Cátedra de Nuevas Tecnologías Educativas

La investigación contemporánea demuestra que la brecha digital trasciende la mera disponibilidad de conectividad física, energía o dispositivos informáticos. Si bien el acceso a infraestructura de banda ancha sigue siendo inequitativo a nivel global, el surgimiento de la Inteligencia Artificial introduce una brecha de segundo y tercer nivel basada en las capacidades de apropiación crítica, la alfabetización avanzada en datos y la facultad de utilizar modelos generativos y analíticos para la resolución de problemas complejos.

Castells y diversos marcos internacionales enfatizan que la brecha digital reflexiva abarca la disparidad entre quienes son meros consumidores pasivos de contenidos automatizados y aquellos que poseen el capital cultural y cognoscitivo para evaluar, auditar y dirigir herramientas de IA. Asimismo, la disponibilidad de herramientas de IA especializadas de pago crea una barrera económica que limita el acceso de instituciones públicas y sectores de bajos ingresos.

La literatura económica y sociológica evidencia una marcada concentración del acceso a la Inteligencia Artificial en grandes corporaciones e instituciones de regiones altamente desarrolladas e infraestructuradas. Por el contrario, las pequeñas y medianas empresas (PYMES), los entornos rurales y las poblaciones de menores ingresos enfrentan severas barreras de capital financiero, infraestructura tecnológica y talento especializado.

Esta disparidad territorial y socioeconómica amenaza con acentuar la desigualdad estructural. En el plano social y democrático, emerge el riesgo de generar una «democracia e instituciones a distintas velocidades», donde las generaciones más jóvenes integran la IA fluidamente mientras que las poblaciones adultas mayores o rurales sufren exclusión de los nuevos canales de participación y gestión digital.

Los algoritmos de aprendizaje automático no operan en un vacío neutral; se entrenan con grandes volúmenes de datos históricos que contienen sesgos implícitos e inequidades sistémicas. Cuando se aplican modelos de IA en la educación (por ejemplo, en analítica predictiva de deserción, tutoría automatizada o evaluación de redacción), existe el riesgo comprobado de reproducir y amplificar sesgos de género, clase social, etnia y ubicación geográfica.

Investigaciones institucionales advierten sobre los peligros de la discriminación algorítmica oculta, en la cual los modelos pueden clasificar erróneamente el potencial de estudiantes vulnerables o restringir su acceso a oportunidades académicas superiores, perpetuando patrones históricos de exclusión si no se imponen mecanismos estrictos de auditoría y supervisión humana.

La automatización impulsada por la IA está reconfigurando la estructura del trabajo a nivel global. Los estudios de organismos internacionales (OIT, Banco Mundial, OCDE) señalan que mientras los trabajadores en sectores con alta adopción de IA experimentan incrementos en productividad y salario, aquellos desempeñados en profesiones no digitalizadas o rutinarias enfrentan un riesgo severo de desplazamiento, precariedad laboral y desocupación.

Para el campo de la Educación Superior y la planificación educativa, esta realidad demanda una revisión profunda de los currículos de formación técnica y profesional, priorizando el desarrollo de competencias transversales de alto orden (pensamiento crítico, creatividad, ética y colaboración humano-máquina) para mitigar la vulnerabilidad del mercado de trabajo ante la rápida obsolescencia de habilidades puramente operativas.