Rethinking Higher Education/es/Chapter 7
Más allá del aula: formas alternativas de aprendizaje, instituciones y objetivos para el mercado laboral transformado por la IA
Martin Woesler
Universidad Normal de Hunan
Resumen
La acelerada integración de la inteligencia artificial en la producción económica está volviendo obsoletas no meramente categorías laborales específicas, sino los supuestos educativos sobre los que se sustentan. Si las máquinas pueden ahora realizar la mayoría de las tareas cognitivas rutinarias —redactar documentos legales, escribir código, traducir textos, analizar datos—, entonces el modelo educativo tradicional que forma a los estudiantes precisamente para estas tareas se enfrenta a una crisis de legitimidad. Este artículo examina el panorama emergente de las formas, instituciones y objetivos educativos alternativos que responden a esta crisis, con una comparación sistemática entre los enfoques europeos y chinos. Analizamos las microcredenciales y nanogrados, la educación basada en competencias, el aprendizaje basado en proyectos y desafíos, el aprendizaje entre pares, las universidades corporativas, los bootcamps y las plataformas de educación abierta, evaluando cada uno por su contribución potencial a la preparación laboral en una economía transformada por la IA. El marco regulatorio europeo —incluyendo el sistema de microcredenciales ECTS, las adaptaciones del Proceso de Bolonia y el Plan de Acción de Educación Digital de la UE (2021-2027)— se compara con el enfoque chino dirigido por el Estado a través de «Modernización de la Educación 2035» y la estrategia de «Nueva Infraestructura». Sostenemos que ni la preferencia europea por la acreditación formal ni el énfasis chino en la escala rápida resuelven el problema fundamental: que los sistemas educativos diseñados para dominios de conocimiento estables no pueden preparar adecuadamente a los aprendices para un mercado laboral caracterizado por la incertidumbre radical. Proponemos que los desarrollos más prometedores son aquellos que desplazan los objetivos educativos de la transmisión de conocimiento a la capacidad adaptativa —la habilidad de aprender, desaprender y reaprender en respuesta a demandas cambiantes—.
Palabras clave: educación alternativa, mercado laboral de la IA, microcredenciales, educación basada en competencias, comparación europeo-china, educación digital, aprendizaje a lo largo de la vida, transformación laboral
1. Introducción: la obsolescencia del currículo
En 2023, el Informe sobre el Futuro del Empleo del Foro Económico Mundial estimó que el 44 % de las competencias básicas de los trabajadores necesitarían cambiar en los próximos cinco años —la mayor disrupción de competencias anticipada desde que comenzó la encuesta (FEM, 2023)—. McKinsey Global Institute proyectó que para 2030, hasta 375 millones de trabajadores a nivel mundial necesitarían cambiar de categoría ocupacional debido a la automatización y la IA (Manyika et al., 2017). En China, donde el sector manufacturero emplea a más de 100 millones de trabajadores y el sector servicios se está automatizando rápidamente, el «Plan de Desarrollo de la Inteligencia Artificial de Nueva Generación» del Consejo de Estado de 2017 reconoció que la IA crearía «desafíos severos para la estructura del empleo» (Consejo de Estado, 2017).
Estas proyecciones tienen una implicación común: el modelo educativo tradicional —títulos universitarios de cuatro años organizados en torno al conocimiento disciplinario, impartidos mediante conferencias y seminarios, evaluados mediante exámenes y culminados en credenciales que permanecen válidas durante toda una carrera— está cada vez más desalineado con las demandas del mercado laboral contemporáneo. El conocimiento técnico de un graduado en informática tiene una vida media de aproximadamente cinco años; un graduado en marketing digital puede encontrar sus competencias obsoletas en dos. Incluso en las profesiones tradicionalmente estables —derecho, medicina, contabilidad— la IA está automatizando tareas que antes eran dominio exclusivo de los profesionales cualificados.
Este artículo examina las respuestas a este desalineamiento. Examinamos las formas, instituciones y objetivos educativos alternativos que están emergiendo tanto en Europa como en China, y evaluamos su potencial para preparar a los aprendices para un mercado laboral caracterizado por la incertidumbre radical. La Unión Europea y China representan dos de los esfuerzos de reforma educativa más grandes y ambiciosos del mundo, pero abordan el desafío desde posiciones institucionales, culturales y filosóficas fundamentalmente diferentes. La respuesta de Europa está configurada por el Proceso de Bolonia, el marco ECTS y una tradición de autonomía institucional y asociación social. La respuesta de China está configurada por la planificación educativa centralizada, una cultura orientada a los exámenes que está experimentando una reforma deliberada, y un Estado que ve la educación como un instrumento estratégico para el desarrollo nacional.
Nuestro análisis es deliberadamente equilibrado: no abogamos por la sustitución total de la educación tradicional, que conserva funciones importantes que los modelos alternativos no pueden replicar, pero sostenemos que el modelo tradicional debe complementarse —y en algunos casos reconceptualizarse fundamentalmente— si quiere seguir siendo relevante. El artículo se basa en documentos de política, informes institucionales e investigación educativa comparada de contextos europeos y chinos, así como en la experiencia del autor trabajando en la educación superior tanto en Alemania como en China.
2. Formas alternativas de aprendizaje
2.1 Microcredenciales y nanogrados
Las microcredenciales —unidades de aprendizaje breves y enfocadas que certifican competencias o habilidades específicas— representan quizá la innovación estructural más significativa de la historia educativa reciente. La Recomendación de la Comisión Europea de 2022 sobre microcredenciales las definió como «registros de los resultados de aprendizaje que un aprendiz ha adquirido tras un pequeño volumen de aprendizaje», típicamente expresados en créditos ECTS (1-5 ECTS) y diseñados para ser «apilables» hacia cualificaciones mayores.
En Europa, el ecosistema de microcredenciales se está desarrollando dentro del marco del Proceso de Bolonia. El Enfoque Europeo de las Microcredenciales, respaldado por el Consejo de la Unión Europea en 2022, establece estándares comunes para el aseguramiento de la calidad, el reconocimiento y la portabilidad entre los Estados miembros. Plataformas como los proveedores de MOOC (Coursera, edX, FutureLearn) y consorcios universitarios ofrecen microcredenciales que llevan créditos ECTS, permitiendo a los aprendices acumular cualificaciones reconocidas a través de itinerarios de aprendizaje modulares.
China ha desarrollado un sistema paralelo pero estructuralmente diferente. El concepto de 微证书 (wēi zhèngshū, microcertificado) está menos formalizado que el modelo europeo pero se practica más ampliamente. Las plataformas chinas de MOOC —学堂在线 (XuetangX, Universidad de Tsinghua), 中国大学MOOC (Chinese University MOOC, NetEase/Higher Education Press) y 智慧树 (Zhihuishu)— ofrecen millones de cursos, muchos con créditos reconocidos dentro del sistema de educación superior chino. La política de 2019 del Ministerio de Educación sobre «cursos abiertos en línea de primera clase» (一流线上开放课程) integró formalmente los créditos de cursos en línea en los currículos universitarios.
El contraste es instructivo: Europa enfatiza la estandarización, el aseguramiento de la calidad y el reconocimiento transfronterizo; China enfatiza la escala, la velocidad y la integración con las estructuras universitarias existentes. Ambos enfoques tienen debilidades. El modelo europeo corre el riesgo de una regulación excesiva que asfixia la innovación. El modelo chino corre el riesgo de la inflación credencial —certificados que están técnicamente «reconocidos» pero tienen poco valor de mercado porque su calidad varía enormemente—.
2.2 Educación basada en competencias
La educación basada en competencias (EBC) representa una desviación más radical del modelo tradicional. En lugar de medir el aprendizaje por el tiempo dedicado a la instrucción (horas de crédito, semestres), la EBC mide el aprendizaje por el dominio demostrado de competencias definidas. Los estudiantes avanzan cuando pueden demostrar lo que saben y pueden hacer, independientemente del tiempo que les haya llevado aprenderlo.
En Europa, la EBC se ha adoptado con mayor entusiasmo en los sistemas de educación y formación profesional (EFP), particularmente en Alemania (sistema de educación dual), Suiza y los Países Bajos. El Marco Europeo de Cualificaciones (MEC) es en sí mismo basado en competencias, definiendo ocho niveles de cualificación en términos de conocimiento, habilidades y autonomía en lugar de años de estudio.
En China, los enfoques basados en competencias están emergiendo en la reforma de la educación profesional. El «Plan Nacional de Implementación de la Reforma de la Educación Profesional» de 2019 (国家职业教育改革实施方案, conocido como «Zhiye 20») introdujo estándares de competencia para más de 500 categorías ocupacionales y estableció los certificados «1+X» —un diploma (1) complementado por múltiples certificados de habilidades profesionales (X)— como puente entre las cualificaciones académicas y profesionales.
La ventaja de la EBC para el mercado laboral transformado por la IA es clara: si determinadas competencias se vuelven obsoletas, los aprendices pueden adquirir nuevas competencias sin repetir un programa de grado completo. El desafío es la evaluación: la EBC requiere métodos robustos y fiables para evaluar si un aprendiz ha dominado verdaderamente una competencia, no simplemente memorizado su contenido asociado. En una era de la IA, cuando las máquinas pueden simular muchas competencias de manera convincente, el diseño de la evaluación se convierte en un cuello de botella crítico.
La comparación europeo-china revela una convergencia interesante: ambos sistemas están avanzando hacia enfoques basados en competencias, pero desde direcciones opuestas. Europa está añadiendo marcos de competencias a un sistema ya flexible y modular. China está introduciendo flexibilidad y modularidad en un sistema tradicionalmente rígido y basado en exámenes. El destino compartido —un marco educativo que certifique lo que los aprendices pueden hacer en lugar de cuánto tiempo estudiaron— es significativo, incluso si los recorridos difieren.
2.3 Aprendizaje basado en proyectos y desafíos
El aprendizaje basado en proyectos (ABP) y su variante más ambiciosa, el aprendizaje basado en desafíos (ABD), desplazan el enfoque educativo de la adquisición de conocimiento a la resolución de problemas. Los estudiantes trabajan en proyectos reales o realistas —desarrollar un producto, resolver un problema de ingeniería, crear una empresa social— y aprenden el conocimiento disciplinario en el proceso de abordar las demandas del proyecto.
El sistema educativo finlandés, ampliamente admirado por su rendimiento consistentemente alto en evaluaciones internacionales, ha avanzado agresivamente hacia el aprendizaje basado en fenómenos —una variante del ABP en la que proyectos interdisciplinarios reemplazan la instrucción basada en asignaturas para partes del currículo—. El programa Horizonte Europa de la Comisión Europea financia iniciativas de educación basada en desafíos que conectan la investigación universitaria con problemas del mundo real.
En China, la iniciativa «Nueva Ingeniería» (新工科), lanzada por el Ministerio de Educación en 2017, introdujo enfoques basados en proyectos e interdisciplinarios en la educación de ingeniería en cientos de universidades. Las competiciones «Copa del Desafío» (挑战杯) de la Universidad de Tsinghua y los programas de «aula emprendedora» de la Universidad de Zhejiang representan implementaciones de alto perfil de la filosofía del ABD.
El ABP y el ABD son particularmente adecuados para el mercado laboral transformado por la IA porque desarrollan precisamente las competencias que la IA no puede replicar fácilmente: resolución creativa de problemas, negociación colaborativa, juicio ético bajo incertidumbre y la capacidad de integrar conocimiento entre dominios.
Curiosamente, la propia IA puede facilitar el ABP a escala. Los sistemas de tutoría con IA pueden proporcionar la orientación personalizada que requiere el aprendizaje basado en proyectos —respondiendo preguntas técnicas, sugiriendo recursos, proporcionando retroalimentación sobre borradores— mientras los instructores humanos se centran en la mentoría de orden superior que la IA aún no puede proporcionar: formular preguntas desafiantes, proporcionar apoyo emocional y modelar los hábitos mentales que caracterizan a los profesionales expertos. Esta complementariedad humano-IA en el diseño pedagógico refleja la complementariedad documentada en nuestro estudio empírico (Woesler, en este volumen) a nivel del aprendizaje de lenguas.
La limitación es la escalabilidad: el ABP requiere mentoría intensiva, evaluación flexible y estructuras institucionales que la mayoría de las universidades aún no están diseñadas para proporcionar. Las universidades chinas enfrentan un desafío adicional: la cultura orientada a los exámenes crea una fuerte presión hacia tareas estandarizadas y objetivamente evaluables, a lo que se resiste el enfoque abierto y orientado al proceso del ABP. Las universidades europeas enfrentan un desafío diferente: los modelos de carga de trabajo del profesorado y los criterios de promoción que recompensan la productividad investigadora por encima de la enseñanza innovadora dificultan incentivar la mentoría intensiva que requiere el ABP.
2.4 Aprendizaje entre pares y comunitario
Internet ha posibilitado formas de aprendizaje que eluden por completo las estructuras institucionales. El aprendizaje entre pares —en el que individuos con conocimientos complementarios se enseñan mutuamente— florece en plataformas como GitHub (para programación), Stack Overflow (para resolución de problemas técnicos) y Zhihu (知乎, el equivalente chino de Quora) para el intercambio general de conocimientos. El aprendizaje comunitario va más allá: grupos de aprendices forman comunidades autoorganizadas en torno a objetivos de aprendizaje compartidos, a menudo utilizando recursos educativos abiertos y herramientas gratuitas.
El modelo de «comunidad de práctica» descrito por Etienne Wenger —en el que el aprendizaje ocurre a través de la participación en una comunidad definida por un dominio compartido, una práctica y una identidad— ha sido amplificado por la conectividad digital. En China, los grupos de aprendizaje de WeChat (微信学习群) y los canales educativos de Douyin (抖音, TikTok) se han convertido en entornos significativos de aprendizaje informal, alcanzando audiencias que la educación formal no puede.
La ventaja del aprendizaje entre pares es su adaptabilidad: las comunidades pueden formarse en torno a competencias emergentes —la ingeniería de prompts, por ejemplo, o el diseño asistido por IA— mucho antes de que las instituciones educativas formales desarrollen currículos para ellas. La desventaja es el aseguramiento de la calidad: sin supervisión institucional, el aprendizaje entre pares es susceptible a la desinformación, las cámaras de eco y el efecto Dunning-Kruger.
3. Instituciones alternativas
3.1 MOOC y plataformas en línea
Los Cursos Masivos Abiertos en Línea fueron anunciados como una revolución en 2012 cuando Coursera, edX y Udacity se lanzaron con contenido de universidades de élite. La revolución se prometió en exceso: las tasas de finalización promediaron menos del 10 %, y los MOOC llegaron predominantemente a aprendices ya educados en países desarrollados. Pero una década después, el ecosistema MOOC se ha madurado hasta convertirse en un componente significativo de la infraestructura educativa global.
En Europa, el panorama de MOOC incluye asociaciones de Coursera y edX con universidades europeas, el Consorcio Europeo de MOOC financiado por la UE, y plataformas nacionales como France Université Numérique (FUN) y openHPI de Alemania (Instituto Hasso Plattner). El compromiso de la UE con las competencias digitales —articulado en el Plan de Acción de Educación Digital (2021-2027)— incluye el apoyo a las plataformas de aprendizaje en línea como herramientas para el aprendizaje a lo largo de la vida y la reconversión profesional.
El ecosistema MOOC de China es mayor en cifras de matrícula. XuetangX, desarrollado por la Universidad de Tsinghua, atiende a más de 100 millones de usuarios registrados. Chinese University MOOC, codesarrollado por NetEase y la Higher Education Press, ofrece cursos de más de 900 universidades chinas. El reconocimiento de créditos de cursos en línea por parte del Ministerio de Educación ha dado a los MOOC chinos una legitimidad institucional que sus homólogos occidentales a menudo carecen.
El desafío para los MOOC en la era de la IA es paradójico: las mismas tecnologías de IA que crean la demanda de reconversión profesional también amenazan con automatizar las funciones de evaluación, retroalimentación y personalización que hacen efectivos los MOOC. Los sistemas de tutoría potenciados por IA pueden acabar reemplazando el propio formato MOOC, ofreciendo itinerarios de aprendizaje totalmente personalizados en lugar de secuencias de cursos estandarizados.
3.2 Universidades corporativas y formación dirigida por el empleador
Las principales empresas tecnológicas han desarrollado programas educativos que rivalizan con las ofertas universitarias en profundidad y valor de mercado. Los Certificados Profesionales de Google, la Formación AWS de Amazon y la plataforma Learn de Microsoft ofrecen credenciales reconocidas por la industria que pueden completarse en semanas en lugar de años. En China, la Academia ICT de Huawei, los programas de formación de la Academia DAMO de Alibaba y la universidad interna de ByteDance cumplen funciones similares.
El auge de la educación corporativa plantea preguntas fundamentales sobre el propósito de las universidades. Si los empleadores pueden formar a los trabajadores de manera más eficiente y relevante que las universidades, ¿qué queda para la educación superior? La respuesta, sugerimos, reside en lo que la formación corporativa no puede y no pretende proporcionar: amplitud de conocimiento, pensamiento crítico, razonamiento ético, comprensión cultural y la capacidad de cuestionar —no meramente ejecutar— los propósitos institucionales. Un certificado de Google enseña computación en la nube; no enseña a un estudiante a preguntar si la computación en la nube sirve al florecimiento humano. Una certificación ICT de Huawei enseña ingeniería de redes; no enseña a un estudiante a considerar las implicaciones de vigilancia de la infraestructura que construye.
Esta distinción no es una defensa esnob del privilegio académico. Refleja una diferencia genuina en el propósito institucional: las corporaciones forman a los trabajadores para servir a los intereses de la corporación; las universidades (en el mejor de los casos) educan a los ciudadanos para servir a los intereses de la sociedad. Ambas funciones son necesarias, pero no son idénticas, y confundirlas —como proponen algunos defensores de la educación «disruptiva»— corre el riesgo de producir una fuerza laboral que es técnicamente competente pero éticamente acrítica. El imperativo de responsabilidad del filósofo Hans Jonas —que debemos asegurarnos de que nuestras acciones no destruyan las condiciones para la existencia humana futura— se aplica al diseño educativo tanto como a la política medioambiental.
3.3 Bootcamps y formación profesional intensiva
Los bootcamps de programación —programas de formación intensivos y de corta duración (típicamente 12-24 semanas)— surgieron en la década de 2010 como un camino alternativo al sector tecnológico. El modelo se ha expandido más allá de la programación para incluir ciencia de datos, diseño UX, marketing digital y, cada vez más, IA y aprendizaje automático. En Europa, bootcamps como Le Wagon (fundado en París, ahora operando en más de 40 ciudades), Ironhack y Northcoders operan en múltiples países. En China, plataformas como 拉勾教育, 开课吧 (Kaikeba) y numerosas operaciones menores ofrecen formación técnica intensiva a cientos de miles de aprendices anualmente.
La fortaleza de los bootcamps es la relevancia laboral: los currículos se diseñan en consulta con los empleadores y se actualizan continuamente. Su debilidad es la estrechez: los graduados adquieren competencias técnicas específicas pero pueden carecer de la comprensión más amplia necesaria para adaptarse cuando esas competencias se vuelvan obsoletas —lo que, en el campo de la IA, puede ocurrir en meses—. El modelo de bootcamps también plantea preocupaciones de equidad: las matrículas de 5.000-15.000 EUR en Europa y 10.000-50.000 RMB en China restringen el acceso a quienes pueden permitirse invertir en resultados inciertos.
3.4 Universidades abiertas y centros de aprendizaje a lo largo de la vida
La tradición europea de universidades abiertas —ejemplificada por la Open University del Reino Unido (fundada en 1969), la FernUniversität de Alemania en Hagen y la UNED de España— proporciona un modelo de aprendizaje a lo largo de la vida anterior a la revolución digital. Estas instituciones fueron diseñadas para atender a adultos que trabajan, aprendices a tiempo parcial y aquellos excluidos de la educación superior tradicional, y su experiencia con formatos de aprendizaje flexibles, educación a distancia y evaluación no tradicional es directamente relevante para el desafío de la era de la IA.
El equivalente de China —la Universidad Abierta de China (国家开放大学, anteriormente Universidad Central de Radio y Televisión de China) con su red de más de 3.000 centros de aprendizaje— atiende a aproximadamente 4 millones de estudiantes matriculados, convirtiéndola en una de las instituciones educativas más grandes del mundo. El sistema ha sido criticado por sus bajas tasas de graduación y su calidad variable, pero su infraestructura para llegar a aprendices geográficamente dispersos proporciona una base para el tipo de reconversión profesional masiva que exige la transformación por la IA.
La percepción clave del modelo de universidad abierta —que la educación debe encontrar a los aprendices donde están, no donde la institución quiere que estén— es cada vez más relevante a medida que la disrupción del mercado laboral impulsada por la IA afecta a trabajadores en todas las etapas de su carrera, no solo a los recién graduados.
4. Objetivos alternativos: del conocimiento a la capacidad
4.1 El cambio de la transmisión de conocimiento a la capacidad adaptativa
El cambio más fundamental que exige el mercado laboral transformado por la IA no es en las formas o instituciones de aprendizaje sino en los objetivos educativos. La educación tradicional aspira a transmitir conocimiento: un cuerpo de hechos, teorías, métodos y competencias establecidas que se espera que el estudiante domine. Este modelo presupone que el conocimiento transmitido seguirá siendo relevante durante una porción significativa de la carrera del estudiante. La IA disrumpe esta presuposición.
Si la IA puede acceder, organizar y aplicar el conocimiento factual más rápido y con más precisión que cualquier humano, entonces la prima educativa se desplaza del saber al metasaber: la capacidad de aprender nuevos dominios rápidamente, de evaluar la información críticamente, de sintetizar perspectivas de diferentes campos, de formular las preguntas adecuadas y de ejercer el juicio en situaciones donde los datos son ambiguos o incompletos.
La predicción frecuentemente citada de Alvin Toffler —«El analfabeto del siglo XXI no será aquel que no sepa leer y escribir, sino aquel que no pueda aprender, desaprender y reaprender»— se ha convertido en realidad operativa. El desafío educativo es desarrollar currículos que cultiven esta capacidad adaptativa sin abandonar el conocimiento fundacional que hace posible la adaptación.
4.2 Alfabetización en IA como competencia fundamental
La alfabetización en IA —la capacidad de comprender, evaluar y utilizar adecuadamente las herramientas de IA— se está convirtiendo rápidamente en tan fundamental como la alfabetización numérica y textual. Distinguimos tres dimensiones de la alfabetización en IA:
Alfabetización técnica: la capacidad de usar herramientas de IA eficazmente —formular prompts, evaluar outputs, comprender los principios básicos del aprendizaje automático—. Esta es la dimensión más inmediatamente práctica y la más comúnmente abordada en las ofertas educativas actuales.
Alfabetización conceptual: comprender lo que la IA puede y no puede hacer, reconocer el contenido generado por IA, evaluar críticamente los outputs de la IA y comprender la diferencia entre el reconocimiento de patrones y la comprensión genuina. Esta dimensión es esencial para prevenir la dependencia acrítica de la IA que Fang Lu (en este volumen) documenta en sus estudios de caso.
Alfabetización ética: comprender las implicaciones sociales del despliegue de la IA, incluyendo el sesgo algorítmico, la erosión de la privacidad, los costes ambientales del entrenamiento de grandes modelos, el desplazamiento laboral y la concentración de poder en manos de unas pocas empresas tecnológicas. Esta dimensión conecta la alfabetización en IA con cuestiones más amplias de ciudadanía y responsabilidad social.
El AI Act de la UE (2024) —la primera regulación integral de IA del mundo— crea implícitamente una demanda de alfabetización en IA en todos los dominios profesionales: el cumplimiento requiere comprender qué hacen los sistemas de IA, cómo toman decisiones y qué riesgos plantean. El sistema de clasificación basado en el riesgo del Reglamento (riesgo inaceptable, alto riesgo, riesgo limitado, riesgo mínimo) proporciona un marco conceptual que podría informar los currículos de alfabetización en IA en toda Europa.
El enfoque de China ha sido más habilitador que restrictivo: las «Medidas Administrativas Provisionales para los Servicios de IA Generativa» de 2023 (生成式人工智能服务管理暂行办法) se centran en el registro y la moderación de contenido más que en una regulación integral, pero la demanda subyacente de alfabetización en IA es igualmente urgente. El Ministerio de Educación de China ha comenzado a integrar contenido de IA en los currículos de primaria y secundaria, y varias universidades han establecido departamentos dedicados a la educación en IA —un desarrollo que Europa, a pesar de su liderazgo regulatorio, ha sido más lenta en lograr a escala—.
4.3 Creatividad, pensamiento crítico e inteligencia emocional
Si la IA maneja las tareas cognitivas rutinarias, entonces las capacidades singularmente humanas —creatividad, pensamiento crítico, inteligencia emocional, razonamiento ético y comunicación intercultural— se convierten en el núcleo del valor económico. El Informe sobre el Futuro del Empleo del Foro Económico Mundial identifica consistentemente el pensamiento analítico, el pensamiento creativo, la resiliencia, la flexibilidad y la curiosidad como las principales competencias valoradas por los empleadores —ninguna de las cuales es conocimiento específico de un dominio—. El desafío es que estas capacidades son precisamente lo que la educación tradicional, con su énfasis en la evaluación estandarizada y el conocimiento disciplinario, está menos preparada para cultivar.
La filosofía educativa europea, particularmente el modelo nórdico, ha enfatizado durante mucho tiempo la creatividad y el pensamiento crítico junto con el rendimiento académico. La reforma curricular nacional de Finlandia (2014) convirtió las «competencias transversales» —incluyendo pensar y aprender a aprender, competencia cultural, multiliteracidad y participación— en un componente obligatorio de toda la instrucción desde la educación primaria en adelante. El marco de Competencias Clave para el Aprendizaje Permanente de la UE identifica ocho competencias transversales —incluyendo «aprender a aprender», «competencias sociales y cívicas» y «conciencia y expresión culturales»— que van más allá del conocimiento de las asignaturas.
Los esfuerzos de reforma educativa de China, particularmente el movimiento de 素质教育 (sùzhì jiàoyù, educación de calidad) que ha sido política oficial desde los años noventa, aspiran a contrarrestar la cultura orientada a los exámenes (应试教育, yìngshì jiàoyù) con un desarrollo de competencias más amplio. La política de «doble reducción» (双减) de 2021, que restringió las clases extraescolares y las cargas de deberes, estaba explícitamente motivada por el deseo de crear espacio para la creatividad, la actividad física y el desarrollo no académico. Sin embargo, la implementación sigue siendo desigual, y el gaokao (高考, examen nacional de acceso a la universidad) continúa ejerciendo una poderosa fuerza centrípeta hacia la preparación de exámenes a expensas del desarrollo del pensamiento creativo y crítico.
4.4 Competencia intercultural como ventaja competitiva
En una economía globalizada donde la IA maneja tareas rutinarias a través de fronteras lingüísticas y culturales, la capacidad de navegar las diferencias culturales —comprender diferentes sistemas de valores, estilos de comunicación, prácticas de negociación y normas institucionales— se convierte en una competencia humana distintiva con un valor económico significativo. Esto es particularmente relevante para el diálogo educativo europeo-chino que representa este volumen: los profesionales que pueden trabajar eficazmente a través de la división europeo-china poseen una capacidad rara y valiosa que la IA no puede replicar.
La competencia intercultural no es meramente el dominio de idiomas (que la IA puede simular cada vez más) sino inteligencia cultural: la capacidad de interpretar señales sociales ambiguas, de adaptar el comportamiento a contextos culturales desconocidos y de construir confianza a través de fronteras culturales. Los programas educativos que desarrollan esta competencia —a través de programas de intercambio, experiencias inmersivas, trabajo en equipo intercultural y un compromiso sostenido con las tradiciones intelectuales de otra cultura— representan una forma de educación alternativa que es inmune al desplazamiento por la IA precisamente porque depende de la experiencia humana encarnada.
5. Marcos regulatorios europeos frente a enfoques chinos dirigidos por el Estado
El contraste entre la gobernanza educativa europea y china ilumina las fortalezas y limitaciones de la respuesta de cada sistema a la disrupción impulsada por la IA.
5.1 El modelo europeo: regulación y estandarización
El enfoque de la Unión Europea sobre la reforma educativa opera a través de una compleja estructura de gobernanza multinivel. La UE tiene una competencia directa limitada sobre la política educativa (la educación sigue siendo principalmente responsabilidad de los Estados miembros bajo el principio de subsidiariedad), pero ejerce una influencia significativa a través de marcos, recomendaciones y financiación.
El Plan de Acción de Educación Digital (2021-2027) establece dos prioridades estratégicas: fomentar el desarrollo de un ecosistema de educación digital de alto rendimiento, y mejorar las competencias y habilidades digitales para la transformación digital. Financia iniciativas en infraestructura digital, formación del profesorado y aprendizaje en línea, pero la implementación depende de la adopción por parte de los Estados miembros.
La Agenda Europea de Competencias (2020) establece objetivos que incluyen que el 60 % de los adultos participen en el aprendizaje anualmente para 2030, y la creación de cuentas individuales de aprendizaje para financiar la formación. La Recomendación sobre Microcredenciales (2022) proporciona una definición común y estándares de calidad. El Marco Europeo de Cualificaciones (MEC) permite el reconocimiento transfronterizo de las cualificaciones.
Las fortalezas de este enfoque son el aseguramiento de la calidad, la portabilidad y la confianza: una microcredencial europea emitida bajo estándares comunes tiene un valor reconocido en 27 Estados miembros. La debilidad es la velocidad: el tiempo requerido para negociar, adoptar e implementar marcos a nivel de toda la UE significa que la política educativa va consistentemente por detrás del cambio tecnológico. Para cuando se establezca formalmente un marco europeo de microcredenciales para «ingeniería de prompts de IA», la propia competencia puede haber sido automatizada.
5.2 El modelo chino: dirección estatal y escala rápida
La gobernanza educativa de China está centralizada. El Ministerio de Educación (教育部) establece la política nacional y las oficinas de educación provinciales la implementan. Esta estructura permite una acción rápida a gran escala: cuando el Consejo de Estado emite una estrategia nacional —como Modernización de la Educación 2035 o la iniciativa de Universidades de Doble Primera Clase— los recursos pueden movilizarse y los currículos reformarse en miles de instituciones en meses, no en años.
La estrategia de «Nueva Infraestructura» (新基建), anunciada en 2020, designó la IA como una de las siete categorías estratégicas de infraestructura junto con el 5G, los centros de datos y el internet industrial. La educación fue explícitamente identificada como beneficiaria: las plataformas de aprendizaje adaptativo potenciadas por IA, los sistemas de tutoría inteligente y las herramientas de evaluación automatizada debían ser desarrollados y desplegados a escala.
La fortaleza de este enfoque es la velocidad de ejecución y la escala: China puede construir infraestructura educativa —plataformas digitales, programas de formación, reformas institucionales— más rápido que cualquier otro país. La debilidad es la flexibilidad: la planificación centralizada tiende hacia la uniformidad, y el énfasis en las estrategias nacionales y los objetivos cuantitativos (número de cursos, número de credenciales, número de participantes) puede ocultar preocupaciones cualitativas sobre la profundidad del aprendizaje, el pensamiento crítico y la autonomía intelectual.
5.3 Hacia el aprendizaje mutuo
Los modelos europeo y chino no son meramente diferentes sino complementarios. Europa necesita más de la voluntad de China de escalar rápidamente y de integrar las credenciales alternativas en los sistemas educativos formales sin décadas de deliberación. China necesita más del énfasis de Europa en el aseguramiento de la calidad, la autonomía del aprendiz y los fundamentos filosóficos de la educación —lo que Döring (en este volumen) llama la distinción entre Verstand y Vernunft—.
Un diálogo productivo entre los dos sistemas —el tipo de diálogo que este volumen y el Centro de Excelencia Jean Monnet que lo apoya están diseñados para fomentar— se centraría no en qué modelo es «mejor» sino en qué puede aprender cada uno del otro. La transformación por la IA del mercado laboral es un desafío compartido; las respuestas educativas también deberían ser compartidas.
6. Riesgos y críticas
6.1 La trampa del credencialismo
A medida que las credenciales alternativas proliferan, crece el riesgo de inflación credencial. Si las microcredenciales, los nanogrados, los certificados de bootcamps y las certificaciones corporativas se multiplican sin un sólido aseguramiento de la calidad, el mercado laboral puede enfrentarse a una situación en la que las credenciales no señalen nada fiable sobre la competencia. Los empleadores, incapaces de evaluar la calidad de cientos de credenciales en competencia, pueden retirarse hacia la heurística más simple disponible: el título universitario tradicional —precisamente la credencial que el aprendizaje alternativo busca complementar o reemplazar—.
Esta paradoja ya es visible en China, donde la proliferación de certificados en línea (网络证书) ha llevado a muchos empleadores a descartarlos por completo, mientras que simultáneamente el título universitario tradicional conserva (e incluso aumenta) su función de filtro para el empleo deseable. En Europa, el riesgo es institucional: a medida que las propias universidades comienzan a ofrecer microcredenciales, el límite entre las credenciales «tradicionales» y «alternativas» se difumina, lo que potencialmente socava el valor de señalización de ambas.
6.2 La brecha digital
Las formas alternativas de aprendizaje requieren abrumadoramente acceso digital, alfabetización digital y capacidad de aprendizaje autodirigido. Estos prerrequisitos están distribuidos de manera desigual tanto entre países como dentro de ellos. En China, la brecha entre la infraestructura educativa urbana y rural sigue siendo sustancial: mientras que los estudiantes de Pekín y Shanghái tienen acceso a entornos de aprendizaje digital de clase mundial, los estudiantes del rural Guizhou o Gansu pueden carecer de conectividad a internet fiable. Según el Centro de Información de la Red de Internet de China (CNNIC), la penetración de internet en las áreas urbanas supera el 80 % pero cae por debajo del 60 % en las áreas rurales —una brecha que limita directamente el acceso a las plataformas de aprendizaje en línea—. En Europa, la brecha digital entre los Estados miembros del norte y del sur, del este y del oeste, crea inequidades similares: los datos de Eurostat muestran que el porcentaje de individuos con competencias digitales superiores a las básicas oscila entre más del 70 % en los Países Bajos y Finlandia y menos del 30 % en Rumanía y Bulgaria.
El riesgo es que las formas alternativas de aprendizaje, en lugar de democratizar la educación, refuercen las desigualdades existentes —proporcionando oportunidades adicionales a los ya favorecidos mientras dejan atrás a quienes más necesitan la reconversión profesional—. Un minero del carbón en Shanxi o un trabajador textil en Portugal, desplazado por la automatización, es improbable que se reconvierta a través de un nanogrado de Coursera sin un apoyo institucional sustancial, infraestructura digital y asistencia financiera. Cualquier marco político serio para la educación alternativa debe abordar la equidad de acceso como una preocupación de primer orden, no como una reflexión tardía.
6.3 La pérdida de la educación humanística
La presión para alinear la educación con las demandas del mercado laboral corre el riesgo de marginar precisamente las dimensiones de la educación más resistentes a la disrupción por la IA: la investigación humanística, la reflexión filosófica, la apreciación estética y la formación cívica. Una fuerza laboral formada exclusivamente en competencias «relevantes para el empleo» puede ser técnicamente competente pero culturalmente empobrecida —incapaz de formular las preguntas éticas, políticas y existenciales que las sociedades humanas necesitan que sus miembros formulen—. El análisis de Ole Döring en este volumen, distinguiendo entre Verstand (inteligencia técnica) y Vernunft (sabiduría práctica), es directamente relevante: la educación alternativa debe cultivar ambos si quiere servir al florecimiento humano y no meramente a la productividad económica.
7. Conclusión: hacia un modelo equilibrado
El panorama de la educación alternativa en Europa y China revela un diagnóstico compartido —los modelos educativos tradicionales están cada vez más desalineados con las demandas del mercado laboral de la era de la IA— y respuestas divergentes. Europa enfatiza la regulación, la estandarización y el aseguramiento de la calidad. China enfatiza la escala, la velocidad y la integración dirigida por el Estado. Ninguno de los dos enfoques es suficiente por sí solo.
Proponemos que el camino más productivo combina elementos de ambas tradiciones:
Del modelo europeo: marcos sólidos de aseguramiento de la calidad que prevengan la inflación credencial; mecanismos de reconocimiento que permitan el aprendizaje a lo largo de la vida a través de fronteras institucionales; y un compromiso con la educación humanística como componente irreductible de cualquier programa educativo, no un suplemento opcional.
Del modelo chino: la voluntad de experimentar a escala; la integración del aprendizaje en línea y presencial dentro de las estructuras universitarias formales; y el reconocimiento pragmático de que la educación debe servir tanto al desarrollo individual como a las necesidades económicas colectivas.
De ninguno de los dos modelos pero urgentemente necesario: una reconceptualización fundamental de los objetivos educativos que desplace el centro de gravedad de la transmisión de conocimiento a la capacidad adaptativa. La educación más valiosa en la era de la IA no es la que enseña a los estudiantes qué hacer —la IA puede hacer la mayoría de las tareas específicas más rápido y más barato— sino la que enseña a los estudiantes cómo pensar, cómo aprender, cómo juzgar y cómo cuidar.
Esto no significa que las universidades tradicionales deban convertirse en centros de formación en competencias, o que las humanidades deban abandonarse en favor de la educación STEM, o que cada estudiante deba aprender a programar. Significa que cada institución educativa —desde la escuela primaria hasta la investigación de posgrado— debe preguntarse: ¿estamos preparando a los aprendices para un mundo que ya no existe, o para el mundo que está emergiendo? La pregunta no es retórica. La revolución de la IA no viene; ya ha llegado. La revolución educativa, tanto en Europa como en China, apenas ha comenzado.
Las formas, instituciones y objetivos de aprendizaje alternativos examinados en este artículo representan los primeros experimentos de esa revolución. Algunos resultarán efímeros; otros remodelarán la educación durante generaciones. La tarea para los responsables de la política educativa, los investigadores y los profesionales —tanto en Europa como en China— es identificar qué innovaciones sirven al florecimiento humano y cuáles meramente sirven a la conveniencia del mercado, y construir sistemas educativos que hagan ambas cosas sin sacrificar ninguna. Estas capacidades no son alternativas a la educación tradicional sino su propósito más profundo, redescubierto bajo la presión del cambio tecnológico.
Agradecimientos
Cofinanciado por la Unión Europea. Las opiniones expresadas son exclusivamente las del autor y no reflejan necesariamente las de la Unión Europea [101126782].
Referencias
Chapelle, C. A. (2001). Computer Applications in Second Language Acquisition. Cambridge University Press.
European Commission. (2022). Proposal for a Council Recommendation on a European approach to micro-credentials for lifelong learning and employability. Brussels: EC.
European Union. (2024). Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (AI Act). Official Journal of the European Union.
Golonka, E. M. et al. (2014). Technologies for foreign language learning: A review. Computer Assisted Language Learning, 27(1), 70–105.
Jonas, H. (1984). The Imperative of Responsibility: In Search of an Ethics for the Technological Age. University of Chicago Press.
Manyika, J. et al. (2017). Jobs Lost, Jobs Gained: Workforce Transitions in a Time of Automation. McKinsey Global Institute.
Ministry of Education, PRC. (2019). 国家职业教育改革实施方案 [National Vocational Education Reform Implementation Plan].
State Council, PRC. (2017). 新一代人工智能发展规划 [New Generation Artificial Intelligence Development Plan].
State Council, PRC. (2019). 中国教育现代化2035 [Education Modernization 2035].
Toffler, A. (1970). Future Shock. Random House.
Wenger, E. (1998). Communities of Practice: Learning, Meaning, and Identity. Cambridge University Press.
World Economic Forum. (2023). The Future of Jobs Report 2023. Geneva: WEF.
Part III: Technology and Innovation