EscucharEl rápido avance de los modelos de lenguaje grandes (LLM) en los últimos dos años ha llevado a algunos a argumentar que la IA pronto hará que la educación universitaria, especialmente en las artes liberales, quede obsoleta. Según este punto de vista, sería mejor que los jóvenes no asistieran a la universidad y aprendieran directamente en el trabajo.
No estoy para nada de acuerdo. El aprendizaje a través de la experiencia práctica es valioso y siempre lo ha sido. Pero funciona mejor cuando las personas tienen una buena idea de qué trabajos y habilidades tendrán demanda. Si hay algo de lo que podemos estar seguros, es que el futuro del trabajo es sumamente incierto. Aconsejar a los jóvenes que renuncien a la universidad para incorporarse antes al mercado laboral es, en el mejor de los casos, un error.
Geoffrey Hinton, ampliamente considerado como uno de los pioneros de la IA moderna, en su momento comparó el progreso en su campo con navegar en condiciones de “niebla”: se puede ver lo que hay inmediatamente delante, pero no lo que viene después. Por consiguiente, el desafío principal para los educadores es preparar a los estudiantes para que puedan desenvolverse con eficacia en condiciones similares a la niebla. La respuesta no es formarlos para tareas específicas que pronto pueden quedar obsoletas, sino hacer que sean lo más adaptables posible. Intentar preparar a las personas para un conjunto fijo de desafíos, cuando esos desafíos cambian constantemente, es una estrategia perdedora. Queremos conductores calificados que puedan circular por carreteras desconocidas y sortear obstáculos inesperados.
Desde esta perspectiva, la educación -y especialmente la educación superior- desempeña un papel más importante que nunca. Dado que desconocemos qué habilidades específicas se demandarán en el futuro, es imprescindible volver a los fundamentos. La educación liberal se centra en cómo pensar, más que en qué hacer. Capacita a los estudiantes para razonar, leer con atención, escribir con claridad y evaluar la evidencia. Estas habilidades se desarrollarán mucho mejor que las competencias técnicas limitadas.
Esto no significa ignorar la tecnología. Por el contrario, los estudiantes deben aprender a trabajar con la IA. Pero el objetivo debería ser convertirlos en usuarios críticos y jueces informados de las herramientas de IA, no en consumidores pasivos. Sigue siendo esencial enseñar matemáticas básicas, lógica y razonamiento; familiarizarse con textos fundacionales; y aprender cómo se construyen y se prueban los argumentos. Estas son las habilidades que les permiten a las personas mantenerse a la vanguardia de la tecnología en rápida evolución.
Este principio plantea dos preguntas prácticas: ¿qué debemos enseñar y cómo debemos enseñarlo? La primera pregunta es difícil e inevitablemente generará debate. Si bien puede haber un amplio consenso sobre la importancia de los conceptos básicos, los detalles cambiarán con el tiempo. Nuestra experiencia con tecnologías anteriores ofrece una orientación útil. La introducción de las calculadoras y las computadoras no eliminó la necesidad de enseñar aritmética. Los estudiantes siguen aprendiendo cómo funcionan los cálculos, pero los cálculos manuales, que requieren mucho tiempo, ahora se delegan a las máquinas. Del mismo modo, la ortografía y la gramática siguen siendo importantes, pero el software ha sustituido en gran medida la necesidad de ejercicios interminables.
La IA exige un ajuste similar en muchos ámbitos. Los LLM ahora realizan tareas como resumir textos o identificar ideas principales -elementos básicos de la educación desde hace mucho tiempo-, de manera extremadamente eficaz. Lo mismo ocurre cada vez más con la programación, la resolución de problemas cuantitativos e incluso la redacción de textos. Aunque estas actividades no deberían desaparecer del plan de estudios, el objetivo debería cambiar. Los estudiantes deben comprender los conceptos y la lógica subyacentes, en lugar de dominar cada paso de la ejecución.
Los estudiantes que tendrán éxito son aquellos que puedan utilizar las herramientas de IA de forma eficaz para alcanzar objetivos bien definidos. Lo mismo ocurre con una buena gestión: el éxito depende de establecer prioridades, estructurar los problemas y desplegar los recursos disponibles de forma inteligente. Se trata de habilidades conceptuales, no capacidades técnicas limitadas.
La segunda pregunta, de carácter pedagógico, se refiere a cómo se refuerza y evalúa el aprendizaje. Comprender requiere cierta práctica, pero la IA hace que a los estudiantes les resulte más fácil que nunca evitar hacer el trabajo ellos mismos. Incluso los estudiantes muy motivados se verán tentados a veces a tomar un atajo, especialmente bajo presión del tiempo. Por lo tanto, necesitamos un cambio radical en la evaluación. Los ensayos, los ejercicios y los exámenes sin supervisión para hacer en casa son cada vez más ineficaces. Deberán ser reemplazados por pruebas y exámenes presenciales, evaluaciones orales y problemas resueltos en tiempo real, ya sea en papel o en la pizarra.
Estos cambios tienen implicancias de gran alcance. Requieren asistencia presencial, clases más reducidas y una interacción más directa entre estudiantes y profesores. En muchos sentidos, esto supondría un retorno a los modelos de enseñanza tradicionales, revirtiendo parte de la escala y la estandarización introducidas por las tecnologías anteriores. Incluso podría marcar el comienzo de una nueva edad dorada para la educación en humanidades.
Pero este modelo también plantea serias preocupaciones. Impone una mayor responsabilidad a los profesores, que deben estar dispuestos a hacer cumplir las normas y emitir juicios complejos. Las instituciones deben apoyarlos en este proceso. Al mismo tiempo, la evaluación basada en la interacción personal suscita preocupaciones legítimas sobre la parcialidad. Los exámenes estandarizados tienen sus defectos, pero al menos sus sesgos son visibles. La evaluación subjetiva basada en exámenes orales e interacción personal puede ser menos transparente.
Quizás el desafío más grave tenga que ver con la desigualdad. La educación en clases reducidas y altamente personalizada es costosa. Las instituciones de élite pueden ofrecerla, pero las grandes universidades públicas tendrán dificultades. Así como la educación a distancia durante la pandemia amplió las brechas educativas, el cambio impulsado por la IA hacia una enseñanza presencial intensiva podría perjudicar a quienes más dependen de la educación pública.
Hay quien sostiene que la propia IA reducirá la necesidad de educación formal al proporcionar información y orientación personalizada bajo demanda. Pero esto supone que los usuarios saben qué preguntar y cómo interpretar las respuestas. Las personas más motivadas o dotadas pueden prosperar en un entorno así, pero lo harían de todos modos. La educación formal es más importante para la amplia franja del medio.
Para que la IA beneficie a la sociedad, necesitaremos más inversión en educación, no menos. La IA desplazará puestos de trabajo, pero también creará otros nuevos. La educación debería ser uno de los sectores que se expandan. A medida que la IA se generalice, la calidad de la educación dependerá menos del acceso y más de las expectativas y la aplicación. Las clases más reducidas, el mayor número de docentes y la mayor interacción personal son costosos, pero el aumento de la productividad que promete la IA hace que esas inversiones sean viables y valiosas.
---
Pinelopi Koujianou Goldberg, execonomista jefe del Grupo Banco Mundial y redactora jefe de la American Economic Review, es profesora de Economía en la Universidad de Yale.
