El mercado laboral está cambiando con rapidez, impulsado por la inteligencia artificial. Más que generar incertidumbre, este contexto plantea nuevas exigencias y oportunidades para quienes se están formando hoy. Según el Banco Mundial y la Organización Internacional del Trabajo, esta transformación no implica necesariamente la desaparición del empleo, sino su evolución. De hecho, según el informe IA generativa y empleo en América Latina y el Caribe: ¿La brecha digital es un factor protector o un cuello de botella? (2024) del Banco Mundial y la Organización Internacional del Trabajo entre el 26% y el 38% de los empleos en América Latina están expuestos a la inteligencia artificial; sin embargo, solo entre el 2% y el 5% podrían automatizarse completamente, mientras que una proporción significativa podría mejorar su productividad. En ese sentido, la diferencia no está en evitar la IA, sino en aprender a integrarla con criterio en el desarrollo profesional.

A lo largo del tiempo, la empleabilidad ha evolucionado junto con los cambios tecnológicos. Si antes se priorizaba la especialización y luego la adaptación digital, hoy el diferencial está en combinar habilidades humanas con el uso estratégico de la tecnología. Por ello, aprender deja de ser un momento puntual y se convierte en un proceso continuo, donde la actualización constante es clave.

En este escenario, la IA se posiciona como una aliada en el desarrollo profesional. Permite optimizar el currículum vitae (CV), prepararse para entrevistas, analizar tendencias del sector y generar ideas de proyectos. No obstante, su valor radica en el uso consciente: interpretar resultados, cuestionar la información y adaptarla a contextos reales siguen siendo capacidades humanas esenciales. Así, la empleabilidad depende cada vez más de cómo se articula el conocimiento con la tecnología para generar valor.

Asimismo, este cambio está transformando la forma de aprender. Las micro y nano credenciales permiten desarrollar habilidades específicas en menos tiempo y con mayor flexibilidad, complementando la formación universitaria. De este modo, el perfil profesional deja de ser estático y se construye de forma progresiva, en respuesta a un entorno laboral dinámico.

Frente a este panorama, la universidad tiene un rol clave. Más allá de transmitir contenidos, debe formar profesionales capaces de pensar críticamente, adaptarse y utilizar la tecnología de manera responsable. Esto implica integrar la IA en el aprendizaje, promover experiencias prácticas y abrir espacios más flexibles. Así, la educación superior no solo prepara para el primer empleo, sino para una trayectoria en constante cambio.

En el contexto peruano, este proceso convive con desafíos estructurales como la brecha digital y la alta informalidad laboral. Según el Instituto Nacional de Estadística e Informática (INEI), en su informe Perú: Comportamiento de los indicadores del mercado laboral a nivel nacional y en 27 ciudades (2026), el 70,2% de la población ocupada se encuentra en condición de informalidad, lo que evidencia un acceso desigual a oportunidades laborales y protección social. En este escenario, la inteligencia artificial no impactará de la misma manera en todos los perfiles; sin embargo, también abre una oportunidad: quienes desarrollen competencias digitales y utilicen estas herramientas de forma estratégica podrán potenciar su perfil y acceder a nuevas posibilidades. Así, la educación se posiciona como un actor clave para reducir brechas y ampliar oportunidades.

Finalmente, la empleabilidad siempre ha estado ligada a la capacidad de adaptación. Hoy, la inteligencia artificial no cambia esa lógica, pero sí eleva el nivel de exigencia. En un entorno donde la tecnología avanza rápidamente, ser empleable implica aprender de forma continua, cuestionar y crear con intención. Porque, más allá de cualquier avance, la verdadera ventaja sigue siendo profundamente humana.

En la sesión del viernes 13 de marzo de la Comunidad IA, Luis Valdivia Humareda, docente de la UPC y especialista en desarrollo de software, inteligencia artificial y arquitectura cloud, presentó una experiencia pedagógica centrada en la enseñanza de programación para estudiantes de ciclos superiores vinculados al desarrollo de videojuegos. Su propuesta, titulada Aprender reparando: debugging profesional en motores de juegos como Unity y Phaser, parte de una observación concreta: muchos estudiantes logran implementar funcionalidades, pero todavía dependen en exceso del docente cuando aparecen errores en el código.  

A partir de ese diagnóstico, la experiencia replantea el lugar del error dentro del proceso de aprendizaje. En vez de entenderlo como un obstáculo que debe evitarse, Valdivia lo convierte en recurso pedagógico. La metodología consiste en exponer al estudiante a errores intencionales, tanto técnicos como lógicos, para que aprenda a leer mensajes del sistema, identificar causas, proponer soluciones y documentar el proceso de corrección. De este modo, el aula se aproxima a escenarios reales de trabajo, donde no siempre se construye desde cero, sino que con frecuencia se debe intervenir sobre productos ya desarrollados, incompletos o defectuosos.  

La propuesta se organizó en dos momentos. En un primer tramo, el docente modeló con los estudiantes la identificación y resolución de errores dentro de motores como Unity y Phaser, mostrando cómo pequeñas omisiones o decisiones incorrectas afectan el funcionamiento del proyecto. En un segundo momento, cambió la lógica de la evaluación: en lugar de pedir la creación de un producto desde cero, entregó proyectos funcionales previamente alterados para que los estudiantes diagnosticaran y repararan fallas. Esta variación permitió evaluar no solo el resultado final, sino también la comprensión del problema, la capacidad de depuración y la argumentación técnica del proceso seguido.  

Los resultados presentados fueron relevantes. Según lo expuesto en la sesión, se redujo de manera considerable la solicitud constante de ayuda al docente, disminuyó el tiempo que los estudiantes dedicaban a la depuración de errores y mejoró la estabilidad de los proyectos entregados. A ello se sumaron logros formativos de mayor alcance: incremento de la autonomía, fortalecimiento del pensamiento computacional, mejor documentación de los procesos y mayor confianza para afrontar problemas similares en contextos profesionales. La experiencia mostró, además, que enseñar a corregir errores no implica bajar la exigencia, sino desplazarla hacia competencias más cercanas a las demandas del campo laboral.  

Uno de los puntos más valiosos de la conversación fue la reflexión sobre la evaluación en contextos atravesados por inteligencia artificial generativa. Frente a la facilidad con la que hoy un estudiante puede obtener código funcional mediante herramientas como ChatGPT, la experiencia presentada propone una evaluación más auténtica: resolver errores complejos, especialmente aquellos de lógica, exige comprensión de fundamentos y no solo capacidad de pedir respuestas a una herramienta. En ese sentido, la IA aparece como apoyo para optimizar tareas, pero no sustituye la necesidad de comprender cómo funcionan los sistemas ni de desarrollar criterios para intervenir sobre ellos.  

Finalmente, la sesión abrió una discusión sobre la transferencia de esta metodología a otras disciplinas. El ponente sugirió que la lógica de “aprender reparando” puede adaptarse a áreas como marketing, matemática, estadística, psicología, finanzas o ingeniería industrial, mediante actividades en las que los estudiantes deban analizar campañas mal diseñadas, procedimientos erróneos, datos defectuosos o procesos mal secuenciados. Desde esta perspectiva, el debugging deja de ser una práctica exclusiva de la programación y se convierte en una forma de aprendizaje basada en el análisis crítico, la corrección argumentada y la preparación para contextos profesionales donde identificar y resolver errores forma parte del ejercicio cotidiano. 

¿Te gustaría participar activamente en la Comunidad IA en Educación?     

Si quieres ser parte de nuestras sesiones virtuales y contribuir a este espacio de aprendizaje e intercambio, completa el siguiente formulario. Así podremos conocerte mejor y enviarte el enlace para unirte a las reuniones en vivo: https://forms.office.com/r/6nCJ4wtVaS  

Mira el video completo de la sesión:

La transformación digital en la educación superior ha dejado de ser una proyección futura para convertirse en una realidad cotidiana. En este escenario, la competencia digital docente no se limita al manejo instrumental de herramientas tecnológicas, sino que implica pensamiento crítico, criterio pedagógico y uso ético de la inteligencia artificial en los procesos de enseñanza y evaluación

Fortalecer la competencia digital significa garantizar calidad académica en entornos mediados por tecnología. Supone comprender cómo integrar la IA de manera pedagógicamente pertinente, cómo rediseñar evaluaciones y cómo formar estudiantes capaces de interactuar críticamente con sistemas inteligentes. No se trata de adoptar tecnología por tendencia, sino de ejercer liderazgo profesional en contextos digitales complejos.

El informe Encuesta sobre la IA en la Educación Superior en América Latina 2026 del Digital Education Council aporta datos relevantes sobre el estado actual de las competencias vinculadas a la IA en el profesorado universitario latinoamericano, evidenciando avances importantes, pero también brechas críticas que requieren atención institucional.

Datos clave del informe

  • Más de la mitad del profesorado muestra débil juicio crítico sobre la IA.
  • El 55% del profesorado aún debe mejorar el uso responsable de la IA.
  • El 55% demuestra experiencia práctica en el uso de la IA en educación.
  • 80% del profesorado con alta alfabetización en IA considera que la IA puede mejorar la calidad de la enseñanza.
    Encuesta sobre la IA en la Educación Superior en América Latina 2026

En su conjunto, la evidencia muestra un escenario de avances significativos, pero también de brechas críticas: existe experiencia práctica creciente en el uso de IA, pero persisten desafíos en juicio crítico y uso responsable. Esto confirma que la competencia digital docente no se reduce al acceso o familiaridad tecnológica, sino que requiere profundización en dimensiones éticas, analíticas y pedagógicas.

Desarrollar la competencia digital docente es una decisión profesional estratégica. Implica asumir el liderazgo de la transformación educativa, fortalecer la capacidad de evaluación crítica y asegurar que la tecnología esté al servicio del aprendizaje y no al revés. La innovación educativa no depende únicamente de las herramientas disponibles, sino del compromiso del docente por formarse, cuestionar y evolucionar junto con su entorno digital.

Texto realizado con el apoyo de Chat GPT.