Las organizaciones educativas se diferencian de la mayoría de los demás sectores porque la actividad principal en sí misma –enseñar, guiar, evaluar– difícilmente puede separarse de las personas que la llevan a cabo. Mientras que una fábrica o una tienda puede reescribir sus procesos sin afectar la identidad del trabajo, cualquier cambio en una escuela o un centro de formación superior afecta rápidamente a la relación entre el docente y el estudiante. Eso no hace al sector más lento en cuanto a tecnología, pero sí más cauteloso a la hora de preguntarse qué puede hacer realmente la IA antes de hablar de 'sustitución'.
A esto se suma que las instituciones educativas a menudo constan de varias capas que no avanzan a la misma velocidad: una junta directiva, varias sedes o facultades, y un gran grupo de docentes con sus propios métodos de trabajo. La mayor parte de las iniciativas de IA que encontramos comienza en una de esas capas sin que las demás hayan sido tenidas en cuenta. Un docente experimenta con un modelo de lenguaje para dar retroalimentación, mientras que el departamento de TI no tiene claro qué datos salen del edificio en ese proceso. Una junta directiva formula una visión sobre IA, mientras que la gestión de datos de los sistemas de seguimiento de alumnos aún se basa en papel o en hojas de cálculo sueltas. Ese desajuste no es cuestión de falta de voluntad, sino de orden.
Un miembro de la junta directiva, un director de operaciones o un jefe de TI que ve cómo los pilotos de IA se estancan, reconoce a menudo el mismo patrón: el piloto funciona por sí solo, pero no escala. Rara vez se debe a que la tecnología sea insuficiente. Con más frecuencia falta una de las capas fundamentales necesarias para sostener un piloto: una estructura organizativa capaz de tomar decisiones sobre IA y asignar responsabilidades, una infraestructura de TI que pueda incorporar de forma segura nuevas aplicaciones, y una gestión de datos en orden antes de que un modelo pueda hacer algo útil con ellos. Solo cuando esas tres capas están establecidas, tiene sentido mirar las dimensiones dependientes: cómo trabaja la gente con ello, qué perspectivas ofrece, y cuán inteligentemente termina gestionándolo la organización.
En el sector educativo esto pesa más que en otros lugares, porque las capas fundamentales suelen haberse desarrollado históricamente en torno a decisiones pedagógicas, no técnicas. Una administración escolar está organizada para rendir cuentas ante la inspección, no para generar datos reutilizables para aplicaciones de IA. Un departamento de TI suele ser pequeño y estar orientado a la gestión, no a la integración de nuevos sistemas. Eso no es una carencia, es una prioridad distinta que se fijó hace décadas y que ahora influye en la velocidad con la que la IA realmente se implanta.
La medición de hybridresourcing.com analiza siete dimensiones, distribuidas en cinco niveles, desde baseline hasta intelligence. En las instituciones educativas destaca que la puntuación en organización y gestión de datos suele quedar por debajo de la puntuación en ambición o en aplicaciones individuales. A menudo ya hay alguien trabajando con IA, en ocasiones incluso a un nivel avanzado, mientras que la organización en su conjunto todavía se encuentra en el primer nivel en cuanto a toma de decisiones y estructuración de datos. Esa dispersión se hace visible en la ronda de plot, en la que varias personas dentro de la misma institución obtienen puntuaciones diferentes por separado. En las organizaciones educativas esa dispersión suele ser mayor que la media, precisamente porque la dirección, TI y el personal docente rara vez trabajan desde la misma perspectiva.
Esa dispersión no es en sí un problema. Es información. Un directivo que piensa que la organización está lista para la IA a gran escala, y un responsable de TI que sabe que la infraestructura aún no puede soportarlo, tienen ambos razón desde su propia posición. La medición hace explícita esa diferencia, de modo que la conversación pueda centrarse en qué debe establecerse primero, en lugar de en quién tiene razón.
Las siete dimensiones no son equivalentes en el tiempo. Organización, infraestructura de TI y gestión de datos son las dimensiones sobre las que se apoyan las otras cuatro. Una escuela que quiere trabajar en perspectivas o inteligencia sin tener los datos en orden, construye sobre arenas movedizas. Eso es igual de válido para las instituciones educativas que para las empresas de comercio minorista que luchan con retrasos comparables en la gestión de datos o para la hostelería, donde las estructuras organizativas suelen estar igual de fragmentadas entre establecimientos. El sector cambia, el orden no.
Eso hace que la pregunta 'hasta dónde hemos llegado' sea menos una pregunta sobre una puntuación y más una pregunta sobre dónde falta la base. Una institución que sobre el papel obtiene una puntuación ambiciosa en el uso de la IA, pero que no tiene visión sobre su propia infraestructura de TI, no podrá hacer realidad esa ambición sin volver primero a lo básico. Esto es también lo que muestran instituciones de el sector TIC y de los servicios financieros: una alta ambición en las dimensiones dependientes no compensa una base débil.
La medición de madurez de hybridresourcing.com está en construcción. Quien quiera saber cómo puntúa su propia institución en las siete dimensiones, y cómo se relaciona esa puntuación con la de sus colegas dentro de la misma organización, puede inscribirse en la lista de espera. Todavía no hay una herramienta disponible para usar hoy; sí existe una imagen clara de lo que la medición va a ofrecer en cuanto esté disponible.
Esta página trata sobre la pregunta de si una organización educativa puede soportar la IA: si la base está establecida antes de construir algo sobre ella. Otra pregunta, que solo tiene sentido después, es qué puede asumir concretamente la IA dentro del sector educativo. Para eso está pensado el escáner de trabajo de FTE TO AI: este calcula, por tarea, qué parte del trabajo se presta a ser asumida por la IA, independientemente de si la organización en su conjunto ya está preparada para ello. Quien combine ambas preguntas obtiene no solo una visión de las posibilidades, sino también del orden en que pueden convertirse en realidad.
Vraag maar wat er moet staan voordat AI in uw organisatie kan landen.
Answers come from this site’s knowledge base. Not tailored advice, and not a scan of your company.