La inteligencia artificial y el efecto Mateo

Cuatro años después de la irrupción de la inteligencia artificial generativa en las aulas, el debate público oscila entre dos relatos. El primero sostiene que la IA democratiza la pericia: con una adecuada instrucción a la máquina, cualquiera podría producir un informe, un código o un análisis de calidad aceptable. El segundo afirma que la IA favorece a quienes ya tienen ventajas de conocimiento y amplía las brechas existentes. La evidencia sugiere que ambos relatos son ciertos. Para la educación superior, la cuestión de fondo consiste en entender en qué condiciones predomina uno u otro.

Efectivamente, los estudios de casos muestran resultados aparentemente contradictorios. En tareas de escritura profesional y de atención al cliente, la IA mejoró principalmente el desempeño de los trabajadores menos experimentados y redujo la brecha con los más experimentados. Otros estudios, por el contrario, evidencian que quienes tienen buen desempeño previo aprovechan mejor los consejos de la IA, mientras que quienes tienen un bajo desempeño lo empeoran, pues no aciertan al elegir qué consejos seguir ni a ponerlos en práctica. 

La variable que reconcilia estos hallazgos es la capacidad de verificar. Cuando la tarea es acotada y alguien ya incorporó el criterio en el procedimiento, la IA nivela. Cuando la tarea es abierta y el usuario debe juzgar qué sirve, la IA potencia a quien sabe. En suma, la máquina rinde más en manos de quien puede reconocer un resultado correcto.

Dicha capacidad, sin embargo, no se distribuye al azar. Como mostró el sociólogo  británico Basil Bernstein, reconocer qué cuenta como un texto legítimo en un campo del saber, y saber producirlo, se distribuye desigualmente según el origen social, y la escuela puede atenuar o reproducir esa desigualdad según cómo enseñe. De allí se sigue una conclusión inquietante: si nada cambia, la IA operará según el “efecto Mateo”; “al que tiene, le será dado, y tendrá más; y al que no tiene, aun lo que tiene le será quitado”. 

Este riesgo adquiere especial relevancia en Chile, donde un porcentaje significativo de quienes acceden a la educación superior lo hacen en programas que prometen empleabilidad, retorno económico y movilidad social a través del aprendizaje de habilidades técnicas y profesionales de “primera línea”. O sea, en el punto de entrada al mercado laboral para recién graduados o para roles técnicos operativos de soporte y rutinas cognitivas. 

Buena parte de esas carreras forma para el trabajo de oficina, de baja complejidad de conocimiento  para tareas habituales de secretaría, contabilidad, administración, soporte o diseño que, precisamente, la IA ejecuta con creciente habilidad y velocidad. De manera que la vía de movilidad hacia mejores ingresos y trabajos más desafiantes se estrecha justo para quienes tienen menos alternativas. La respuesta habitual, según la cual esos estudiantes necesitarían una formación de base más amplia y con fundamentos más sólidos, tropieza con un hecho indesmentible: en Chile, tales cimientos no los proporciona la experiencia escolar ni su falta la puede compensar la organización curricular actual de nuestra educación superior. 

¿Qué cabe hacer, entonces? En la formación técnica de ciclo corto, el énfasis debería desplazarse hacia el dominio de los criterios del oficio. Los estudiantes necesitan practicar las rutinas lo suficiente para comprender cómo se obtiene un resultado correcto, pues nadie verifica bien lo que nunca hizo, y dedicar la mayor parte de su formación a revisar, corregir y resolver los casos en que la máquina falla. Esos criterios pueden enseñarse de manera explícita, dentro de un dominio acotado, aun cuando la base escolar sea débil. La propia IA, diseñada como un tutor que da pistas y orienta el razonamiento, puede contribuir a esa tarea.

En la formación profesional, y en particular en los programas más selectivos, el desafío es distinto. Los estudiantes cuentan con las condiciones para verificar pero, a la vez, corren el riesgo de delegar el razonamiento mientras aprenden. Además, los puestos de entrada, donde los jóvenes profesionales formaban su juicio bajo supervisión, son, según datos recientes de Estados Unidos, los primeros en contraerse. Estas instituciones deberán proteger, por lo mismos, la formación del juicio experto y asumir parte del aprendizaje que antes se daba en el primer empleo.

Nada de esto ocurrirá por sí solo. Supone rediseñar perfiles de egreso, evaluar procesos además de resultados y financiar el tiempo docente que ello exige, especialmente en los segmentos del sistema que cuentan con menos recursos por estudiante. En los próximos años, la IA pondrá a prueba la promesa de inserción laboral y movilidad de la educación superior chilena. Que esa promesa se cumpla dependerá de nuestra capacidad para distribuir ampliamente la facultad de juzgar lo que la máquina produce.