La inteligencia artificial puede mejorar las tareas y, al mismo tiempo, empeorar el aprendizaje. Para Francisco J. Mayorga, el problema no es prohibirla, sino transformar la educación para aprender a usarla con criterio. El reto es especialmente urgente en América Latina, donde muchos docentes aún enseñan con años de rezago frente al conocimiento. La pregunta ya no es si permitir la IA, sino cómo formar estudiantes capaces de pensar, verificar y decidir con ella.
Vanesa Medina Armienta/Campus
Hay una frase del doctor Francisco J. Mayorga que no me he podido quitar de la cabeza desde que colgamos.
Hablábamos de por qué los estudiantes que usan inteligencia artificial mejoran sus tareas y empeoran sus exámenes, y él lo explicó así: lo que aprenden se les queda pegado con saliva en el cerebro. Uno puede haber comprendido, dijo, sin haber aprendido.
Mayorga es economista formado en Yale. Fue gobernador del Banco Central de Nicaragua, integró los directorios del Banco Interamericano de Desarrollo y del Banco Mundial, dio clases veinte años en el INCAE y fue rector de la Universidad Privada Boliviana, a la que llevó a acreditación internacional.
Fundó la Red de Inteligencia Artificial Latinoamericana (RIAL) y hoy preside ARIAL, la Asociación de Inteligencia Artificial Latinoamericana, dedicada a la formación docente en IA.
Acaba de publicar Latinoamérica en la encrucijada: los desafíos de la inteligencia artificial, el más reciente de una serie de libros con los que viene siguiéndole el paso a esta transformación: primero el efecto de la IA sobre la producción científica, después su impacto en el mundo de los negocios y ahora la pregunta que le importa más, que es qué significa todo esto para nuestra región.
Conversamos más de una hora por videollamada.
Además del libro, la conversación se apoyó en un ensayo suyo que tuvo la generosidad de compartirme: Cinco desafíos críticos para la educación universitaria en la era de la inteligencia artificial, preparado para el Segundo Congreso Internacional de Educación Superior de El Salvador. Nos autorizó publicarlo, y lo podrán descargar completo desde nuestro sitio (suplementocampus.com/publicaciones).
Salí de esa conversación con más preguntas que respuestas, que es exactamente lo que uno espera de una buena conversación.
El golpe va al medio
Su tesis de partida va contra la intuición. La inteligencia artificial no está golpeando primero al trabajo manual, sino al trabajo profesional de mandos medios.
La razón, me explicó, es que todo el desarrollo actual de la IA aplicada está construido sobre palabras: conocimiento articulado en palabras, información en palabras, procesos en palabras. Ir de las palabras a las acciones físicas sigue siendo una brecha enorme que depende del avance de la robótica. Por eso hoy es más fácil que el software sustituya tareas de un analista financiero que de alguien que arma zapatos en una fábrica.
El impacto, dice, ya es evidente en Estados Unidos y Europa, y lo han documentado las grandes consultoras. Y tiene una forma particular: no es que el profesional desaparezca, es que sus funciones se sustituyen parcialmente. Lo que antes hacían cinco personas, ahora lo hacen dos o tres. Y las otras dos o tres pierden el empleo.
Ahí ve él la oportunidad de la región, y es una lectura que no había escuchado planteada así. Más del setenta por ciento del costo de implementar inteligencia artificial en una empresa grande es trabajo profesional, no tecnología. Y el trabajo profesional latinoamericano cuesta bastante menos que el estadounidense. Decenas de millones de empresas en Estados Unidos y Europa van a necesitar esa implementación, y hoy la pagan carísima contratando consultores allá. O la hacen con nosotros.
Es una ventana, y él insiste en que no va a quedarse abierta indefinidamente: si dejamos pasar mucho tiempo, el tren nos deja en la estación.
La biblioteca que ya no existe
Le pregunté qué sintió al leer el estudio con el que abre su ensayo: casi veintisiete mil estudiantes chinos seguidos durante treinta meses, donde la inteligencia artificial sube las calificaciones de tareas un 18 por ciento y reduce el tiempo de ejecución un 30, pero baja los resultados de exámenes un 20 por ciento en seis meses.
Contestó con su propia historia, y creo que es la mejor manera de entender el problema. Cuando escribía su tesis doctoral, tenía que ir a la biblioteca, buscar las revistas especializadas, localizar los artículos —que a veces no encontraba porque otro colega los tenía— y fotocopiarlos a la carrera porque la revista no podía salir de ahí. Calcula que entre veinte y treinta por ciento de su tiempo de investigación se iba en eso. Con Google, esa proporción se redujo quizá a la mitad. Hoy, dice, puede ser el cinco por ciento.
Y describió lo que hoy hace en un minuto: pedir los últimos veinte artículos revisados por pares sobre un tema, publicados en revistas de primer nivel, filtrados por los más citados, y después pedir un resumen de cada uno. A partir de ahí construye su propia argumentación.
Fue muy claro en algo: sus libros están hechos así, y no habría podido escribirlos sin inteligencia artificial. No hay nostalgia en su diagnóstico. La ganancia es real y él es el primero en reconocerla.
El problema es el otro lado.
Lo que se pierde
Los jóvenes, dice, encuentran con enorme facilidad conocimiento ya articulado, lo reúnen, y muchas veces ni siquiera se molestan en escribir el ensayo: se lo piden a la máquina. Producen la tarea, se quedan con una idea general, y esa idea general es la que se pega con saliva.
Después llega el examen y resulta que no saben tanto como parecía. Y pasado un tiempo, no recuerdan nada.
Tiene una sospecha adicional que quiere investigar: que algo parecido ocurre con los cursos de YouTube. Hay tutores talentosos haciendo cursos excelentes, pero van a toda velocidad y son difíciles de seguir; para aprender de verdad habría que bajarle la velocidad al video. La mayoría los mira superficialmente, como quien ve una película.
Y ahí me puso una prueba que me dejó pensando. Usted vio varias películas el año pasado, me dijo. Si le pregunto los títulos, tal vez recuerde una o dos, aunque haya visto diez. Pero de esas una o dos que la impresionaron, va a recordar el argumento, los actores, las escenas.
A eso se suma una racionalización que él escucha entre los estudiantes y que me parece la parte más preocupante: si todo esto se va a volver obsoleto en seis meses, o en tres, ¿para qué voy a molestarme en recordarlo?
Información, conocimiento, perspicacia
Le dije que su ensayo abre con una distinción clásica —información, conocimiento y sabiduría— y le pregunté lo que cualquier lector se preguntaría: las universidades llevan décadas diciendo que forman criterio. ¿Qué cambia de verdad ahora?
Su respuesta fue histórica primero. Pasamos de aprender escuchando a los maestros, a trabajar con libros, a trabajar con máquinas. Lo que cambió es que las máquinas se volvieron versátiles. Pero lo que dan no es conocimiento: el conocimiento tiene que ser absorbido por la persona. Que algo esté en la pantalla no significa en absoluto que uno lo conozca. Es como el estudiante que cree que por comprar un libro y ponerlo bajo la almohada ya está aprendiendo.
Lo que sí cambia, dice, es dónde queda el espacio propio de la universidad. Y lo nombró con una palabra que no había escuchado usar en este debate: perspicacia.
La perspicacia, tal como él la define, es la cualidad que permite escoger entre múltiples opciones que representan distintos criterios de optimización. Cuál es lo apropiado para cada circunstancia, según el contexto y la realidad particular.
Su ejemplo es médico. Hay tratamientos más agresivos y menos agresivos, y hay pacientes cuyas condiciones no resistirían el agresivo, así que se les da uno de más largo plazo. Los médicos, dice, siempre han ido por delante del resto de la ciencia en esto, porque han tenido que lidiar continuamente con el ser humano a la mano.
Esa capacidad —discernir primero, y después actuar con cierto olfato— es lo que él cree que la universidad tiene que desarrollar, porque la máquina no la va a desarrollar en muchos años.
Los profesores Uber
Aquí es donde la conversación se fue a fondo, y donde más aprendí.
Le pregunté quién decide dónde está la línea entre usar la IA para ampliar una capacidad y usarla para impedir que se forme. Su respuesta no fue sobre la línea. Fue sobre quién está en condiciones de trazarla.
Hay honrosas excepciones, me dijo, y mencionó al Tec de Monterrey y a la UNAM. Pero en la inmensa mayoría de las miles de instituciones de América Latina, los profesores son de medio tiempo, de un cuarto de tiempo, por horas. Profesores Uber, los llamó: dan la misma asignatura en distintas universidades y se trasladan en moto, en bicicleta o en taxi, repitiendo la misma clase.
Y describió una escena que cualquiera que haya pisado un aula reconoce: el profesor que llega con su carpeta, saca unas hojas amarillentas y da la clase que él mismo recibió hace diez años.
Su conclusión fue la frase más dura de la conversación. La inmensa mayoría de los docentes, en América Latina y aun en Estados Unidos, enseñan con un rezago de diez a quince años respecto de la frontera del conocimiento. Estamos preparando a los muchachos para 2015 en vez de prepararlos para 2030.
No lo dijo con desprecio. Insistió dos veces en que hay docentes extraordinarios que hacen el esfuerzo adicional aunque ganen mal y aunque nadie les pague el tiempo que eso requiere. El problema no es de voluntad. Es estructural.
Y hay un agravante que él ve venir. Cuando los estudiantes llegan al aula habiendo consultado la máquina, entre todos van a tener más información que el profesor, que apenas alcanzó a preparar la clase. Ahí el docente pierde autoridad académica.
La salida que propone no es competir en información. Es cambiar de función: dejar de estar sujeto a la presión de lo que los muchachos encuentran y convertirse en el guía, el tutor, el mentor que conduce esa búsqueda hacia el discernimiento.
Del prompting a la formación permanente
Le pregunté por la alfabetización digital docente, y me corrigió el término.
La alfabetización, dice, hay que darla por superada y empezar a hablar de formación permanente. Y explica por qué con un ejemplo de su propia práctica: revisa los contenidos de sus cursos cada tres meses, y describe ese esfuerzo de actualización como titánico.
Su lectura del cambio técnico es precisa. En 2023 todo el arte estaba en el prompting: cómo preguntarle a la máquina, cómo organizar las preguntas, cómo optimizar lo que devolvía. Circulaban varios métodos; recordó el de Stanford, que consistía en invertir la pregunta y pedirle al modelo qué preguntas haría él sobre un tema. Eso, dice, ya pasó de moda, porque la capacidad de los sistemas creció de forma espectacular.
Hoy el problema es otro y es más exigente: las plataformas no solo mejoran, avanzan en frentes distintos. Unas se fortalecen en unas áreas y otras en otras, y la que era la maravilla hace tres meses ya fue alcanzada. Puso un ejemplo concreto: hace no mucho uno podía darle estados financieros a un modelo y pedirle proyecciones a tres años, y tragarse esas proyecciones sin revisarlas y sin notar que estaban equivocadas. Eso ha ido mejorando.
De ahí sale su regla, y me parece la más útil de toda la conversación para cualquier docente. Hay que saber la materia como siempre se supo. Si uno enseña finanzas, tiene que tener en la mente cómo se calculan las razones, las proyecciones, el capital de trabajo. La máquina lo va a hacer. Pero uno tiene que poder verificar si los números que calculó están bien.
Conocimiento y dominio de la herramienta son dos cosas distintas, dice, y hoy hacen falta las dos.
Contra los detectores
En su ensayo, Mayorga es categórico: la detección es una carrera que no se puede ganar. Le dije que muchas universidades mexicanas están invirtiendo justamente ahí y le pregunté qué les recomendaría.
Me contestó con su experiencia, no con teoría. Veinte años enseñando con el método de casos en el INCAE, que se fundó con apoyo de la Escuela de Negocios de Harvard. Trabajo en grupos, presentaciones de los estudiantes, discusión abierta. Y una observación que solo puede hacer alguien que estuvo muchos años frente a un grupo: los muchachos quieren participar, quieren hacer las preguntas, quieren demostrar que aprendieron.
Llegaba el fin de curso y se preguntaba para qué necesitaba aplicar un examen final, si tenía el registro de quién participó más, quién participó mejor y quién estaba dormido.
Es escéptico de la detección desde antes de 2022, dice, y le dio gusto encontrar que ahora existe una corriente pedagógica que apunta en la misma dirección: validar la experiencia del aprendizaje en lugar de perseguir lo que el estudiante pueda recordar.
Su advertencia práctica es sencilla y desarma la salida fácil. Si uno le da un caso al alumno y lo manda a casa a resolverlo, el alumno se lo va a dar a ChatGPT, a Claude o a Perplexity. No hubo materia gris ahí. El aprendizaje ocurre en el aula, trabajando juntos.
Seguimos discutiendo el permiso
Fue en ese punto de la conversación cuando me di cuenta de que estábamos hablando desde dos lugares distintos.
En México la discusión sigue siendo de permiso. ¿Se deja usar o no se deja? ¿Qué porcentaje se tolera? ¿Qué detector compramos, y sirve? Hay comités enteros dedicados a redactar el reglamento que defina cuánta inteligencia artificial es aceptable en un trabajo final.
Y los números explican por qué seguimos ahí. Según el diagnóstico del OIIAES, apenas una de cada cuatro instituciones de educación superior mexicanas cuenta con normativa sobre inteligencia artificial. El 87 por ciento no tiene mecanismos para evaluar cómo se está usando en el aula. El 64 por ciento no ha desarrollado ninguna estrategia para saber cómo la usan sus estudiantes. Y del otro lado del escritorio, la Encuesta Nacional de la SEP encontró que el 91 por ciento de los docentes pide capacitación.
No es resistencia. Es no saber por dónde empezar.
Mayorga no está en esa conversación. Para él la pregunta del permiso ya está resuelta, y no porque la haya despachado con ligereza, sino porque la considera mal planteada. Su discusión es otra: cómo consigue la institución los recursos para que el estudiante tenga acceso a las plataformas, y cómo consigue el tiempo pagado para que el profesor aprenda a conducir ese uso.
Hay ahí una inversión completa de la carga moral que vale la pena notar. Nosotros discutimos si dejamos entrar la herramienta. Él sostiene que no pagar las suscripciones equivale a no darles libros a los estudiantes.
O sea que mientras aquí debatimos si permitir el acceso, él está diciendo que la institución que no lo financia está fallándole a sus egresados.
Y el tiempo no está esperando a que nos decidamos. Él revisa el contenido de sus cursos cada tres meses porque las plataformas cambian cada tres meses. Nosotros llevamos casi cuatro años deliberando sobre una herramienta que ya no es la misma que motivó la deliberación.
Es una distancia de varios años, y la medí en una hora de conversación.
Los clubes de inteligencia artificial
Y entonces, sin que se lo pidiera, me compartió un método que se inventó. Lo dijo con esa expresión de maestro veterano: por el mismo precio, le voy a decir qué creo que es esencial.
Funciona así. Cada profesor organiza a sus estudiantes en clubes, del tamaño que permita el grupo. Cada miembro del club se hace responsable de darle seguimiento a una plataforma: ChatGPT, Claude, Gemini, Perplexity, Amazon Bedrock, Microsoft Azure, la que sea. Pero no en general: cada quien observa cómo evoluciona esa plataforma dentro del campo específico de la asignatura. Si la clase es de finanzas, cómo se está aplicando a finanzas.
Se reúnen una hora a la semana. Cada uno tiene cinco minutos para contar lo que encontró. Después se comparan los hallazgos entre sí.
Y luego eso vuelve al aula. El profesor les pregunta qué hay de nuevo, y la discusión se organiza alrededor de la herramienta aplicada al tema que se esté viendo esa semana.
Lo que más me interesó fue lo que él espera que salga de ahí. Dice que dentro de los clubes van a aparecer los paladines, los apasionados, los que sí van a estar al día. Y que esos son el semillero de las carreras nuevas, porque su aprendizaje ya no habrá sido individual, sino colectivo y socrático.
También fue honesto sobre la resistencia. Habrá profesores que lo hagan arrastrando los pies. Habrá quienes no lo hagan, porque se creen dueños de la verdad o porque les da horror exponer que no dominan la metodología.
Me gusta el método por tres razones: no cuesta dinero, invierte la relación sin humillar al docente y cualquier jefe de carrera puede echarlo a andar el lunes.
Chocolate sin cacao
Le pregunté qué les diría a cien rectores mexicanos si los tuviera enfrente.
Habiendo sido rector de dos instituciones, su primera respuesta fue la humildad. El rector, dijo, no es el Papa hablando ex cátedra por haber sido electo. Su trabajo es construir el canal por el que suben las necesidades reales: el profesor averigua qué necesitan sus estudiantes, el jefe de carrera qué necesitan sus profesores, el decano lo lleva al rectorado. Y ahí puso una condición que solo pone quien ya estuvo del otro lado del escritorio: no una carta a Santa Claus. Cinco cosas, máximo, y que de verdad sean indispensables. Porque con esas listas en la mano, dice, el rector por fin puede ver cuáles son las tres peticiones que se repiten en toda la institución. Eso ya es información para decidir.
La segunda parte fue menos diplomática. El problema mayor, dice, es que la mayoría de los rectores son buenos líderes y están bien informados, pero a veces meten los problemas debajo de la alfombra porque los asustan. Y el que más asusta es tener que enfrentar al consejo directivo para convencerlo de que esto requiere recursos.
Tiempo pagado para que los profesores se actualicen e investiguen. Acceso a las plataformas. Suscripciones —y ahí fue muy concreto: pagar una suscripción es una cosa, pagar cuatro o cinco es otra, y eso no cabe en el presupuesto personal de un maestro. Sin ese acceso, dice, es como si los estudiantes no tuvieran libros.
Y entonces soltó la frase que me llevo: este no es un problema en el que se pueda hacer chocolate sin cacao.
Su pronóstico es duro. Las universidades que consigan articular esos recursos van a sobrevivir. Las otras quizá también sobrevivan, dijo, pero sus egresados no.
Lo que me quedé pensando
Cuando le pregunté cómo va América Latina en la medición de todo esto, me dijo algo que anoté dos veces: buscó esa información para escribir su ensayo y no la encontró.
Ahí está, me parece, el hueco más grande. Estamos operando con diagnóstico prestado. Las recomendaciones que circulan en nuestros congresos vienen casi todas de literatura estadounidense, escrita para universidades con presupuestos, cargas docentes y sistemas de educación básica que no se parecen a los nuestros. Él mismo lo reconoce al cerrar su ensayo, y con una franqueza que se agradece: estas realidades latinoamericanas tienen que ser objeto de una profunda investigación.
Yo agregaría una distinción que fui armando mientras conversábamos. Una cosa es el producto, que es lo que el estudiante entrega; otra el desempeño, que es lo que logra ejecutar de manera observable; y otra muy distinta el aprendizaje real, lo que se queda y sostiene una vida profesional. La inteligencia artificial mejoró el primero, dejó más o menos igual el segundo y está erosionando el tercero. Y estamos evaluando casi exclusivamente el primero.
Le pregunté también, ya cerrando, si había recetas. Me dijo que no, y lo explicó con una imagen que resume su posición mejor que cualquier marco: el rector es el médico que tiene un solo paciente, y ese paciente es único. No es lo mismo una universidad que la que está a dos cuadras.
Y cierra con la imagen que da título a esta conversación. Domesticar la bestia no basta, dice. Hay que cabalgarla, ir al trote, ir al galope. Y para eso hay que tener las riendas del conocimiento en las manos y en el cerebro. Si van sueltas, la bestia va por donde quiera y uno se cae sin darse cuenta siquiera de dónde se cayó.
El doctor Mayorga nos autorizó publicar íntegro su ensayo Cinco desafíos críticos para la educación universitaria en la era de la inteligencia artificial, preparado para el Segundo Congreso Internacional de Educación Superior de El Salvador (julio de 2026). Está disponible para descarga gratuita en suplementocampus.com/publicaciones. Agradecemos su generosidad al abrirlo a nuestros lectores.
