Lo que pasa con los niños que no aprenden IA — y con los que sí

Hay una versión de la historia de la IA que dice así: la IA está democratizando el conocimiento. Cualquier persona con un teléfono puede acceder a una herramienta que responde preguntas, ayuda con la escritura y explica ideas complejas en lenguaje sencillo. Por primera vez, la calidad de la información disponible para un niño en una escuela de bajos ingresos se acerca a lo que antes solo estaba disponible para niños con tutores costosos y bibliotecas bien equipadas. Esta versión de la historia es real. También es incompleta de una manera que importa enormemente para cómo los papás y los educadores responden.

Lo que pasa es que el acceso a las herramientas de IA no es lo mismo que la capacidad de usarlas bien. Y la capacidad de usarlas bien está distribuida, en 2025, de maneras que siguen de cerca la desigualdad socioeconómica existente. La brecha de alfabetización en IA no es principalmente una brecha tecnológica — es una brecha de preparación, una brecha de contexto, una brecha en la calidad de la orientación. Y la investigación sobre lo que predicen las brechas de preparación sobre los futuros económicos de los niños no es tranquilizadora.

El problema: el acceso sin preparación no es equidad

Cuando los legisladores hablan de la brecha digital, generalmente se refieren a hardware y conectividad: ¿los estudiantes tienen dispositivos y acceso a internet? En los años 2000 y 2010, cerrar esta brecha fue el proyecto central de equidad tecnológica en la educación. Las escuelas implementaron carritos de Chromebooks. Los programas de acceso de banda ancha se expandieron. A principios de la década de 2020, la mayoría de los estudiantes estadounidenses, incluidos los de bajos ingresos, tenían alguna forma de acceso a dispositivos.

El problema de la alfabetización en IA es estructuralmente diferente. Un niño con acceso a un dispositivo y una conexión a internet puede abrir ChatGPT. Si puede usarlo para aprender, crear, resolver problemas o desarrollar habilidades relevantes para el trabajo depende de algo más difícil de distribuir que el hardware: contexto, orientación y práctica para usar la IA en tareas de alto valor.

La encuesta de 2024 de Common Sense Media sobre las brechas de acceso a la IA por ingreso encontró que, aunque el acceso a herramientas de IA era aproximadamente comparable entre grupos de ingresos entre los adolescentes (dado la penetración de los teléfonos inteligentes), la naturaleza y calidad del uso de la IA divergía significativamente. Los estudiantes de mayores ingresos eran más propensos a usar la IA para tareas orientadas al aprendizaje: investigar temas, obtener explicaciones, trabajar a través de problemas y construir proyectos. Los estudiantes de menores ingresos eran más propensos a usar la IA para completar tareas: obtener respuestas a preguntas de tarea, generar texto que presentaban como propio y usos sociales como entretenimiento y comunicación.

Esta divergencia no es una diferencia de carácter entre estudiantes. Es una diferencia de preparación. Los estudiantes que entienden cómo usar la IA como una herramienta de aprendizaje, que han sido enseñados a evaluar críticamente los resultados de la IA y que han experimentado la IA usada de maneras sustanciales e intelectualmente exigentes, son más propensos a usarla así de forma independiente. Los estudiantes que no han recibido esa preparación se quedan nomás con el uso más fácil disponible — que también es, típicamente, el menos valioso educativamente.

Lo que dice la investigación

El marco fundamental para entender lo que sigue de las brechas de preparación es la investigación del mercado laboral sobre tecnología y polarización salarial.

El artículo de 2022 del NBER de Daron Acemoglu y Pascual Restrepo sobre tecnología y polarización del mercado laboral es uno de los análisis más citados de lo que la automatización ha hecho históricamente a la distribución de ingresos. Su hallazgo: las nuevas tecnologías que automatizan las tareas rutinarias eliminan los trabajos de habilidades medias mientras aumentan la demanda de trabajo de muy alta habilidad (complementario a la IA) y de muy baja habilidad (no automatizable). El resultado es la polarización — crecimiento en la cima y la base, contracción en el medio — y los trabajadores más perjudicados son aquellos cuyas habilidades coincidían más estrechamente con lo que las herramientas automatizadas reemplazaron.

El análisis de Acemoglu y Restrepo describe lo que ya ha pasado con olas de automatización anteriores (robots de fabricación, contabilidad computarizada, software de logística). La ola de IA que está ocurriendo ahora tiene un alcance más amplio porque los LLM pueden participar con el lenguaje y el razonamiento — dominios que se consideraban previamente no automatizables. El análisis de 2023 del McKinsey Global Institute sobre IA y desplazamiento laboral estimó que 12 millones de trabajadores estadounidenses pueden necesitar cambiar de ocupación para 2030, con efectos concentrados en roles de oficina, servicio al cliente y procesamiento de datos — trabajos que históricamente proporcionaban acceso de nivel de entrada a la clase media para trabajadores sin títulos universitarios de cuatro años.

La implicación distributiva es directa: si la IA elimina los trabajos que servían como punto de entrada tradicional para los trabajadores de bajos ingresos sin credenciales especializadas, la divergencia en la alfabetización en IA por grupo de ingresos agrava una desigualdad existente en lugar de compensarla.

El reporte de Empleos del Futuro 2025 del Foro Económico Mundial encontró que las habilidades complementarias a la IA — específicamente, la capacidad de trabajar efectivamente con herramientas de IA, evaluar críticamente los resultados de la IA y aplicar la IA a problemas complejos del dominio — estaban entre las demandas de habilidades de más rápido crecimiento en todas las industrias. El reporte identificó una brecha de habilidades: la demanda de estas capacidades está creciendo más rápido que la oferta, y los trabajadores y estudiantes más propensos a desarrollarlas son los que tienen ventajas existentes en acceso a la educación y calidad.

La revisión de 2024 de la OCDE de tecnología educativa y habilidades identificó la alfabetización en IA como una “habilidad fundacional emergente” — lo que significa que está pasando de especializada a esperada, la misma transición que la alfabetización en programación pasó durante la última década. El análisis de la OCDE encontró que el desarrollo de la alfabetización en IA estaba fuertemente correlacionado con la calidad de la escuela, la preparación del maestro y el acceso extracurricular — todos los cuales siguen el estatus socioeconómico.

El análisis de 2024 de Brookings sobre IA y equidad educativa hizo el caso de equidad de manera más directa. Analizando datos de programas de enriquecimiento, planes de estudio escolares y programas de aprendizaje de verano, Brookings encontró que el enriquecimiento enfocado en IA estaba concentrado en comunidades de mayores ingresos. Los mecanismos son familiares: los programas de enriquecimiento cuestan dinero, los programas de verano enfocados en IA cobran matrícula, los clubes de robótica requieren materiales y voluntarios adultos con conocimiento técnico, y las escuelas en distritos de altos ingresos tienen programas de tecnología mejor financiados. El resultado es que los niños que más necesitan preparación para una economía saturada de IA son los menos propensos a recibirla — no porque nadie los esté excluyendo deliberadamente, sino porque la preparación ocurre a través de canales que ya favorecen a los aventajados.

Componente de alfabetización en IA	Acceso alto ingreso (est.)	Acceso bajo ingreso (est.)	Mecanismo principal de brecha
Acceso a herramientas IA (dispositivo + conectividad)	Alto	Moderado–Alto	Reduciéndose; casi paridad en la mayoría de las áreas urbanas
Programas de enriquecimiento que usan IA	Alto	Bajo	Costo y proximidad de programas pagados
Plan de estudios de IA en la escuela	Moderado	Bajo	Financiamiento, preparación del maestro
Uso de IA de alto valor (orientado al aprendizaje)	Moderado–Alto	Bajo	Preparación y contexto, no acceso
Evaluación crítica del resultado de la IA	Moderado	Bajo	Calidad de enseñanza e instrucción deliberada
Aplicación de IA relevante para el trabajo	Moderado	Bajo	Mentoría y efectos de red
Acceso a modelos de rol alfabetizados en IA	Alto	Bajo	Efectos de red y proximidad profesional

Qué hacer en la práctica

La distinción acceso-preparación importa para lo que los papás pueden hacer en la práctica — y para lo que la política puede hacer en la práctica. Las siguientes recomendaciones están dirigidas a ambas poblaciones: papás de niños de mayores ingresos que quieren asegurarse de que su exposición a la IA se traduzca en preparación real, y papás de niños de menores ingresos que quieren acceder a oportunidades de preparación que pueden no ser totalmente visibles para ellos.

Para todas las familias: distingue el uso de la IA del aprendizaje con IA

La distinción más importante que cualquier papá puede hacer es entre que su hijo use la IA (lo que la mayoría de los niños ahora hace) y que su hijo aprenda con la IA (lo cual es algo específico y menos común). Usar la IA para obtener una respuesta no es preparación. Usar la IA para explorar una pregunta, construir algo, obtener retroalimentación sobre su propio trabajo e iterar hacia un mejor resultado, sí es preparación. La misma herramienta produce ambos resultados dependiendo de cómo se usa. Los papás que aseguran que sus hijos experimenten el segundo tipo de uso — independientemente del ingreso — están proporcionando una preparación significativa que muchas escuelas no están dando.

Busca programas con acceso a mentoría técnica

El análisis de Brookings identificó la ausencia de mentores y modelos de rol alfabetizados en IA como una de las brechas más significativas en las comunidades de menores ingresos. Un niño que conoce a un ingeniero, un programador o un investigador — que ha visto en persona cómo se ve usar herramientas de IA para trabajo significativo — tiene un marco fundamentalmente diferente para lo que es la IA que un niño que solo la ha visto usada para atajos en la tarea. Los programas de mentoría, los espacios maker después de la escuela y las asociaciones con colegios comunitarios pueden proporcionar esta exposición cuando las familias no la tienen en su red inmediata. Para más contexto sobre cómo las brechas de acceso se agravan con el tiempo, el artículo sobre preparar a los niños con habilidades de IA para el futuro cubre las implicaciones profesionales en profundidad.

Prioriza la alfabetización en IA sobre el uso de la IA

La investigación de la OCDE y el WEF converge en un hallazgo consistente: los niños que entienden qué es la IA, cómo funciona a un nivel conceptual y cuáles son sus limitaciones, están mejor equipados para usarla de manera productiva que los niños que simplemente tienen acceso a ella. La alfabetización en IA — el marco de conocimiento, no solo la práctica — es la preparación que se agrava. Un niño con un modelo mental conceptual de la IA actualizará ese modelo a medida que la IA cambie. Un niño que solo sabe cómo usar una herramienta específica está empezando de cero cuando la herramienta cambie. Los programas y los papás que invierten en la capa conceptual de la comprensión de la IA están invirtiendo en una preparación más duradera que la técnica. El artículo sobre la alfabetización en IA para niños en secundaria describe lo que debería incluir esa capa conceptual.

Aboga por la alfabetización en IA en el plan de estudios de la escuela de tu hijo

El hallazgo de la OCDE de 2024 de que el desarrollo de la alfabetización en IA se correlaciona fuertemente con la calidad de la escuela y la preparación del maestro es un diagnóstico de política, no una realidad fija. Las escuelas que reciben la defensa de los padres por un plan de estudios de alfabetización en IA — educación en IA específica, estructurada y fundamentada en la investigación — son más propensas a desarrollarlo. Esto es especialmente cierto en los distritos donde la administración es consciente de las implicaciones de equidad pero aún no ha priorizado el desarrollo del plan de estudios. Pedir específicamente el plan de estudios (no solo las herramientas) es más efectivo que pedir “más tecnología”.

Evalúa los programas de enriquecimiento por lo que enseñan, no por lo que usan

Un campamento o programa que pone a niños frente a herramientas de IA durante una semana no está proporcionando automáticamente preparación para la alfabetización en IA. La pregunta que hay que hacer es: ¿los niños están aprendiendo a usar la IA como una herramienta de pensamiento, o están aprendiendo a usar la IA como una herramienta de conveniencia? Los programas que incluyen reflexión, evaluación de los resultados de la IA, construcción con IA (en lugar de solo hacer prompts) y discusión de lo que la IA puede y no puede hacer están proporcionando preparación. Los programas que usan herramientas de IA como medio sin enseñar sobre el medio están proporcionando exposición, que vale menos y no produce de manera confiable alfabetización en IA.

Aborda la brecha de red de forma deliberada

La ventaja no monetaria más importante que los niños de mayores ingresos tienen para desarrollar la alfabetización en IA es el acceso a la red: personas en sus vidas que trabajan con IA, que pueden modelar un uso sofisticado y que pueden contextualizar la IA dentro de trayectorias profesionales reales. Las familias sin esta red pueden sustituirla parcialmente a través de comunidades en línea, plataformas de mentoría y programas específicos de sector (bibliotecas, colegios comunitarios, espacios maker) que conectan a los niños con profesionales. La brecha es real; también es abordable con esfuerzo intencional.

Qué observar en los próximos 3 meses

Observa lo que la escuela de tu hijo está haciendo de verdad con la IA — no solo lo que dice que está haciendo. “Estamos preparando a los estudiantes para un futuro con IA” es una afirmación que puede hacer una escuela que no ha hecho nada y una escuela que ha reestructurado su plan de estudios. Las preguntas específicas que vale la pena hacer: ¿Hay instrucción explícita sobre qué es la IA y cómo funciona? ¿Hay actividades estructuradas que requieran que los estudiantes evalúen críticamente los resultados de la IA? ¿Los maestros usan la IA en su instrucción de maneras que explican a los estudiantes? ¿Los proyectos relacionados con la IA están integrados en las materias principales o limitados a una optativa específica?

El análisis de Brookings encontró que las escuelas que están haciendo el mayor progreso en la equidad de la IA eran aquellas donde la alfabetización en IA había sido integrada en el plan de estudios básico en lugar de aislada en pistas opcionales. Las escuelas donde la IA solo está disponible para los estudiantes que la buscan activamente — a través de clubes, optativas o enriquecimiento — están, por definición, seleccionando para estudiantes que ya tienen mayor compromiso y son más propensos a estar aventajados. La equidad en la alfabetización en IA requiere acceso universal a través del plan de estudios obligatorio, no acceso opcional a través del enriquecimiento.

El período para construir la alfabetización en IA como habilidad fundamental probablemente sea los próximos 3-5 años. Después de eso, la alfabetización en IA se asumirá de la misma manera que escribir en teclado y el uso básico de computadoras se asumen hoy — ya no diferenciada, ya no una ventaja competitiva, sino una base. Los niños que la desarrollen antes de que sea obligatoria habrán practicado más tiempo y la tendrán con más fluidez. Los que no la desarrollen hasta que sea requerida estarán poniéndose al día.

Preguntas frecuentes

¿La brecha de alfabetización en IA es realmente sobre el estatus socioeconómico, o sobre el esfuerzo y el interés individual?

Ambos son reales, pero no son iguales. El interés individual importa y algunos niños buscarán el aprendizaje de IA sin importar sus circunstancias. Pero los datos de Brookings y Common Sense Media consistentemente muestran que el acceso a la preparación de alta calidad en IA — estructurada, mentoriada, sustancial — no está distribuido aleatoriamente. Sigue los ingresos, la calidad de la escuela y el vecindario. El esfuerzo individual puede superar la desventaja estructural, pero la estructura moldea la probabilidad de base. Abordar el lado estructural no está en conflicto con valorar el esfuerzo individual.

¿Qué pasa si la escuela de mi hijo no enseña alfabetización en IA en absoluto?

Tienes dos opciones que no son mutuamente excluyentes: abogar por el cambio (hablando con maestros, consejos escolares y administradores sobre el plan de estudios) y proporcionar lo que puedas en casa o a través de programas externos. Las bibliotecas, los colegios comunitarios y los espacios maker son a menudo recursos subutilizados que brindan acceso tanto a herramientas como a mentoría sin el costo de los programas privados. El artículo mencionado arriba sobre la alfabetización en IA en secundaria proporciona un marco para cómo puede verse el aprendizaje en el hogar.

¿Cuánto tiempo toma desarrollar una alfabetización en IA significativa?

La investigación sobre esto está en pañales, pero la analogía con la alfabetización en programación es informativa. Los estudios de educación en programación encontraron que la alfabetización en programación significativa — la capacidad de usar el código como una herramienta para construir y resolver problemas — requería un compromiso sostenido durante 6-18 meses de práctica regular, no un campamento de una semana. La alfabetización en IA probablemente sigue un patrón similar. Las exposiciones únicas producen conciencia. La práctica sostenida y estructurada produce capacidad.

¿Es probable que las brechas de alfabetización en IA se amplíen o se reduzcan en la próxima década?

La respuesta honesta de los análisis del WEF y McKinsey es: depende en gran medida de las decisiones de política. Dejado a las fuerzas del mercado, es probable que la brecha se amplíe — los hijos de trabajadores del conocimiento y profesionales de la tecnología continuarán teniendo mejor acceso a la preparación de alta calidad. La inversión pública en planes de estudio de IA, capacitación de maestros y acceso a programas universales podría reducirla. La trayectoria no es fija.

¿La alfabetización en IA garantiza mejores resultados laborales?

No. El análisis de Acemoglu y Restrepo y los datos laborales de McKinsey muestran que la IA creará nuevos trabajos además de eliminar los existentes, pero los nuevos trabajos requieren no solo alfabetización en IA sino experiencia en el dominio — conocer un campo lo suficientemente bien como para usar la IA para hacer trabajo avanzado en él. La alfabetización en IA es una base, no una garantía. Un niño que es alfabetizado en IA y además desarrolla conocimiento profundo del dominio en ingeniería, salud, educación u otros campos está mucho mejor posicionado que uno que es alfabetizado en IA sin experiencia sustancial. La alfabetización en IA sola no es suficiente; combinada con la experiencia en el dominio, es una ventaja significativa.

¿Proporcionar herramientas de IA en el hogar es suficiente para cerrar la brecha de alfabetización?

No por sí solo. El acceso es necesario pero no suficiente, y los datos de Common Sense Media dejan claro que el acceso solo tiende a producir un uso de IA de alto volumen y baja calidad en lugar de un desarrollo de alfabetización en IA significativo. Lo que convierte el acceso en alfabetización es el uso guiado y con propósito — con un adulto o mentor que modela el compromiso reflexivo con las herramientas de IA, discute lo que están haciendo y por qué, y hace preguntas evaluativas. La orientación es el ingrediente activo.

---

Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo dominado por la tecnología. Lee más en hiwavemakers.com.

Fuentes

• Acemoglu, D., & Restrepo, P. (2022). Tasks, automation, and the rise in US wage inequality. NBER Working Paper No. 28920. https://doi.org/10.3386/w28920
• McKinsey Global Institute. (2023). The Economic Potential of Generative AI: The Next Productivity Frontier. McKinsey & Company.
• World Economic Forum. (2025). Future of Jobs Report 2025. WEF.
• OECD. (2024). Education at a Glance 2024: AI and the Transformation of Skills. OECD Publishing. https://doi.org/10.1787/c00cad36-en
• Common Sense Media. (2024). AI Access and Use Among Youth: A National Survey. Common Sense Media Research.
• Brookings Institution. (2024). AI and Educational Equity: Who Gets Prepared and Who Gets Left Behind. Brookings Center on Education Policy.
• Common Sense Media. (2025). AI Use Among Teens and Tweens: 2025 Survey Report.
• Muro, M., Maxim, R., & Whiton, J. (2019). Automation and Artificial Intelligence: How machines are affecting people and places. Brookings Metropolitan Policy Program.