Sept/26 Para Antoine Casanova-Mazet, jefe de innovación de la escuela de negocios HIM en Suiza, la IA permite detectar cambios laborales, ajustar currículos continuamente y fortalecer capacidades humanas, mejorando empleabilidad mediante inteligencia curricular y gobernanza académica. Tomado de University World News.
Las universidades siempre se han comprometido a preparar a los estudiantes para el mundo laboral. El desafío actual radica en que este mundo cambia más rápido de lo que los procesos curriculares tradicionales estaban diseñados para gestionar.
En muchas instituciones, la alineación con la empleabilidad aún depende de revisiones periódicas de programas, consejos asesores, mesas redondas con empleadores, encuestas a graduados y conversaciones informales con la industria.
Estos mecanismos siguen siendo valiosos, pero son puntuales. Para cuando se recopila, interpreta, aprueba y traduce la evidencia en resultados de aprendizaje o evaluaciones, el mercado laboral puede haber cambiado ya.
Es importante reconocer que esta brecha de relevancia no es nueva.
El currículo siempre ha estado, en cierta medida, rezagado con respecto a la práctica. Las universidades están diseñadas para valorar la estabilidad, la coherencia, el escrutinio académico y la equidad, mientras que los mercados laborales evolucionan mediante la experimentación, la competencia y la iteración rápida. Históricamente, este retraso era manejable porque el ritmo del cambio era más lento y las señales eran más ruidosas.
Lo que ha cambiado es la velocidad. La IA está reduciendo el tiempo entre la práctica emergente y su adopción generalizada, lo que hace que el retraso en la relevancia sea más visible, más medible y más trascendental para los estudiantes. Lo que antes era una tensión latente se ha convertido en un desafío de gobernanza diario.
La inteligencia artificial hace que este problema sea más urgente, pero también más solucionable. El debate público suele plantearse si la IA sustituirá puestos de trabajo. Para las universidades, la pregunta más útil podría ser diferente: ¿cómo está cambiando la IA las tareas, las habilidades y las expectativas dentro de los puestos de trabajo que aún conservan los mismos títulos? ¿Cómo está transformando la IA las organizaciones?
Investigaciones recientes sobre la fuerza laboral apuntan claramente en esta dirección. Boston Consulting Group estima que la IA podría remodelar entre el 50 % y el 55 % de los puestos de trabajo en los próximos dos o tres años, mientras que una proporción menor podría ser vulnerable a la eliminación a largo plazo.
La distinción clave es que la mayoría de los puestos no están desapareciendo; se están reconfigurando. El trabajo se redistribuye entre humanos y máquinas, con nuevas expectativas en torno a la supervisión, el juicio, la gestión de excepciones y la integración.
Una investigación de la Harvard Business School refuerza esta visión, mostrando que, tras el lanzamiento de herramientas de IA generativa, la demanda disminuyó para los puestos altamente rutinarios, mientras que aumentó para los puestos que implican trabajo analítico, técnico o creativo que puede ser potenciado por la IA.
Para la educación superior, este cambio tiene una profunda importancia. Si la IA cambia la estructura del trabajo en lugar de simplemente el número de empleos, las universidades no pueden responder únicamente añadiendo un módulo genérico de IA o una lista de nuevas habilidades técnicas.
Necesitan una forma de comprender, de forma continua, qué capacidades se están volviendo más valiosas, cuáles se están automatizando y cuáles siguen siendo fundamentalmente humanas.
El enfoque de “inteligencia curricular”
En HIM Business School, donde nuestra promesa es ayudar a los estudiantes a “estar preparados para el mundo”, hemos estado explorando este desafío a través de lo que describo como inteligencia curricular: un enfoque gobernado y apoyado por IA para detectar cambios en el mercado laboral, relacionarlos con el currículo y el desarrollo estudiantil, y traducir los conocimientos en acciones educativas oportunas.
El punto de partida es sencillo. Los empleadores ya señalan sus necesidades a diario a través de anuncios de empleo, comentarios sobre prácticas, evaluaciones del lugar de trabajo, entrevistas y redes profesionales.
Las universidades también generan abundante evidencia interna a través de descriptores de módulos, resultados de aprendizaje, informes de evaluación, rúbricas, comentarios de los estudiantes y resultados de los graduados.
La dificultad radica en que estas señales suelen estar en diferentes sistemas, formatos y conversaciones. La IA puede ayudar a conectarlas.
En HIM, un proyecto piloto inicial de extracción de habilidades de anuncios de empleo analizó más de 8500 publicaciones para generar señales de demanda estructuradas que pudieran compararse con la evidencia del currículo y el desarrollo estudiantil.
Esto condujo a hallazgos iniciales sobre la enseñanza de Recursos Humanos, históricamente centrada en la comunicación y la inteligencia emocional, mientras que la habilidad más requerida era el uso de software de Planificación de Recursos Empresariales (ERP), un tema que nunca se abordó en nuestro currículo.
Tras este hallazgo inicial, complementamos este enfoque con la triangulación de empleadores a través de nuestro Simposio de Preparación Global, donde socios de la industria participaron directamente en el diseño del contenido y la evaluación del programa. También incorporamos la retroalimentación de los empleadores a partir de las evaluaciones de las prácticas.
El objetivo no es que los algoritmos dicten el currículo, sino brindar a los educadores mejores datos, de forma más rápida, preservando al mismo tiempo el criterio académico.
Esta distinción es fundamental. Los anuncios de empleo son útiles, pero imperfectos. Reflejan tanto la aspiración como la realidad, varían según la geografía y el sector, y a menudo no reflejan la práctica real.
Por lo tanto, el análisis del mercado laboral debe considerarse un sistema de alerta temprana, una de las muchas fuentes de evidencia, no una imposición curricular. La interpretación humana, el diálogo con los empleadores y los resultados de los estudiantes deben seguir siendo prioritarios.
La evidencia disponible respalda firmemente este enfoque. McKinsey sostiene que las organizaciones tienen dificultades para escalar la IA no principalmente por la tecnología, sino por las brechas de talento y capacidades.
El Mapa de Oportunidades de Habilidades en IA del Consejo de Educación Digital muestra de manera similar que la adopción de la IA transforma el trabajo de forma desigual en las distintas familias de empleos, al tiempo que eleva la importancia de las habilidades de IA aplicada junto con capacidades humanas perdurables como el pensamiento sistémico, la formulación de problemas, el conocimiento del dominio, el razonamiento ético y la metacognición.
Implicaciones para el diseño curricular
Estas ideas apuntan a claras implicaciones para el diseño curricular.
En primer lugar, las instituciones deben enseñar el flujo de trabajo completo de la IA, no solo la orientación. Si bien la orientación es importante, el trabajo de mayor valor se realiza después de que la IA produce un resultado: verificar supuestos, validar fuentes, adaptar los resultados al contexto, integrar conocimientos en las decisiones y comprender las consecuencias éticas.
En segundo lugar, la evaluación debe pasar de centrarse únicamente en el resultado a considerar el proceso y el juicio. Si la IA puede generar ensayos, informes o planes de negocios impecables, los educadores deben evaluar cómo los estudiantes plantearon el problema, seleccionaron la evidencia, cuestionaron los resultados de la IA y justificaron sus decisiones finales.
En tercer lugar, las universidades deben proteger el desarrollo de la experiencia. Una paradoja de la IA es que facilita la imitación del trabajo experto, al tiempo que otorga mayor importancia a la experiencia genuina.
Los estudiantes sin una sólida base en el campo pueden aceptar los resultados de la IA con demasiada facilidad porque aún no saben qué cuestionar. La experiencia profunda se está convirtiendo cada vez más en un factor multiplicador en lugar de un lujo.
En cuarto lugar, la empleabilidad debe ser más transparente para los estudiantes. Si la IA puede ayudar a mapear cómo los programas se alinean con las necesidades emergentes del mercado laboral y en qué nivel se encuentra cada estudiante, estos pueden recibir retroalimentación más oportuna sobre su preparación. No como una sola calificación, sino como un perfil de desarrollo.
Esto importa porque la exposición a la IA es desigual. La investigación analizada por Brookings muestra que algunas ocupaciones enfrentan una alta exposición pero tienen una gran capacidad de adaptación, mientras que otras cuyos roles pueden ser más administrativos y de oficina enfrentan tanto exposición como vulnerabilidad.
Incluso en tecnología, donde la ansiedad es aguda, el panorama es complejo. La reciente desaceleración de los empleos tecnológicos refleja no solo la IA, sino también la sobrecontratación durante la pandemia y una corrección económica más amplia. Los eslóganes son guías deficientes para las decisiones curriculares.
Un camino a seguir
La inteligencia curricular habilitada por IA ofrece un camino a seguir. Permite a las universidades pasar de una revisión curricular lenta y retrospectiva a una renovación continua basada en evidencia. Ayuda a los educadores a detectar cambios antes, interpretarlos con más cuidado y responder con mayor precisión. Fundamentalmente, también hace que el valor del aprendizaje sea más visible para los estudiantes.
La gobernanza sigue siendo esencial. El profesorado debe poder cuestionar los mapeos generados por la IA. Los empleadores deben ayudar a interpretar las señales. Los estudiantes deben comprender cómo se utilizan los datos. La privacidad, la equidad y la legitimidad académica deben diseñarse desde el principio.
El verdadero riesgo para las universidades no es simplemente que preparemos a los estudiantes para trabajos que desaparecen. Se trata de prepararlos para puestos de trabajo que aún existen, pero cuyas tareas subyacentes, expectativas y vías de acceso han cambiado.
El futuro de la empleabilidad no se resolverá simplemente incorporando la IA a los programas de estudio actuales. Requerirá que las instituciones desarrollen una nueva capacidad: la de percibir, interpretar y responder a los cambios en el mundo laboral en tiempo real, sin perder de vista los objetivos humanos de la educación.
Ahí reside el mayor potencial de la IA para los educadores: no como un sustituto del criterio académico, sino como una capa de inteligencia que nos ayuda a ejercer dicho criterio con mayor fundamento.
