Hay un momento, casi siempre pequeño, en que un niño empieza a creer que no puede.
No ocurre necesariamente después de una gran derrota. A veces basta una división que no sale, una lectura en voz alta que se traba o una explicación que todos parecen haber entendido menos él.
La maestra pregunta si quedó claro.
Los demás guardan silencio.
El niño también.
No quiere que vuelvan a explicarlo por su culpa. No quiere que sus compañeros sepan que sigue perdido. Baja la cabeza, copia lo que está escrito en la pizarra y aprende a fingir que entiende.
Esa noche lleva el problema a casa.
Su madre se sienta a su lado después de trabajar. Mira el cuaderno, intenta recordar una fórmula que aprendió hace veinte años y busca una explicación en internet. Aparece un video. Luego otro. El primero habla demasiado rápido. El segundo usa un método diferente al de la escuela. El tercero comienza con una publicidad.
El niño mira a su madre.
La madre mira el reloj.
Ninguno quiere decirlo, pero ambos están cansados.
Al final ella le pide que copie el procedimiento y que mañana pregunte de nuevo.
Él asiente.
Antes de dormir ya no piensa que una materia le resulta difícil. Piensa algo peor: que la dificultad está dentro de él.
Tal vez por eso merece atención una noticia que, a primera vista, parece pertenecer al mundo de los negocios y la tecnología.
Coursera anunció que invertirá cien millones de dólares en LearnVector, una nueva empresa fundada por Andrew Ng. Su propósito es desarrollar sistemas de aprendizaje personalizado con inteligencia artificial para trabajadores, universidades, empresas y gobiernos.
Todavía no existe un producto público.
No hay resultados que permitan saber si funcionará. No conocemos su método de evaluación, sus costos ni su capacidad para adaptarse a países, idiomas y realidades distintas. Sus primeras herramientas están previstas para 2027.
No hay, por ahora, una revolución.
Hay una promesa.
Y la promesa toca una herida antigua.
La educación ha intentado durante siglos resolver un problema que parece sencillo hasta que uno entra en un salón de clases: enseñarles a muchos sin perder de vista a cada uno.
Una maestra puede tener treinta estudiantes delante. Treinta maneras de comprender. Treinta ritmos. Treinta historias familiares. Algunos llegan con hambre. Otros no durmieron. Uno aprendió el tema antes de empezar el curso. Otro arrastra una duda desde hace tres años y ha conseguido esconderla.
Sin embargo, la clase debe avanzar.
El calendario no pregunta quién entendió.
La evaluación llega para todos el mismo día.
Quien aprende rápido puede aburrirse. Quien necesita otra explicación puede sentir que estorba. Y el docente, incluso el más atento, no siempre alcanza a descubrir lo que ocurre detrás de cada silencio.
La idea de LearnVector parte de una diferencia esencial: una máquina que responde preguntas no es todavía un maestro.
Responder es fácil.
Acompañar es otra cosa.
La propuesta consiste en diagnosticar qué sabe cada persona, construir una ruta particular, cambiar la dificultad de los ejercicios, buscar nuevas formas de explicar y permanecer hasta que el estudiante pueda demostrar que aprendió.
De todos esos verbos, el más importante quizá sea permanecer.
Permanecer cuando la primera explicación no funciona.
Permanecer después del error.
Permanecer cuando el alumno dice que entendió solo para que dejen de preguntarle.
Un buen maestro reconoce ese momento. Sabe que a veces el problema no está en la operación matemática ni en la regla gramatical. Está en la vergüenza. En el miedo a equivocarse. En la certeza íntima de que los demás avanzan y uno se está quedando atrás.
Una inteligencia artificial podría detectar errores, repeticiones y vacíos. Podría advertir que un alumno memoriza sin comprender. Podría probar con un ejemplo, luego con otro, y regresar al punto exacto donde empezó la confusión.
Eso sería valioso.
Pero no sería suficiente.
Una máquina puede descubrir que un niño no entiende las fracciones. Todavía queda conseguir que ese niño no se sienta menos por no entenderlas.
Puede adaptar una lección a su ritmo. Todavía queda enseñarle que avanzar despacio también es avanzar.
Puede corregir un ejercicio sin cansarse. Todavía queda hacerle sentir que su esfuerzo importa.
La educación no sucede solo en la cabeza. También ocurre en la imagen que una persona va construyendo de sí misma mientras aprende.
Por eso la personalización no debería consistir únicamente en ofrecer ejercicios distintos a cada estudiante. Debería evitar que una dificultad pasajera termine convertida en una identidad.
“No sirvo para las matemáticas.”
“No sé escribir.”
“No tengo memoria.”
“No soy inteligente.”
Muchas de esas frases comenzaron con algo pequeño que nadie vio a tiempo.
La posibilidad de contar con sistemas capaces de acompañar a cada alumno resulta extraordinaria, especialmente para los docentes. No para reemplazarlos, sino para permitirles mirar mejor.
Imaginemos a una maestra que, antes de entrar al aula, pudiera saber que un niño resolvió todos los ejercicios, pero lo hizo repitiendo un procedimiento que no comprende. Que otra estudiante domina el tema, aunque se paraliza cuando debe explicarlo. Que alguien dejó de participar exactamente después de equivocarse tres veces.
No sería un informe para vigilar.
Sería una oportunidad para acercarse.
Para sentarse junto a ese alumno y decirle: veo dónde estás. No pasa nada. Vamos otra vez.
Tal vez allí se encuentre la mejor posibilidad de la inteligencia artificial en la educación. No en crear una escuela sin maestros, sino en ayudar a que ningún maestro tenga que adivinar a ciegas quién necesita ayuda.
Sin embargo, también hay razones para desconfiar.
Una máquina puede confundir rapidez con inteligencia. Puede convertir cada debilidad en una etiqueta. Puede encerrar al alumno en una ruta demasiado cómoda y evitarle el esfuerzo necesario para crecer. Puede enseñar para su propia prueba y llamar dominio a una respuesta correcta.
También puede aumentar la soledad.
Porque no toda personalización es compañía.
Un niño puede recibir una lección diseñada exactamente para él y seguir sintiéndose completamente solo frente a una pantalla.
La relación pedagógica incluye algo difícil de programar: la mirada de otra persona que confía en nosotros antes de que sepamos confiar en nosotros mismos.
Por eso cualquier avance en este campo deberá cuidar una frontera delicada. La tecnología puede ayudar a reconocer las necesidades de un estudiante. No debería decidir por completo quién es ese estudiante ni hasta dónde puede llegar.
También deberá demostrar que su promesa no estará reservada para quienes ya tienen buenas escuelas, conexión estable, computadoras propias y padres con tiempo para acompañarlos.
El verdadero valor de una educación personalizada aparecerá cuando llegue a la casa donde una madre regresa cansada del trabajo, abre un cuaderno que ya no recuerda cómo resolver y siente que está fallándole a su hijo.
Cuando una herramienta pueda sentarse simbólicamente junto a ambos.
Sin impaciencia.
Sin hacerlos sentir torpes.
Sin desaparecer después de entregar una respuesta.
LearnVector puede fracasar. Puede terminar siendo una plataforma más, llena de ejercicios automáticos y promesas elegantes. Sus cien millones de dólares no garantizan que alguien vaya a aprender mejor.
Pero la pregunta que plantea merece quedarse con nosotros.
¿Qué habría ocurrido en nuestra propia vida si alguien hubiese detectado a tiempo aquello que no entendíamos?
¿Qué habría cambiado si hubiéramos recibido otra explicación antes de concluir que no éramos capaces?
Quizá muchos adultos todavía cargamos materias que nunca aprobamos por dentro. Palabras, números, idiomas o habilidades que abandonamos no porque fueran imposibles, sino porque un día nos quedamos atrás y nadie lo notó.
Tal vez el futuro de la inteligencia artificial en la educación no deba medirse por la cantidad de respuestas que pueda entregar.
Tal vez deba medirse por otra cosa.
Por la cantidad de niños que, después de equivocarse, ya no tengan que bajar la cabeza.
Por las madres que puedan cerrar un cuaderno sin sentir culpa.
Por los maestros que lleguen a tiempo.
Y por todas las personas que puedan descubrir, antes de rendirse, que no eran incapaces.
Solo necesitaban que alguien se quedara un poco más.