Sam Altman es un empresario y desarrollador estadounidense, conocido sobre todo por ser el director ejecutivo de OpenAI, la organización que creó ChatGPT. Desde ese puesto se ha convertido en una de las voces más influyentes —y también más discutidas— sobre el futuro de la inteligencia artificial, sus capacidades y el impacto que puede tener en la sociedad. Sus opiniones no representan por sí solas el consenso de la comunidad educativa, pero resultan especialmente relevantes porque proceden de una persona situada en el centro del desarrollo de algunos de los sistemas de IA más avanzados.
La conversación sobre inteligencia artificial suele centrarse en sus capacidades, en la velocidad con la que avanzan los modelos y en los empleos que pueden transformar. Sin embargo, una pregunta resulta todavía más básica: ¿qué debería seguir aprendiendo una persona cuando una máquina puede producir respuestas, escribir código y resolver problemas en pocos segundos? Sam Altman aborda esta cuestión en una conversación con estudiantes de Stanford en junio de 2026 sobre el futuro de los sistemas de frontera, la inteligencia artificial y la sociedad. Cuando le preguntan por la educación, su respuesta es directa: el sistema educativo tiene que adaptarse mucho más de lo que lo ha hecho hasta ahora. El propio Altman reconoce que se equivocó al pensar que la llegada de ChatGPT provocaría una rápida transformación de la enseñanza.
Esta entrevista no es un informe educativo ni una propuesta curricular. Tampoco ofrece evidencias sobre qué métodos funcionan mejor en el aula. Su interés está en que plantea con claridad una tensión que afecta a cualquier docente: si la escuela continúa enseñando y evaluando las mismas tareas que antes de la IA, puede terminar debilitando precisamente la capacidad de pensar que debería proteger.
La entrevista en 1 minuto
- ☑️ La educación no puede seguir enseñando y evaluando como si la inteligencia artificial no existiera.
- ☑️ Sam Altman admite que esperaba una adaptación mucho más rápida de los sistemas educativos después del lanzamiento de ChatGPT.
- ☑️ Algunas prácticas, como escribir o programar, pueden seguir siendo valiosas aunque las máquinas las realicen mejor, porque ayudan a desarrollar la meta-habilidad de pensar y aprender.
- ☑️ Otras formas de enseñar, aprender y evaluar deberían cambiar por completo para evitar una pérdida de pensamiento crítico.
- ☑️ El futuro educativo dependerá también de cómo se distribuya la inteligencia artificial: como una utilidad ampliamente accesible o como una capacidad concentrada en unas pocas empresas.
El problema no es sólo utilizar IA, sino seguir educando como antes
La respuesta de Altman sobre educación parte de un diagnóstico muy concreto. No considera suficiente añadir una herramienta de inteligencia artificial a las prácticas existentes. El problema aparece cuando las instituciones mantienen objetivos, tareas y sistemas de evaluación diseñados para un mundo en el que los estudiantes tenían que producir por sí mismos textos, programas o respuestas que ahora un modelo puede generar rápidamente.
«Si seguimos enseñando y evaluando al alumnado como si estuviéramos en un mundo anterior a la AGI, no va a funcionar y provocará una atrofia de la capacidad de aprender a pensar»
La idea merece atención porque desplaza el centro del debate. La pregunta habitual es si el alumnado debe tener permitido el uso de ChatGPT. La pregunta más importante sería qué parte de una actividad queremos que aprenda y qué parte queremos observar. Si la tarea consiste únicamente en entregar un producto final, la intervención de la IA puede hacer que ese producto deje de demostrar quién ha comprendido, razonado o tomado decisiones.
Desde esta perspectiva, la adaptación educativa no consiste en declarar que todas las herramientas están permitidas o prohibidas. Consiste en revisar el sentido de las actividades. Hay ejercicios cuyo objetivo puede ser practicar una destreza sin ayuda externa, mientras que en otros puede tener más sentido trabajar con IA y valorar la capacidad de orientar, comprobar, corregir y explicar el resultado.
El reconocimiento de un error de predicción
Uno de los momentos más significativos de la entrevista es la autocrítica de Altman. Cuando ChatGPT llegó al público, pensaba que el sistema educativo pasaría por un periodo breve de plagio y pérdida de aprendizaje, pero que después se rediseñaría para aprovechar la nueva tecnología. Imaginaba proyectos en los que el alumnado tuviera que utilizar IA para resolver problemas más ambiciosos y, al mismo tiempo, tuviera que esforzarse más intelectualmente.
Sin embargo, afirma que le resulta difícil señalar cambios sistémicos importantes en la educación durante los tres años y medio posteriores al lanzamiento de ChatGPT. Califica esa expectativa como un error de predicción. Más allá de la cifra concreta o del momento en que se realizó la entrevista, la observación apunta a una dificultad conocida: las tecnologías pueden extenderse con rapidez mientras las instituciones educativas cambian lentamente.
Esta admisión permite presentar la educación no como un sector que todavía no ha encontrado la aplicación adecuada, sino como un sistema que debe tomar decisiones sobre sus fines. El desafío no es descubrir qué aplicación utilizar, sino decidir qué significa aprender cuando producir una respuesta ya no demuestra necesariamente que se ha aprendido.
No todo lo que automatiza la IA debe desaparecer del currículo
Altman introduce una distinción importante. Aunque las máquinas puedan realizar mejor algunas tareas, eso no significa que dejemos de enseñarlas. Pone como ejemplo la escritura: él piensa escribiendo y redacta textos que nadie más llega a leer, porque el propio acto de escribir le ayuda a aclarar lo que piensa. También menciona la programación como una práctica que puede mantener un valor formativo aunque la inteligencia artificial genere código con más rapidez.
«Habrá cosas que enseñemos a las personas aunque las máquinas puedan hacerlas mejor, porque es útil enseñarles la meta-habilidad de pensar y aprender»
Esta afirmación permite separar dos elementos que a menudo aparecen mezclados: el producto y el proceso. Una persona puede aprender a escribir para publicar un texto, pero también para ordenar sus ideas, descubrir contradicciones y construir un razonamiento. Puede programar para crear una aplicación, pero también para aprender a descomponer un problema, formular instrucciones y entender cómo se relacionan sus partes.
La llegada de la IA no elimina automáticamente el valor de estas prácticas. Obliga a explicar mejor por qué se enseñan. Si el objetivo es que el alumnado adquiera una herramienta mental, el proceso continúa siendo importante aunque el producto final pueda generarse con ayuda de una máquina.
Para el aula, esta distinción sugiere que no todas las tareas deben responder a la misma política de uso de IA. En algunas convendrá pedir un trabajo autónomo y observar la construcción básica de una habilidad. En otras será más relevante analizar cómo el estudiante plantea el problema, qué instrucciones ofrece al sistema, cómo detecta errores y cómo transforma una respuesta automática en una elaboración propia.
La evaluación es el punto donde la transformación resulta inevitable
Altman no desarrolla un modelo concreto de evaluación, pero afirma que habrá que cambiar por completo algunas formas de enseñar, aprender y evaluar. Esa triple mención es importante. No basta con modificar los exámenes si las actividades de aprendizaje siguen basándose en tareas que la IA puede realizar sin que el estudiante tenga que comprenderlas.
Una evaluación adaptada a este contexto tendría que prestar más atención a la calidad del pensamiento que al acabado superficial del resultado. Eso puede significar pedir al alumnado que:
- explique cómo ha definido el problema;
- justifique las decisiones tomadas durante el proceso;
- contraste las respuestas de la IA con fuentes, datos o conocimientos previos;
- identifique errores, límites y supuestos del resultado;
- revise una primera versión y argumente por qué la ha modificado;
- defienda oralmente sus conclusiones o las aplique a una situación nueva.
Estas posibilidades no aparecen como una receta en la entrevista. Son una forma de aterrizar su preocupación central: las actividades deben seguir exigiendo pensamiento propio incluso cuando incorporan sistemas capaces de producir una primera respuesta.
La cuestión no es conseguir que el alumnado trabaje sin inteligencia artificial en todo momento. En muchos contextos profesionales, utilizará herramientas de este tipo. La cuestión es evitar que la ayuda tecnológica oculte una ausencia de comprensión. Una actividad puede permitir IA y, al mismo tiempo, exigir más razonamiento que una tarea tradicional basada en repetir información.
Pensar y aprender como objetivo educativo
La expresión que más se repite en la respuesta de Altman es la necesidad de conservar la capacidad de pensar. No se refiere únicamente a saber manejar una herramienta ni a conocer los conceptos básicos de la inteligencia artificial. Habla de una capacidad más general: formular preguntas, comprender problemas, interpretar información, aprender algo nuevo y decidir qué hacer con lo que se sabe.
El riesgo que plantea es el de una atrofia progresiva. Si durante años el alumnado puede delegar la formulación, la escritura, la resolución y la revisión de sus tareas, puede acabar entregando productos correctos sin haber desarrollado los procesos mentales que esos productos deberían demostrar.
Este riesgo no implica asumir que el pensamiento humano sea siempre superior al de una máquina. En la misma entrevista, Altman sostiene que los modelos ya superan a las personas en algunas tareas y son mucho peores en otras, especialmente en trabajos de horizonte largo y con un alto componente de juicio. También afirma que los modelos pueden contribuir a descubrir conocimiento nuevo, incluso en ámbitos donde hasta hace poco se consideraba improbable que pudieran realizar avances relevantes.
La consecuencia educativa no es que el alumnado deba competir con la IA en cada capacidad. Es que debe aprender a reconocer qué puede hacer el sistema, qué no puede hacer todavía y cómo valorar sus resultados. Para ello hacen falta conocimientos, criterio, contexto y capacidad de revisión. La alfabetización en IA no puede reducirse a aprender a escribir instrucciones para un chatbot.
Una educación amplia para un mundo de inteligencia abundante
Cuando le preguntan por sus años en Stanford, Altman recuerda el valor de haber tenido una exposición amplia a campos diferentes. Cuenta que cursó asignaturas introductorias muy distintas y que, con el tiempo, esa formación general le proporcionó perspectivas que no habría obtenido si sólo hubiera estudiado informática y física.
La respuesta no está formulada como una teoría educativa sobre la inteligencia artificial, pero encaja con el problema que plantea. Si las máquinas pueden ofrecer respuestas especializadas y acceder a grandes cantidades de información, la educación no debería limitarse a preparar personas que sepan ejecutar una única operación. También debe ayudar a comprender contextos, relacionar disciplinas, formular problemas interesantes y reconocer qué preguntas merecen ser investigadas.
La formación amplia adquiere así un valor práctico. Una persona que sólo conoce una técnica puede utilizar una herramienta potente sin comprender sus consecuencias. Una persona con perspectivas diversas puede interpretar mejor un resultado, detectar lo que falta y conectar el conocimiento con una situación humana, social o ética.
La entrevista sugiere, por tanto, que el futuro no exige abandonar las humanidades, las ciencias sociales o los conocimientos que no parecen inmediatamente aplicables. Al contrario, la capacidad de cambiar de perspectiva puede ser una de las condiciones para utilizar bien una inteligencia artificial cada vez más capaz.
La inteligencia artificial como una nueva utilidad
Otra idea de la conversación ayuda a entender por qué la adaptación educativa no puede reducirse a una herramienta concreta. Altman compara la inteligencia artificial con una utilidad básica, como la electricidad o la conexión a internet. Su expectativa es que la inteligencia llegue a ser muy abundante y barata, aunque antes será necesario resolver problemas relacionados con la capacidad de cómputo y la infraestructura necesaria para ofrecerla a gran escala.
Si la inteligencia se convierte en una infraestructura disponible de forma cotidiana, las escuelas no estarán preparando al alumnado para usar un programa aislado. Estarán formando a personas que vivirán, estudiarán y trabajarán dentro de entornos en los que pedir ayuda a un sistema inteligente será tan normal como buscar información en internet. La inteligencia artificial dejará de ser una aplicación concreta para convertirse en un entorno habitual de aprendizaje y trabajo.
Esto cambia la pregunta sobre las competencias digitales. No bastará con saber acceder a la herramienta. Habrá que comprender cómo se produce una respuesta, qué información se le proporciona al sistema, qué intereses pueden influir en su diseño, qué datos se comparten y quién puede acceder a capacidades que otros no tienen.
El futuro de la IA también es una cuestión de poder
La parte educativa de la entrevista se conecta con otra preocupación de Altman: la posibilidad de que la inteligencia artificial se democratice o quede concentrada en unas pocas empresas. Considera que la concentración de una parte significativa de la riqueza y de la capacidad de decisión en un reducido número de compañías sería una situación negativa, aunque reconoce que la seguridad puede utilizarse como argumento para limitar la difusión de la tecnología.
Para la educación, esta tensión tiene una consecuencia evidente. Si la inteligencia artificial funciona como una utilidad básica, el acceso a ella no puede darse por supuesto. Las diferencias de conexión, dispositivos, versiones de pago, acompañamiento y conocimientos pueden convertirse en diferencias de aprendizaje. Además, una escuela dependiente de sistemas privados tendrá que preguntarse qué margen conserva para proteger los datos, definir sus objetivos y decidir qué valores quiere transmitir.
Altman insiste en la importancia de la agencia humana: las personas deberían poder participar en la dirección que toma la tecnología y no limitarse a aceptar un futuro decidido por unos pocos actores. Trasladado al ámbito educativo, esto significa que el debate sobre IA no debería quedar reservado a empresas tecnológicas o equipos directivos. También tendría que incluir al profesorado, al alumnado y a las comunidades que van a vivir sus consecuencias.
La entrevista no ofrece una política concreta para lograrlo. Su aportación consiste en señalar que la cuestión no es únicamente qué pueden hacer los modelos, sino quién controla esas capacidades, cómo se distribuyen y qué margen de decisión conservan las personas.
Qué cambia en el papel del docente
Altman no desarrolla en esta conversación una descripción detallada del futuro profesorado. Aun así, sus ideas permiten extraer una implicación clara: el docente tendrá que intervenir cada vez más en el diseño de experiencias que hagan visible el pensamiento del alumnado.
Eso no significa que deba convertirse en un vigilante dedicado a descubrir si un texto ha sido escrito por una máquina. Su función puede orientarse a definir mejores problemas, seleccionar conocimientos relevantes, establecer criterios de calidad, crear momentos de trabajo autónomo y ayudar a interpretar las respuestas generadas por la IA.
También tendrá que decidir cuándo una herramienta aporta valor y cuándo sustituye una experiencia formativa que el alumnado necesita realizar por sí mismo. Esa decisión no puede resolverse con una regla general, porque depende de la edad, la materia, la finalidad de la tarea y la habilidad que se pretende desarrollar.
Esta es una interpretación educativa de la entrevista, no una propuesta explícita de Altman. Pero se desprende de su distinción entre tareas que conviene mantener por su valor mental y tareas que deben rediseñarse por completo. El profesorado aparece como la figura que puede establecer esa diferencia en cada contexto.
Conclusión y valoración final
La principal aportación de la entrevista de Stanford es plantear que la IA no vuelve innecesario el aprendizaje, pero sí pone en cuestión muchas de las formas con las que se ha organizado. Si una máquina puede producir con facilidad un resultado que antes servía como prueba de conocimiento, la escuela tiene que volver a preguntarse qué quiere que el alumnado comprenda, practique y sea capaz de hacer sin delegar su pensamiento. Escribir, programar y resolver problemas pueden seguir formando parte de la educación, pero será necesario explicar qué capacidades desarrollan y diseñar actividades que hagan visible ese proceso.
El valor de esta fuente está en la claridad de su diagnóstico y en la autocrítica de su autor sobre la lentitud de la respuesta educativa. Su límite también es evidente: se trata de la visión personal del CEO de una empresa de inteligencia artificial, expresada en una conversación informal y sin datos de investigación educativa, voces docentes o un plan de aplicación. Por eso conviene leerla como una provocación útil para revisar la enseñanza, no como una guía suficiente para decidir el futuro de la escuela.
⚠️ ATENCIÓN: Este artículo ha sido generado con herramientas de IA. Aunque ha sido revisado por los autores del blog, puede contener errores en su contenido.
Ficha técnica
- Entrevista: Stanford CS153 Frontier Systems | Scale, AGI, and the Future of Everything.
- Contexto: conversación con estudiantes de Stanford sobre sistemas de frontera, inteligencia artificial y futuro social.
- Tema principal: adaptación de la educación ante la inteligencia artificial y valor de aprender a pensar en un entorno de inteligencia abundante.