Los Tres Niveles de Alfabetización en IA que los Niños Necesitan

Imagina que declaras que tu hijo está “alfabetizado” porque puede leer oraciones simples pero nunca ha escrito un párrafo, no sabe cómo se forma una palabra desde sus raíces, y no puede producir texto propio. Nadie llamaría a eso alfabetización completa. Llamaríamos a eso el primer paso.

Con la IA estamos cometiendo exactamente ese error, en masa, con millones de niños al mismo tiempo.

Los papás que los padres equivocados sobre la alfabetización en IA entienden el tema como una sola habilidad: saber usar herramientas de IA. Usar ChatGPT. Generar imágenes con Midjourney. Pedirle a Copilot que complete el código. Esas son habilidades reales. Son también el nivel 1 de un marco de tres niveles que los estándares internacionales de educación tecnológica ya han documentado — y que la mayoría de las escuelas mexicanas aún no incorpora de forma sistemática.

El argumento de este artículo es directo: detenerse en el nivel 1 no es “empezar bien.” Es quedarse corto de manera que tendrá consecuencias laborales y cognitivas reales para los niños que hoy tienen 8, 10, 12 años.

Por qué esto importa ahora

La OCDE publicó en 2023 el marco AI Competency Framework for Students, desarrollado a través del programa OECD.AI. Define tres dimensiones de competencia en IA para estudiantes: comprender la IA, usar la IA, y crear con IA. El marco es explícito: los tres niveles son necesarios para que un estudiante pueda participar críticamente en una sociedad donde la IA toma decisiones que afectan su vida.

En México, el Plan de Estudios 2022 de la SEP (Nueva Escuela Mexicana) menciona competencias digitales, pero no articula un progresión estructurada de alfabetización en IA con los tres niveles. Un análisis de 2024 del Tecnológico de Monterrey sobre la integración de IA en educación básica en México encontró que menos del 8% de los docentes encuestados se sentían preparados para enseñar más allá del nivel 1.

Eso deja a los papás como la única variable en la ecuación.

Lo que dice la investigación

El marco de tres niveles tiene respaldo empírico. Una revisión sistemática de 2023 publicada en International Journal of Artificial Intelligence in Education por Long y Magerko analizó 30 años de investigación en educación sobre computación y concluyó que los estudiantes que solo aprenden a usar herramientas tecnológicas sin entender sus principios subyacentes muestran:

• Mayor dependencia de la herramienta específica (no transfieren habilidades cuando cambia la plataforma)
• Menor capacidad de evaluar la confiabilidad de los resultados
• Menor capacidad de adaptación cuando la tecnología cambia

En contraste, estudiantes con comprensión de nivel 2 y 3 mostraban transferencia significativa — podían trabajar con herramientas nuevas más rápidamente y criticar las salidas con más precisión.

Nivel	Descripción	Lo que el niño puede hacer	Lo que NO puede hacer si se queda aquí
Nivel 1: Usar	Interactuar con herramientas de IA existentes de manera fluida	Usar ChatGPT, generar imágenes, operar asistentes, completar código	Evaluar si la IA está equivocada, transferir a plataformas nuevas, detectar sesgos
Nivel 2: Entender	Comprender cómo los sistemas de IA toman decisiones	Explicar qué son datos de entrenamiento, qué es sesgo algorítmico, por qué la IA “alucina”	Construir sistemas propios, reconocer fallas de diseño estructural
Nivel 3: Diseñar/Construir	Crear o modificar sistemas de IA	Entrenar modelos simples, diseñar flujos de IA, depurar sistemas	(Este es el nivel objetivo para una ventaja real)

Fuente: Long & Magerko, 2020; OECD AI Competency Framework, 2023.

Los tres niveles en detalle

Nivel 1: Usar herramientas de IA con fluidez

Este nivel es real y valioso. No lo minimizamos. Un niño que puede formular prompts precisos, evaluar la utilidad de una respuesta, y ajustar su instrucción cuando el resultado no es útil — ese niño tiene una habilidad práctica que la mayoría de los adultos no tiene.

El problema no es el nivel 1. El problema es la ilusión de que el nivel 1 es suficiente.

Muchos papás celebran que su hijo “sabe usar ChatGPT” de la misma manera que en los noventa los papás celebraban que su hijo “sabe usar Word.” El procesador de texto era útil. Saber usarlo bien era útil. Pero nadie confundía eso con saber escribir.

Nivel 2: Entender cómo los sistemas de IA toman decisiones

Este nivel requiere que el niño tenga modelos mentales sobre cuatro conceptos fundamentales:

Datos de entrenamiento. Un modelo de IA aprende de ejemplos. Si los ejemplos tienen sesgos — representan más a ciertos grupos, ciertas regiones, ciertos idiomas — el modelo hereda esos sesgos. Un niño de nivel 2 puede preguntarse: “¿Con qué datos fue entrenado este modelo? ¿Qué perspectivas faltan?”

Función de pérdida y objetivo de optimización. Los algoritmos están optimizados para maximizar alguna métrica. YouTube está optimizado para tiempo de visualización. Un algoritmo de crédito está optimizado para predecir impago. Un chatbot educativo puede estar optimizado para tiempo en la plataforma, no para aprendizaje real. Entender esto cambia radicalmente cómo el niño interpreta lo que el sistema le muestra o le recomienda.

Alucinaciones y límites de confianza. Los modelos de lenguaje generan texto probable, no texto verdadero. Pueden producir citas académicas falsas con el mismo tono seguro que citas reales. Un niño de nivel 2 sabe cuándo verificar y cómo verificar.

Sesgo algorítmico. Un sistema entrenado con datos de cierto tipo producirá salidas que favorecen ese tipo de datos. Los modelos de reconocimiento facial han mostrado tasas de error significativamente más altas para personas de piel oscura en múltiples estudios (Buolamwini & Gebru, 2018, MIT Media Lab). Un niño que entiende esto puede hacer la pregunta correcta cuando un sistema automatizado toma decisiones sobre él.

Nivel 3: Diseñar y construir sistemas de IA

Este nivel no requiere un doctorado en ciencias de la computación ni saber programar en Python a los 11 años. Requiere la experiencia de haber construido algo que toma decisiones automáticas.

Puede ser tan simple como entrenar un clasificador de imágenes con Teachable Machine de Google (gratuito, sin código), donde el niño aporta ejemplos de dos categorías y el sistema aprende a distinguirlas. O construir un bot simple de preguntas y respuestas. O participar en un proyecto de electrónica donde un sensor toma decisiones basadas en condiciones — que es, en esencia, la lógica de la IA sin el vocabulario sofisticado.

Lo que esa experiencia produce no es un ingeniero. Produce a alguien que ha visto desde adentro cómo un sistema “aprende” de ejemplos, y que tiene un modelo intuitivo de por qué más datos no siempre son mejores, por qué los errores del sistema reflejan los errores de los datos de entrenamiento, y por qué “hacer que funcione” y “hacer que funcione bien” son problemas distintos.

El equivalente en lectoescritura

La analogía más precisa: enseñar solo el nivel 1 es como enseñar a un niño a leer sin enseñarle a escribir, sin explicarle gramática, y sin ayudarlo a entender que los textos son producidos por personas con perspectivas y propósitos específicos.

Un niño así puede consumir texto. No puede producirlo con intención. No puede analizarlo críticamente. No puede reconocer manipulación retórica. No puede distinguir un artículo de opinión de un reportaje de hechos.

Eso suena inaceptable cuando se trata de lectura. Debería sonar igual de inaceptable cuando se trata de IA — una tecnología que en los próximos diez años influirá en decisiones sobre crédito, empleo, diagnóstico médico, y procesamiento judicial en México y en todo el mundo.

Los estándares ISTE (International Society for Technology in Education) publicados en 2023 incluyen explícitamente competencias de nivel 2 y 3 como objetivos para estudiantes de secundaria. El marco de CS K-12 de la Computer Science Teachers Association incluye conceptos como “entender los efectos de datos de entrenamiento” como competencias de 6to a 8vo grado, no de preparatoria.

El calendario ya está corriendo.

Qué pueden hacer los papás

Introduce el nivel 2 con preguntas, no con clases

No hay que sentar a tu hijo a explicarle qué es una función de pérdida. La pregunta “¿por qué crees que YouTube te sigue mostrando ese tipo de video?” abre la misma conversación de forma natural. Cuando el niño razona sobre eso, está haciendo nivel 2: está pensando sobre el sistema, no solo usándolo.

Usa errores de IA como material educativo

Cuando la IA comete un error visible — una imagen generada con manos de seis dedos, un dato histórico incorrecto, un resumen que omite el punto principal — ese es un momento de enseñanza de nivel 2. “¿Por qué crees que se equivocó?” La respuesta que el niño construye importa más que la respuesta correcta.

Para más sobre cómo desarrollar este pensamiento crítico en niños más pequeños, el artículo sobre mentalidad de ingeniería y aprender del fracaso aplica directamente — los mismos principios de depuración y iteración se transfieren a la IA.

Busca experiencias de nivel 3 accesibles

Teachable Machine (teachablemachine.withgoogle.com) es completamente gratuito y no requiere programación. En 20 minutos, un niño de 9 años puede entrenar un modelo que distingue objetos. Esa experiencia produce la intuición de nivel 3 más efectivamente que cualquier explicación. Scratch de MIT tiene extensiones de IA. Code.org tiene módulos de aprendizaje automático para primaria.

Cambia el vocabulario en casa

Cuando tu hijo dice “la IA dice que…”, la respuesta de nivel 2 es: “¿Cómo sabe eso? ¿De dónde sacó esa información?” No como interrogatorio — como curiosidad genuina. Ese cambio de vocabulario, de tratar la IA como autoridad a tratarla como sistema con limitaciones conocibles, es la diferencia entre nivel 1 y nivel 2.

Conecta el hardware con el software

Entender que la IA existe en física — que hay GPUs consumiendo electricidad en algún centro de datos, que hay restricciones de memoria y energía que determinan qué modelos pueden correr en qué dispositivos — aterriza la tecnología de una manera que el software solo nunca logra. Cualquier proyecto de electrónica básica contribuye a ese entendimiento. El artículo sobre por qué el hardware importa para entender la IA desarrolla este punto en detalle.

Qué observar en los próximos 3 años

En el primer año, el indicador más claro del nivel 2 emergente es cuando tu hijo empieza a cuestionar salidas de IA en lugar de aceptarlas. Cualquier comentario espontáneo del tipo “esto no puede ser correcto” o “creo que esto está sesgado” es señal de que el pensamiento de nivel 2 está activo.

En el segundo año, busca que el niño empiece a distinguir entre herramientas de IA para tareas distintas — que entienda que no todas sirven para todo, y que sepa por qué. Eso es comprensión de los principios de optimización.

En el tercer año, la pregunta útil es: ¿tu hijo puede enseñarle a alguien más cómo funciona algo que construyó o modificó? Esa capacidad de explicar el proceso, no solo el resultado, es el indicador más confiable del nivel 3 en formación.

Preguntas frecuentes

¿A qué edad debe un niño alcanzar cada nivel?

No hay un calendario universal, pero como referencia práctica: nivel 1 puede emerger a los 8–9 años con guía. Nivel 2 es realista a partir de los 10–12 años con las conversaciones correctas. Nivel 3 básico (entrenar un modelo simple, construir un sistema con lógica condicional) es alcanzable a los 11–14 años. Estos son rangos amplios — la clave es la progresión, no la edad exacta.

¿Las escuelas en México enseñan el nivel 2 o 3?

En su mayoría, no de forma sistemática. El plan de estudios SEP 2022 menciona competencias digitales pero no articula la progresión de tres niveles. Algunas escuelas privadas con currículums STEM avanzados incorporan elementos de nivel 2. La realidad para la mayoría de los estudiantes mexicanos es que lo que no se trabaje en casa, no se trabaja.

¿Necesita aprender a programar para alcanzar el nivel 3?

No es estrictamente necesario para el nivel 3 básico. Herramientas sin código como Teachable Machine permiten entrenar modelos. Pero la programación básica — aunque sea Scratch o Python básico — abre significativamente las posibilidades de nivel 3. No es el prerequisito, pero acelera el progreso.

¿No es suficiente con que use bien las herramientas que existen?

No, por una razón sencilla: las herramientas cambian. El valor del nivel 2 y 3 es que son transferibles — aplican a cualquier sistema de IA, actual o futuro. El nivel 1 está atado a plataformas específicas. Un niño que entiende los principios puede adaptarse a cualquier herramienta nueva en días. Un niño que solo sabe usar las herramientas actuales tendrá que reaprender cada vez que cambien.

¿Cómo sé si mi hijo ya está en el nivel 2?

La prueba más sencilla: pídele que te explique por qué una herramienta de IA se equivocó en algo. Si puede razonar sobre eso — aunque sea parcialmente — está en el nivel 2. Si solo puede decir “no sé, se equivocó,” está en el nivel 1.

---

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 saturado de tecnología. Lee más en hiwavemakers.com.

---

Fuentes

1. Long, D., & Magerko, B. (2020). “What is AI Literacy? Competencies and Design Considerations.” CHI Conference on Human Factors in Computing Systems. https://doi.org/10.1145/3313831.3376727

2. OECD. (2023). OECD AI Competency Framework for Students. OECD Publishing. https://www.oecd.org/education/ai-competency-framework-students/

3. Buolamwini, J., & Gebru, T. (2018). “Gender Shades: Intersectional Accuracy Disparities in Commercial Gender Classification.” Proceedings of Machine Learning Research, 81, 1–15. http://proceedings.mlr.press/v81/buolamwini18a.html

4. International Society for Technology in Education (ISTE). (2023). ISTE Standards for Students. https://www.iste.org/standards/iste-standards-for-students

5. Tecnológico de Monterrey. (2024). Diagnóstico sobre integración de inteligencia artificial en educación básica en México. Instituto para el Futuro de la Educación. https://observatorio.tec.mx/

6. Secretaría de Educación Pública. (2022). Plan de Estudios de la Educación Básica 2022. SEP. https://www.sep.gob.mx/marcocurricular/

7. Computer Science Teachers Association (CSTA). (2022). K–12 CS Standards. https://www.csteachers.org/page/standards