La OCDE (Organización para la Cooperación y el Desarrollo Económicos) advierte que la irrupción de la IA en las aulas no es solo un tema pedagógico: como pasó con la calculadora, la IA obliga a redefinir qué es una habilidad “básica” y qué capacidades humanas seguirán teniendo valor económico en un mundo donde modelos como ChatGPT escriben mejor que la mayoría de las personas. Detrás de ese debate se juega el futuro del capital humano, la empleabilidad y la productividad en las próximas décadas.
«Nadie está a salvo» dicen en el trabajo, también en algunas universidades, profesores, maestros y líderes que hablan de las extraordinarias capacidades de la IA como si se tratase de un enemigo que viene por nosotros. Posiblemente allí está el germen del error conceptual acerca de la IA, una tecnología que viene a desplazarnos, a corrernos ya no del trabajo arduo de arar la tierra sino como si nuestro hogar y nuestra vida vaya a ser usurpada por «cosas» que harán (mejor que nosotros) absolutamente todo sin necesidad de contar con nosotros.
Sin duda, ciencia ficción, magia, fantasía o simplemente literatura y entretenimiento. Todo a la vez.
En el corazón de las economías modernas, la escuela funciona como una fábrica de capital humano: define, lenta pero sistemáticamente, qué deben saber y saber hacer las próximas generaciones de trabajadores. Cada vez que una tecnología altera esas definiciones, termina reordenando, con rezago, el mercado laboral y la estructura de salarios.
Eso es exactamente lo que sugiere un reciente informe de la OCDE al plantear que los avances en inteligencia artificial “están sentando las bases para transformaciones amplias y rápidas en la sociedad” y obligan a preguntarse “qué formas de conocimiento deben promover nuestros sistemas educativos para un mundo con IA”.
La tesis de fondo es incómoda: en muchos dominios, la IA ya ejecuta mejor que nosotros tareas que la escuela sigue enseñando como destrezas centrales. En lenguaje escrito, el documento recuerda que los grandes modelos de lenguaje “han alcanzado e incluso superado el rendimiento humano en áreas como recuperación de información, traducción, reconocimiento de voz y ciertas tareas de preguntas y respuestas”, y que herramientas como ChatGPT pueden generar textos “de mayor calidad que la escritura humana promedio”. Si la “media” humana pierde terreno frente a la máquina, la definición misma de empleabilidad cambia de eje.
De la calculadora al chatbot: lecciones para el capital humano
La OCDE recupera una clave antecedente: el desembarco de la calculadora en las aulas en los años 70. En aquel momento, una parte del establishment educativo se alarmó ante la posibilidad de que los alumnos “olvidaran” a mano las operaciones básicas, poniendo en riesgo las competencias mínimas para la vida adulta. Otra parte vio una oportunidad para liberar tiempo de clase y enfocarse en razonamiento, resolución de problemas y contenidos más avanzados.
El debate no fue menor: redefinir qué es “básico” en matemática equivale a redefinir el menú de habilidades que el mercado laboral puede esperar de un egresado promedio. En 1980, el Consejo Nacional de Profesores de Matemática (NCTM) de Estados Unidos fue explícito al pedir “una reevaluación seria de los supuestos dominantes del currículum” y sostuvo que identificar habilidades básicas “es un proceso dinámico que necesita actualización constante” en un contexto donde “la vida diaria estará más profundamente permeada por usos Múltiples y diversos de las matemáticas que nunca antes”.
En términos prácticos, eso condujo a cambios visibles en pocas décadas. El informe recuerda que hacia 1986 solo “alrededor de una quinta parte de los estudiantes de escuelas medias” y “algo más de una cuarta parte” de los de secundaria acceso a calculadoras en clase, pero para 1992 esa disponibilidad había trepado al 81% y 92%, respectivamente. En los exámenes, el porcentaje de alumnos de octavo grado autorizados a usar calculadora pasó de 33% en 1990 a 70% en 1996, mientras que “casi el 60%” de ellos ya las usaban de manera cotidiana en clase a mediados de los 90.
La mirada retrospectiva cambia el tono del alarmismo inicial. La evidencia recopilada por organismos como la NAEP (Evaluación Nacional del Progreso Educativo) mostró que el uso “apropiado” de calculadoras no erosionó las competencias esenciales, e incluso se compararon con mejores puntajes en resolución de problemas en octavo grado. La OCDE sintetiza que el gran impacto fue triple: una parte de los cálculos se “externalizó” al dispositivo, se redujo las brechas de desempeño entre estudiantes con distinta habilidad aritmética y el currículum ganó espacio para áreas largamente subestimadas, como probabilidad y estadística. En otras palabras, el capital humano matemático se reconfigura: menos foco en destrezas rutinarias, más en habilidades de mayor valor agregado para una economía basada en datos.
La pregunta ahora es si la IA generativa puede producir un giro equivalente –o más profundo– en escritura, comprensión lectora y, por extensión, en el conjunto de habilidades que demandarán las empresas.
Escribir con IA: de la destreza individual al trabajo en sociedad hombre–máquina
El reporte de la OCDE parte de una hipótesis fuerte: la IA no es solo una “herramienta más”, sino una extensión cognitiva que amplía lo que una persona puede hacer, similar a lo que un GPS hizo con la orientación espacial o la calculadora con el cálculo. Retoma la noción de “descarga cognitiva”: el cerebro delega en herramientas externas parte de las operaciones, liberando recursos internos para otras tareas.
En escritura, la evolución de herramientas es reveladora. Del corrector ortográfico pasamos a asistentes como Grammarly o DeepL, y de allí a chatbots capaces de producir textos completos, reescribir, resumir, cambiar tono o complejidad y hasta sugerir estructuras argumentativas. El paper resume esta escalada en una tabla donde atribuye a ChatGPT funcionalidades como “producción de textos completos a partir de consignas de detalle variable”, “desarrollo de contenido”, “ajuste de género, tono, voz o formalidad”, “edición y corrección con explicaciones” y “parafraseo y resumen para cumplir requisitos específicos de extensión o estilo”.
La consecuencia económica es evidente: si una herramienta gratuita o de bajo costo puede generar, corregir y ajustar textos de calidad razonable, la prima salarial sobre las tareas de escritura mecánica tenderá a comprimirse. Para muchos puestos administrativos, de servicio al cliente o incluso profesionales, redactar un mail, un reporte estándar o un resumen ejecutivo se vuelve una tarea que puede ser coproducida con IA, reduciendo el valor diferencial de la pura destreza formal.
El informe lo fórmula así: la IA puede “hacerse carga de procesos relacionados con la escritura como ortografía, puntuación, mayúsculas, escritura a mano/mecanografiado e incluso construcción de oraciones”, lo que permitiría que los estudiantes –y, por extensión, los trabajadores– concentren más energía en “el contenido de sus textos”, en la organización de ideas y en la adecuación al público objetivo. En la metáfora que utiliza el papel, aprender a escribir es como correr una carrera con vallas: la IA elimina parte de los obstáculos (transcripción, corrección minuta) y, además, “ayuda a los estudiantes a ‘correr más rápido’ apoyando procesos de composición de más alto nivel”.
Desde la perspectiva del capital humano, esto implica que el diferencial competitivo se desplaza: ya no está en “saber escribir bien” en términos técnicos, sino en saber qué decir, por qué, para quién y con qué criterio. La empleabilidad se asociará menos a la caligrafía oa la ortografía perfecta y más a capacidades como:
- Pensamiento crítico: evaluar la pertinencia, exactitud y sesgos de los textos y datos que genera la IA.
- Curaduría y edición: seleccionar, ordenar y combinar salidas de IA con conocimiento experto.
- Conocimiento de dominio: entender el negocio, la regulación, el contexto sectorial para que la IA no fíe decisiones con información incompleta o errónea.
- Habilidades socioemocionales: comunicar decisiones complejas, negociar, liderar equipos y gestionar conflictos, algo que la IA no reemplaza pero sí puede amplificar.
Nuevas brechas: de la ortografía al “prompting” y la alfabetización en IA
El informe también advierte que la redistribución de tareas hombre–máquina no es neutra: puede cerrar unas brechas y abrir otras. Así como la calculadora ayudó a estudiantes con dificultades en aritmética pero exigió manejar conceptos más abstractos, la IA puede reducir las barreras ligadas a la transcripción –por ejemplo, en alumnos con dislexia o disgrafía– y, al mismo tiempo, desigualdad en torno a una nueva competencia: interactuar de manera eficaz con los modelos.[
La OCDE denomina a este conjunto de saberes “alfabetización en IA” y la define como “la combinación de conocimientos, habilidades y actitudes que los aprendices necesitan para entender, usar y moldear la IA de manera responsable en la vida, el estudio y el trabajo”. La estructura en cuatro dominios: “engaging with AI” (reconocer cuándo se usa, interpretar salidas y juzgar su precisión), “creating with AI” (colaborar con modelos para generar y refinar contenido), “managing AI” (decidir cuándo y para qué usarla, fijar límites y monitorear), y “designing AI” (comprender a grandes rasgos cómo funciona, con énfasis en equidad, privacidad e impacto social).
Un marco específico, el modelo SPACE para escribir con IA, propone que el viejo proceso de borrador y reescritura se reemplaza por cinco etapas: “Set Directions” (definir objetivos, contenido y audiencia), “Prompt”, “Essess”, “Curate” y “Edit”. Es decir, la tarea central deja de ser tipear oraciones y pasa a ser dirigir, evaluar y editar el trabajo conjunto con la máquina.
¿Puede esto generar una nueva brecha de capital humano? El propio paper admite el riesgo: “igual que los estudiantes difieren en sus habilidades de escritura, también pueden diferir en su competencia para hacer avisos”, por lo que las brechas vinculadas a transcripción y composición podrían ser sustituidas por otras asociadas a la capacidad de “comunicarse eficazmente con la IA”.
Para los mercados laborales, eso se traduce en una demanda creciente de perfiles capaces de orquestar sistemas de IA, interpretar sus salidas y traducirlas en acciones de negocio; una competencia que hoy se paga con primas salariales en áreas como programación, marketing, análisis de datos y gestión.
Al mismo tiempo, el informe relativiza el dramatismo del problema: a medida que los modelos mejoran, “son cada vez más sensibles a variadas entradas y menos precisas” y “hasta avisos mínimos” producen salidas de alta calidad. Combinado con guías y tutoriales accesibles, esto podría convertir el mensaje fino en algo menos importante a largo plazo. Si eso sucede, la ventaja laboral no estará en conocer “trucos” de rapidez, sino en el know-how de negocio y en la capacidad de juicio.
¿Puede la IA erosionar la productividad del aprendizaje… y del trabajo?
Otro temor frecuente es que, al externalizar la escritura, la IA empobrece el aprendizaje: menos fricción al redactar significaría menos elaboración mental y, por lo tanto, menor comprensión y retención. La OCDE matiza esta visión con un repaso de la evidencia en psicología cognitiva: las estrategias de estudio más efectivas no dependen necesariamente de escribir, sino de “hacer sentido efectivo de la información” mediante técnicas como el repaso espaciado, la autoexplicación o la generación de ejemplos.
Escribir puede ser un vehículo para esas estrategias –resumir un texto con palabras propias ayuda a comprender–, pero no es condición necesaria. Muchas prácticas de escritura habituales en las aulas, como el subrayado mecánico o la toma de notas literal, son de hecho poco efectivas para aprender. La OCDE concluye que “la escritura es una de varias herramientas que pueden apoyar el aprendizaje efectivo, no un elemento indispensable de la construcción de conocimiento”.
Traslado al terreno del trabajo, la analogía es directa. Lo que importa para la productividad no es cuántas palabras teclea un empleado, sino cuánta comprensión profunda tiene del problema, cuántas conexiones relevantes hace y qué decisiones toma. La IA puede generar borradores, presentaciones o informes, pero el valor marginal seguirá en la interpretación estratégica y en la acción –algo que se alinea con el giro de décadas recientes desde tareas rutinarias hacia no rutinarias en la literatura de economía laboral.
El riesgo de fondo que admite el informe es otro: que no solo externalicemos la escritura, sino también el pensamiento. Si estudiantes y trabajadores “delegan” sistemáticamente en la IA la parte conceptual –qué argumento sostener, cómo estructurar un texto, qué evidencia usar–, la consecuencia podría ser una erosión de la autonomía intelectual. Sin embargo, los autores recuerdan que ya pasó algo similar con los buscadores y las enciclopedias digitales: al principio se temió que nadie memorizaría nada; luego, la educación desplazó el foco hacia evaluar, sintetizar y criticar información fácilmente disponible. La invitación es a un movimiento análogo con la IA, insistiendo en que la escuela siga entrenando a los alumnos en “hablar y pensar para la evaluación crítica de ideas y la comprensión”.
¿Un futuro post-alfabetizado o un cambio de interfaz?
La OCDE va incluso más lejos y se pregunta si estamos frente a una transición cultural hacia lo que llama, recuperando a Vilém Flusser, una posible “sociedad post-alfabetizada” («Hacia una filosofía de la fotografía»,1983). Recuerda que leer y escribir fueron durante siglos “el sistema operativo de la vida moderna”, pero los indicadores de desafección juvenil son claros: en PISA 2018, “casi la mitad (49%) de los jóvenes de 15 años” de los países de la OCDE dijo que “lee solo si tiene que hacerlo” o “solo para obtener información que necesita”, y un 29% declaró que “leer es una pérdida de tiempo”.
Al mismo tiempo, los formatos no textuales ganan terreno: más del 50% de los adolescentes estadounidenses usa YouTube “casi constantemente” o “varias veces al día”, mientras los audiolibros y las notas de voz crecen entre los jóvenes adultos. Para la OCDE, no se trata de un colapso del sentido, sino de “un retorno a la oralidad”, donde escuchar, hablar y mirar vuelven a ser modos dominantes de comunicación, ahora potenciados por la tecnología.
Estos cambios son cruciales para cualquier análisis de capital humano. Si el mercado de trabajo del futuro se articula cada vez más a través de interfaces orales, visuales y multimodales –desde asistentes de voz hasta realidad aumentada–, insistir en un currículum que prioriza casi exclusivamente la escritura lineal puede implicar una asignación ineficiente de tiempo educativo. El informe sugiere que, de consolidarse la tendencia, “el tiempo, esfuerzo y recursos dedicados a garantizar que cada aprendiz domine la lectura y la escritura puede dejar de ser tan evidentemente necesario”.
Naturalmente, esa es todavía una hipótesis, no una recomendación de política. Pero para empresas y gobiernos, la implicancia es clara: los perfiles más demandados no serán necesariamente los que mejor redactan un memo, sino los que mejor navegan, integran y aprovechan ecologías de información cada vez más multimodales y asistidas por IA.
Qué está en juego para empresas, gobiernos y trabajadores
En su cierre, la OCDE pide a los responsables de currículum “reconsiderar si los rápidos desarrollos en IA exigen repensar los supuestos fundacionales del currículum escolar”. No se trata solo de agregar una materia de “IA aplicada” ni de prohibir o permitir el uso de chatbots, sino de revisar qué entendemos por competencias básicas en un mundo donde máquinas y humanos comparten crecientemente las tareas cognitivas.
Para los gobiernos, eso implica diseñar sistemas educativos que desarrollen, desde temprano, habilidades de alto orden: pensamiento crítico, autorregulación, colaboración, curiosidad intelectual y flexibilidad para aprender a lo largo de la vida. La IA puede ser una aliada poderosa para entrenarlas, pero solo si se integra de manera deliberada y no como un atajo para hacer más de lo mismo.
Para las empresas, el desafío es doble. En el corto plazo, capitalizar las ganancias de productividad que ofrecen las herramientas de IA en escritura, análisis y comunicación, rediseñando procesos y puestos para aprovechar la dupla humano–máquina. En el mediano, participar activamente del debate educativo para que la oferta futura de talento llegue con las competencias que el mercado verdaderamente valorará: capacidad de juicio, criterio ético, dominio de contexto y habilidades socioemocionales difíciles de codificar.
Y para los trabajadores –especialmente los más jóvenes–, el mensaje es tan simple como exigente: aprender a convivir con una IA que escribe, resume y explica mejor que la mayoría no es resignarse a ser irrelevante, sino desplazarse hacia aquello que sigue siendo distintivamente humano.
En palabras del propio informe, la cuestión de fondo ya no es qué puede hacer la IA, sino “qué tipos de conocimiento seguirán –o pasarán a ser– importantes para que los humanos desarrollen” en una economía donde pensar, aprender y decidir será, cada vez más, un deporte de equipo entre personas y algoritmos.