En universidades de todo el mundo, se está produciendo un cambio silencioso pero trascendental. Los estudiantes presentan ensayos asistidos por IA, el profesorado rediseña las evaluaciones en tiempo real y las instituciones emiten directrices más rápido de lo que pueden implementarlas.

En medio de esta turbulencia, ha comenzado a circular una idea impactante: en la era de la IA, quienes sobreviven son quienes tienen una historia que contar.

No se trata de una simple observación pasajera. Señala un punto de inflexión, no solo un momento de cambio, sino una transformación en la definición de valor. Lo que emerge no es solo un nuevo conjunto de herramientas, sino una nueva base para la diferenciación: no lo que los individuos pueden hacer, sino cómo organizan el significado a lo largo del tiempo.

Durante más de un siglo, la educación superior se ha organizado en torno a una premisa relativamente estable: que los estudiantes adquieren conocimientos y habilidades que luego se traducen en movilidad económica y social. El sistema se ha calibrado para recompensar la acumulación de información, credenciales y competencias demostrables.

Esa premisa se está desmoronando.

Lo que se está derrumbando no es solo un modelo educativo, sino también una ilusión más profunda: la de que el valor humano podría estabilizarse mediante la acumulación de conocimientos y habilidades. Durante décadas, hemos confundido la competencia con la identidad y la productividad con el significado.

La inteligencia artificial no solo desestabiliza este modelo, sino que también expone sus limitaciones. El problema no radica en que las máquinas sean más capaces, sino en que nuestra definición de capacidad siempre ha sido incompleta.

La aparición de sistemas de IA a gran escala, como ChatGPT, va más allá de mejorar la productividad; está reestructurando las condiciones mismas en las que el conocimiento se vuelve escaso.

Tareas que antes indicaban experiencia —escribir, resumir, programar e incluso formas de producción creativa— ahora se pueden realizar a gran escala, bajo demanda y con un coste marginal insignificante. Lo que se está desplazando no es simplemente el trabajo, sino la ilusión de que el trabajo alguna vez nos haya definido.

Para comprender la magnitud de este cambio, debemos partir de una pregunta sencilla: ¿qué sucede cuando las habilidades ya no son escasas? Esta pregunta revela una transformación más profunda que ya está en marcha.

Cuando las habilidades dejan de ser escasas,

la respuesta política dominante a la IA en la educación ha sido predecible: más habilidades digitales, mayor alfabetización en IA y más formación técnica. Si bien es necesaria, esta respuesta es insuficiente porque malinterpreta la naturaleza del cambio.

No solo estamos entrando en una economía del conocimiento más avanzada, sino también en un estado de abundancia cognitiva.

Cuando el conocimiento abunda, la información pierde su valor de escasez, la ejecución técnica se automatiza cada vez más y la competencia, por sí sola, deja de ser un factor diferenciador. En este entorno, la pregunta crucial ya no es “¿Qué puedes hacer?”, sino “¿Qué significa tu trabajo y por qué es importante?”.

Aquí es donde “tener una historia” se convierte en algo más que una metáfora: en una forma estructural de diferenciación.

Los primeros indicios de esta transformación ya son evidentes. Universidades en Australia y el Reino Unido han comenzado a rediseñar los formatos de evaluación para incorporar componentes reflexivos y orientados al proceso junto con resultados asistidos por IA.

En Finlandia, las reformas curriculares priorizan cada vez más las competencias transversales (interpretación, juicio y razonamiento ético) por encima del dominio técnico discreto.

Este cambio se refleja cada vez más en los debates sobre políticas internacionales, donde organizaciones como la OCDE y la UNESCO enfatizan las capacidades centradas en el ser humano, éticas e interpretativas como esenciales para la era de la IA.

Si las habilidades ya no diferencian, entonces algo más debe hacerlo, y ese “algo” ya no es técnico.

Qué significa “tener una historia”

Una historia no es simplemente lo que diferencia a los individuos en la era de la IA; revela algo más inquietante: que lo que antes considerábamos diferenciación nunca fue suficiente para definir el valor humano. Para entender esto, primero debemos confrontar una idea errónea común.

La noción de «autohistoria» se reduce a menudo a la marca personal, un error de categorización. Una narrativa genuina no es una herramienta de marketing; es una forma de organización epistémica.

Tener una historia implica coherencia a lo largo del tiempo: la capacidad de conectar experiencias pasadas, acciones presentes e intenciones futuras en una trayectoria significativa. Requiere experiencia situada: la comprensión de que el conocimiento siempre está inmerso en contextos sociales, culturales y corporales, un punto que la fenomenología ha enfatizado ampliamente.

También exige capacidad interpretativa: la habilidad de asignar significado a los eventos en lugar de simplemente procesar la información al respecto.

En este sentido, una historia no es algo que se cuenta a posteriori; es la estructura a través de la cual una vida se vuelve inteligible en primer lugar.

Los sistemas de IA pueden simular la apariencia del pensamiento, pero no habitan las condiciones en las que el pensamiento adquiere consecuencias. No conllevan riesgos ni experimentan continuidad. La narrativa humana, por lo tanto, se convierte en el espacio donde el significado se construye, se disputa y se sostiene.

De la producción de conocimiento a la construcción de significado.

Este punto de inflexión tiene profundas implicaciones para las universidades. Las instituciones diseñadas para una lógica de escasez previa se enfrentan ahora al reto de operar en un entorno de abundancia.

Históricamente, las universidades han sido instituciones de producción y transmisión del conocimiento. En la era de la IA, deben reorientarse fundamentalmente hacia la construcción de significado y la creación de narrativas.

Esto no implica abandonar el rigor ni el conocimiento disciplinario. Más bien, requiere reconfigurar la forma en que se enseña, se evalúa e integra el conocimiento en la identidad intelectual del estudiante.

Actualmente, la mayoría de los planes de estudio siguen siendo estructuralmente fragmentados: cursos modulares, resultados de aprendizaje discretos y evaluaciones centradas en la producción. Los estudiantes se gradúan con competencias acumuladas, pero a menudo carecen de una comprensión coherente de cómo estos elementos conforman un todo significativo.

En una era en la que la IA puede reproducir resultados, dicha fragmentación ya no es una ineficiencia menor, sino una desventaja estructural.

El riesgo del «graduado sin historia»

Si las universidades no se adaptan, corren el riesgo de producir lo que podría llamarse el graduado sin historia: técnicamente capaz y con un amplio currículum, pero incapaz de articular un propósito, una dirección o un significado.

Estos graduados son particularmente vulnerables en un mercado laboral mediado por la IA, donde los empleadores buscan cada vez más no solo la ejecución de habilidades, sino también el juicio, el razonamiento contextual y la coherencia narrativa.

Dicho de forma más contundente: si el valor de un estudiante puede reducirse a un conjunto de resultados replicables, es probable que ese valor se replique.

La incómoda implicación es la siguiente: las universidades que siguen priorizando la producción sobre el significado pueden acelerar inadvertidamente la obsolescencia que pretenden evitar.

A nivel global, esto plantea una preocupación más profunda: los sistemas que no cultivan el significado no solo pueden quedarse atrás, sino que también pueden producir generaciones capacitadas para operar sistemas, pero no para cuestionarlos ni transformarlos.

Reimaginar la universidad: Tres cambios estructurales

Para responder eficazmente en este punto de inflexión, las universidades deben ir más allá de la reforma incremental y emprender una recalibración estructural. No se trata de ajustes incrementales, sino de respuestas estructurales a un sistema cuya lógica subyacente ya ha cambiado.

La evaluación ya no puede permanecer anclada a los resultados finales sin volverse obsoleta. Debe evolucionar para evaluar cómo los estudiantes interactúan con los sistemas de IA, cómo toman decisiones en condiciones de incertidumbre y cómo interpretan y contextualizan los resultados generados.

Los planes de estudio deben pasar de la fragmentación a la integración narrativa. Los programas deben diseñarse para ayudar a los estudiantes a construir trayectorias intelectuales longitudinales mediante portafolios reflexivos, experiencias integradoras de culminación y oportunidades estructuradas para conectar el conocimiento disciplinario con la orientación personal.

La pedagogía debe pasar de la transmisión de información a la construcción de significado. La enseñanza ya no puede definirse principalmente por la transmisión de información; debe priorizar el diálogo, la interpretación y la indagación. Los educadores se convierten en facilitadores de la construcción de significado en entornos híbridos humano-IA.

Este cambio no se producirá automáticamente; requiere un liderazgo deliberado por parte de universidades, responsables políticos y educadores dispuestos a repensar el propósito de la educación superior.

La economía emergente de la interpretación

Lo que se está desarrollando no es simplemente una transición tecnológica, sino también civilizacional.

Estamos pasando de una economía de producción a una de interpretación. En este panorama emergente, la IA abre posibilidades, pero los humanos les asignan significado.

Este punto de inflexión marca la transición de sistemas organizados en torno a la producción a sistemas organizados en torno a la interpretación.

Quienes liderarán no serán los que más sepan, sino aquellos que puedan situar el conocimiento dentro de una narrativa coherente y convincente de propósito y experiencia.

Una pregunta final para las universidades

El desafío central no es si las universidades deben enseñar a los estudiantes a usar la IA. Eso ya se da por sentado. La pregunta más profunda es esta: ¿Pueden las universidades seguir ayudando a los estudiantes a convertirse en autores de su propio desarrollo intelectual y moral?

Si la respuesta es sí, la educación superior sigue siendo indispensable. De lo contrario, corre el riesgo de convertirse en un sistema cada vez más eficiente para obtener resultados que las máquinas ya pueden lograr.

Para las universidades, la implicación es inmediata: los planes de estudio, la evaluación y la pedagogía ya no deben diseñarse únicamente para producir graduados competentes, sino para cultivar individuos capaces de interpretar, conectar y comprender lo que saben.