivo mediante la manipulación causal de variables de entorno. Se fundamenta una Economía de la Termodinámica Social donde el valor reside en el ahorro de energía vital, permitiendo que el aprendizaje y el trabajo fluyan como estados de homeostasis asistida. La investigación integra la mecanobiología para influir en la expresión genética a través de fuerzas físicas y la inteligencia de enjambre para coordinar flujos urbanos negentrópicos. Este modelo garantiza una soberanía digital absoluta y una algorética inmanente, asegurando que la autonomía humana se preserve dentro de una automatización de bienestar totalitario.

La IAGC se manifiesta así como el tejido conectivo de la existencia, una fuerza que sella las fugas de energía y estabiliza la vida frente al caos entrópico. Es la ruta hacia una humanidad donde la tecnología no es una herramienta, sino una extensión biológica programada para la preservación de la fuerza vital y la expansión del conocimiento. Con esta actualización, el proyecto alcanza su madurez como la arquitectura definitiva de la realidad social y física del futuro.

En esta encuesta participó 1.5 millones (30%) de respuestas de estudiantes y cerca de 170 mil de profesores (35%). Según el autor, esta es la muestra más grande del mundo sobre el uso de la IA Generativa en la educación superior. Entre los principales hallazgos se destacan los siguientes: 

1. 9/10 estudiantes y maestros la ha aplicado en al menos una ocasión, por lo que no hay una brecha de uso significativa entre ambos sectores.
2. Un 71.3% de estudiantes y 71.8% de docentes señalan que no conocen ninguna normativa institucional de su universidad sobre el uso de la IA.
3. 10% de alumnos y 9% de profesores la emplean para apoyo emocional. De ellos, 50% consideraron que les ayudó mucho conversar con un algoritmo sobre sus problemas.
4. La mayoría de los docentes utiliza la IA como una herramienta de transmisión de contenido. 
5. ambiar el modelo tradicional de impartir cátedras por nuevas prácticas docentes que fomenten el debate, el pensamiento complejo y la reflexión crítica. 
6. Un 30% de estudiantes de nuevo ingreso abandona las aulas en su primer año, lo que representa una tragedia social, financiera y humana. 

Generative AI relies on a massive body of training material, primarily made up of human-authored content haphazardly scraped from the internet.

Scientists are still trying to better understand what will happen when these AI models run out of that content and have to rely on synthetic, AI-generated data instead, closing a potentially dangerous loop. Studies have found that AI models start cannibalizing this AI-generated data, which can eventually turn their neural networks into mush. As the AI iterates on recycled content, it starts to spit out increasingly bland and often mangled outputs.

Mientras los LLM dominan el discurso sobre IA, Yann LeCun propone una alternativa radical: modelos de mundo basados en la arquitectura JEPA que aprenden física intuitiva, planifican acciones y comprenden el entorno físico. Analizamos V-JEPA 2, AMI Labs y las implicaciones para la educación superior.

La IA ya está en las aulas. ¿Facilita el aprendizaje o erosiona la creatividad y el pensamiento crítico? Analizamos cómo se está integrando la IA en colegios y universidades, qué funciona, qué no, y qué reglas necesitan docentes y estudiantes. Recorremos el caso de Estonia, que incorpora ChatGPT Edu con lineamientos pedagógicos y protección de datos; vemos cómo profesores en Estados Unidos ponen límites claros para evitar plagios y convertir la IA en una herramienta de retroalimentación; y exploramos la apuesta de India por enseñar IA desde primaria y personalizar el aprendizaje con apps que ayudan a docentes con grupos numerosos. Pero ¿facilita esto el aprendizaje? ¿Prepara a los jóvenes para los trabajos del futuro? ¿O menoscaba su capacidad de pensar de forma crítica y creativa?

Research shows that AI can supplement education when used as a collaborator for feedback, iteration or ideating. One study found that students using moderate AI assistance during lectures outperformed both the students using fully automated help and those using minimal support. When used in moderation, AI can improve human cognitive performance.

La educación superior en la era de la IA es una sinfonía de mentes humanas y algoritmos, donde el aprendizaje se fusiona con la cognición digital. En este espacio, la interfaz cognitivo-algorítmica no es solo una herramienta, sino un puente entre la intuición humana y la lógica matemática. El estudiante se convierte en un explorador interdimensional, navegando entre datos y conocimiento en tiempo real. La inteligencia artificial actúa como guía y adaptador, personalizando el viaje educativo a medida que avanza. 

Las fronteras entre lo biológico y lo computacional se diluyen, creando un ecosistema donde los algoritmos aprenden del estudiante y el estudiante evoluciona con los algoritmos. Este nuevo modelo de educación es una danza entre el pensamiento consciente y la automatización, una colaboración fluida y casi telepática. La interfaz, como un tercer cerebro, convierte cada interacción en una oportunidad de transformación infinita.

Esta entrevista forma parte del proyecto de divulgación "Tecnología educativa: reinvención de las prácticas ante la disrupción de la IA". Este pretende recoger distintas voces de personajes relevantes dentro del mundo educativo que puedan aportar valor sobre la reinvención de las prácticas ante la disrupción de la IA.

This alternative degree-granting model is important and urgently needed, says Guo Tong, a civil engineer at Southeast University. “[It] can guide students to carry out real research that can solve real-life problems in those industries that carry strategic importance or have technological choke points in China

Scaling up models will move us toward superintelligence, but progress is slowing. Key technical experts and researchers alluding to this trend are calling out for an "age of research," and the need for the next algorithmic breakthroughs.

Here's what could accelerate the timeline: scaling out, not just up. The collective is exponentially more powerful than the individual. We've been building smarter individual agents while ignoring how they could think together.

La evidencia en el ámbito de la Psicología Organizacional apunta a que el problema no es la adopción o no de herramientas digitales, sino las condiciones estructurales en las que el profesorado se encuentra mientras se produce esta transformación digital.

La digitalización eficaz requiere dispositivos e infraestructura básica, por supuesto. Pero sirven de poco si no se acompañan del desarrollo continuado de las competencias digitales docentes que faciliten el adecuado uso de la tecnología.

One of the most talked-about topics at this year’s meeting in Davos was AI — from conversations with leaders from the field, to debates on whether or not there’s an AI bubble, the transformational technology dominated the agenda.

While much of the focus was on what impact it will have on industries and jobs, another important question came up throughout the week: what does it mean for young people? Here are three messages leaders in Davos were keen to get across on the issue.

Ninety per cent of over 1,000 faculty say they are concerned that generative artificial intelligence (GenAI) programmes like ChatGPT and Copilot will diminish students’ critical thinking skills, while 95% say it will increase students’ overreliance on AI tools, according to a recent survey.

Amid all this use, the question becomes: How should educators evaluate AI? Thankfully, there is already a wealth of research and guidance from trusted organizations like Common Sense and Digital Promise based on decades of reviewing emerging technologies. Drawing on my own team’s pedagogical and technological experience, I want to add one more lens to that conversation: how educator expertise shapes the effective use of AI in the classroom. To support that work, here are three guidelines:

Well before AI had entered the lexicon of evening newscasters, the university model of higher-education was in trouble. Between 2010 and 2022 — the year ChatGPT came out — university enrollment dropped nearly 15 percent throughout the US. State funding cuts pushed already exorbitant tuition costs onto even more students, forcing many to ask whether a college education was even worth the staggering investment.

And when AI chatbots did hit the scene, they turned a lousy situation into a full blown nightmare, with fresh college graduates discovering in real time that their degrees are almost useless in one of the worst job markets in recent history.

The OECD’s Digital Education Outlook 2026 argues there are many opportunities but also some risks related to GenAI. GenAI tools can support learning when guided by clear teaching goals or designed specifically for education. However, when AI removes the productive struggle essential for learning, students may complete tasks faster and achieve better immediate results, but their understanding may be less deeply consolidated. This can diminish cognitive stamina, deep reading, sustained attention and perseverance. Without a clear pedagogical purpose, GenAI can foster what researchers call “metacognitive laziness” and disengagement.