Vanessa Medina Armienta
La IA está transformando el primer empleo y amenaza con romper la tradicional ruta de formación de los futuros profesionales: si las tareas que antes enseñaban el oficio desaparecen, ¿dónde se construirá el juicio que distingue a un ingeniero senior de un junior? El reto no es solo capacitar a los estudiantes en IA, sino preparar a los docentes para enseñarles a cuestionarla, contrastarla y dirigirla. Ahí está el verdadero punto ciego de las universidades
Dos ingenieros senior de Microsoft, Mark Russinovich y Scott Hanselman, describieron hace unos meses una dinámica muy interesante que nos puede servir de lección pensando en los futuros egresados universitarios.
A un ingeniero experimentado, un asistente de IA le da un impulso de productividad.
Al junior que todavía no tiene el criterio para verificar lo que la máquina produce, en cambio, se lo imponen como lastre.
El incentivo que resulta de ahí es simple y peligroso: contratar seniors, automatizar juniors. Y eso desarma, silenciosamente, la base de la pirámide de la que depende cada puesto senior futuro.
Un reciente análisis de McKinsey sobre el futuro del talento de nivel inicial toca este tema sin decirlo del todo, y ahí está lo interesante: si las empresas ya no pueden dar por sentado que un recién egresado llegue con juicio profesional formado, la pregunta que debería urgir a las universidades es otra:
¿quién va a formar ese juicio antes de que el egresado llegue a su primer empleo, y no sea sustituido por una máquina antes de tener oportunidad de demostrarlo?
Ya lo había adelantado en mi columna del pasado 13 de agosto sobre la deuda cognitiva: si el mercado laboral se está saltando el proceso donde tradicionalmente se formaban estos criterios, ¿cómo garantizar que los jóvenes que hoy llegan recién egresados a su primer empleo tengan las capacidades que el mercado espera de ellos, en lugar de que esos puestos terminen ocupados por una máquina?
La pregunta es cada vez más evidente, y su respuesta, cada día más urgente. ¿Cómo ayudamos a que estos jóvenes construyan el juicio profesional que necesitan para tener éxito en esta primera etapa —la base— de su carrera?
El modelo que McKinsey propone no es alfabetización, es acompañamiento
La respuesta que documenta el análisis no es contratar menos gente joven ni resignarse a que la IA absorba las tareas rutinarias con las que un junior aprendía el oficio.
Es rediseñar el puesto de entrada alrededor de un modelo que llaman “de respuesta guía”: el empleado intenta la tarea por su cuenta, la IA califica el resultado y un mentor se sienta con ambos a discutir la diferencia.
Evidencia de estudios clínicos citada en el mismo análisis respalda por qué funciona: darle a un médico acceso a un modelo de lenguaje casi no mejoró su desempeño diagnóstico a largo plazo, pero obligarlo a comparar y reconciliar su propio razonamiento con el de la IA sí lo hizo, hasta igualar el desempeño del modelo por sí solo.
El aprendizaje pasivo no deja huella. La comparación estructurada, sí.
Ese modelo depende de una condición que el análisis da por hecha y que, en la educación superior mexicana, no podemos dar por hecha en absoluto: que exista alguien capaz de enseñar juicio, no solo de operar la herramienta.
El punto ciego no es el estudiante, es quien lo forma
Aquí es donde el argumento se vuelve doméstico.
No hace falta importar el diagnóstico completo: los datos propios que ya tenemos alcanzan para ilustrar la misma tensión. Según la Encuesta Nacional ENIAG 2025 de la SEP, la disposición docente en México es alta —nueve de cada diez profesores de instituciones públicas dice querer capacitarse en IA—, pero la autopercepción de dominio de la herramienta no cruza, en ningún tipo de institución, el 5.5 sobre 10.
Ni siquiera en los subsistemas mejor posicionados. Hay ganas. No hay, todavía, el andamiaje institucional que convierta esas ganas en la capacidad real de enseñar juicio en el aula.
Y no es un problema de resistencia, que sería más fácil de resolver con una campaña de sensibilización.
Es un problema de correlato invisible con lo que McKinsey describe del lado corporativo: profesores dispuestos a asumir exactamente el rol de mentor que el modelo de «respuesta guía» exige, sin que la institución les haya dado ni la formación ni el tiempo para ejercerlo.
La universidad, que debería ser el lugar donde ese juicio se siembra antes de que el mercado lo exija ya formado, corre el riesgo de llegar tarde a su propio rediseño —el mismo que McKinsey documenta que las empresas ya están haciendo del lado del primer empleo.
Lo que cambia si tomamos en serio la pregunta
Tomarlo en serio no significa otro diagnóstico de brecha digital.
Significa reconocer que la formación docente en juicio crítico frente a la IA no es un curso optativo de manejo de herramientas: es la condición previa para que el modelo de acompañamiento que el futuro del trabajo ya está exigiendo tenga dónde empezar.
Una universidad que forma egresados técnicamente competentes en el uso de IA, pero sin profesores capaces de modelar cuándo confiar en ella, cuándo cuestionarla y cuándo descartarla, está preparando estudiantes para un mercado laboral que McKinsey describe con toda claridad: uno que ya no premia la fluidez con la herramienta, sino el criterio para dirigirla.
Ahí está el punto ciego que ninguna universidad se está haciendo cargo de resolver: no basta con que un docente tenga ganas de acompañar ese aprendizaje si la institución nunca invirtió en darle la capacidad real de hacerlo.
Formar el juicio de la próxima generación no puede depender de que cada profesor, por su cuenta y con su propio entusiasmo, decida hacer el trabajo que le corresponde a la institución.
