Hoy toca algo diferente.
Hoy no vengo con noticias de despidos.
Ni con trackers de sangría tecnológica.
Hoy vengo con un documento de 68 páginas que me ha dejado mirando al infinito durante horas.
Y si me conoces, sabrás que eso no pasa fácilmente.
Hace varios días citamos en esta bitácora a Matt Sigelman, del Burning Glass Institute, hablando del informe Cognizant que aceleraba seis años el calendario de destrucción de empleo.
Pues resulta que el mismo Matt Sigelman, junto con aiEDU y un equipo de cerebros, ha publicado en febrero de 2026 un estudio que conecta DIRECTAMENTE la transformación del mercado laboral con lo que se enseña en las aulas.
Se llama "Which Skills Matter Now? A Data-Driven Framework for K-12 in the Age of AI". (¿Qué competencias importan ahora? Un marco basado en datos para Primaria, ESO y Bachillerato en la era de la IA)
Y esto no es otro "panfleto de IA en educación".
Es un instrumento quirúrgico para reequilibrar el currículo sin perder lo esencial humano.
Su valor real está en que te permite pasar de "¿qué enseño?" a "¿cómo enseño esto ahora que la IA lo hace mejor que el alumno promedio?"
Esto es el MAPA del terremoto.
Déjame explicarte por qué este documento debería quitarte el sueño si tienes hijos en edad escolar, si eres docente, si diriges recursos humanos, o si simplemente te importa un carajo el futuro del trabajo.
La metodología que han usado es acojonante.
Han cogido 1.000 de las competencias más demandadas en el mercado laboral estadounidense, extraídas de millones de ofertas de empleo.
Han mapeado esas competencias contra 140 objetivos de aprendizaje de secundaria, extraídos de los estándares educativos de 21 estados.
Y en medio, han identificado 49 "skills intermediarios" que funcionan como el tejido conectivo entre lo que se aprende en el aula y lo que se demanda en el trabajo.
¿El resultado?
Un framework de 4 cuadrantes que te dice EXACTAMENTE cómo la IA está afectando cada competencia.
No si la afecta o no.
CÓMO.
Los 4 cuadrantes se llaman: Deepen (Profundizar), Transform (Transformar), Streamline (Agilizar / Optimizar) y Anchor (Consolidar / Afianzar).
Y ahora presta atención porque esto es donde el documento se vuelve BRUTAL.
El cuadrante DEEPEN incluye competencias que la IA no puede ejecutar por sí sola, pero que puede amplificar enormemente. Pensamiento crítico. Creatividad. Comunicación oral. Razonamiento probabilístico.
Aquí el cambio no es de workflow, es de PROFUNDIDAD. Los estudiantes necesitan entender los principios con tanta solidez que puedan DIRIGIR a la IA y EVALUAR si lo que le sugiere es brillante o es basura.
El cuadrante TRANSFORM incluye competencias donde la IA ejecuta Y amplifica. Escritura analítica. Diseño de investigación. Análisis de datos. Comunicación escrita.
Aquí el estudiante deja de ser ejecutor solitario y se convierte en DIRECTOR y EDITOR del trabajo humano-IA. El workflow cambia completamente.
El cuadrante STREAMLINE incluye competencias procedimentales que la IA ejecuta de forma fiable. Gramática. Sintaxis. Fluidez algebraica. Uso de vocabulario.
Ojo, que aquí viene lo importante: NO se eliminan del currículo. Se REUBICAN. Dejan de enseñarse como unidades independientes y se practican DENTRO de contextos aplicados de mayor complejidad.
Y el cuadrante ANCHOR incluye las competencias irreductiblemente humanas. Liderazgo. Juicio ético. Razonamiento causal. Diseño experimental. Metacognición.
Aquí la IA se queda en segundo plano. Estas competencias se desarrollan HACIENDO, no instruyendo. Requieren tiempo protegido y experiencia real.
Te presento a las 49 fUcking Skills
*El guión (—) indica que el estudio lista el skill en el apéndice pero no le asigna un cuadrante fijo de forma explícita en el texto, ya que el cuadrante puede variar según la asignatura y el contexto en que se aplique.
¿Y cuál es la paradoja central del documento?
Que las competencias con mayor exposición a la automatización ahora demandan MAYOR comprensión conceptual, no menor.
Lee eso otra vez.
Cuando la IA puede ejecutar, el humano tiene que entender los principios con tanta profundidad que pueda dirigir, evaluar y SABER CUÁNDO LA MÁQUINA SE EQUIVOCA.
El listón cognitivo SUBE.
No baja.
SUBE.
*********
Un inciso antes de continuar ...
Para que entiendas bien lo que trato de trasmitir con este artículo, te voy a poner un ejemplo realista del framework aplicado a una asignatura que estudia la gran mayoría de estudiantes en España: Lengua Castellana y Literatura (equivalente a la asignatura de escritura argumentativa en el bachillerato).
El Framework en Cuatro Cuadrantes
El estudio propone una matriz de dos ejes: potencial de automatización (¿puede la IA hacerlo sola?) y potencial de aumento (¿puede la IA mejorar el rendimiento humano?).
Esto genera cuatro zonas de acción.
Ejemplo: Escribir un texto argumentativo
Imagina el estándar de bachillerato: "Escribe un texto argumentativo sobre un tema de actualidad, con tesis clara, evidencias y refutación del argumento contrario."
Esta tarea involucra varias habilidades intermedias, cada una en un cuadrante diferente:
Cómo cambia la clase concretamente
Antes de la IA, una clase típica de bachillerato dedicaba semanas a: practicar gramática de forma aislada, aprender la estructura del ensayo (introducción, tesis, argumentos, conclusión) y hacer borradores sin ayuda.
Con el framework, la redistribución del tiempo sería así:
Menos tiempo en corrección gramatical aislada (Streamline): se practica integrada en el texto real, no como ejercicio separado.
Nuevo tipo de tarea (Transform): el alumno recibe un borrador generado por IA sobre un tema (p.ej., "¿Deben los móviles estar prohibidos en los institutos?"), lo analiza críticamente, identifica qué argumentos son débiles o qué tono no es adecuado, y lo reescribe. Se evalúa su juicio, no el borrador final.
Más tiempo en desarrollar la tesis original (Deepen): debates orales, escritura libre sin IA, confrontación con textos difíciles.
Espacio protegido para leer textos complejos sin IA (Anchor): el profesor preserva tiempo para que el alumno "luche" con un editorial de opinión o un artículo académico sin asistencia.
La clave del cambio de evaluación
El estudio advierte que cuando la IA puede producir un ensayo impecable, el producto final ya no es un indicador fiable del aprendizaje.
El examen o la tarea debe evaluar el proceso: ¿qué problema formuló el alumno? ¿por qué eligió ese argumento y no otro? ¿cómo detectó un error en el texto de la IA?
Esto es lo que el framework llama pasar de evaluar qué producen los estudiantes a evaluar cómo piensan.
Tras este ejemplo, que espero que te haya sido útil para entender la profundidad de este estudio, y también su jodida importancia, continúo (espero que te guste este estudio tanto como a mi, porque es la p+uta h-stia)
********
El documento lo dice con claridad cristalina: "The cognitive bar is rising, not falling." (El nivel de exigencia cognitiva está subiendo, no bajando)
Un estudiante que simplemente copia lo que la IA genera nunca construye la arquitectura mental necesaria para trabajar CON la IA de forma efectiva.
¡Tsjjjjank!
La escritura es el ejemplo perfecto.
La IA puede generar prosa clara y organizada en segundos.
Pero eso ELEVA la importancia de la mente humana detrás del output.
El trabajo REAL de escribir es el trabajo de PENSAR.
Descubrir una idea.
Probarla contra la evidencia.
Luchar con la ambigüedad.
Estructurar un argumento único.
Un estudiante que externaliza el borrador a un LLM nunca desarrolla esa arquitectura cognitiva.
Lo mismo aplica a las matemáticas: el pensamiento computacional y el razonamiento abstracto importan MÁS que nunca, mientras que el cálculo procedimental se agiliza.
Lo mismo a la programación: la lógica y el diseño de sistemas son la base; la sintaxis específica se vuelve menos crítica.
La ejecución puede externalizarse.
El juicio NO.
Y aquí viene la otra bomba que solo un ojo entrenado puede ver.
El documento dice que el cisma NO está entre asignaturas.
Está DENTRO de cada asignatura.
Matemáticas no pierde relevancia.
Lengua no pierde relevancia.
Ciencias no pierde relevancia.
Historia no pierde relevancia.
NINGUNA disciplina se vuelve obsoleta.
Pero CADA disciplina contiene una mezcla de competencias que permanecen estables y otras que deben enseñarse de forma diferente.
En matemáticas, la computación procedimental es altamente automatizable, pero la formulación de problemas y la navegación de la ambigüedad siguen siendo profundamente humanas.
En lengua, la IA corrige gramática sin esfuerzo, pero el juicio retórico y la comunicación persuasiva resisten la automatización.
En ciencias, la visualización de datos puede agilizarse, pero el diseño experimental y la interpretación de evidencia inconclusa no pueden.
Esto es una OPORTUNIDAD.
Significa que las escuelas pueden hacer ajustes quirúrgicos basados en evidencia, en lugar de intentar reformas curriculares masivas.
La pregunta ya no es "¿qué asignaturas importan?".
La pregunta es "¿qué componentes de cada objetivo de aprendizaje necesitan un reequilibrio del tiempo y el foco instruccional?".
¿Y la evaluación tradicional?
¡Plofff!
La evaluación tradicional mide PRECISAMENTE lo que la IA hace mejor.
Recuerdo.
Computación.
Reconocimiento de patrones.
Cuando la IA automatiza la ejecución, el producto final (el ensayo, el código, la solución) se convierte en una señal NO FIABLE del aprendizaje real.
Un ensayo pulido puede reflejar prompts sofisticados, no comprensión profunda.
Una solución matemática correcta puede enmascarar una ausencia total de razonamiento del estudiante.
La evaluación debe pivotar: de evaluar el PRODUCTO a evaluar el PROCESO y el JUICIO detrás de él.
¿Qué problema encuadró el estudiante?
¿Por qué eligió ese enfoque?
¿Cómo criticó las sugerencias del LLM?
¿Cómo verificó el output?
El cambio es de evaluar LO QUE los estudiantes producen a evaluar CÓMO piensan.
Sin esto, las escuelas corren el riesgo de graduar estudiantes que son hábiles usando herramientas de IA pero carecen del entendimiento subyacente para hacerlo de forma sabia y efectiva.
🧐 Mañana te cuento la segunda parte 🚀.
Las 4 competencias "keystone" que definen el corazón del currículo.
Lo que el documento NO dice pero un experto puede leer entre líneas.
Y la reflexión que me deja todo esto sobre la dignidad humana en el mercado laboral.
Porque este documento no va solo de educación.
Va de qué tipo de humanos queremos formar.
Y esa pregunta, pequeño saltamontes, no la responde ningún algoritmo.
Todo el Flow y el amor del mundo 🫶🫶🫶.
José MarIA.
