Una escuela o institución educativa se compone de dos tipos de tiempo que rara vez están distribuidos de forma equitativa: tiempo frente a la clase o el aula, y tiempo fuera de ella. Esta última categoría es más grande de lo que a menudo se supone. Preparación de clases, elaboración y corrección de exámenes, informes, rendición de cuentas ante la inspección o el consejo, horarios, comunicación con padres o estudiantes, y administración relacionada con cuidado y orientación. Gran parte de ese trabajo es lingüístico: consiste en leer textos, escribir textos, evaluar textos. Eso convierte a la educación en un sector donde el desplazamiento del trabajo por la IA se siente de forma concreta y temprana, porque el trabajo textual es precisamente donde los modelos de lenguaje rinden más.
A esto se suma una circunstancia que distingue a la educación de una tienda o una fábrica: el resultado del trabajo es el desarrollo de una persona, y ese desarrollo se evalúa y financia según marcos fijos. Un currículo, un programa de examen, un marco de inspección. Eso influye en qué trabajo puede desplazarse y qué trabajo permanece en manos del docente, independientemente de lo que sea técnicamente posible.
En algunas escuelas, una primera versión de un examen, una rúbrica o una formulación de retroalimentación ya la elabora la IA, con un docente que verifica, ajusta y solo entonces la aprueba. En otras escuelas eso todavía no ocurre, y la diferencia rara vez está en la voluntad de innovar. Está en tres elementos que deben estar presentes, cada uno de ellos, antes de que el trabajo realmente se transfiera.
El primero es el acceso: ¿puede un docente usar un modelo de lenguaje con datos de alumnos, o hay de por medio un contrato de encargado del tratamiento y una evaluación de privacidad que aún no está resuelta? El segundo es la supervisión: quién evalúa si una valoración de un alumno generada por IA es correcta, con qué competencia y según qué protocolo. El tercero es la confianza del propio usuario: un docente que duda de si una sugerencia de IA hace justicia a un alumno concreto, ignorará esa sugerencia, por bueno que sea el sistema.
Estas tres categorías atraviesan todo el trabajo en la educación. Una parte puede asumirla la IA de forma autónoma, como resumir un texto de política extenso o elaborar una primera versión de horario. Una parte se realiza con supervisión humana que aprueba o rechaza con motivo, como la retroalimentación sobre una redacción o un borrador de informe. Y una parte sigue siendo trabajo humano, como la conversación con un alumno que se atasca, o la valoración pedagógica detrás de una notificación de cuidado. Qué parte termina dónde, difiere no solo entre instituciones sino también entre tareas dentro de una misma institución.
"Utilizamos la IA para reducir la carga de trabajo" es una frase que cabe en prácticamente cualquier informe de gestión y que en la práctica no fija prácticamente nada. ¿Se refiere a que el tiempo de corrección liberado se dedica a más atención por alumno, o a que una cantidad fija de tiempo lectivo se cubre con menos personal de apoyo? Ambas son ambiciones legítimas, pero requieren capabilities distintas: sistemas distintos, competencias distintas, acuerdos distintos con el consejo de participación. Mientras esa elección no se haya fijado en una imagen de futuro concreta y contrastado con lo que la organización debe poder hacer para ello, un equipo directivo seguirá hablando con las mismas palabras sin entenderse.
Ahí es donde una prueba de preparación marca la diferencia: no reformular la ambición, sino comprobar si las condiciones para ella están presentes. Piense en el acceso a datos, en derechos de decisión claros sobre quién puede aprobar una sugerencia de IA, en la capacitación de docentes y personal, en una estructura de supervisión acorde a la sensibilidad de los datos de los alumnos.
Cuando el trabajo textual se desplaza, se libera tiempo lectivo o tiempo de apoyo. Lo que un consejo haga con esa capacidad liberada corresponde a las propias consideraciones estratégicas y laborales de esa institución, con sus propios requisitos legales cuando se trate de decisiones de personal. Esta página describe únicamente hacia dónde se mueve el propio trabajo, no lo que un consejo debería hacer con ello.
La dinámica subyacente —el trabajo lingüístico se desplaza antes que el trabajo físico o relacional, y la supervisión sigue siendo el factor determinante— no se limita a la educación. Patrones comparables pueden reconocerse en lo que ocurre con las ambiciones de IA en el sector TIC, en la forma en que el comercio minorista aborda las tareas de IA, y en el punto de partida muy distinto de las ambiciones de IA en la hostelería. Lo que difiere cada vez no es la tecnología, sino la preparación de la organización que hay detrás.
Una ambición como "la IA apoya en la elaboración de exámenes" se traduce en roles concretos: quién elabora, quién aprueba, quién es responsable si un error pasa desapercibido. Esa traducción de ambición a rol y derecho de decisión es el eje central de la página sobre qué capabilities necesita una organización para hacer realidad una ambición de IA, y para un consejo escolar o de administración rara vez es solo una cuestión técnica: es también una cuestión sobre cómo un equipo directivo se alinea sobre lo que la ambición realmente implica.
La pregunta de qué trabajo en su institución puede realmente asumir la IA no se responde con una imagen sectorial general; esa pregunta se responde por tarea con el escáner de trabajo de FTE TO AI. Si primero desea saber dónde se encuentra su organización en este momento, la comprobación de preparación gratuita, con ocho preguntas breves, una por dimensión, ofrece una imagen de dónde ha avanzado más y dónde menos. La prueba de ambición completa, con las cuatro capas desde la visión hasta el estado objetivo y la traducción a roles y derechos de decisión, está en desarrollo.
Vertel wat u wilt bereiken, dan kijken we samen wat daarvoor moet staan.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.