En la entrega anterior le dejé una pregunta: en su institución, ¿quién evalúa la tecnología educativa que compran? Si la respuesta fue «nadie» o «el proveedor», estimado lector, permítame decirle que no está solo. Y lo cierto es que no es por falta de genios ni de buena voluntad. Hoy quiero llevar la pregunta más allá de la tecnología: ¿quién evalúa si funciona cualquier innovación educativa, sea un programa, una reforma, un plan de estudios o una plataforma? Y, sobre todo, ¿qué le pasa a un país cuando casi nadie lo hace?

Para entender por qué innovamos así, a saltos y cada quien por su lado, una vía útil es el pensamiento de sistemas y, en particular, la teoría de los sistemas de innovación. Esta teoría es un marco analítico, con vocación normativa, para entender por qué un país, una región o un sector innovan o dejan de hacerlo, según la forma en que el conocimiento circula entre empresas, universidades y gobierno. Sus raíces van de Friedrich List, en el siglo XIX, a Christopher Freeman, Bengt-Åke Lundvall y Richard Nelson, a finales del XX (Jasso y Torres, 2025, p. 17).

Muchas islas, ningún mapa

Un sistema es un conjunto de elementos en interacción (Bertalanffy, 1968). Desde esa definición, los estudios de innovación regional distinguen dos subsistemas (Tödtling y Trippl, 2005). El primero genera y difunde conocimiento: escuelas, universidades, centros de investigación, programas de formación para el trabajo y organismos de transferencia. El segundo lo aplica y lo explota, sobre todo en las empresas. Ambos operan dentro de un marco de políticas públicas y de un contexto social que los condiciona. Esta entrega trata del primero, con la educación en el centro.

Las piezas de ese subsistema se relacionan todos los días. La escuela forma a quienes las empresas contratan; la universidad investiga, forma docentes y, a veces, transfiere tecnología; el gobierno fija planes de estudio, presupuestos y reglas. Pero esas relaciones ocurren sin intención ni orden: nadie las orienta hacia un propósito común.

En la práctica, el subsistema se parece a un archipiélago. Cada escuela o empresa compra por su cuenta, cada proveedor mide sus propias métricas y cada universidad publica estudios que casi nadie lee y que rara vez llegan a quien decide. Nadie comparte datos, nadie compara resultados y nadie tiene el mandato de hacerlo. Así, la misma lección se aprende, se olvida y se vuelve a pagar en cada institución. Muchas islas, ningún mapa.

Muchas islas, ningún mapa.

Tres rasgos del archipiélago

Tödtling y Trippl (2005) describen tres problemas típicos de los sistemas regionales de innovación, y los tres se reconocen, por analogía, en el subsistema educativo mexicano. El primero es la fragmentación: hay instituciones y organizaciones, pero faltan redes de aprendizaje colectivo y una coordinación institucional adecuada (Isaksen, 2001). Aquí entiendo las instituciones no como organizaciones, sino como las leyes y políticas públicas que abren los cauces para el diálogo y la mejora continua. Lo que forman las escuelas conversa poco con lo que investigan los centros y con lo que necesitan las empresas.

El segundo es lo que en inglés se conoce como organizational thinness, una debilidad organizacional que, en nuestro caso, se nota sobre todo en la evaluación. No hay suficientes organizaciones de investigación educativa para absorber y validar el conocimiento aplicado que se produce todos los días (Nauwelaers y Wintjes, 2002).

El tercero es el bloqueo, o lock-in: la tendencia a seguir haciendo lo que ya se sabe hacer. En educación medimos lo que es fácil de medir. La cobertura total de la educación media superior llega a 81.1%, pero la tasa neta, la que cuenta solo a los jóvenes de 15 a 17 años que están en el nivel que les corresponde, se queda en 62.5% (Secretaría de Educación Pública [SEP], 2024). Celebramos cada punto que sube; sabemos mucho menos de cuánto aprenden quienes ya están dentro (contar alumnos siempre ha sido más fácil que contar aprendizajes).

Una deuda con intereses

¿El resultado? Una deuda de evidencia que, como toda deuda, se paga con intereses: políticas públicas sin fundamento y programas que, aun con las mejores intenciones, no pueden medirse y, sin medición, tampoco mejorarse. Medir no es un lujo académico: es la única forma de saber en qué conviene gastar.

Un sistema se ajusta con retroalimentación, y en México esa retroalimentación se ha debilitado. En 2019, la reforma educativa eliminó el Instituto Nacional para la Evaluación de la Educación (INEE) y creó en su lugar la Comisión Nacional para la Mejora Continua de la Educación, conocida como Mejoredu («El INEE reconoce su derrota», 2019). En diciembre de 2024, una reforma constitucional dispuso extinguir también a Mejoredu y trasladar sus funciones a la Secretaría de Educación Pública, la SEP (Soto, 2025), y la extinción se concretó en junio de 2025 (Aquino, 2025). Desde entonces, quien diseña la política educativa es juez y parte de su propia evaluación (ah, caray).

La misma reforma alcanzó al Consejo Nacional de Evaluación de la Política de Desarrollo Social (CONEVAL). En junio de 2025, el Congreso trasladó la medición de la pobreza y la evaluación de la política social al Instituto Nacional de Estadística y Geografía (INEGI), y la de los programas, a la Secretaría de Hacienda (Álvarez Acevedo, 2025). Mientras tanto, en el proyecto de presupuesto para 2027, las becas pasarían de 5.9% a 15.3% del gasto educativo, y los servicios educativos bajarían de 20.2% a 14.7% (México Evalúa, 2026). No digo que las becas sobren. Digo que, sin evaluación independiente, no sabremos si el siguiente peso rinde más en una beca o en el aula: en docentes, materiales e infraestructura.

Parafraseando a Churchman (1971), nos dedicamos a construir los componentes (escuelas, programas, plataformas) y se nos olvidó diseñar el sistema teleológico que debía contenerlos: uno con un propósito común, indicadores de desempeño claros y una idea precisa de a quién sirve todo esto. Pista: estaría increíble que fuera a los estudiantes, a los docentes y a los trabajadores. Un sistema así cambia todo el tiempo, pero nadie orienta esos cambios ni puede corregirlos.

Gobernar el aprendizaje

De lo anterior, estimada lectora, estimado lector, surgen en mí una inquietud y una propuesta. La inquietud es esta: si seguimos innovando al ahí se va, en unos años habremos invertido presupuestos públicos, horas de docentes y la atención de toda una generación en programas y herramientas sin saber si sirvieron. Habremos acumulado reformas (y pagado una buena lana en salarios a los burócratas que las diseñan), pero no conocimiento.

La propuesta que planteamos en Pulso de Cambio consiste en abordar la innovación educativa desde una visión de sistemas regionales, que permita ejercer una gobernanza policéntrica en la que ningún actor sea el árbitro único. Hace falta fortalecer lo que Jasso y Torres (2025) llaman arreglos institucionales de coordinación (p. 26): programas de largo aliento, convenios de educación dual, incentivos fiscales a la capacitación y hubs regionales y sectoriales de innovación.

Hace falta, sobre todo, recuperar la evaluación independiente de la educación. El INEGI, que ya asumió la medición de la pobreza y la evaluación de la política social, podría alojar una unidad con autonomía técnica para evaluar aprendizajes e innovación educativa. Sobre esa base se puede construir un diseño metodológico y experimental cercano a las realidades tan diversas de nuestro país. No es una receta lista para usarse, sino una hipótesis que necesita debate, capacidad estatal y voluntad política.

Detrás de cada isla de este archipiélago hay personas: el docente que aplica un programa sin saber si sirve, el estudiante que lo vive y el trabajador que se capacita con él. Trazar el mapa es, al final, una manera de cuidarlas. Hasta aquí he hablado del subsistema que genera y difunde conocimiento; en la siguiente entrega iré al que lo aplica, de la mano de un cantautor argentino que vivió en México: Facundo Cabral. Mientras tanto, le dejo una pregunta: en su estado, ¿quién evalúa si los programas educativos funcionan, y quién se entera de los resultados?

Fuentes

1. Álvarez Acevedo, C. (2025). Senado concreta extinción del CONEVAL; trasladan sus funciones al INEGI. Semanario Zeta.
2. Aquino, E. (2025). Tras desaparición de Mejoredu, SEP aplica prueba diagnóstica para autoevaluar la Nueva Escuela Mexicana. Animal Político.
3. Bertalanffy, L. von. (1968). General system theory: Foundations, development, applications. George Braziller.
4. Churchman, C. W. (1971). The design of inquiring systems: Basic concepts of systems and organization. Basic Books.
5. El INEE reconoce su derrota y dice adiós a la vida pública. (2019). Expansión Política.
6. Isaksen, A. (2001). Building regional innovation systems: Is endogenous industrial development possible in the global economy? Canadian Journal of Regional Science, 24(1), 101–120.
7. Jasso, J., y Torres, A. (2025). Innovación y conocimiento: Reflexiones y propuestas para una agenda de investigación. En J. Jasso (Coord.), Innovación y conocimiento: Transferencia de tecnología, capacidades y dilemas globales (pp. 13–32). Fondo de Cultura Económica; Universidad Nacional Autónoma de México.
8. México Evalúa. (2026). 10 puntos de las finanzas públicas del Paquete Económico 2027.
9. Nauwelaers, C., y Wintjes, R. (2002). Innovating SMEs and regions: The need for policy intelligence and interactive policies. Technology Analysis & Strategic Management, 14(2), 201–215.
10. Secretaría de Educación Pública. (2024). Estadística e indicadores educativos. República Mexicana, ciclo escolar 2023-2024. Dirección General de Planeación, Programación y Estadística Educativa.
11. Soto, D. (2025). Trabajadores de Mejoredu: «Vivimos con el terror si sale el decreto de extinción». Expansión Política.
12. Tödtling, F., y Trippl, M. (2005). One size fits all? Towards a differentiated regional innovation policy approach. Research Policy, 34(8), 1203–1219.

Imagine, amable lector, una sala de juntas cualquiera. Puede ser la dirección de una escuela, la coordinación académica de una universidad o el área de aprendizaje de una empresa. Un proveedor proyecta una plataforma que planea clases, genera exámenes y personaliza rutas de aprendizaje con inteligencia artificial (IA). La demo es impecable, y el tablero presume miles de usuarios activos y una satisfacción de 4.8 sobre 5. Alguien pregunta por el precio; nadie pregunta si los estudiantes aprenden más. Tres semanas después, el contrato está firmado.

En la entrega anterior sostuve que la educación es la salida de fondo para un país que importa tecnología sin apropiarse del conocimiento que la hace posible. Pero esa apuesta tiene una trampa: la tecnología con la que enseñamos también se compra, se adopta y se renueva sin que casi nadie mida si funciona. Es el mismo patrón a otra escala: adoptar una tecnología no es aprender de ella. Esa escena se repite todos los días, y de ella trata esta entrega.

Una industria sin método

Si vamos a estudiar las formas de aprendizaje, sería sumamente negligente no incorporar a este diálogo el desarrollo de tecnología educativa. La hoy gigantesca industria EdTech ha crecido exponencialmente en los últimos años. Y gigantesca no es una forma de hablar: Grand View Research estimó el mercado mundial de tecnología educativa en unos 187 mil millones de dólares en 2025 y calcula que rebasará los 437 mil millones en 2033. En México la curva tampoco es modesta; IMARC Group proyecta que pasaremos de 4.9 mil millones de dólares en 2025 a 14.6 mil millones en 2034, casi el triple en nueve años (Grand View Research, 2026; IMARC Group, 2026). Los emprendedores han encontrado en ella una brecha de mercado bastante rentable y desarrollan desde simples cursos de e-learning hasta sofisticadas soluciones SaaS. Prometen resolver los dolores de cabeza de docentes, directivos, diseñadores instruccionales y líderes de las áreas de aprendizaje en las empresas. Sin embargo, como otros sectores emergentes (y como el uso mismo de la IA), ha quedado al margen de los marcos regulatorios y del rigor científico que podrían ofrecer los centros de investigación. Así, se ha visto supeditada a la gestión poco eficiente del mercado.

Hoy es de lo más común ver a docentes usar plataformas para crear sus planeaciones o elaborar y evaluar exámenes. O a diseñadores instruccionales construir, en apenas unos minutos y con la mínima intervención de expertos en la materia (SME, por sus siglas en inglés), cursos completos para una gran diversidad de sectores. Y nos parece extraordinario, hasta que vemos los resultados de esos cursos, planeaciones y evaluaciones. Entonces volvemos a la crítica habitual hacia los pedagogos y su histórica incapacidad para resolver los problemas del mundo mundial.

Pero es ahí donde la puerca torció el rabo, mi respetable e intelectual lector. Estas tecnologías, como las de muchas otras industrias, con frecuencia no son elaboradas por pedagogos o psicólogos. Lo curioso es que la psicología sí llegó a otra parte de la tecnología: a la forma en que nos venden. Muchas estrategias de marketing se apoyan en lo que sabemos sobre cómo decidimos, y las despliegan expertos en ventas que nos seducen de tal manera que terminamos convertidos en sus más aguerridos promotores, sin saberlo ni quererlo. La psicología entró al diseño de cómo nos venden; casi nada, al de cómo enseñamos. La IA nos ha dado muchísima capacidad de agencia (¿de más?). Día con día me voy a la cama deseando que esto sea bueno, y lo creo. Creo que el mundo está lleno de genios, pero vale la pena preguntarnos: ¿estamos construyendo tecnología que aporte valor a la sociedad, o solo llevando muchos dólares a los bolsillos de unos pocos? ¿Existe un método detrás de estas tecnologías o solo hay vibe coding? ¿En manos de quién estamos dejando las decisiones pedagógicas, financieras o de talento? ¿Son esas manos lo suficientemente críticas, o también ese criterio es artificial?

Creo que estas preocupaciones son legítimas y que vale la pena bajarle un poco al entusiasmo por las amplias posibilidades que hoy nos ofrece la IA. Toca tomar distancia, dejar de pisar el acelerador y pensar cómo innovar al ritmo de la tecnología sin sacrificar el rigor y el método. Solo así podremos hablar no solo de cantidad, sino de calidad.

Más rápido de lo que podemos evaluar

Para dimensionar el problema: la plataforma de inteligencia de mercado Tracxn sitúa en 2,974 el número de nuevas startups EdTech fundadas en el mundo solo durante este 2026, que aún no termina (Tracxn, 2026). El ciclo de iteración de un producto EdTech, del producto mínimo viable (MVP) a la versión mejorada con la retroalimentación de sus pruebas, suele estimarse en 6 a 12 meses. En cambio, la validación científica de impacto con un diseño cuasiexperimental o experimental requiere, como mínimo, de uno a tres semestres académicos. Dicho de otro modo: para cuando termina la evaluación de una versión, el producto ya cambió una o dos veces. Con esas cifras podríamos afirmar, al menos de manera preliminar, que el mercado desarrolla productos más rápido de lo que la investigación puede evaluarlos. Innovamos más rápido de lo que podemos evaluar.

Innovamos más rápido de lo que podemos evaluar.

Muchos lanzamientos reportan datos comerciales de uso, retención o satisfacción; el tablero de la demo es un ejemplo perfecto. Pero esas métricas no equivalen a aprendizaje. Que un estudiante pase cuarenta minutos en una plataforma dice cuánto tiempo estuvo ahí, no qué aprendió. Que un docente califique una herramienta con cinco estrellas dice que le ahorró trabajo, no que sus alumnos entiendan mejor.

Evaluar el impacto real exige otra cosa: grupos de comparación, mediciones antes y después, y seguimiento en el tiempo. Además, cualquier estudio serio debería partir del problema, intrínsecamente humano, de la heterogeneidad. Un producto puede funcionar en un contexto y fracasar en otro, porque toda innovación se crea y se reconfigura en entornos locales concretos (Jasso y Torres, 2025, p. 19). Eso obliga a controlar variables como el docente, el currículo o el nivel socioeconómico. La UNESCO le puso número a ese riesgo. Su Informe GEM 2023 recoge un hallazgo del EdTech Genome Project, en Estados Unidos: de unas 7,000 herramientas pedagógicas, que en conjunto costaron 13 mil millones de dólares, el 85% no encajaba con su contexto o se implementó mal (UNESCO, 2023). Más de ocho de cada diez, para decirlo pronto.

Los supuestos resultados sobre la eficacia de las soluciones EdTech rara vez se replican: la evidencia es condicional (“funciona en un contexto, bajo determinadas condiciones”), no universal. También suelen presentar un enorme sesgo, pues con frecuencia los mide la propia empresa que desarrolla la tecnología (hágame uste el favor). Y si estos resultados solo se sostienen en determinadas condiciones, el problema no es únicamente de capacidades de investigación, sino epistémico. Los supuestos desde los cuales se genera este conocimiento no están bien planteados, porque su objeto de estudio es más complejo que medir si una herramienta le parece útil a alguien.

Un bien de confianza

Ya escucho a los defensores del laissez-faire argumentar: “el mercado terminará por eliminar los productos malos”. Ojalá. El detalle es que, en educación, el mercado no es eficiente en información. La educación es lo que los economistas llaman un bien de confianza (Darby y Karni, 1973): uno cuya calidad no alcanzamos a verificar bien ni siquiera después de haberlo consumido. Y en los sectores de bienes de confianza (piense usted en los medicamentos) no dejamos la validación en manos del libre mercado. ¿Por qué en educación habría de ser distinto?

En educación, el mercado no es eficiente en información.

Mientras no exista quien evalúe de forma independiente, la responsabilidad recae en quien compra. Antes de firmar, cualquier institución puede pedir tres cosas. Primero, qué evidencia de aprendizaje, no de uso, tiene el producto. Segundo, quién la produjo y si es independiente del proveedor. Tercero, en qué contextos se obtuvo, para saber si se parecen al suyo. No es un estándar de laboratorio, pero es mucho más que una demo.

Conviene reconocer los límites de este argumento. No toda herramienta necesita un ensayo experimental: un software que ahorra tiempo administrativo puede juzgarse por el tiempo que ahorra. Y exigir evidencia rigurosa a todo podría frenar a los desarrolladores pequeños, que no pueden pagar una evaluación, y favorecer a los grandes. El problema no es innovar sin certeza, sino adoptar a gran escala sin haber medido nada.

Al final, la deuda de evidencia no la pagan las empresas que venden ni las instituciones que compran: la pagan estudiantes, docentes y trabajadores con su tiempo y su atención. En la siguiente entrega llevaré la discusión más allá de la tecnología para preguntar por qué casi nadie evalúa la innovación educativa en México: no por falta de genios, sino porque nadie ordena las relaciones entre quienes generan, enseñan y estudian el conocimiento. Mientras tanto, le dejo una pregunta: en su institución, ¿quién evalúa la tecnología educativa que compran, y con qué evidencia?

Fuentes

1. Darby, M. R., y Karni, E. (1973). Free competition and the optimal amount of fraud. Journal of Law and Economics, 16(1), 67–88.
2. Grand View Research. (2026). Education technology market size, share & trends analysis report, 2026–2033.
3. IMARC Group. (2026). Mercado de EdTech en México: tamaño, participación, tendencias y pronóstico, 2026–2034.
4. Jasso, J., y Torres, A. (2025). Innovación y conocimiento: Reflexiones y propuestas para una agenda de investigación. En J. Jasso (Coord.), Innovación y conocimiento: Transferencia de tecnología, capacidades y dilemas globales (pp. 13–32). Fondo de Cultura Económica; Universidad Nacional Autónoma de México.
5. Tracxn. (2026). EdTech: 2026 market & investments trends.
6. UNESCO. (2023). Informe de seguimiento de la educación en el mundo 2023: Tecnología en la educación: ¿una herramienta en los términos de quién? UNESCO.

Número cero. Con esta entrega arranca Pulso de Cambio, una columna sobre innovación, tecnología y economía del conocimiento en México y América Latina.

La nueva normalidad

La disrupción es la nueva normalidad. Pareciera que fue ayer cuando este término, “nueva normalidad”, se incorporó a nuestro vocabulario, pero no es así. Hoy, mientras me encuentro frente a mi computadora, tomando una taza de café en punto de las 7:00 a. m. del 18 de octubre de 2026, han pasado ya seis años y diez meses. Más de un lustro, a nada de convertirse en una década, desde que en Wuhan, China, el virus SARS-CoV-2 (Severe Acute Respiratory Syndrome Coronavirus 2) cambió nuestra realidad para siempre.

Poco más de un mes después, la enfermedad por coronavirus llegó al continente americano; nuestro vecino del norte fue el primer afectado. Treinta y siete días más tarde tocó el suelo de la Patria Grande, y el Gigante del Sur (Brasil) fue el primero en sufrirla. Tan solo un día después, la región más transparente del aire, nuestro país, el valle de Anáhuac, México pues, ya formaba parte de la lista de naciones afectadas.

Desde aquel momento, nada ha sido “normal”. A unas semanas de cumplirse tres años del inicio de la pandemia, OpenAI lanzó ChatGPT el 30 de noviembre de 2022: un asistente basado en el modelo de lenguaje GPT-3.5, disponible a través de una interfaz conversacional gratuita (OpenAI, 2022). Con ello desató una nueva pandemia y, con ella, un cambio de era: la de la disrupción digital.

La inteligencia artificial (IA) no es nada nueva. Sus estudios fundacionales se remontan a la década de 1940, cuando el neurofisiólogo Warren McCulloch y el matemático Walter Pitts crearon el primer modelo matemático y lógico de una neurona artificial (McCulloch y Pitts, 1943). Pero todo esto ya lo sabemos. Tras casi cuatro años de IA generativa al alcance de todos, conocemos sus orígenes, su funcionamiento y sus mejores prácticas. Además, contamos con marcos regulatorios y paradigmas de aprendizaje que nos permiten una adopción ética y eficiente (¡ups!).

Esta nueva normalidad ha implicado un cambio vertiginoso en las economías. No hablo solo de las cadenas de valor globales, sino también del comportamiento de las MiPyMEs, de los consumidores y de la forma en que tomamos decisiones. Hablo, sobre todo, de lo más importante desde mi perspectiva como profesional de la educación: la manera en que aprendemos y compartimos el aprendizaje.

Del dicho al hecho

Esta vorágine de cambios trajo consigo conceptos como el tecnofeudalismo, que sirven para confirmar lo evidente: nuestra realidad se ha convertido en una genuina película de ciencia ficción. Probablemente, mientras escribo estas líneas, alguien en algún laboratorio evalúa cómo esparcir en el sistema nervioso sensores inalámbricos del tamaño de un grano de polvo que registran su actividad mediante ultrasonido (Seo et al., 2016). O cómo cultivar, sobre chips de silicio, neuronas que, conectadas a un videojuego, aprenden a jugar Pong (Kagan et al., 2022). O cómo mantener, dentro de un procesador cuántico, fases de la materia que oscilan una y otra vez sin llegar nunca al equilibrio: los llamados cristales de tiempo (Mi et al., 2022).

Suena impresionante, ¿no es así? Y lo es. Con avances como estos podríamos erradicar las enfermedades neurológicas, construir supercomputadoras biológicas de una eficiencia energética extrema o blindar la encriptación de datos contra cualquier ciberataque. En ese caso, como diría mi gran amiga Belinda Carlisle, podríamos asegurar que heaven is a place on earth (ella no sabe que es mi amiga, pero me gusta pensar que lo es).

Sin embargo, como decimos en mi pueblo: del dicho al hecho… Hoy nada nos garantiza que, con la tecnología que se intenta desarrollar, no terminemos por perder la privacidad del pensamiento. Tampoco que no acabemos en una sociedad controlada por corporaciones o gobiernos totalitarios (un momento… ¿han escuchado hablar de las redes sociales?). Otra posibilidad, que en lo personal me preocupa mucho, es que el Estado que domine la computación cuántica inutilice las redes de defensa tradicionales y alcance una ventaja bélica asimétrica. Así es: si está dentro de sus posibilidades, construya su búnker en casa o, al menos, compre todo el papel higiénico que pueda (seguro de algo ha de servir).

Desde la tribuna

Utópico o distópico, el escenario comparte un rasgo que casi nunca se menciona: México aparece en él como espectador. Las cifras lo dicen con más claridad que cualquier película. El 19.3% de nuestras exportaciones manufactureras son de alta tecnología (Banco Mundial, 2024). Sin embargo, 55.8% del valor de la llamada manufactura global, la que produce para exportar, proviene de insumos importados (INEGI, 2025). Exportamos productos tecnológicos armados con conocimiento ajeno. Participar en las cadenas globales de valor podría ser una escuela: ahí se aprende a producir con estándares mundiales, siempre que existan capacidades para absorber ese aprendizaje (Pietrobelli y Rabellotti, 2011, como se citó en Jasso y Torres, 2025). Pero participar no es aprender, y nosotros ocupamos sobre todo el segmento que ensambla, no el que diseña.

La propiedad intelectual cuenta la misma historia: por cada dólar que México cobra por el uso de patentes, licencias y marcas, paga cerca de doce (Banco de México, 2026). Y la inversión extranjera, que a menudo se presenta como la puerta de entrada a nuevas capacidades, tampoco lo está siendo. En el primer semestre de 2026, 88.5% de la inversión extranjera directa fue reinversión de utilidades y apenas 7.8% inversión nueva (Secretaría de Economía, 2026). Se profundiza lo instalado; no llega lo que todavía no sabemos hacer.

Dicho sin rodeos: somos espectadores de una disrupción tecnológica diseñada por otros.

Somos espectadores de una disrupción tecnológica diseñada por otros.

Ser espectador tiene un costo. Transferir tecnología no es solo comprarla: incluye adoptarla, adaptarla, asimilarla y, con el tiempo, apropiarse de ella (Jasso y Torres, 2025, p. 16). Cuando nos quedamos en la compra, pagamos dos veces: primero con divisas, después con dependencia. Las decisiones sobre cómo funciona una plataforma, qué datos recoge o qué aprende un modelo se toman en otro lado, con otras prioridades y para otros contextos. Cuando esa tecnología entra a nuestras aulas, empresas y oficinas de gobierno, entra con supuestos que nadie aquí discutió.

Espíritu, no naturaleza

Pero no todo está perdido, amable lector. El hombre [la humanidad] es sobre todo espíritu, o sea, creación histórica y no naturaleza, decía Antonio Gramsci (1916/1998); es decir, no hay nada absoluto. Ni la dependencia tecnológica es un destino, ni la tribuna es un lugar asignado para siempre. Esta vorágine de información tiene una y solamente una forma de abordarse de fondo. Es una estrategia a menudo menospreciada, tomada por algo secundario o sujeta al statu quo: la educación, entendida como el proceso de construcción del pensamiento que moldea el comportamiento de las personas.

Este fenómeno social antiquísimo ha permanecido al margen de la historia en cuanto a sus métodos y paradigmas. Y eso es paradójico, porque al mismo tiempo es la génesis de cuanto desarrollo científico y tecnológico hemos experimentado. La razón es concreta: la tecnología existe en dos formas. Una es codificada y vive en máquinas, licencias y manuales; la otra es tácita y vive en las habilidades y la experiencia de las personas (Nonaka y Takeuchi, 1995; Polanyi, 1966; como se citaron en Jasso y Torres, 2025). La primera se puede importar; la segunda se aprende aquí o no se tiene. Corea, por ejemplo, importó tecnología y, al mismo tiempo, invirtió en aprender a usarla y a mejorarla (Westphal et al., 1985, como se citó en Jasso y Torres, 2025). Por eso, hoy más que nunca, es preciso replantear cómo aprendemos, desde la estimulación temprana en la primera infancia hasta los hoy tan afamados procesos de upskilling y reskilling.

Conviene decir lo que este argumento no resuelve. La educación no sustituye la inversión en investigación y desarrollo, ni el crédito, ni una política industrial; sin ellas, formar talento puede terminar en exportarlo. Tampoco toda tecnología importada es un problema: rentar lo que otros hacen mejor es sensato. El riesgo está en rentarlo todo y no aprender nada en el proceso.

Detrás de cada una de estas cifras hay personas: estudiantes, docentes y trabajadores que usan todos los días herramientas que no ayudaron a diseñar y cuyo efecto nadie ha medido. De eso trata la siguiente entrega: si vamos a apostar por la educación, ¿cómo sabemos que la tecnología educativa que adoptamos de verdad enseña? Mientras tanto, le dejo una pregunta para su organización: de la tecnología que usa todos los días, ¿cuánta podría haberse diseñado aquí, y qué le haría falta a su equipo para lograrlo?

Fuentes

1. Banco de México. (2026). Balanza de pagos, enero-junio de 2026 [cuadro analítico, Sistema de Información Económica].
2. Banco Mundial. (2024). Exportaciones de alta tecnología (% de las exportaciones de manufacturas): México.
3. Gramsci, A. (1998). Socialismo y cultura. En Para la reforma moral e intelectual. Los Libros de la Catarata. (Trabajo original publicado en 1916).
4. INEGI. (2025). Valor agregado de exportación de la manufactura global, 2024 (Comunicado de prensa núm. 155/25).
5. Jasso, J., y Torres, A. (2025). Innovación y conocimiento: Reflexiones y propuestas para una agenda de investigación. En J. Jasso (Coord.), Innovación y conocimiento: Transferencia de tecnología, capacidades y dilemas globales (pp. 13–32). Fondo de Cultura Económica; Universidad Nacional Autónoma de México.
6. Kagan, B. J., Kitchen, A. C., Tran, N. T., Habibollahi, F., Khajehnejad, M., Parker, B. J., Bhat, A., Rollo, B., Razi, A., y Friston, K. J. (2022). In vitro neurons learn and exhibit sentience when embodied in a simulated game-world. Neuron, 110(23), 3952–3969.e8.
7. McCulloch, W. S., y Pitts, W. (1943). A logical calculus of the ideas immanent in nervous activity. The Bulletin of Mathematical Biophysics, 5(4), 115–133.
8. Mi, X., Ippoliti, M., Quintana, C., Greene, A., Chen, Z., Gross, J., Arute, F., Arya, K., Atalaya, J., Babbush, R., Bardin, J. C., Basso, J., Bengtsson, A., Bilmes, A., Bourassa, A., Brill, L., Broughton, M., Buckley, B. B., Buell, D. A., . . . Roushan, P. (2022). Time-crystalline eigenstate order on a quantum processor. Nature, 601(7894), 531–536.
9. OpenAI. (2022). Introducing ChatGPT.
10. Secretaría de Economía. (2026). México registra un máximo histórico de Inversión Extranjera Directa (IED) para un primer semestre: 34 mil 968 millones de dólares en 2026.
11. Seo, D., Neely, R. M., Shen, K., Singhal, U., Alon, E., Rabaey, J. M., Carmena, J. M., y Maharbiz, M. M. (2016). Wireless recording in the peripheral nervous system with ultrasonic neural dust. Neuron, 91(3), 529–539.