Lecciones del Programa “AI LEAP” en Estonia ¿Un programa para cambiar la Educación secundaria en Argentina?

Introducción: El escenario actual en Estonia

La velocidad de adopción de las herramientas de inteligencia artificial (IA) generativa por parte de los estudiantes de nivel secundario modificó los entornos de enseñanza antes de que los ministerios de educación lograran estructurar marcos normativos. Mediciones estadísticas realizadas en entornos urbanos de Europa y América Latina indican que entre el 64% y el 90% de los alumnos de los últimos años de la escuela secundaria declaran utilizar modelos de lenguaje para resolver tareas escolares de manera habitual. La respuesta inicial de los sistemas educativos osciló entre la prohibición en los reglamentos escolares y la omisión por falta de capacitación técnica.

La evidencia empírica acumulada demuestra que la prohibición del acceso a los servidores de IA en las redes escolares resulta ineficaz, dado que los estudiantes acceden a las herramientas mediante dispositivos particulares y conexiones móviles externas. Ante este escenario, el debate técnico se desplazó desde la restricción hacia la gobernanza digital. El desafío actual de las políticas públicas radica en transformar el uso pasivo de la IA —caracterizado por la copia sistemática de respuestas que reduce el esfuerzo cognitivo— en un uso estructurado que funcione como un soporte para el desarrollo del pensamiento crítico.

El análisis de los modelos internacionales de integración tecnológica proporciona variables de diseño para países que planifican programas a escala nacional. Estonia, a través del lanzamiento del programa “AI Leap” (TI Hüpe), inició una transición regulada orientada a la enseñanza secundaria. Este caso de estudio ofrece parámetros operativos, técnicos y pedagógicos que permiten identificar las acciones necesarias para el diseño de un programa equivalente en contextos con estructuras federales y disparidades socioeconómicas, como Argentina.

El modelo estonio “AI Leap” (TI Hüpe): datos y estructura del programa

El programa TI Hüpe se presentó oficialmente a mediados de 2025 bajo la coordinación del Ministerio de Educación e Investigación de Estonia y el respaldo absoluto de la presidencia de la nación. El proyecto se diseñó como la continuidad histórica de otro programa, el “Tiger Leap” (Tiigrihüpe) que viene desarrollándose desde 1996, el cual completó la infraestructura de conectividad y equipamiento informático de los establecimientos educativos de ese país durante los últimos 30 años.

El presupuesto asignado para la fase piloto del ciclo lectivo 2025/2026 se fijó en €4.000.000, mediante un esquema de financiamiento mixto que involucra fondos estatales y aportes de empresas del sector tecnológico local. El alcance del programa abarca la totalidad de las 154 escuelas secundarias superiores públicas de Estonia, integrando de forma directa a 20.000 estudiantes de los grados 10 y 11, y a un cuerpo docente estimado en 4.900 profesionales.

La diferencia estructural de TI Hüpe respecto de otras iniciativas internacionales es que el Estado no se limitó a adquirir licencias de software comercial existente, sino que financió el desarrollo de una interfaz intermedia (capa de abstracción tecnológica) que modifica el comportamiento de los modelos de lenguaje comerciales. Esta aplicación funciona como un filtro pedagógico entre el estudiante y los motores de procesamiento de lenguaje natural de grandes proveedores como OpenAI y Anthropic.

Arquitectura pedagógica: El concepto de fricción cognitiva intencionada

El diseño de la interfaz tecnológica de TI Hüpe se fundamenta en principios neurocientíficos coordinados por investigadores de la Universidad de Tartu, dirigidos por el especialista Jaan Aru. El equipo de desarrollo estableció 19 criterios conductuales básicos destinados a regular la interacción del alumno con la máquina.

El principio rector del sistema es la anulación de la respuesta directa. Cuando un estudiante ingresa una solicitud a la plataforma (por ejemplo, la redacción de un análisis histórico o la resolución de una ecuación matemática), la aplicación bloquea la generación del texto final. El sistema ejecuta un protocolo de tutoría socrática estructurado de la siguiente forma:

1. Fase de diagnóstico: La interfaz solicita al alumno que explique con sus propias palabras el objetivo de la tarea y los conceptos principales que considera relevantes.
2. Fase de fraccionamiento: El sistema descompone la resolución del problema en pasos sucesivos. No avanza al siguiente paso hasta que el usuario demuestra comprensión del estadio anterior mediante la introducción de textos propios o la selección de opciones lógicas.
3. Fase de confrontación: Si el estudiante introduce una premisa errónea, la IA no corrige el dato de forma automática; en su lugar, formula una pregunta orientada a evidenciar la contradicción conceptual en el planteo del alumno.

Este procedimiento introduce de forma deliberada “fricción cognitiva”. La fricción cognitiva es el retraso consciente en la obtención del resultado final, diseñado para obligar al usuario a procesar la información en su memoria de trabajo y activar procesos de recuperación de memoria a largo plazo. En la práctica: el alumno tiene que realizar un esfuerzo mental extra para procesar la información, tomar una decisión Y/o completar una tarea para que el sistema siga adelante. De este modo, la herramienta tecnológica se posiciona como un asistente de entrenamiento y no como un sustituto del esfuerzo intelectual del alumno.

Críticas, riesgos y limitaciones del sistema centralizado

Aún así , la implementación del programa TI Hüpe generó observaciones críticas por parte de pedagogos, sindicatos docentes y especialistas en seguridad de datos. Las objeciones se agrupan en cuatro ejes principales:

• Riesgo de atrofia por delegación persistente: Sectores académicos advierten que la disponibilidad continua de una guía automatizada puede reducir la capacidad de los estudiantes para tolerar la frustración inherente a los procesos de investigación independientes. Si el alumno se acostumbra a que un sistema organice cada etapa de su pensamiento, la habilidad para estructurar problemas complejos de forma autónoma podría verse disminuida.
• Ampliación de la brecha por nivel de autogestión: Los datos preliminares de la fase piloto sugieren que el sistema beneficia en mayor medida a los alumnos que poseen capacidades previas de organización y comprensión lectora general. Aquellos estudiantes que presentan un rezago educativo estructural tienden a abandonar la interacción con la interfaz socrática debido a la exigencia de redacción, buscando vías de escape tecnológicas externas.
• Sobrecarga laboral en la adecuación docente: Los profesores deben reconfigurar los criterios de evaluación. Las pruebas tradicionales basadas en la entrega de monografías o la repetición de datos perdieron validez, obligando a los docentes a evaluar el historial de interacción del alumno con la IA (el registro de pasos o logs). Esto incrementa el tiempo requerido para la corrección y exige una competencia de análisis de datos que muchos docentes no poseen.
• Vulnerabilidad de la soberanía de datos: A pesar de que la interfaz estonia resguarda la identidad nominal de los alumnos mediante un sistema de anonimización por códigos de usuario, el procesamiento de las consultas se realiza en los servidores de empresas privadas multinacionales localizadas fuera de la jurisdicción de la Unión Europea. Esto genera una dependencia técnica respecto de los cambios en las políticas de precios y de uso de dichas corporaciones.

La realidad del sistema educativo en Argentina

Para evaluar la transferencia de un programa de integración de IA a un país como Argentina, es necesario contrastar las variables estructurales de ambos contextos. Estonia posee una población total aproximada de 1,3 millones de habitantes, un sistema educativo unificado y centralizado bajo un único ministerio, y una tasa de conectividad escolar por fibra óptica que alcanza el 100% de los establecimientos.

Por el contrario, la República Argentina presenta las siguientes condiciones estructurales en su sistema educativo de nivel secundario:

• Gobernanza descentralizada: El sistema educativo argentino está fragmentado en 24 jurisdicciones independientes (23 provincias y la Ciudad Autónoma de Buenos Aires). Cada provincia administra sus recursos, aprueba sus propios diseños curriculares y gestiona sus plantas docentes. Cualquier iniciativa nacional requiere la aprobación unánime y la coordinación del Consejo Federal de Educación (CFE), lo que dilata los tiempos de implementación.
• Asimetría en la infraestructura digital: Según datos oficiales, la conectividad a internet en las escuelas argentinas muestra variaciones significativas entre regiones urbanas y rurales, o entre distintas provincias. Mientras que algunos centros urbanos disponen de conexiones de alta velocidad, establecimientos de regiones del norte o de áreas rurales carecen de ancho de banda suficiente para soportar la navegación simultánea de aulas completas conectadas a servicios de IA en la nube.
• Heterogeneidad del parque tecnológico: Los programas estatales previos (como el plan Conectar Igualdad y sus derivaciones posteriores) distribuyeron netbooks en diferentes períodos, lo que genera un escenario donde conviven equipos de distintas generaciones técnicas junto con escuelas donde los estudiantes dependen exclusivamente de sus teléfonos celulares personales para acceder a contenidos digitales.
• Prioridades pedagógicas de base: Los informes de las pruebas Aprender indican dificultades persistentes en los niveles de comprensión lectora y resolución de problemas matemáticos básicos en el nivel secundario. Un programa de IA generativa requiere, de forma obligatoria, que el usuario sepa leer e interpretar textos para formular instrucciones (prompts) válidas y evaluar las respuestas de la máquina.

¿Entonces que tendríamos que hacer para diseñar y poner en práctica un programa nacional en Argentina?

La construcción de una política pública para la integración de la inteligencia artificial en la educación secundaria argentina requiere un diseño adaptado a las restricciones físicas y presupuestarias del país. No es posible replicar de forma directa la solución estonia, pero sí se pueden adoptar sus principios organizativos y para eso hay realizar acciones que exceden el marco de lo tecnológico y acciones específicas.

Acción 1: Institucionalizar una gobernanza federal coordinada

El diseño de un programa nacional debe iniciarse en el seno del Consejo Federal de Educación para evitar la fragmentación de esfuerzos. La acción concreta consiste en la creación de una Comisión Federal de Inteligencia Artificial y Educación, integrada por representantes técnicos de las 24 jurisdicciones.

Esta comisión debe fijar un marco de equivalencias curriculares mínimo. En lugar de modificar los diseños curriculares provinciales completos —proceso que demandaría años de debate normativo—, se debe emitir una Resolución del CFE que defina la “Alfabetización en Inteligencia Artificial” como una competencia transversal obligatoria en los últimos dos años de la escuela secundaria. Esto permite que cada provincia incorpore los contenidos dentro de asignaturas existentes sin alterar las estructuras de los planes de estudio vigentes.

Acción 2: Desarrollar un sistema intermedio de distribución de tráfico educativo (API Soberana)

Debido a las restricciones de divisas y la necesidad de proteger los datos de los menores de edad, el Estado Nacional no puede financiar cuentas individuales para cada estudiante. La solución técnica requiere el desarrollo de una infraestructura centralizada de distribución: una API (Interfaz de Programación de Aplicaciones) Educativa Nacional.

Este sistema intermedio, alojado en servidores estatales (por ejemplo, a través de la infraestructura de ARSAT), recibirá las consultas de los estudiantes validados a través de sus cuentas escolares de correo electrónico. La API nacional ejecutará tres funciones automatizadas:

1. Anonimizar el tráfico: Removerá nombres, ubicaciones geográficas y metadatos de los alumnos antes de enviar la consulta al proveedor tecnológico, garantizando el cumplimiento de la Ley de Protección de Datos Personales (Ley 25.326).
2. Inyectar las reglas de fricción pedagógica: El servidor nacional antepondrá de manera automática una instrucción de sistema (system prompt) a cada consulta, obligando al modelo a comportarse como un tutor socrático en idioma español neutro adaptado a las normas gramaticales locales.
3. Optimizar el consumo de datos: Almacenará en memoria caché las consultas recurrentes sobre temas comunes del programa de estudio, disminuyendo el costo económico por consulta y reduciendo la demanda de ancho de banda en las redes escolares.

Acción 3: Implementar una capacitación docente por competencias operativas básicas

El programa debe estructurarse bajo la premisa de que no se puede enseñar lo que no se comprende a nivel operativo. La formación docente debe ser previa a la llegada de la herramienta a las aulas. El Instituto Nacional de Formación Docente (INFoD) debe diseñar un trayecto formativo centrado en competencias específicas y no en teoría tecnológica general para que cada provincia lleve a cabo con autonomía, pero bajo la matriz provista por el organismo federal.

El programa formativo para docentes debe organizarse en tres módulos de ejecución obligatoria:

• Módulo 1: Ingeniería de prompts pedagógicos: Capacitación para que el profesor aprenda a redactar instrucciones que limiten el campo de acción de la IA, permitiéndole crear simuladores de laboratorio virtuales o generadores de problemas adaptados al nivel de su grupo.
• Módulo 2: Detección de alucinaciones y sesgos: Instrucción en técnicas de verificación de fuentes para que el docente enseñe a los alumnos a identificar información falsa o inexacta generada por los modelos de lenguaje.
• Módulo 3: Evaluación de procesos: Métodos para calificar la secuencia de trabajo del alumno (la bitácora de prompts) en lugar de evaluar únicamente el resultado del documento escrito presentado al final de la clase.

Matriz de evaluación del impacto del programa

Una política pública de base tecnológica requiere indicadores cuantitativos independientes de las valoraciones subjetivas de los usuarios para verificar su utilidad pedagógica. El programa debe evaluarse de forma continua mediante tres métricas de rendimiento del sistema:

1. Índice de Fricción Completada (IFC): Mide el porcentaje de interacciones donde el alumno completó la totalidad de las preguntas socráticas formuladas por el sistema antes de dar por cerrada la tarea, en comparación con los casos donde el estudiante abandonó la plataforma tras recibir la primera restricción de respuesta directa. Un incremento de este índice señala una mayor persistencia y habituación al esfuerzo de redacción.
2. Tasa de Transferencia de Lectura (TFL): Evaluación semestral mediante pruebas breves de comprensión de textos administradas a través de la misma plataforma, destinada a verificar si los alumnos mejoraron su capacidad para identificar premisas lógicas y detectar errores factuales en textos externos tras utilizar el asistente socrático de forma regular.
3. Desviación de Calificaciones en Evaluaciones Estandarizadas (DCEE): Comparación de los resultados de las pruebas Aprender entre las escuelas que integraron la herramienta desde las primeras fases y los establecimientos que mantuvieron métodos tradicionales, controlando las variables socioeconómicas de los entornos escolares para asegurar la validez estadística del análisis.

“Pero Estonia pudo porque arrancó hace 30 años” ¿Es posible el “atajo” tecnológico?

La pregunta de si Argentina puede “saltear” la etapa de maduración digital que Estonia construyó durante 30 años es compleja. La respuesta corta es que, aunque no se puede saltar la necesidad de una base cultural y técnica, sí es posible acelerar procesos mediante la adopción de tecnologías que hoy son mucho más accesibles que las de los años 90.

El riesgo de intentar “copiar” un modelo sin tener los cimientos es que la tecnología se convierta en una capa superficial que no transforme el aprendizaje, sino que simplemente digitalice prácticas obsoletas.

Lo que Argentina no puede saltearse es la gestión del cambio. Estonia no tuvo éxito sólo por las computadoras, sino por una transformación burocrática y cultural donde el Estado digitalizado se convirtió en la norma. En Argentina, la brecha no es solo de “fierros” (infraestructura), sino de:

• Continuidad de políticas: Mientras Estonia mantuvo una visión de Estado por tres décadas, Argentina ha sufrido de una alta volatilidad en sus programas educativos (cambios de gestión que discontinuaron proyectos previos de inclusión digital).
• Capacitación docente real: El docente estonio recibe formación continua y un estatus social elevado. En Argentina, gran parte del profesorado lucha con la falta de recursos y un rol docente a menudo desbordado por problemas socioeconómicos.

¿Qué deberíamos hacer para salvar estas deficiencias?

Para que un programa como AI Leap sea viable y efectivo en el contexto argentino, se requieren tres pilares fundamentales:

1. Infraestructura de base (el piso mínimo)

Antes de integrar IA, el sistema debe garantizar que la tecnología no sea un privilegio.

• Conectividad universal: Garantizar internet de alta velocidad en cada establecimiento, algo que aún es dispar entre sectores públicos y privados o entre ámbitos rurales y urbanos. Hay como hacerlo: hoy Argentina posee los anillos de fibra óptica de ARSAT que forman parte de la Red Federal de Fibra Óptica (REFEFO), un tendido de más de 36.500 km que interconecta todo el país para proveer internet mayorista. Un buen trabajo de potenciar la “Ultima milla” con la generación de proveedores locales podría hacer llegar Internet de calidad a cada escuela del país aún a aquellas más alejadas.
• Sostenibilidad presupuestaria: Establecer una política de Estado que trascienda los mandatos presidenciales, garantizando que el mantenimiento de dispositivos y redes no se interrumpa ante cambios de gobierno. En realidad esto debería ocurrir para todo el sector educativo, no sólo para su componente tecnológica.

2. Formación y revalorización docente

El docente no debe ser reemplazado por la IA, sino potenciado como mentor.

• Del “uso técnico” al “uso pedagógico”: La formación debe abandonar la idea de enseñar a “usar un software” y centrarse en cómo integrar la IA para enseñar a pensar, analizar y evaluar críticamente.
• Rediseño de la evaluación: Es vital abandonar la memorización como método de evaluación. Si los alumnos pueden pedirle a una IA que escriba un ensayo, la escuela debe evolucionar hacia evaluaciones orales, proyectos de investigación, pensamiento crítico y resolución de problemas complejos.

3. Enfoque en la equidad y ética

El mayor riesgo de una implementación rápida y descuidada es ampliar la brecha digital existente.

• Alfabetización en datos: Enseñar a los estudiantes no solo a “usar” la IA, sino a entender sus sesgos, sus limitaciones y la importancia de la privacidad de sus datos.
• Adaptación local: Las herramientas deben ser culturalmente pertinentes. Argentina necesita desarrollar o adaptar interfaces que respondan a la realidad y al lenguaje local, evitando la dependencia absoluta de modelos diseñados en cualquier otro lugar del planeta que no comprenden el contexto educativo nacional.

Conclusión: Argentina puede y debe hacerlo

La integración de la inteligencia artificial generativa en el nivel secundario dejó de ser una opción de innovación metodológica para convertirse en una necesidad de gobernanza institucional. La experiencia internacional aportada por el programa estonio TI Hüpe demuestra que la intervención sobre los modelos de lenguaje mediante reglas de diseño pedagógico basadas en la neurociencia cognitiva permite mitigar los efectos de la automatización en el pensamiento de los jóvenes.

Para un país con las dimensiones territoriales, la estructura federal y las asimetrías socioeconómicas de Argentina, la estrategia de replicación exacta del modelo europeo resulta inviable por restricciones de conectividad y financiamiento corriente. Sin embargo, la adopción de los principios fundamentales —el bloqueo de la respuesta automática, el resguardo de la identidad de los menores mediante servidores intermedios estatales y la capacitación obligatoria previa del profesorado— permitiría el diseño de una política pública nacional sostenible.

El éxito de una iniciativa de esta magnitud en el contexto argentino no se medirá por la cantidad de dispositivos conectados ni por la potencia de los servidores contratados, sino por la capacidad del sistema para garantizar que la tecnología funcione como un nivelador que estimule el procesamiento intelectual autónomo de los estudiantes en la totalidad de las escuelas.

Argentina no puede ignorar su realidad estructural para intentar imitar una “foto” del éxito estonio. El camino más eficiente no es “correr” hacia la IA para parecer tecnológicamente avanzados, sino construir un ecosistema donde la tecnología sea un medio para la equidad. Sin una mejora en los indicadores básicos de aprendizaje y sin un pacto de estabilidad política que blinde la educación de la coyuntura, la IA será siempre apenas una anécdota más en el aula.