Marzo de 2022
Sofía empieza la facultad.
Eligió la carrera como la elegimos todos: con un plan de estudios que alguien diseñó pensando en el mundo en el que ella se iba a recibir.
Innova Educa 21 · Universidad Siglo 21 · Córdoba, 2026
Institución Agéntica
Cuando la IA deja de responder y empieza a actuar.
La versión para leer de la charla que dimos Greyla Alvarez y Alfredo Edye. Con espacio para lo que en el escenario dijimos en una frase, y para lo que nos preguntaron después.
Noviembre de 2022
Ocho meses después, aparece ChatGPT.
En plena época de parciales. Sofía rinde su primer parcial con una IA que le responde preguntas. Nadie en la facultad sabía muy bien qué hacer con eso. Ella tampoco.
Una sola carrera
Tres maneras de trabajar con IA.
- 2022
Pregunta. La IA le responde.
- 2024
Copiloto. La IA le sugiere. Escribe la tesis con un asistente que le propone qué poner.
- 2026
Agente. La IA actúa. Recibe un objetivo y lo ejecuta.
2026 · Su primera entrevista de trabajo
“¿Cómo trabajás con agentes?”
Y después: “Contanos una tarea que le hayas delegado a uno. ¿Qué le pediste? ¿Qué revisaste antes de usar lo que trajo?”
Es la pregunta para la que nadie, en toda su carrera, la preparó.
No es una pregunta inventada
Así se está entrevistando este año. Hay rúbricas que piden al candidato recorrer una tarea real que le dio a un agente: qué contexto le dio y qué revisó antes de usar el resultado. Lo que miden no es si sabe usar una herramienta. Es criterio y confianza bien calibrada.
Microsoft lo llamó agent boss: cada persona va a dirigir agentes. En su medición de este año, las dos habilidades humanas que más ganan valor son controlar la calidad de lo que produce la IA y el pensamiento crítico.
50 %controlar la calidad de lo que produce la IA
46 %pensamiento crítico
Microsoft, Work Trend Index (mayo de 2026), 20.000 trabajadores que usan IA. Metaview, guía de entrevistas sobre delegación a agentes (2026).
I · Velocidad
Por primera vez, una carrera dura más que la tecnología para la que fue diseñada.
Tres paradigmas tecnológicos en una sola carrera. En educación siempre pasó un poco: los planes de estudio se diseñan para un mundo que cambia mientras se cursan. Lo nuevo es la velocidad. Hoy el cambio pasa adentro de una misma cursada.
Y no le pasa solo a Sofía. Nos pasa a los que estamos del otro lado del escritorio: docentes, equipos de gestión, quienes diseñan los programas. Las instituciones también se formaron en un mundo que ya no está.
Habilidades para el futuro · Ranking global
Una buena noticia, y una pista.
QS mide qué tan preparado está cada país para las habilidades que el trabajo va a pedir. Argentina es la primera de América Latina: puesto 31 del mundo, con 74,0 puntos. Arriba de Perú, de México, de Brasil.
Pero mirá dónde sacó su puntaje más bajo. No en talento. No en tecnología.
#31Argentina
#41Perú
#50México
QS World Future Skills Index 2027 (QS, julio de 2026). La barra muestra la posición, no el puntaje.
En la alineación entre lo que formamos y lo que el trabajo pide.
La distancia entre el aula y el trabajo. Que es, exactamente, la historia de Sofía. (QS no publica la cifra de esa dimensión para cada país: sabemos que es el punto más débil, no por cuánto.)
Una pregunta para vos
En la charla le pedimos a la sala que levante la mano. Acá te toca a vos.
¿Tu institución tiene una política de uso de IA para estudiantes?
Y la segunda
¿Y una para cómo trabaja con IA la propia institución?
No los estudiantes: la secretaría, el área de alumnos, la gestión, los equipos docentes.
América Latina · 2026
Casi todas usan IA. Pocas decidieron cómo.
87 %de las instituciones usa IA en al menos un área
26 %tiene una estrategia formal de IA
30 %de los estudiantes dice que su institución está a la altura
Lo que pasó con las manos en la sala, UNESCO lo midió en 200 instituciones de 19 países. La IA ya entró: el 92 % de los estudiantes y el 79 % de los docentes la usan activamente. Lo que falta no es entusiasmo ni herramientas.
Como dijo Alessandro Di Lullo, del Digital Education Council: lo que muestran los datos no es resistencia de los educadores, sino la necesidad de claridad institucional. Que la institución decida cómo trabaja con IA, en vez de que cada uno lo resuelva como pueda.
UNESCO IESALC, 200 instituciones de 19 países (septiembre de 2026) · Digital Education Council, LATAM Survey 2026, más de 30.000 respuestas.
Lo que venimos a decir
No se puede formar personas para trabajar con agentes desde una institución que no trabaja con agentes.
No venimos a hablar del aula. Venimos a hablar de la institución que forma. Y no es una crítica: es coherencia. La institución también tiene que aprender esto, igual que Sofía.
Córdoba ya reformó la universidad una vez, en 1918. No venimos a proponer una segunda reforma. Venimos a proponer algo más modesto y más difícil: coherencia entre lo que enseñamos y cómo trabajamos.
II · Abrimos el capó
De preguntar a delegar.
Durante dos años le hicimos preguntas a la IA. Un agente recibe otra cosa: un objetivo. Probá la diferencia.
“¿Qué estudiantes necesitan apoyo?”
Vuelve
Una lista. Y el trabajo de ver qué hacer con cada nombre sigue siendo tuyo.
“Antes del parcial de Biología, identificá qué estudiantes de primer año están en riesgo y proponé qué hacemos con cada uno.”
Vuelve
Un plan, con razones y con los datos a la vista, que espera tu decisión. Y lo que aprobás, lo ejecuta.
Un agente divide el objetivo en pasos, consulta datos, usa herramientas, habla con otros agentes y vuelve con una propuesta. Antes de la decisión, prepara. Después de la decisión, acompaña: hace lo que le dieron permiso de hacer.
La distancia entre esas dos consignas es la competencia que tenemos que formar, en estudiantes y en nosotros: saber dar un buen objetivo y saber juzgar lo que vuelve.
Sin tecnicismos
¿Qué es un agente?
Un software con cinco características. Pensalo como un ayudante alumno nuevo en la cátedra: tiene ganas, es rápido, aprende cuando lo corregís… y todavía no sabe dónde queda la fotocopiadora.
01
Rol
Un puesto en el equipo, con una responsabilidad clara. Tutor, Bienestar, Admisiones.
02
Habilidades
Sabe hacer cosas, y se las enseñó la institución: cómo se detecta un riesgo de abandono, cómo se revisa una inscripción.
03
Herramientas
Acceso a los datos y sistemas que ese puesto necesita. Ni más ni menos: igual que una persona nueva en la secretaría.
04
Memoria
Recuerda lo que le dijiste, lo que hizo y lo que decidieron las personas. No arranca de cero cada vez.
05
Actúa
Recibe un objetivo, trabaja en pasos, habla con otros agentes y vuelve con una propuesta. Y lo que afecta a una persona, lo aprueba una persona.
III · Construcción
Les presentamos a Escuela Futura.
Una institución donde seis agentes trabajan junto a las personas. Y una persona decide.
A nosotros también nos costaba imaginar cómo funciona esto de verdad. Por eso la construimos: una simulación que se parece mucho al mundo real, y que en la charla corrió en vivo.
Es ficticia. Los datos son sintéticos: no hay ningún estudiante real.
Regla de la casaNada con consecuencias para una persona sale sin que una persona lo apruebe.
El equipo
Seis agentes, cada uno con su puesto.
- CoordinaciónRecibe el objetivo, reparte el trabajo y arma la propuesta.
- TutorTutor virtual de las materias: sabe en qué temas se traban los estudiantes.
- AdvisorSecretaría y servicios: inscripciones, correlativas, pagos y trámites.
- BienestarPermanencia y acompañamiento: detecta señales de riesgo de abandono.
- AdmisionesAtiende aspirantes y sigue a los ingresantes en su primer año.
- AcademiaPropone programas a partir de lo que la escuela y su entorno piden.
Cada uno usa solo sus herramientas: consultas a los datos de la escuela que corresponden a su puesto. Ninguno contacta a un estudiante ni ejecuta algo con consecuencias. Proponen; una persona decide. En la demo, esa persona es quien dirige la escuela.
Lo que se vio en vivo
Un objetivo, una propuesta y una decisión.
La demo siguió un solo caso. Esto es lo que pasó, con capturas de la escuela vista desde arriba: a la izquierda, la conversación del equipo; a la derecha, los agentes trabajando en sus salas.
-
1
El objetivo y el reparto
Desde Dirección se escribe el objetivo: antes del parcial de Biología, identificá qué estudiantes de primer año están en riesgo y proponé qué hacemos con cada uno.
Coordinación lo divide y delega en tres: Bienestar mira la asistencia y el campus, Tutor las notas y los temas donde se traban, Advisor los pagos y trámites que pueden dejar a alguien afuera del parcial. Cada uno consulta sus datos.
-
2
Hablan entre ellos, y vuelven con una propuesta
De 24 estudiantes, una está en riesgo: Martina R. Fue a 5 de las 22 clases desde el 18/8, en cruzamientos, el tema que se traba, resolvió 3 de 10, y tiene cuotas vencidas desde el 10/8 que la dejan sin poder rendir. Advisor ve además una beca rechazada y suma a Admisiones, que recuerda lo que Martina dijo al inscribirse: “Quiero seguir Medicina el año que viene.”
Con lo de Advisor, Bienestar cambia el orden: la deuda es anterior a las faltas. Primero destrabar la deuda, después la llamada. La propuesta llegó en menos de un minuto, e incluye su propio riesgo de equivocarnos y lo que los datos no dicen: por qué dejó de venir.
-
3
Una persona decide
Dirección aprueba el plan de pagos y la práctica guiada. Y la llamada no la delega: “La llamada la hago yo.” Lo aprobado queda en el Tablero, con quién lo hace. Los agentes pueden terminar su parte y revisar la de otros; cerrar una tarea, solo una persona.
“A esta la llamo yo.”
Los agentes proponen. Una persona decide.
Hay una estudiante que no necesita un plan: necesita que alguien la llame. Eso no lo decidió el sistema.
Lo nuevo no es que la IA conteste mejor. Es que el trabajo se organiza distinto: objetivo, delegación, conversación entre agentes, propuesta… y una decisión humana. Esa última parte no se delega.
Tiene nombre: human in the loop, la persona adentro del circuito.
IV · Para el aula
La pregunta deja de sercómo evitamos que usen IA.
Pasa a ser
qué consigna vale la pena pedir ahora.
Cuando no está claro qué se puede, la conversación termina siendo sobre cómo atrapar a quien la usa. En Bitlogic lo vivimos primero: cuando la IA empezó a escribir código, la deuda que nos dejó no fue de código. Fue de comprensión.
Por eso no creemos que el contenido importe menos. Al contrario: para dar un buen objetivo y juzgar lo que vuelve, hay que saber mucho. Quien alguna vez tomó un parcial domiciliario ya lo sabía: la consigna era el verdadero examen. Lo que cambió es que ahora lo es en todas las materias.
El 94 % de los estudiantes dice que es importante que la universidad incorpore la IA al plan de estudios, y casi la mitad pide formación para usarla de manera profesional y ética (QS, junio de 2026).
Para la institución
Delegar con criterio: tres decisiones.
01
Qué delegamos
Buscar patrones, cruzar datos, preparar propuestas, responder lo repetitivo. Lo que en la demo hicieron los agentes.
02
Qué nos reservamos
El vínculo, el propósito y las decisiones que afectan a una persona. “A esta la llamo yo.”
03
Qué revisamos
Los datos que usó, por qué priorizó lo que priorizó y dónde se equivocó.
La tensión de los permisos
Cuando un agente opera adentro de los sistemas de la institución, la pregunta es qué puede tocar: qué archivos, qué datos, qué credenciales. La buena noticia es que esto las instituciones ya lo saben hacer: son los mismos límites que hoy ponen alrededor de los legajos y de los sistemas de pago. Esa es la vara para medir a cualquier agente.
Los límites, dichos de frente
Nada de esto es mágico. Los agentes no responden siempre igual. Dependen de la calidad de los datos que tiene la institución: si hay tres planillas distintas con la lista de inscriptos, el agente las va a encontrar. Las tres. Y cuestan. Es una decisión de diseño institucional, no una compra.
Para la próxima reunión de equipo
Seis preguntas antes del primer agente.
No hace falta una estrategia completa para empezar. Hace falta conversar esto con las personas que van a trabajar con los agentes. Marcá las que ya tienen respuesta en tu institución.
Ninguna marcada todavía.
Diciembre de 2026
Sofía se recibe.
Nadie le dio una materia de agentes. Eso se aprende en una semana.
Aprendió de una institución que trabaja con agentes, con criterio: vio qué delegó, qué se reservó y qué revisó. Es lo mismo que con los hijos: no se enseña con la teoría, se enseña con el ejemplo. El problema es cuando la teoría no coincide con la práctica.
Una confesión
Sofía no existe. La inventamos. Pero si trabajás en educación, conocés a muchas Sofías: entraron con un mundo y van a salir a otro.
Martina, la estudiante de la demo, podría haber sido Sofía en 2022. La diferencia es que alguien miró los datos a tiempo, y una persona decidió.
Cuando quien conduce usa IA abiertamente, la confianza del equipo en los agentes sube 30 puntos (Microsoft, Work Trend Index 2026). El ejemplo enseña. En una escuela, también.
Una institución agéntica delega con criterio.
Y puede enseñarlo porque lo practica.
Lo que se expande no es nuestra capacidad de operar herramientas. Eso ya lo hace el agente. Lo que se expande es nuestro criterio.
Conversemos
Si tu institución está pensando esto, nos gustaría escucharla.
No tenemos una receta. Tenemos preguntas, una simulación que ayuda a imaginarlo y experiencia construyendo equipos de agentes con instituciones de la región. Algunas conversaciones que nos encanta tener:
- Ver Escuela Futura con tu equipo. La misma simulación de la charla, en vivo, con sus preguntas.
- Elegir un primer proceso. Uno chico, con datos que ya existen y una persona que decide.
- Contarnos qué están probando. Lo que funciona y lo que no. También aprendemos de eso.
Gracias por leer hasta acá.