De la promesa tecnológica al replanteamiento humano
Duolingo, una de las plataformas educativas más reconocidas del mundo, se lanzó de lleno a la era de la inteligencia artificial con una decisión drástica: sustituir al 10% de su plantilla por sistemas automatizados. Su CEO, Luis von Ahn, ha salido a reconocer que esa apuesta no solo fue precipitada, sino probablemente un error. Así lo ha confesado públicamente en una reciente entrevista, abriendo un debate que va mucho más allá del ámbito tecnológico.
El movimiento de Duolingo no fue un caso aislado. En medio del furor por las capacidades de los modelos de lenguaje y herramientas automatizadas, muchas empresas comenzaron a reducir sus equipos confiando en que la IA sería suficiente. Sin embargo, Von Ahn lo deja claro: “No sé exactamente qué va a pasar”, reconoció, admitiendo que los resultados no fueron los esperados. La compañía experimentó que la eficiencia prometida por las máquinas no logró sustituir la comprensión humana ni el enfoque pedagógico que requiere la enseñanza personalizada.
El problema no es la IA, es cómo y para qué la usamos
El asunto, tal como lo han explicado tanto Von Ahn como varios expertos, no gira en torno a si la inteligencia artificial es útil (porque lo es) sino a su malentendida promesa de reemplazo total. La narrativa de que "las máquinas vendrán a sustituirnos" no solo es simplista, sino peligrosa. Lo que de verdad está ocurriendo es una reconfiguración: los perfiles más preparados, los que entienden cómo funciona la IA y cómo aprovecharla, son los que están desbancando a otros menos adaptados.
Este punto fue enfatizado con claridad en un análisis viral en redes, donde se resalta que el auténtico protagonista no es la herramienta, sino la persona que sabe usarla. El avance tecnológico no elimina empleos por arte de magia; lo que hace es cambiar el tipo de habilidades que demanda el mercado. Saber pedirle algo a ChatGPT no es suficiente. Se necesitan fundamentos reales: álgebra lineal, estadística, SQL, redes neuronales y una comprensión básica de cómo operan los sistemas de machine learning.
De la innovación al rediseño interno
En el caso específico de Duolingo, Von Ahn explicó que la empresa logró crear la misma cantidad de herramientas en menos de un año gracias a la combinación de IA con revisión humana. Pero esto no evitó la necesidad de reestructurar internamente. “Despedimos a gente, sí, pero ahora necesitamos contratar a otros, con nuevas competencias”, reconoció. Y ahí está el punto crítico: no es que la IA destruya el empleo, lo transforma. Se requieren perfiles capaces de integrar el pensamiento computacional con la creatividad pedagógica.
El CEO también lanzó una reflexión que invita a observar el panorama desde otra óptica: la IA no es una novedad mágica recién salida del horno. Su desarrollo se remonta a décadas atrás, y lo que vemos hoy es simplemente su democratización. De hecho, tecnologías como los LLM (modelos de lenguaje de gran tamaño) llevan años en formación y evolución. No han surgido de la nada ni lo han hecho en “cuestión de meses”, como muchos aún creen.
Adaptarse o quedarse fuera
El gran error de muchas compañías ha sido pensar que automatizar significa sustituir sin más. Pero la realidad es mucho más compleja. La inteligencia artificial está alcanzando ciertos límites, entre ellos el energético y el económico. Cada vez que queremos que un sistema automático resuelva problemas más complejos, el consumo de recursos también se dispara. Y eso tiene un coste, tanto monetario como ambiental.
Por eso, más allá del hype, lo que viene es una etapa de consolidación. Las herramientas ya existen, pero su verdadero valor radica en manos de quienes saben aplicarlas con criterio. No se trata de soñar con un mundo donde los algoritmos lo hagan todo, sino de entender que el poder real está en quienes se forman, se adaptan y saben cómo utilizar estas herramientas para generar valor.
