Escenarios IA a 2035: ciencia y educación

🌐 Para 2030, se prevé que el modelo de arbitraje por pares humano-exclusivo haya sido reemplazado en más del 60% de revistas top por sistemas híbridos: revisores humanos asistidos por IA que reducen el tiempo de revisión de ~180 a ~30 días. Los grandes consorcios editoriales (Elsevier/RELX, Springer Nature, Wiley) ya invierten masivamente en IA propietaria de arbitraje. Las revistas pequeñas sin capital para adoptarla quedarán en desventaja competitiva severa.

En México, el sistema de revistas arbitradas es frágil: depende estructuralmente de fondos públicos y trabajo voluntario de personas investigadoras. La caída del presupuesto del entonces CONAHCYT desde 2019 agravó la situación. Se proyecta que entre 30–45% de las revistas académicas mexicanas de humanidades y ciencias sociales reducirán frecuencia de publicación o cerrarán entre 2026–2032, incapaces de competir con el volumen y velocidad de las publicaciones IA-asistidas internacionales.

Gran reto se plantea en lo inmediato la tercera o cuarta generación del padrón/sistema/programa de revistas científicas nacionales que nació en 1994. Hoy, la SECIHTI parece reenfocarlo en busca de su revitalización, bajo una nueva denominación: Sistema Nacional de Publicaciones Científicas y Humanísticas.

1c. Derechos de autor: tarea de refundación legal

La IA disuelve las bases conceptuales del derecho de autor tal como se concibió en la era industrial del conocimiento. El conflicto central es doble: ¿quién es autor cuando la IA produce texto científico? ¿A quién pertenecen los datos que entrenaron los modelos?

México enfrenta un vacío legal específico: la Ley Federal del Derecho de Autor (1996, reformada en 2020) no contempla creaciones algorítmicas. El retraso legislativo proyectado es de 5–8 años respecto a la UE, creando un período de alta vulnerabilidad jurídica para investigadores mexicanos que publiquen con IA sin regulación clara.

1d. Ética de la investigación: dilemas inteligentes

En polifonIA.org, hemos analizado antes el contraste entre el estado de avance regulatorio entre Europa y los Estados Unidos, así como entre los países latinoamericanos. Sin duda, el “efecto Bruselas” referido ahí, es sinónimo de vanguardia normativa.

🌐 Los cuatro dilemas éticos dominantes del período serán: (1) fabricación y falsificación asistida —la IA facilita la generación masiva de datos plausibles pero falsos; (2) sesgo algorítmico en revisión —los modelos reproducen jerarquías académicas históricas; (3) opacidad metodológica —la "caja negra" de los modelos impide reproducibilidad real; y (4) concentración epistémica —unos pocos sistemas de IA estadounidenses y chinos configuran qué se considera conocimiento válido.

En México, la percepción pública sobre ciencia y tecnología (INEGI-PECYT 2022) muestra que el 61% de la población confía en las personas científicas, pero menos del 20% comprende qué es la IA. Se asume que en últimos tres años la IA ha avanzado enormemente en México y en el mundo, pero estimamos que esa tendencia porcentual permanece vigente en nuestro país. Esta asimetría informativa hace particularmente urgente la formación ética en las instituciones de educación superior. Las universidades públicas mexicanas carecen casi universalmente de comités de ética específicos para IA en investigación.

El sistema educativo mundial —y el mexicano en particular— enfrenta la disrupción más profunda desde la escolarización masiva del siglo XIX. La diferencia crítica respecto a revoluciones tecnológicas anteriores (imprenta, radio, televisión, internet) es que la IA no solo distribuye conocimiento: lo genera, lo evalúa y comienza a certificarlo.

2a. La nueva función docente: relacional y formativa, aliada de la IA

El debate sobre si la IA "reemplazará" a los docentes está en gran medida mal planteado. La evidencia prospectiva más sólida (OECD Digital Education Outlook 2026, McKinsey Global Institute 2024, UNESCO 2025) converge en un hallazgo clave: la IA sustituirá funciones docentes específicas, no al docente como figura relacional y formativa.

Funciones docentes más expuestas a automatización

🌐 El World Economic Forum (WEF) proyecta que entre 2025–2030 surgirán ~97 millones de nuevos roles laborales asociados a IA en todo el mundo, pero se eliminarán ~85 millones de roles existentes. En educación, el balance será de reducción neta de ~8–12% de plazas docentes en funciones administrativas y de transmisión de contenido, compensada parcialmente por la demanda de nuevos perfiles: diseñadores de experiencias de aprendizaje, facilitadores de pensamiento crítico e ingenieros de currículo.

En México, el desplazamiento proyectado es menor al promedio OCDE en el corto plazo (2026–2030) por razones estructurales: cobertura digital insuficiente, resistencias sindicales (SNTE, CNTE) y deuda histórica de infraestructura. Sin embargo, esto no representa una ventaja: significa que la transición llegará comprimida y desorganizada entre 2030–2035, con menor tiempo de adaptación institucional.

2b. Educación presencial vs. modalidades mediadas por IA

La pandemia demostró que la educación completamente a distancia tiene límites pedagógicos serios, especialmente en niveles básicos. La evidencia post-COVID (OECD 2023; PISA 2022) confirma pérdidas de aprendizaje en estudiantes que cursaron más de 12 meses en modalidad exclusivamente remota. La presencialidad no desaparecerá, pero su función se redefinirá profundamente.

Para 2035, la distinción relevante no será "presencial vs. virtual" sino "qué aprendizajes requieren copresencia corporal y cuáles pueden ser mediados eficientemente por IA". El laboratorio, el taller, la discusión filosófica, el aprendizaje socioemocional, la práctica clínica: todos requieren presencialidad irreductible. La transmisión de contenido factual, en cambio, migra casi completamente a formatos IA-personalizados.

2c. Viabilidad de posgrados en México 2026–2035: momento de redirigir

Con base en datos demográficos del INEGI (Estructura demográfica 2025) y tendencias del mercado laboral, es posible proyectar qué campos disciplinarios de posgrado enfrentarán demanda creciente, estable o decreciente en el período.

El perfil demográfico de México es relevante: la pirámide poblacional muestra que entre 2026–2035 habrá un bono demográfico tardío con alta proporción de jóvenes en edad de cursar posgrado (25–35 años). Sin embargo, la tasa de eficiencia terminal en licenciatura (~55%) limita el universo de candidatos. El reto no es demanda de posgrado, sino pertinencia y calidad de lo que se oferta frente a un mercado laboral reconfigurado por la IA.

2d. El futuro de las tesis de investigación

La tesis académica —como forma institucionalizada de demostrar capacidad investigativa— enfrenta una crisis de legitimidad que no es tecnológica, sino epistemológica. El problema no es que la IA pueda escribir tesis, sino que evidencia que muchas tesis convencionales no eran otra cosa que síntesis de información preexistente, que es exactamente lo que la IA hace mejor que los humanos.

🌐 Algunas universidades, como MIT, UCL y ETH Zurich, ya caminan hacia formatos alternativos a la tesis: "contribuciones verificables", "artefactos de conocimiento" (software, diseños, protocolos) y "portafolios de investigación". Para 2030, se proyecta que el 40–50% de las universidades de investigación de países OCDE habrán reformado sustancialmente los requisitos de titulación de posgrado.

En México, la SECIHTI y la ANUIES deberán afrontar una reforma mayor de los criterios de titulación. El sistema vigente (tesis + defensa oral) data esencialmente del modelo europeo del siglo XIX. La resistencia institucional es alta, pero la presión será irresistible: si los docentes no pueden distinguir tesis escritas por estudiantes de las generadas por IA, el sistema perderá credibilidad. La reforma es inevitable; la pregunta es si será proactiva o reactiva.

2e. Infraestructura escolar: ¿más aulas o más plataformas?

Según información del INEGI, se registra un rezago de infraestructura escolar acumulado: ~120,000 planteles en México. De los cuales al menos el 35% tiene instalaciones en condiciones precarias y más del 60% carece de conectividad suficiente para plataformas IA educativas. La demografía marca una paradoja: la matrícula de educación básica descenderá gradualmente después de 2030 por la transición demográfica (menor natalidad). Pero la matrícula de media superior y superior aumentará hasta 2032 antes de estabilizarse.

Esto configura una ventana de oportunidad: la construcción de nueva infraestructura básica puede ralentizarse y redirigirse hacia la reconversión tecnológica de los planteles existentes. Sin embargo, esto solo aplica en zonas urbanas. Las comunidades rurales e indígenas seguirán requiriendo infraestructura física como prerrequisito de cualquier estrategia educativa, digital o no.