War of the Ecosystems
Solicitar sesión de estrategia
Why AI in education is no longer a tool choice but a battle over how entire societies learn, think, and behave. 1. El cambio de paradigma frente a padres y líderes Nada es más estratégico que la educación de sus hijos y su preparación para el futuro. Sin embargo, todavía hablamos de la IA en las escuelas como si fuera una cuestión de gadgets.
Those that still see AI in education as a tool choice, have already missed the paradigm shift: it is becoming the operating system that scripts how entire societies learn, think and behave across a single interconnected ecosystem of children, parents, teachers, school leaders, governments, technology providers, policy makers and influencers. La pregunta que se plantean ministros, directores ejecutivos e inversores ya no es si la inteligencia artificial remodelará la educación; se trata de si podemos coordinar y orquestar esos roles de manera colaborativa y no conflictiva.
En los últimos dos años, la narrativa ha estado dominada por una carrera por adoptar herramientas. Escuelas, ministerios y proveedores se apresuraron a implementar pilotos, plataformas y pruebas de concepto. El resultado ha sido a menudo lo que yo llamo una pandemia piloto: mucha experimentación, muy pocos cambios estructurales. [1] [4] Visto desde Dubai y desde las conversaciones de GESS 2025, está surgiendo una historia diferente. No estamos simplemente añadiendo una nueva capa tecnológica. We are entering a collision of competing ecosystems. A un lado se encuentra el modelo Black Box, opaco, cómodo y extractivo.
Por el otro, se encuentra una estrategia Human First que es transparente, soberana y responsable. [2] [3] Desde GESS y desde mi trabajo en ecosistemas de inteligencia artificial, nube y software, quedan claros tres frentes de esta guerra. El frente popular: pedagogía, cognición y el trabajo diario de los docentes. El frente de sistemas: infraestructura, datos y comunicaciones. El frente de la soberanía: gobernanza, inclusión y poder de los ecosistemas. Los líderes que prevalezcan tratarán la IA no como un dispositivo, sino como lo que el Dr. Dala Kakos llamó Plástico Digital, un material maleable al que se le puede dar forma para el florecimiento humano o permitir que se convierta en desperdicio cognitivo.
[1] La cuestión no es si se utilizará este plástico, sino quién le dará forma. 2. Lo que enseña la historia de la guerra sobre la orquestación de los ecosistemas 2.1 De más tanques a campañas integradas La historia ofrece una advertencia útil. En los primeros años de la Segunda Guerra Mundial, muchos generales todavía creían que la victoria se lograría con más tanques y artillería. La guerra relámpago alemana anuló esa suposición. El éxito provino de combinar blindaje, poder aéreo, logística, inteligencia y comunicaciones en un único sistema coordinado.
La respuesta aliada no fue sólo construir más unidades, sino también construir un ecosistema integrado de radar, descifrado de códigos, convoyes, producción industrial y comando conjunto que cambió el curso de la guerra. The lesson is simple. Aquellos que trataron la guerra como un ecosistema en lugar de un inventario remodelaron el campo de batalla. La IA en la educación se está acercando al mismo umbral. Los países, los grupos escolares y los proveedores de tecnología que todavía piensan en términos de herramientas y pilotos individuales serán superados por aquellos que orquestan sistemas de aprendizaje completos. 3.
Frente uno, personas: acabar con el AI Solver y elevar a los profesores 3.1 El peligro del AI Solver La primera víctima de la adopción de la IA no gestionada es el pensamiento humano. En muchas aulas y oficinas, la IA ya se utiliza como solucionador. Escribe ensayos, genera planes de lecciones, prepara correos electrónicos y responde preguntas de estilo examen. Reduce la fricción, elimina la incomodidad de no saber y silenciosamente detiene el proceso de aprendizaje. En GESS, uno de los contraejemplos más poderosos provino de iniciativas enmarcadas como el lado bueno de los errores.
En lugar de pedirle respuestas a la IA, se entrena a los alumnos para que le pidan a la IA que cuestione su razonamiento. La interfaz apenas cambia; el impacto lo hace. El solucionador prompt pregunta: "¿Cuál es la respuesta?". El entrenador prompt pregunta: "Aquí está mi razonamiento. Analízalo y dame tres preguntas que revelen dónde estoy pensando incorrectamente". El primer camino lleva al estudiante o empleado al modo pasivo. El segundo mantiene al ser humano informado, lo obliga a revisar su propia lógica y hace de la IA un espejo en lugar de una muleta.
Esto está alineado con lo que los científicos cognitivos describen como pensamiento del Sistema 2, el modo deliberado y esforzado que sustenta la comprensión profunda. La lección más amplia es incómoda. La industria tecnológica ha capacitado a los ejecutivos para que crean que menos fricción siempre es mejor. En educación, suele ocurrir lo contrario. El aprendizaje profundo introduce fricciones productivas. Hace que el alumno luche con la incertidumbre de una manera segura. El riesgo real no es que la IA haga que la escuela sea demasiado difícil; es que hace que pensar sea demasiado fácil.
3.2 El ejemplo de Arcadia: la IA como multiplicadora de docentes Phil Long, de la Escuela Arcadia de Dubai, concretó este punto en su sesión GESS sobre IA en las escuelas primarias. Los niños, argumentó, ya están cognitivamente preparados para la IA. Aprenden reconociendo patrones, haciendo predicciones y experimentando. La verdadera pregunta es si los adultos que los rodean están preparados. Su respuesta no fue inundar las aulas con herramientas. Se trataba de anteponer la pedagogía a la tecnología. En la práctica, eso parece ser tres movimientos. Usá la IA para ampliar la preparación de los docentes, no para reemplazar el juicio de los docentes.
Un profesor puede pedirle a un asistente que proponga elementos de prueba, diferencie textos de lectura para diferentes niveles o sugiera analogías alternativas para un concepto. Luego, el profesor selecciona, edita y personaliza. Usá la IA para acelerar la retroalimentación formativa. En lugar de depender únicamente de pruebas trimestrales, los profesores pueden realizar tareas de escritura o razonamiento pequeñas y de bajo riesgo y pedirle a la IA que saque a la luz conceptos erróneos comunes, liberándolos para dedicar tiempo a la interacción directa con los estudiantes. Usá IA para modelar la curiosidad.
Los profesores que trabajan visiblemente con la IA frente a la clase, pidiéndole que cuestione sus propias explicaciones, envían una señal clara: todos aprenden, incluido el adulto. La investigación independiente sobre la IA generativa en la educación muestra un patrón similar. En el Reino Unido, por ejemplo, el trabajo del Departamento de Educación sobre IA generativa y su informe de opiniones de educadores y expertos resaltan un gran interés en utilizar la IA para reducir la carga administrativa y personalizar el apoyo, combinado con la preocupación por la dependencia excesiva, la mala práctica y la protección de datos. [5] [10] Los profesores no piden ser reemplazados.
Piden que se les aumente y se les respete como núcleo humano del sistema. En el lenguaje del ecosistema, un profesor como Phil Long no es simplemente un usuario de herramientas. Es un orquestador local. Él decide cómo los diferentes servicios de IA entran en la vida diaria de los estudiantes, qué datos se crean y cómo esos datos se retroalimentan a la plataforma más amplia. Cuando una masa crítica de docentes está equipada de esta manera, todo el sistema educativo comienza a actuar más como un ecosistema y menos como una colección de programas desconectados. La ventaja competitiva no reside en la herramienta; reside en la capacidad del profesor para orquestarlo.
3.3 Por qué la investigación desconectada sigue siendo importante Paradójicamente, la mejor preparación para un futuro de alta tecnología a menudo es la desconectada. Antes de tocar un modelo o una interfaz, los alumnos deben experimentar el Ciclo de Investigación en el mundo físico. Esa es la lógica detrás de los entornos de aprendizaje phygital que combinan kits de robótica, sensores y prototipos físicos con simulaciones y herramientas digitales. El principio básico es simple. Empezá en la realidad, luego abstraiga y luego simule. [4] Si adoptamos la IA como solucionador universal, exportamos el juicio humano a modelos externos.
Si reposicionamos la IA como entrenadora y multiplicadora para los docentes, fortaleceremos el juicio humano y convertiremos a los ciudadanos en nodos más capaces en cualquier ecosistema futuro. Así es como se puede convertir la IA de un atajo en una disciplina para pensar. 4. Frente dos, sistemas: del pantano a la columna vertebral de los datos 4.1 El pantano de los sistemas fragmentados Si la pedagogía es el alma de la transformación, los datos son el suelo. La mayoría de las instituciones todavía están intentando plantar en un pantano. Muchas escuelas y universidades han acumulado una década de herramientas desalineadas. Una plataforma para la asistencia, otra para el comportamiento, otra para la gestión del aprendizaje y una cuarta para la comunicación.
Data sits in silos. Reporting is manual. Los pilotos de IA se lanzan sobre cimientos desordenados. La advertencia de Darren Bastyan en el GESS fue tajante. La IA no le salvará si los sistemas subyacentes no funcionan. Si un profesor necesita tres inicios de sesión y cuatro hojas de cálculo para comprender a un solo estudiante, cualquier conversación sobre análisis predictivo es una ilusión. Aquí es donde a menudo se desvía la atención ejecutiva. Los líderes asisten a exhibiciones de IA y solicitan pilotos generativos, mientras ignoran el trabajo invisible de la integración.
Sin embargo, todo marco serio para la IA en la educación, desde la orientación de la UNESCO para los encargados de formular políticas hasta el trabajo de la OCDE sobre una IA confiable, coloca la calidad de los datos, la interoperabilidad y la transparencia en el centro. [3] [4] [8] 4.2 Construyendo la columna vertebral de datos Las primeras obligaciones operativas no son glamorosas. Consolide la columna de datos. Los datos de estudiantes, profesores y contenido deben fluir en un modelo coherente que pueda ser consultado, gobernado y auditado. Automatizar procesos de bajo valor. Los flujos de trabajo simples, como formularios de enfermería, certificados del personal, notificaciones de asistencia y rastreadores de códigos de conducta, son puntos de entrada ideales.
Liberan el tiempo y revelan dónde residen las verdaderas limitaciones. Rediseñar la comunicación como un producto, no como una idea de último momento. Esta columna vertebral no es un detalle de TI. Es la infraestructura la que decide qué puedes ver, qué puedes medir y qué puedes cambiar. 4.3 La comunicación como intervención de aprendizaje Actualmente existe evidencia sólida de que pequeños empujones en la comunicación, bien diseñados, pueden mejorar la asistencia, la participación y los resultados de los exámenes. Se ha demostrado que las intervenciones basadas en textos que brindan a los padres información simple y oportuna sobre la asistencia y el progreso reducen el ausentismo crónico y mejoran la finalización de los cursos.
[7] [8] [9] [12] Cuando las plataformas de comunicación pasan de anuncios genéricos a mensajes procesables basados en datos en tiempo real, se convierten en parte del ecosistema de aprendizaje en lugar de un canal ruidoso lateral. Para los directores ejecutivos y ministros, este frente de sistemas a menudo se delega a los CIO y proveedores. Eso es un error. En términos de ecosistema, este es su sustrato. Quien controle la columna de datos y la capa de integración controla qué ciudadanos y qué socios pueden participar en el valor que crea la IA. Si no eres dueño de tu columna de datos, no eres dueño de tus opciones futuras. . 5.
Frente tres, soberanía: Gobernanza Glass Box e IA neuroinclusiva 5.1 El problema de la opacidad Más allá de las aulas y las plataformas está el frente estratégico: soberanía, identidad e inclusión. Los modelos globales de IA se basan en gran medida en datos abiertos de Internet y corpus propietarios que rara vez están completamente documentados. La Recomendación de la UNESCO sobre la ética de la inteligencia artificial advierte que la falta de una divulgación clara sobre los datos de capacitación y los flujos de datos dificulta que los sistemas educativos evalúen el riesgo, el sesgo y el cumplimiento.
[2] [16] Los Principios de IA de la OCDE también exigen transparencia, solidez y rendición de cuentas como requisitos previos para una IA confiable. [3] [17] Tanto para los estados pequeños como para los grandes grupos escolares, esto no es una preocupación abstracta. Si no se sabe qué idiomas, culturas y perfiles de aprendizaje están adecuadamente representados en los datos, no se puede dar por sentado que los resultados serán justos. 5.2 El principio de la Caja de Cristal en la práctica El paso de los EAU hacia un principio de la Caja de Cristal es una respuesta. En lugar de aceptar modelos totalmente opacos, la estrategia enfatiza tres cosas, alineadas con la práctica internacional emergente.
Transparencia sobre las fuentes de datos y el comportamiento del modelo. Alojamiento y control soberanos de datos confidenciales, a menudo a través de acuerdos de nube nacionales o regionales. Supervisión ética explícita a nivel nacional, incluidos los consejos de ética de la IA y ciberseguridad. La gobernanza de Glass Box no es un eslogan. Es una elección de diseño sobre dónde se toman las decisiones, quién puede auditarlas y a qué intereses sirve en última instancia el sistema. 5.3 Injusticia neuronormativa e inclusión El segundo eje de este horizonte estratégico es la inclusión.
El trabajo de Martin Bloomfield y Claudia Lemke sobre la injusticia neuronormativa en la IA ilustra cómo sistemas aparentemente neutrales pueden reproducir la exclusión a escala. Su análisis, compartido a través de su artículo “¿Sueñan los androides con ovejas disléxicas?” y charlas relacionadas, muestra cómo los modelos de imágenes y texto frecuentemente tratan las identidades neurodivergentes como anomalías o no logran representarlas en absoluto. [11] [14] [19] El principio se extiende más allá de la dislexia o el síndrome de Tourette. Cualquier grupo que esté subrepresentado en los datos de capacitación corre el riesgo de volverse invisible o caricaturizado en los resultados de la IA.
"Cualquier grupo que esté subrepresentado en los datos de capacitación corre el riesgo de volverse invisible o caricaturizado en los resultados de la IA".
, Dr. Alejandro Canonero, DBA, autor de La guerra de los ecosistemas
Si los sistemas educativos adoptan esos resultados sin criticarlos, incorporan esos sesgos en la evaluación, la retroalimentación y los materiales de clase. Por lo tanto, una estrategia de IA Human First requiere gobernanza en dos frentes. Gobernanza técnica para insistir en la transparencia, los modelos auditables y la privacidad desde el diseño. Gobernanza social para construir culturas de pertenencia dentro de las escuelas y universidades, donde se reconozcan y valoren las diferencias humanas, y donde se enseñe a los estudiantes a cuestionar los resultados tanto humanos como mecánicos. [1] [2] [6] Aquí es donde los ciudadanos entran directamente al juego del ecosistema.
Un estudiante que aprende a desafiar un estereotipo generado por la IA, un padre que cuestiona cómo se utilizan los datos de su hijo o un maestro que se niega a implementar una herramienta sin una documentación clara no son sujetos pasivos. Son un participante activo en la gobernanza del ecosistema. Los ciudadanos no son el público de este sistema; son sus cogobernadores. 6. De los pilotos a los ecosistemas: el manual War of the Ecosystems 6.1 La educación como teatro estratégico El paso final es pasar de la narrativa a la ejecución.
En War of the Ecosystems, describo cómo los mercados de inteligencia artificial, nube y software han pasado de la competencia de productos a la guerra de ecosistemas. Los líderes de las plataformas no ganan ofreciendo más funciones, sino orquestando redes de socios, datos y usuarios que se refuerzan entre sí. La educación está entrando ahora en la misma lógica. La estrategia de IA en la educación de un país ya no es un ámbito político aislado. Es una primera línea en su juego de poder digital más amplio: cómo negocia con plataformas globales, cómo cultiva innovadores locales, cómo protege los datos y la agencia de sus ciudadanos.
6.2 Las cuatro capas estructurales de un ecosistema Human First Un ecosistema educativo Human First tiene cuatro capas estructurales. Filosofía y política. Compromisos claros con la agencia humana, la inclusión y la IA transparente, alineados con marcos globales pero anclados en valores locales. [1] [2] [3] [4] Columna vertebral de datos e infraestructura. Datos integrados y gobernables que pueden soportar tanto informes operativos como análisis avanzados, con reglas claras sobre qué se puede utilizar, quién y para qué. Arquitectura humana.
Los docentes como entrenadores con fluidez en IA, los estudiantes como solucionadores activos de problemas, las familias como socios informados y los líderes escolares como orquestadores de ecosistemas locales. [4] [5] [6] Estrategia de socios y plataformas. Una combinación deliberada de proveedores globales, innovadores locales y capacidades soberanas que evita el bloqueo y mantiene los derechos de decisión cerca de los afectados. En ese contexto, los ejemplos del GESS no son anécdotas aisladas. Son las primeras jugadas de una guerra más amplia. Digital Plastic es una forma de hablar de IA que mantiene la agencia humana en el centro.
[1] Las iniciativas de innovación y aprendizaje de Phygital muestran cómo la pedagogía puede integrar herramientas físicas y digitales para cultivar mentalidades de inventor en lugar de consumo pasivo. [4] Las herramientas de recorrido de IA, las plataformas de comunicación y las pequeñas automatizaciones demuestran cómo el uso específico de la IA puede liberar tiempo y atención a los humanos. [5] [9] Las críticas neuroinclusivas de la IA nos recuerdan que cada modelo es una elección sobre qué experiencia cuenta. [11] 6.3 La educación dentro del War of the Ecosystems Este es el núcleo del pensamiento War of the Ecosystems aplicado a la educación.
La IA, la nube y los datos no son utilidades neutrales; son el terreno en el que plataformas, naciones y comunidades compiten para definir qué valores, qué idiomas y qué niños prosperarán. Los líderes educativos que entiendan esto dejarán de tratar la IA como una mejora en el aula y comenzarán a tratarla como un teatro estratégico donde la pedagogía, la infraestructura y la gobernanza deben diseñarse juntas. Para los directores ejecutivos y ministros, la cuestión práctica es sencilla. Un ecosistema Black Box, donde proveedores externos, datos de capacitación invisibles y modelos opacos definen cómo aprenden sus hijos y cómo se evalúa su fuerza laboral.
Un ecosistema Human First, donde sus instituciones insisten en la visibilidad, construyen sus propias columnas de datos, capacitan a profesores y estudiantes para trabajar con IA de manera crítica y negocian con proveedores desde una posición de fortaleza. En el primer escenario, los ciudadanos están agotados de datos. Generan valor que se captura en otros lugares. En el segundo, los ciudadanos son cocreadores. Sus datos, sus problemas y sus soluciones alimentan un ecosistema compartido que su país o institución realmente puede moldear. La guerra de los ecosistemas ya está en marcha.
Los ganadores serán aquellos que traten la IA en la educación no como una categoría de adquisiciones sino como un desafío de orquestación a largo plazo. La decisión más importante no es qué modelo implementar. Se trata de qué humanos eliges empoderar y qué ecosistema estás construyendo conscientemente a su alrededor. 7. Referencias Los oradores de GESS incluyeron: Phil Long Amra Iuoop Eyad Salamin 🍉Dr. Sreejit Chakrabarty Noel Tuohy Baz Nijjar Romeo Ramirez Matthew Esterman 🧔🏻Dr. Ambika Gulati Mohsen Saleh Dra.
Dala Farouki Kakos Tania Tiffany Al Jaroudy Dr.Seham Mohammed Darren Bastyan Mark Sheldon Dana Abdel Jabbar Darren McCormick Tai Paschall Mohamed Aboughonim, BSc, PGCEi Dr. Ambika Gulati Steve Bambury Claudia Lemke Narentheren Kaliappen Stephanie Holt Rana Tamim Dr. Martin Bloomfield Frank Furnari Dr. Sreejit Chakrabarty Rachael Pryce #AIinEducation #GESSDubai #EdTech #DigitalSovereignty #WarOfTheEcosystems [1] UNESCO. "Orientación para la IA generativa en la educación y la investigación". 2023. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research [2] UNESCO.
“Recomendación sobre la ética de la inteligencia artificial”. 2021. https://en.unesco.org/artificial-intelligence/ethics [3] OCDE. "Principios de IA de la OCDE". 2019. https://oecd.ai/en/ai-principles [4] UNESCO. "IA y educación: orientación para los responsables de la formulación de políticas". 2021. https://teachertaskforce.org/sites/default/files/2023-07/2021_UNESCO_AI-and-education-Guidande-for-policy-makers_EN.pdf [5] Departamento de Educación, Reino Unido. “Inteligencia artificial generativa en la educación”. 2023. https://www.gov.uk/government/publications/generative-artificial-intelligence-in-education [6] Foro Económico Mundial.
"Siete principios sobre el uso responsable de la IA en la educación". 2024. https://www.weforum.org/stories/2024/01/ai-guidance-school-responsible-use-in-education [7] Rogers, Todd y Avi Feller. "Reducir las ausencias de los estudiantes a gran escala centrándose en los padres". Ciencia, 2018. https://pubmed.ncbi.nlm.nih.gov/30962603 [8] Cortés, Kalena E., et al. "Demasiado poco o demasiado. Consejos prácticos en un experimento de mensajería de texto en la primera infancia". Política y finanzas educativas, 2021. Versión en documento de trabajo. https://cepa.stanford.edu/sites/default/files/wp18-16-v201808.pdf [9] Brandt, Andreas, et al.
"El efecto de los SMS en el rendimiento de la educación superior". Economía empírica, 2024. https://link.springer.com/article/10.1007/s00181-023-02516-5 [10] Departamento de Educación, Reino Unido. "IA generativa en educación, opiniones de educadores y expertos". 2023. https://assets.publishing.service.gov.uk/media/65b8cd41b5cb6e000d8bb74e/DfE_GenAI_in_education_-_Educator_and_expert_views_report.pdf [11] Bloomfield, Martin y Claudia Lemke. "¿Sueñan los androides con ovejas disléxicas? Ética e injusticia neuronormativa en la IA".
Educación GESS, 2025. https://www.gesseducation.com/gess-talks/articles/do-androids-dream-dyslexic-sheep-ethics-and-neuronormative-injustice-ai [12] Sanders, Michael, et al. "Uso de recordatorios de texto para aumentar la asistencia y los logros en la educación superior". 2019. https://papers.ssrn.com/sol3/papers.cfm? abstract_id=3349116 [13] UNESCO. Resumen del portal “Inteligencia artificial en educación”. 2023. https://www.unesco.org/en/digital-education/artificial-intelligence [14] GESS Dubái. Perfil del ponente: Prof. Dra. Claudia Lemke. "¿Sueñan los androides con ovejas disléxicas?".
2025. https://www.gessdubai.com/gessdubai/node/1605 [15] Foro Económico Mundial. "Dar forma al futuro del aprendizaje: el papel de la IA en la Educación 4.0". 2024. https://www3.weforum.org/docs/WEF_Shaping_the_Future_of_Learning_2024.pdf [16] UNESCO. Presentación de la “Recomendación de la UNESCO sobre la ética de la inteligencia artificial” al ACNUDH. 2021. https://www.ohchr.org/sites/default/files/2022-03/UNESCO.pdf [17] OCDE. "Recomendación del Consejo sobre Inteligencia Artificial". 2019. https://legalinstruments.oecd.org/en/instruments/oecd-legal-0449 [18] UNESCO. Página de descripción general de “Inteligencia artificial en la educación”.
2025. https://www.unesco.org/en/digital-education/artificial-intelligence [19] Bloomfield, Martin. "¿Sueñan los androides con ovejas disléxicas?". Referencias de charlas y comentarios. 2025. https://www.linkedin.com/posts/martin-bloomfield-dyslexia-bytes_id-like-you-to-imagine-something-activity-7394617763324981250-7m1S