PISA 2025, IA y Ecuador: el problema empieza antes del prompt

Publicado el 9 de septiembre de 2026 por Sergio Jiménez Mazure en Inteligencia Artificial.

Hoy quiero partir de una lectura incómoda, y necesaria, sobre Ecuador. Juan Pablo Del Alcázar de Mentinno la plantea en el blog Formación Gerencial: los resultados de PISA 2025 y el uso actual de inteligencia artificial describen un país con una brecha educativa importante y una adopción tecnológica concentrada. La tentación es conectar ambos puntos con una frase redonda. Pero antes conviene mirar qué mide cada cosa y qué decisiones podemos tomar con esa información.

La primera idea es simple. Un modelo de IA puede ayudar a explicar, practicar, resumir, programar o revisar un texto. No sustituye la comprensión lectora, el razonamiento matemático, la curiosidad ni el hábito de contrastar una respuesta. Y cuando esas bases llegan desigualmente al aula, al trabajo y a los hogares, la tecnología también se aprovecha de forma desigual.

Lo que PISA 2025 nos está diciendo

Ecuador participó por primera vez en PISA en 2025. La prueba de la OCDE evalúa a estudiantes de 15 años en ciencias, lectura y matemáticas, y en esta edición incorporó el dominio innovador de aprendizaje en el mundo digital. Participaron más de 760.000 estudiantes de 91 países y economías.[2]

Los resultados ecuatorianos merecen atención: 393 puntos en ciencias, 385 en lectura y 366 en matemáticas. Los promedios de la OCDE son 482, 461 y 463 respectivamente. En aprendizaje en el mundo digital, Ecuador obtiene 422 puntos frente a un promedio OCDE de 500.[2]

Detrás de las cifras hay algo más relevante que la posición en una tabla. Cuando un estudiante tiene dificultades para entender un texto, extraer una idea, justificar una respuesta o detectar una contradicción, una herramienta generativa puede convertirse en una máquina que entrega deberes bien presentados. Puede producir una página correcta y dejar intacta la duda de fondo. Eso sirve para entregar algo. Aprender exige otra cosa.

El informe de la OCDE también muestra una desigualdad fuerte dentro del país. El 20,4% de la variación del desempeño en ciencias está asociada al nivel socioeconómico, social y cultural de los estudiantes. En el mismo cuadro, apenas el 9,1% de los estudiantes ecuatorianos desfavorecidos logra rendimientos altos a pesar de esa situación.[2] La cifra importa porque evita una explicación cómoda: el problema no se reduce a que falten ganas, aplicaciones o cursos online. Hay condiciones de partida muy distintas.

Aula andina conectada mediante tecnología

La inteligencia artificial puede ampliar el aprendizaje cuando parte de una base real y acompaña a quien aprende.

La IA llega a una base desigual

El artículo original incorpora otro indicador útil, con una advertencia que comparto: el Anthropic Economic Index mide el uso de Claude, no toda la inteligencia artificial que se utiliza en Ecuador. Es una ventana parcial. Aun así, ayuda a observar cómo se distribuye una parte de la adopción.

Según los datos citados en ese análisis, Ecuador registra un índice de uso de Claude de 0,58 y ocupa el puesto 80 entre 121 países para el periodo abril y mayo de 2026. El índice ajusta el uso por la población en edad de trabajar. Una puntuación de 1 representaría un uso proporcional al tamaño de esa población.[1]

La metodología de Anthropic explica por qué hay que leer ese número con calma. El índice compara la participación de un país en el uso de Claude.ai con su participación en la población activa mundial. Los países con mayor ingreso per cápita suelen registrar más uso por habitante, aunque intervienen conectividad, estructura económica y tipo de trabajo.[3] No estamos ante un medidor de talento nacional, ni ante una sentencia sobre el futuro de nadie.

Lo interesante está en el patrón que describe el artículo de Mentinno. En Ecuador, el 38,64% de las conversaciones clasificadas con Claude correspondería a tareas académicas, frente al 16,45% del promedio mundial. También reporta que Pichincha, Guayas y Azuay concentran cerca del 79% del uso nacional que Anthropic puede desagregar.[1]

Esto no prueba que una provincia con más uso de Claude tenga mejores estudiantes, empresas más productivas o empleos más seguros. Tampoco permite atribuir los resultados de PISA al uso de IA. PISA evaluó en 2025 a adolescentes; los datos de Claude citados corresponden a conversaciones de usuarios realizadas en 2026. Son muestras diferentes y periodos diferentes. Convertir esa coincidencia en causalidad sería una mala lectura de los datos, aunque quede bien en una diapositiva.

Pero sí plantea una pregunta práctica: si la IA se usa más donde ya hay universidad, conectividad, profesionales digitales y capacidad de pago, ¿qué está ocurriendo con los colegios, docentes, emprendimientos y equipos de las zonas que quedan fuera de esa primera ola?

El riesgo no es que los estudiantes usen IA

En los últimos meses he visto dos respuestas demasiado habituales. Una es prohibir cualquier uso de inteligencia artificial en el aula y confiar en que así el problema desaparece. La otra consiste en repartir cuentas, dictar un taller de prompts y dar por cumplida la transformación educativa. Ninguna de las dos responde a lo que está pasando.

La IA tiene usos legítimos y valiosos para aprender. Puede explicar un concepto de varias maneras, simular una conversación en inglés, proponer ejercicios graduados, dar retroalimentación inicial sobre una redacción o ayudar a un docente a preparar materiales. También puede inventar fuentes, resolver ejercicios sin enseñar el proceso y sonar muy convincente cuando se equivoca. Quien la usa necesita criterio para distinguir una ayuda de una sustitución.

UNESCO viene insistiendo en que la expansión de la IA generativa en educación pone sobre la mesa conectividad, accesibilidad, protección de datos, diversidad lingüística y autonomía del estudiante. La promesa de personalización existe, pero necesita reglas públicas y diseño intencional para que no termine beneficiando primero a quienes ya tienen más recursos.[4]

Para Ecuador, eso tiene una consecuencia muy concreta. Un programa de IA educativa no debería comenzar preguntando qué plataforma comprar. Debería comenzar revisando qué comprenden los estudiantes, qué pueden leer con autonomía, qué herramientas tienen sus docentes, cómo es la conectividad de cada centro y qué datos se van a entregar a un proveedor externo.

Primero habilidades base, luego herramientas

La inteligencia artificial hace visibles las habilidades que ya teníamos, para bien y para mal. Una persona que sabe hacer una buena pregunta, dar contexto, revisar una fuente y detectar un error consigue mejores resultados. Una persona que delega todo desde el primer mensaje obtiene textos más rápidos, pero puede perder la oportunidad de aprender justo lo que necesitaba.

Por eso me parece acertado que la nota original destaque el desempeño relativo de Ecuador en el componente digital de PISA. Sus 422 puntos siguen lejos del promedio OCDE, pero quedan por encima de sus resultados relativos en las áreas centrales.[2] Ahí hay una pista, no un milagro. Se puede trabajar resolución de problemas, modelado, interpretación de datos y aprendizaje autorregulado sin convertir la clase en una demostración de producto.

Yo enfocaría ese trabajo en cuatro decisiones bastante terrenales:

Diagnosticar antes de capacitar. Un grupo de docentes, estudiantes o colaboradores puede tener acceso a la misma herramienta y necesidades completamente distintas. Mide comprensión lectora, razonamiento, habilidades digitales y condiciones de acceso antes de diseñar el programa.
Enseñar a trabajar con respuestas imperfectas. Comparar dos respuestas de IA, verificar una fuente, pedir evidencia y corregir un error son actividades de aprendizaje más útiles que pedir una redacción genérica y copiarla.
Dar prioridad al docente. El profesor necesita tiempo, formación y criterios de evaluación. Si recibe una plataforma sin acompañamiento, termina resolviendo otro problema operativo más, que suele acabar en la carpeta de “pendientes urgentes”.
Medir acceso y resultados por territorio. Un piloto en Quito, Guayaquil o Cuenca puede ser valioso, pero no representa por sí solo la diversidad del país. Hay que saber a quién llega, con qué dispositivos, en qué idioma y con qué resultado.

Libro, lupa y red abstracta como símbolo de pensamiento crítico

Aprender con IA implica preguntar, comprobar, corregir y explicar el proceso, no solo recibir una respuesta rápida.

Cómo debería verse un piloto serio

Un piloto de IA en educación no necesita comenzar con cientos de cuentas ni con una presentación llena de promesas. Puede empezar con un curso, un área de refuerzo o un grupo de docentes que quiera resolver un problema definido. La condición es que el problema se pueda observar antes y después: comprensión de textos, práctica de matemáticas, capacidad de argumentar, asistencia, tiempo de preparación docente o calidad de la retroalimentación.

Por ejemplo, una institución puede usar un asistente para crear ejercicios de lectura con distintos niveles de dificultad. El docente selecciona el texto, revisa las preguntas, pide a los estudiantes que justifiquen sus respuestas y compara sus avances con una evaluación que no usa IA. La herramienta ahorra tiempo de preparación, pero el profesor conserva el criterio y el estudiante muestra su proceso. Ahí hay una intervención que se puede evaluar.

También puede servir para pensamiento computacional. En vez de pedir a un modelo que entregue un programa terminado, se puede trabajar con un problema pequeño: clasificar datos, detectar un error en un procedimiento, explicar por qué una solución falla o construir instrucciones claras para otra persona. PISA 2025 da importancia a las prácticas computacionales y a la autorregulación dentro de su dominio de aprendizaje en el mundo digital.[2] Esa aproximación permite usar la IA como interlocutor y espejo del razonamiento.

Hay preguntas que cualquier piloto debería poder responder antes de ampliarse:

¿Qué habilidad concreta queremos mejorar y cómo la vamos a medir?
¿Los estudiantes pueden acceder desde sus dispositivos y su conectividad real, o estamos diseñando para el grupo que ya tiene todo resuelto?
¿Qué información personal entrará en la plataforma y quién revisó sus condiciones de uso?
¿Qué hará el docente cuando una respuesta de la IA sea incorrecta, sesgada o demasiado buena para el nivel del estudiante?
¿Qué evidencia haría que dejemos de usar una herramienta, aunque sea popular?

Estas preguntas pueden parecer menos atractivas que anunciar una alianza tecnológica. Lo son. También evitan comprar una solución para descubrir después que nadie puede usarla bien, que la conexión no alcanza o que el aprendizaje no mejoró. La tecnología educativa ya ha tenido bastantes proyectos que dejaron una foto bonita y una contraseña olvidada.

También es un asunto de empresas

Este debate sale del aula mucho antes de lo que parece. Los estudiantes evaluados por PISA en 2025 llegarán a la universidad y al mercado laboral durante los próximos años. Las empresas que quieren incorporar IA necesitan profesionales capaces de leer un contrato, estimar un coste, interpretar un dato, justificar una decisión y aprender una herramienta nueva. Un asistente conversacional puede acelerar varias de esas tareas. No puede construir por sí solo los fundamentos.

Además, la adopción corporativa no debería medirse por el número de licencias activadas. Importa saber qué tareas se están resolviendo mejor, cuánto tiempo se ahorra, qué errores se reducen, qué datos sensibles se están exponiendo y quién se está quedando fuera de la capacitación. Si el uso se concentra en unos pocos perfiles técnicos o en tres ciudades, el indicador puede crecer y la brecha interna crecer con él.

En mi caso, cuando trabajo con equipos que empiezan a usar IA, prefiero que el primer objetivo sea pequeño y verificable. Investigar una propuesta comercial, organizar información dispersa, preparar una primera versión de un documento o diseñar una práctica de aprendizaje. Después se revisa el resultado con una persona responsable. Esa dinámica enseña a usar la herramienta y a no depender de ella a ciegas.

Una oportunidad que exige método

Los resultados de PISA no son una condena. Son un diagnóstico. Y los diagnósticos sirven cuando obligan a ajustar una decisión, un presupuesto o una forma de enseñar. Ecuador tiene una oportunidad para usar la IA como apoyo al aprendizaje y al trabajo, pero tendrá que hacerlo con más método que entusiasmo.

Empieza por lo básico: lectura, matemáticas, resolución de problemas, formación docente, conectividad y protección de datos. Luego incorpora herramientas de IA con objetivos claros y evaluación real. Si conseguimos que un estudiante o un trabajador piense mejor, compruebe mejor y aprenda con más autonomía, la tecnología habrá aportado algo. Si solo conseguimos que produzca más documentos que nadie revisa, habremos automatizado el ruido.

Una buena primera conversación para una institución o empresa podría durar una hora y empezar con tres preguntas: ¿qué aprendizaje o proceso está hoy atascado?, ¿qué evidencia tenemos de ese atasco?, ¿qué haríamos distinto si la herramienta no funcionara? Las respuestas suelen ser más valiosas que la demo. Permiten elegir un caso de uso, asignar un responsable y establecer una revisión a tiempo, antes de que la novedad se convierta en una costumbre difícil de evaluar.

El reto, por tanto, no es decidir si Ecuador tendrá inteligencia artificial en la educación y en el trabajo. Ya la tiene. El reto es decidir con qué reglas, para qué problemas y con qué atención a quienes parten más atrás. Es una discusión sobre tecnología, sí. Pero sobre todo es una discusión sobre oportunidades reales.