Al visualizar en perspectiva el ecosistema educativo me imagino a las universidades como aduanas en cuyo interior el tiempo corre lentamente, donde los estudiantes que logran entrar van sorteando obstáculos durante cuatro o cinco largos años para obtener un título universitario.
Ese título acredita la aprobación de un alto número de materias que forma parte de un currículum que al día de hoy, para la mayoría de las carreras, no responde no sólo a las necesidades de los mercados laborales, sino tampoco al reforzamiento de las cualidades que necesitamos para tener sociedades más justas y equitativas.
Eso se explica por muchas razones, pero unas importantes tienen que ver con un sistema educativo tradicional basado en la memorización y las respuestas puntuales, que glorifica el éxito individual de corto plazo, que condena los errores y el fracaso, e ignora o minimiza los beneficios de la diversidad, la inclusión, el trabajo colaborativo y el gusto por descubrir las razones o procesos de fondo.
Te podría interesar
El desacoplamiento entre lo que saben los recién graduados y las necesidades del mercado laboral ha sido un tema de discusión a lo largo de décadas, y sin embargo todavía al día de hoy el cambio de un plan de estudios para tratar de adaptarlo mejor a las necesidades reales se toma, en el mejor de los casos, varios años.
En ese contexto la intrusión de la inteligencia artificial generativa (IAG) en el ecosistema educación-trabajo ha tomado por sorpresa a casi todos los actores del mismo. Montados cómodamente en la inercia de la educación tradicional, la IAG los ha sorprendido debatiendo lentamente sobre un futuro que ya no será como se lo imaginaban, porque la misma IAG se está encargando de transformarlo de raíz.
Por ejemplo, la inteligencia artificial generativa ya puede realizar, de manera mucho más rápida, eficiente y menos costosa, prácticamente todas las tareas que se le suelen asignar a los recién graduados de cualquier carrera, aún de las relacionadas con computación. Recuerden que de tres o cuatro lustros para acá una de las recomendaciones más escuchadas en cuanto a qué carreras estudiar, decía que el futuro estaba en estudiar computación, pues se creía que conocer lenguajes de programación sería una especie de seguro para desarrollarse profesionalmente en el largo plazo. Pero hoy en día, oh sorpresa, todas y todos somos programadores.
En efecto, si lo que necesitamos es escribir unas líneas de código, los grandes modelos de lenguaje como ChatGPT reciben instrucciones en el idioma que hablamos y pueden programar en el lenguaje de máquina que escojamos.
Y esto me lleva al punto que me interesa resaltar en esta columna: los conocimientos, las habilidades y las competencias requeridas por el ecosistema educación-trabajo que está siendo construido por la IAG traen algunas sorpresas. Por ejemplo, que para poder utilizar adecuadamente a la inteligencia artificial como una herramienta que potencie nuestra inteligencia y capacidades, no necesitamos saber de tecnologías digitales, sino entender a fondo el problema que queremos resolver para poder plantearle a la IAG las preguntas correctas y darle las instrucciones adecuadas.
Y esto nos obliga a meter súbitamente la reversa en cuanto a las recomendaciones sobre los métodos de enseñanza-aprendizaje y las carreras del futuro. Entre los aspectos que se vuelven fundamentales están el pensamiento crítico y el pensamiento sistémico, lo cual implica el abandono de la educación basada en la memorización y en las respuestas como producto que ignoran el contexto y los procesos de análisis. Y entre las cualidades que hay que reforzar están la creatividad, la empatía, el trabajo colaborativo, la mentalidad abierta, la resiliencia, el juicio basado en criterios éticos, la inclusión.
Todo lo anterior apunta en una sola dirección: lo que necesitamos son personas que sepan identificar y plantear a fondo y correctamente los problemas que queremos resolver, es decir, necesitamos entender mejor la biología, la antropología, la economía, la sociología, las ingenierías y demás áreas del conocimiento.
Por ejemplo, la persona que incrementará su valor en los mercados laborales será la bioquímica que entienda qué proteína simular para avanzar en la cura de una enfermedad crónica, y no la persona que pueda desarrollar un programa que simule esa proteína, porque la IAG puede hacer esto último mejor y más rápido, pero no necesariamente tiene el contexto en el que se decide qué proteína simular y por qué.
Esto tiene muchas implicaciones de fondo. Una es que, si bien se seguirán requiriendo especialistas en computación y en tecnologías con muy altos niveles de especialización, para todas aquellas personas para quienes esa no sea una opción viable se abren oportunidades en los demás campos del conocimiento, siempre y cuando estén dispuestas a cambiar su chip mental para aprender aplicando pensamiento crítico y sistémico, y desarrollen la cualidades humanas en las que la IA no es competencia todavía.
La velocidad con la que la inteligencia artificial está transformando el ecosistema educación-trabajo mete mucha presión para adaptar nuestros anquilosados sistemas educativos a los nuevos tiempos. Deberíamos apurarnos.