Mirando atrás, probablemente 2025 será recordado como el año en que la inteligencia artificial entró plenamente en el mercado principal.

La IA pasó rápidamente de la experimentación al uso cotidiano. Comenzó a apoyar la planificación de clases, tutorías, calificaciones, retroalimentación y flujos de trabajo administrativos a gran escala. La adopción por parte de educadores, instituciones y estudiantes superó rápidamente las políticas, infraestructuras y normas necesarias para gobernarla.

Pero 2026 será diferente.

Será el año en que el sistema educativo tendrá que adaptarse o arriesgarse a dejar a los alumnos sin preparación para el futuro en el que se enfrentan. La aceleración de la IA ya no es teórica. Las expectativas aumentan más rápido de lo que las instituciones pueden responder, y la tensión entre innovación, confianza y preparación se vuelve imposible de ignorar.

Desde la perspectiva de ETS en la intersección de evaluación, habilidades, preparación e IA responsable, tres fuerzas moldearán lo que venga después. Investigaciones globales recientes reafirman lo rápido que está llegando este punto de inflexión. En el próximo Informe de Progreso Humano de ETS 2026, los trabajadores estiman que casi un tercio de su trabajo ya consiste en dirigir herramientas de IA, y esperan que esa cuota supere la mitad en los próximos dos años. Al mismo tiempo, la ansiedad sobre la preparación está aumentando junto con la adopción. Más de la mitad de los trabajadores informa de preocupación por volverse obsoletos, y la brecha entre la importancia que percibe las habilidades en IA y la capacidad de los trabajadores sigue siendo amplia.

 En conjunto, estas señales subrayan que el reto que se avecina no es simplemente la adopción de la IA, sino la preparación, la confianza y la claridad a gran escala.

En los últimos años, la IA en la educación ha existido en gran medida como un conjunto de herramientas independientes y separadas. Los asistentes de redacción, tutores, evaluadores y plataformas de análisis aportaban valor, pero a menudo de forma aislada.

Esa era está llegando a su fin.

La IA dejará de ser algo que los educadores añadan y pasará a estar integrada en todo el proceso de aprendizaje.

Las primeras señales de este cambio surgieron en 2024 y 2025, cuando iniciativas centradas en la educación de grandes desarrolladores de IA —incluyendo OpenAI y Google— reconocieron que los entornos de aprendizaje exigen principios de diseño diferentes a los de las herramientas generales de productividad. Mientras tanto, la frustración institucional con sistemas de IA fragmentados y no integrados aceleró el impulso hacia la IA integrada a lo largo de todo el proceso de aprendizaje. Como resultado, la integración se acelerará.

Los copilotos de IA integrados directamente en sistemas de gestión del aprendizaje como Canvas, Blackboard, Moodle y Google Classroom se convertirán en la experiencia predeterminada en lugar de mejoras opcionales. La demanda institucional se alejará de las herramientas individuales de IA y se orientará hacia una infraestructura de IA segura, interoperable y profundamente integrada en el material académico, los sistemas de información del estudiante y las plataformas de evaluación.

Para ETS, este cambio refuerza una verdad fundamental. El valor de la IA en la educación depende de mediciones fiables y datos de alta calidad. La evaluación, el análisis de aprendizaje y la retroalimentación no pueden quedarse fuera del ecosistema. Deben estar integrados, ser interoperables y diseñados para apoyar resultados significativos en lugar de una eficiencia superficial.

En la siguiente fase de adopción de la IA, la confianza vendrá de una integración bien hecha.

A medida que la IA madura, una realidad se vuelve clara: el activo más valioso en la educación impulsada por IA no es el modelo en sí. Son los datos de aprendizaje que hay detrás.

Los sistemas de IA específicos para la educación dependen de datos de alta calidad y relevantes para el aprendizaje para entrenar, validar y mejorar. Los modelos de propósito general solo pueden llegar hasta cierto punto sin obtener una visión de cómo aprenden los estudiantes, dónde tienen dificultades y cómo avanza hacia los resultados deseados con el tiempo.

Esos datos residen en gran medida dentro de los sistemas de gestión del aprendizaje y las plataformas institucionales, que almacenan los registros más completos de interacción, compromiso y rendimiento estudiantil (es decir, no solo las notas en sí). Como resultado, la dinámica competitiva en la IA educativa está a punto de cambiar.

Esperamos una primera gran ola de consolidación y alineación estratégica en torno a los datos educativos. Esto probablemente se traduzca en adquisiciones a gran escala o asociaciones plurianuales entre desarrolladores líderes en IA, como OpenAI, Google, Microsoft y Anthropic, y grandes proveedores de LMS como Canvas, Blackboard, Moodle y D2L.

Estas medidas transformarán rápidamente el mercado. También pondrán la portabilidad, la interoperabilidad y la gobernanza de los datos en el centro de los debates políticos, intensificando las cuestiones sobre la propiedad de los datos, el uso responsable, la transparencia y quién, en última instancia, establece estándares de equidad y rendición de cuentas.

Para ETS, este momento presenta tanto oportunidad como responsabilidad. Existe una demanda creciente de asociaciones basadas en datos validados y de origen ético que protejan a los estudiantes e instituciones  para ofrecer tanto transparencia como explicabilidad. Al mismo tiempo, la necesidad de una gobernanza de datos transparente y una escalabilidad responsable nunca ha sido mayor.

A medida que la competencia por los datos se acelera, la confianza distinguirá a las organizaciones que perduran.

Este año, el ritmo de adopción de la IA chocará con la realidad institucional.

Muchas instituciones ya sostienen dos creencias en competencia. La IA avanza demasiado rápido para que los educadores la implementen con reflexión, e incluso más rápido de lo que las políticas pueden evolucionar para proporcionar las salvaguardas y protecciones necesarias. Al mismo tiempo, no avanza lo suficientemente rápido para abordar la escasez de mano de obra, las brechas de equidad y el aumento de las necesidades estudiantiles.

Esa tensión llegará a un punto de ruptura.

Los gobiernos impulsarán eficiencias habilitadas por IA para controlar costes y abordar la escasez de personal. Las universidades priorizarán la gestión de riesgos, la integridad académica y garantizar que los estudiantes estén preparados para lo que venga después. Cada vez más los estudiantes esperarán experiencias de aprendizaje nativas de IA que sean personalizadas, relevantes y prácticas; y se esperará que entren en el mercado laboral con habilidades fundamentales en IA. Mientras tanto, los educadores se enfrentarán a una presión creciente mientras navegan por la fatiga de las herramientas, la orientación inconsistente y las expectativas cambiantes.

El resultado será un momento de ajuste de cuentas.

El sector se verá obligado a tomar una decisión. Un camino es el cambio incremental, tratando la IA de forma similar a como se tratan hoy en día con las calculadoras, permitida, limitada y superpuesta a los modelos existentes de enseñanza y evaluación. La otra es la verdadera transformación, replantear lo que se enseña, cómo ocurre el aprendizaje y dónde encaja la educación en un mundo que cambia rápidamente.

La mayoría de las instituciones probablemente optarán por pasos incrementales por ahora. Pero evitar la decisión no es neutral. Elegir cambiar despacio, o no cambiar, sigue siendo una decisión y corre el riesgo de dejar a los alumnos sin preparación para el futuro.

Este año, esperamos ver la aparición de la primera oleada de acreditación o marcos de calidad en IA. Se formarán nuevos estándares de desarrollo profesional para educadores preparados para IA. A continuación se seguirán directrices globales más claras sobre la integridad académica. La evaluación basada en resultados ganará impulso, basada en una evaluación fiable. Esto requerirá replantearse no solo qué resultados importan, sino también los procesos y métodos utilizados para medirlos y alcanzarlos.

Para ETS, este es un momento decisivo. A medida que la IA se vuelve más accesible, existe un riesgo real de que las herramientas comerciales sean vistas como "suficientemente buenas" por los educadores bajo presión, incluso cuando las cuestiones de equidad, fiabilidad y validez permanezcan ocultas bajo la superficie. Cuando el contenido de IA parece plausible, las preguntas críticas sobre sesgos, coherencia y uso adecuado pueden desaparecer fácilmente.

Por eso mismo la medición fiable, la evaluación fiable y el diseño transparente de la IA serán innegociables. El papel que ETS ha desempeñado durante mucho tiempo como guardián de la equidad, la validez y la calidad se vuelve aún más central a medida que la IA transforma la forma en que se evalúa y reconoce el aprendizaje. En un sistema educativo habilitado por IA, el rigor no puede ser opcional, y los modelos diseñados específicamente en torno a datos y resultados educativos importarán mucho más que las soluciones de propósito general diseñadas para la comodidad.

A finales de año, el panorama educativo de la IA será fundamentalmente diferente.

El ecosistema se consolidará. Los datos se convertirán en un campo de batalla estratégico. La brecha entre la aceleración de la IA y la capacidad humana exigirá resolución.

En ETS, asumimos la responsabilidad de ayudar a moldear un futuro donde la IA mejore el aprendizaje de formas justas, seguras y significativas. La próxima era de la IA en la educación no se definirá solo por el bombo o la rapidez.

Se definirá por la confianza.