Luis Medina-Gual
Durante treinta años, la brecha digital significó una sola cosa: unos hogares tenían computadoras e internet y otros no. La política pública se diseñó para cerrar ese hueco —repartir dispositivos, llevar conectividad—. Pero algo se invirtió mientras no mirábamos. Hoy las escuelas más caras del mundo (Eton, las cien mejores privadas de Estados Unidos) restringen el uso de pantallas y ofrecen, como su producto premium, lo más escaso: contacto humano, maestros de carne y hueso, atención sin un algoritmo de por medio. La tecnología masificada se destina a los entornos con menos recursos, mientras que la educación más costosa es precisamente la que sigue reservando lo más valioso: las personas.
Wayne Holmes, colega de la University College London (UCL), ha llamado a esto la inversión de la brecha digital: el fenómeno por el cual la falta de recursos lleva a sustituir la enseñanza humana por la de las máquinas, de modo que los estudiantes de contextos con menos recursos reciben inteligencia artificial en vez de docentes (Holmes et al., 2025). No es una distopía futura; es la lógica presupuestal de un sistema que, ante la escasez, elige lo escalable. Y lo escalable, casi siempre, es la máquina.
Aquí conviene recuperar una advertencia que Carlos Magro reiteró durante el Taller de Innovación Educativa 2026 en la Universidad Iberoamericana: no estamos invirtiendo en docentes, sino en eficiencia. Y eso está mal. Cuando un sistema educativo destina su presupuesto a licencias de software “que personalizan” en lugar de a formar, pagar y acompañar mejor a sus maestros, toma una decisión que parece técnica pero es profundamente política: decide que el problema de la educación es de productividad y no de relación. Ese diagnóstico es falso y conviene decirlo con todas sus letras.
La investigación lo confirma. Perrotta y Selwyn (2019) muestran que la IA educativa, lejos de transformar, suele introducir en la escuela una gramática de la eficiencia que mide lo fácil de medir y optimiza lo de siempre. Para muestra, un botón… en esta era de inteligencia artificial, las herramientas que se promueven por las empresas de tecnología educativa —generadores de cuestionarios, de resúmenes, de rúbricas— y casi todas hacen lo mismo: permiten hacer más rápido lo que ya hacíamos, no algo cualitativamente mejor o distinto. En este sentido, Huang et al. (2026), en una revisión paraguas, encuentran que, pese a cientos de miles de publicaciones, la evidencia de un impacto real en el aprendizaje sigue siendo escasa. “Potencial transformador”, en boca del mercado EdTech, suele ser el eslogan eficientista de quien quiere venderte velocidad y llamarla revolución.
El problema de apostar por la eficiencia y no por los docentes no es solo una cuestión de prioridades: ataca el lado equivocado del problema. Wieczorek (2025) argumenta por qué la IA no democratizará la educación por sí sola: sin un docente que medie, la herramienta amplifica las ventajas de quien ya las tiene. Selwyn et al. (2021) advierten que la automatización de la educación desplaza el control (y el presupuesto) del aula hacia proveedores privados que no rinden cuentas a la comunidad escolar. Cada peso que se destina a la eficiencia algorítmica en vez del maestro no solo no cierra la brecha, sino que la profundiza, porque deja a los estudiantes con menos recursos frente a una máquina y sin la única figura que podría enseñarles a usarla con criterio.
Para México la advertencia es urgente y concreta. Con siete de cada diez escuelas sin conectividad ni equipos suficientes, y con una precarización docente que ya es tema de conversación nacional, la tentación de comprar una plataforma “que resuelve” en lugar de invertir en quienes están frente al grupo es enorme y equivocada. Aunado a lo anterior, Pajuelo-Abanto et al. (2026) muestran que, en América Latina, la personalización algorítmica importada del Norte global tiende a reproducir, no a romper, la desigualdad. Ya la UNESCO (2026) confirma que, para 2030, llegaremos lejos de las metas de equidad, por lo que el riesgo no es quedarnos sin tecnología: es entregársela sin docente, justo a quienes más lo necesitarían.
La pregunta, entonces, ya no es cómo repartir más dispositivos en las escuelas con menos recursos; es cómo evitar que la única respuesta que les ofrezcamos sea un dispositivo. Si la educación cara se define por el lujo del encuentro humano, una política pública con sentido de justicia debería perseguir exactamente eso para todos: no la máquina más barata que sustituye al maestro, sino el maestro mejor formado que sabe cuándo y cuándo no usar la máquina. Invertir en eficiencia es invertir en hacer más rápido lo de siempre; invertir en docentes es invertir en que la brecha, por fin, no se herede. Magro lo dijo en pocas palabras: nos equivocamos de inversión. Todavía estamos a tiempo de corregirlo.
Referencias
Holmes, W., Mouta, A., Hillman, V., Schiff, D., Laak, K.-J., Atenas, J., … Yeo, B. (2025). Critical studies of artificial intelligence and education: Putting a stake in the ground [Preprint]. SSRN. https://doi.org/10.2139/ssrn.5391793
Huang, R., Yin, Y., Zhou, N., & Lang, F. (2026). Artificial intelligence in K-12 education: An umbrella review. Computers and Education: Artificial Intelligence, 10, 100519. https://doi.org/10.1016/j.caeai.2025.100519
Pajuelo-Abanto, M. J. M., Castillo Navarro, J. I., Carlos-Abanto, E. I., Bazán-Pajuelo, V. Y., Bazán-Pajuelo, M. E., Colina-Cueva, L. A., & Vásquez-Mondragón, C. del P. (2026). Inteligencia artificial y desigualdad educativa en América Latina: Personalización y colonialidad. Revista Latinoamericana de Estudios Educativos, 56(2).
Perrotta, C., & Selwyn, N. (2019). Deep learning goes to school: Toward a relational understanding of AI in education. Learning, Media and Technology, 45(3), 251–269. https://doi.org/10.1080/17439884.2020.1686017
Selwyn, N., Hillman, T., Bergviken Rensfeldt, A., & Perrotta, C. (2021). Digital technologies and the automation of education — Key questions and concerns. Postdigital Science and Education, 5(1), 15–24. https://doi.org/10.1007/s42438-021-00263-3
UNESCO. (2026). Access and equity: Countdown to 2030 (Global Education Monitoring Report). UNESCO. https://doi.org/10.54676/JLKL3223
Wieczorek, M. (2025). Why AI will not democratize education: A critical pragmatist perspective. Philosophy & Technology, 38(2), 53. https://doi.org/10.1007/s13347-025-00883-8