Desde el pensamiento crítico y la metacognición hasta la alfabetización en IA y las microcredenciales, está surgiendo una nueva jerarquía de habilidades para la era de las máquinas inteligentes.
Por Seb Murray
«El cambio más significativo no reside en lo que la IA puede producir, sino en lo que los humanos deben aportar ahora.»
«El papel del ser humano se convierte en el de supervisor: decidir en qué confiar, qué cuestionar y qué cambiar.»
“Las máquinas y la IA pueden ayudar a aumentar la productividad y la eficacia, pero solo hasta cierto punto. Las personas son el componente vital para liberar todo el potencial de la IA.”
«Las señales que llegan de empleadores, estudiantes y universidades apuntan en la misma dirección: la IA está cambiando lo que se considera una habilidad.»
En resumen
- La IA generativa está revolucionando los títulos universitarios tradicionales, cambiando el valor de la educación, que pasa de la simple memorización de conocimientos a habilidades exclusivamente humanas como el pensamiento crítico y el juicio ético.
- A medida que las máquinas automatizan las tareas rutinarias, la demanda de capacidades de «supervisión» se dispara . Los estudiantes combinan cada vez más sus títulos tradicionales con microcredenciales para demostrar su preparación práctica para el mercado laboral y su dominio de la IA.
- Las universidades deben rediseñar radicalmente sus sistemas de evaluación y planes de estudio. El éxito radica en capacitar al personal docente y al alumnado para verificar, mejorar y utilizar de forma responsable la información generada por máquinas en un entorno laboral profesionalizado.
La inteligencia artificial generativa ha puesto en entredicho una premisa arraigada en la educación superior: que la capacidad de recordar y aplicar conocimientos ha sido una de las principales maneras en que los graduados demuestran estar preparados para el mundo laboral.
Los sistemas capaces de resumir, redactar textos y crear código en segundos han obligado a las universidades a cuestionar las tareas de evaluación que ahora también pueden realizar las máquinas. En 2023, Christian Terwiesch, profesor de la Wharton Business School, descubrió que ChatGPT habría obtenido una calificación de B en su examen de gestión de operaciones del MBA; el chatbot destacaba en estructura y análisis, pero tenía deficiencias en matemáticas.
Para Rose Luckin, profesora emérita de Diseño Centrado en el Aprendizaje en el University College de Londres, la implicación es clara. La IA es «cada vez más capaz de realizar las tareas de recuperación y aplicación de conocimientos que tradicionalmente han sido fundamentales en la evaluación universitaria».
Según argumenta, la prioridad está cambiando hacia «los elementos de la inteligencia humana que la IA no puede replicar»: comprender cómo pensamos y aprendemos (metacognición), la resolución colaborativa de problemas y la emisión de juicios éticos.
Esta opinión se ve reflejada en el ámbito político. Andreas Schleicher, director de Educación y Competencias de la OCDE, señala que, si bien muchas tareas cognitivas rutinarias y predecibles ahora pueden realizarse mediante IA, la demanda de «capacidades cognitivas de orden superior, como el pensamiento crítico, se mantendrá».
Sin embargo, los empleadores ya están reportando carencias de habilidades. Según la Encuesta de Escasez de Talento de 2026 realizada por la empresa de reclutamiento ManpowerGroup, las habilidades relacionadas con la IA son ahora las más difíciles de encontrar; no se trata de experiencia especializada en investigación, sino de conocimientos básicos y confianza en el uso de las herramientas.
Con la publicación de la clasificación mundial de universidades QS por materias de este año, las universidades se enfrentan a una pregunta crucial: si la IA puede reproducir el conocimiento, ¿qué debería demostrar exactamente un título universitario ahora?
Si bien la IA está ejerciendo presión sobre el sistema de evaluación, también está transformando la jerarquía de habilidades.
El cambio más significativo no reside en lo que la IA puede producir, sino en la contribución humana. Como argumenta el profesor Luckin, estos sistemas pueden generar respuestas plausibles, pero no comprenden lo que producen. Esta distinción es crucial para los estudiantes, quienes deben desarrollar una comprensión profunda de qué es realmente la IA y cómo funciona; no se trata solo de cómo usar una herramienta, sino también de cómo reconocer sus limitaciones y fallos previsibles.
“No se trata de aprender a usar herramientas específicas, que van y vienen”, argumenta el profesor Luckin. “Los grandes modelos de lenguaje predicen textos plausibles en lugar de recuperar hechos verificados”.
En la práctica, esto desplaza el énfasis hacia habilidades que trascienden el conocimiento de la materia. El profesor Luckin subraya la importancia de que los estudiantes sean capaces de discernir lo que saben y lo que no saben, de regular su propio pensamiento y de justificar sus decisiones. La cuestión ya no es si un estudiante puede dar una respuesta, sino si puede evaluar su calidad, especialmente cuando una máquina ha contribuido a generarla.
Los datos de las plataformas de aprendizaje en línea sugieren que este cambio ya está en marcha. Marni Baker Stein, directora de contenido de Coursera en California, afirma que las inscripciones en cursos de IA generativa alcanzaron las 15 por minuto en 2025, frente a las ocho por minuto de 2024. Pero junto con el auge de los cursos de IA, las inscripciones también han aumentado notablemente en cursos centrados en temas como la depuración; es decir, la detección y corrección de errores en el código y los sistemas.
Asimismo, entre las personas que trabajan en puestos relacionados con datos y que reciben formación a través de sus empleadores, las inscripciones en cursos de pensamiento crítico aumentaron un 168 % interanual, mientras que los cursos sobre calidad y limpieza de datos se duplicaron con creces. Esta tendencia sugiere un creciente interés en verificar y corregir los resultados de los sistemas de IA, en lugar de simplemente generar más contenido.
Para Schleicher, de la OCDE con sede en París, este patrón es, en cierto modo, predecible. A medida que las tareas rutinarias se delegan a las máquinas, el papel del ser humano se reduce a la supervisión: decidir en qué confiar, qué cuestionar y qué modificar. Schleicher declaró a QS Insights : «Es fundamental que los estudiantes desarrollen su capacidad de pensamiento y análisis independientes y no dependan ciegamente de contenido potencialmente inexacto generado por la IA».
A pesar de todas las advertencias sobre la pérdida de empleos debido a la automatización, los empleadores no informan de un exceso de talento. De hecho, en algunos mercados laborales se observa lo contrario.
Según una encuesta realizada por la empresa de reclutamiento ManpowerGroup, el 73% de los empleadores del Reino Unido afirma tener dificultades para encontrar a los trabajadores cualificados que necesitan. La situación es especialmente crítica en el sector automovilístico, donde el 92% de las empresas reportan escasez de mano de obra.
La ingeniería sigue siendo el sector más difícil de cubrir, seguido de la fabricación y la producción. Los servicios públicos, la sanidad y la asistencia social también tienen dificultades para contratar suficiente personal cualificado, a pesar de la inversión constante en formación.
Cabe destacar que las habilidades relacionadas con la IA son ahora las más difíciles de encontrar, según el 19 % de las empresas. Como afirma Michael Stull, director general de ManpowerGroup UK: «Las máquinas y la IA pueden ayudar a aumentar la productividad y la eficacia, pero solo hasta cierto punto. Las personas son el componente vital para liberar todo el potencial de la IA».
Los empleadores no solo están reemplazando personal, sino que también están invirtiendo en él. La capacitación y el perfeccionamiento de los empleados actuales es ahora la respuesta más común a la escasez de mano de obra, citada por el 33 % de las organizaciones en el informe de ManpowerGroup. En contraste, solo el 10 % señala la automatización como solución principal, y el 9 % la subcontratación (delegar el trabajo fuera de la empresa). Todo esto apunta a una realidad simple para universidades y estudiantes: la IA puede cambiar la forma en que se trabaja, pero no ha eliminado la necesidad de personas capaces de realizar el trabajo bien.
Mientras que los empleadores informan de escasez de mano de obra, los estudiantes se están moviendo rápidamente para adquirir nuevas habilidades.
La demanda de formación en IA ha crecido rápidamente. Sin embargo, este cambio no se limita solo a las herramientas de IA. Los datos de la plataforma de aprendizaje online Coursera muestran que los estudiantes siguen aprendiendo las habilidades digitales básicas necesarias para el funcionamiento de los sistemas existentes —como SQL, JSON y aplicaciones web—, incluso mientras incorporan nuevas habilidades de IA. Los datos de matriculación sugieren que los estudiantes comprenden la necesidad de trabajar con IA en lugar de simplemente depender de ella.
Los estudiantes también están cambiando su perspectiva sobre las cualificaciones, un hallazgo importante para las universidades. Las microcredenciales están ganando terreno. Los datos de Coursera indican que el 94 % de los estudiantes desea que las microcredenciales cuenten para la obtención de un título, frente al 55 % en 2023. A nivel mundial, el 77 % de los estudiantes afirma que es más probable que se matriculen en un programa de grado que las ofrezca.
Los empleadores también se muestran receptivos. Según los mismos datos, el 85 por ciento tiene más probabilidades de contratar a un candidato que posea una microcredencial.
Para Baker Stein, estas tendencias reflejan una realidad más amplia: «El ritmo al que los estudiantes y los empleados necesitan adquirir habilidades se ha acelerado a niveles sin precedentes», argumenta, «y la forma en que impartimos y verificamos las habilidades debe acelerarse de manera similar».
Para muchos estudiantes, un título universitario por sí solo ya no les parece suficiente.
Las universidades se enfrentan a una tarea de carácter más estructural: el rediseño de los sistemas de evaluación.
Para la profesora Luckin de la UCL, asesora de larga trayectoria de gobiernos en materia de IA en la educación, las instituciones no pueden responder con simples retoques a las normas. El cambio es mucho más profundo. Ella identifica tres prioridades.
En primer lugar, el currículo. Las universidades deberían utilizar la IA para gestionar gran parte de la transmisión básica de conocimientos a los estudiantes, liberando así al personal docente para que se centre en desarrollar lo que ella denomina «las capacidades intrínsecamente humanas» de sus alumnos. «No se trata de menoscabar el papel de los educadores», afirma la profesora Luckin. «Se trata de capacitarlos para que realicen el trabajo más profundo y sofisticado que solo los humanos pueden llevar a cabo».
En segundo lugar, la evaluación. La profesora Luckin argumenta que existe una clara contradicción entre preparar a los estudiantes para un entorno laboral dominado por la IA y evaluarlos como si esta no existiera. «La evaluación debe cambiar radicalmente», afirma. Los estudiantes deben demostrar que pueden pensar de forma crítica y trabajar junto a sistemas de IA, no simplemente generar respuestas sin ellos. En su opinión, la evaluación debe reflejar mejor las condiciones reales a las que se enfrentarán los graduados: un mercado laboral transformado por la IA.
En tercer lugar, la capacidad del personal. «Los educadores deben comprender la IA antes de poder enseñar a los estudiantes a utilizarla eficazmente», afirma. Con demasiada frecuencia, las herramientas de IA se introducen en las universidades sin la debida participación del profesorado, que es quien mejor comprende cómo aprenden los estudiantes. La profesora Luckin sostiene que los docentes deberían contribuir a definir cómo se utiliza la IA en las universidades, en lugar de simplemente recibir la orden de adoptarla.
Sin embargo, los enfoques distan mucho de ser uniformes en todas las universidades, señala Schleicher, de la OCDE. Sugiere que es necesaria una mayor coordinación para que los estudiantes estén «más sistemáticamente expuestos a las mejores prácticas» en el uso de la IA.
En conjunto, las señales que llegan de empleadores, estudiantes y universidades apuntan en la misma dirección: la IA está cambiando lo que se considera una habilidad.
Ya no basta con producir información. Los graduados deben ser capaces de verificarla, mejorarla y utilizarla de forma responsable. Siguen necesitando sólidos conocimientos teóricos y habilidades prácticas, y deberán continuar aprendiendo a lo largo de su trayectoria profesional.
Un nuevo orden de competencias está empezando a tomar forma.