Un análisis de la formación, la certificación y el trabajo desde el Artefactualismo Constitutivo
Dr. Víctor Manuel Oxley Insfrán
Investigador SISNI–CONACYT
Cuando la inteligencia artificial transforma el trabajo profesional
Imaginemos el departamento contable de una empresa en el que trabajan seis personas. Cuatro realizan registros, conciliaciones y preparación de documentos. Una supervisa las operaciones y otra asume las responsabilidades profesionales correspondientes.
La empresa incorpora sistemas de inteligencia artificial capaces de automatizar buena parte de esas actividades. Después de reorganizar sus procedimientos, mantiene solamente tres trabajadores.
Tres puestos desaparecen, pero la contabilidad continúa existiendo. La empresa sigue necesitando representar su situación económica, interpretar información financiera, cumplir obligaciones y responder por sus decisiones.
La profesión no ha desaparecido necesariamente, aunque se haya reducido la cantidad de personas necesarias para desarrollar sus actividades.
Este ejemplo permite reconocer una distinción fundamental: la continuidad de una profesión no garantiza la continuidad de los empleos asociados con ella.
Sin embargo, existe otra consecuencia menos evidente.
Los trabajadores principiantes que realizaban aquellas tareas no solamente contribuían a la producción contable. También aprendían mediante su ejecución. Registrando operaciones, identificando errores y resolviendo situaciones concretas adquirían experiencia para asumir posteriormente responsabilidades de mayor complejidad.
Si esas actividades se automatizan, la empresa puede reducir sus necesidades inmediatas de personal y, simultáneamente, modificar los espacios donde se formaban sus futuros profesionales experimentados.
La inteligencia artificial plantea, entonces, dos problemas relacionados: qué sucede con las profesiones cuando sus operaciones pueden automatizarse y cómo se formarán los profesionales cuando cambien las actividades mediante las cuales tradicionalmente adquirían sus competencias.
Estas cuestiones alcanzan directamente a la universidad.
Durante décadas, la educación superior ha organizado conocimientos, establecido programas de formación, evaluado aprendizajes y otorgado títulos que acreditan determinadas trayectorias académicas. Una parte importante de las competencias profesionales, sin embargo, continuaba desarrollándose después de la graduación, mediante la incorporación progresiva al trabajo.
La automatización puede modificar esa distribución de responsabilidades.
Mi propósito es examinar este problema desde el Artefactualismo Constitutivo, teoría filosófica general que he desarrollado para investigar las condiciones bajo las cuales determinados objetos, prácticas y sistemas normativamente estructurados adquieren identidad y estabilidad.
La tesis que defenderé es que la inteligencia artificial no solamente transforma las operaciones profesionales. También obliga a revisar las condiciones mediante las cuales la universidad forma, evalúa y reconoce institucionalmente a quienes aspiran a ejercer determinadas profesiones.
¿Qué constituye realmente a una profesión?
Una primera dificultad consiste en identificar qué entendemos por profesión.
Habitualmente reconocemos las profesiones mediante las actividades que realizan quienes las ejercen. Un contador registra operaciones y prepara estados financieros; un abogado interpreta normas y redacta documentos jurídicos; un arquitecto diseña espacios y elabora proyectos.
Pero esas actividades no agotan necesariamente la identidad de cada profesión.
Durante décadas, los contadores utilizaron libros manuscritos, calculadoras, máquinas de escribir y programas informáticos. Cada transformación modificó sus procedimientos sin eliminar automáticamente la práctica contable.
Algo semejante ocurrió en otras profesiones.
La pregunta filosófica consiste en determinar qué condiciones permiten reconocer la continuidad de una práctica a través de esas transformaciones.
El Artefactualismo Constitutivo ofrece un marco para examinar este problema mediante siete condiciones analíticas: diferenciación (Δ), asignación funcional (F), dependencia estructural (D), restricciones constitutivas (ℛ), transformaciones admisibles (T), invariantes (ℐ) y estabilización (S).
Estas condiciones no constituyen una clasificación de profesiones ni una descripción de sus actividades habituales. Permiten reconstruir las relaciones que hacen posible identificar una práctica y distinguir sus transformaciones de aquellas modificaciones que podrían alterar su identidad.
Volvamos al ejemplo contable.
La diferenciación permite reconocer qué distingue la contabilidad de otras actividades. La asignación funcional identifica para qué se realizan sus operaciones. La dependencia estructural muestra las relaciones entre procedimientos, normas, instituciones y responsabilidades.
Las restricciones constitutivas delimitan qué resultados son admisibles. Las transformaciones admisibles permiten examinar qué cambios tecnológicos pueden incorporarse. Los invariantes identifican las condiciones cuya conservación resulta relevante para reconocer la continuidad de la práctica. Finalmente, la estabilización explica cómo determinadas formas de organización adquieren reconocimiento institucional.
Estas condiciones permiten comprender por qué sustituir una operación no equivale necesariamente a eliminar la profesión que la utilizaba.
Si un sistema artificial realiza conciliaciones contables, la operación puede haber sido automatizada. Pero todavía debemos examinar las funciones, restricciones y responsabilidades que permiten reconocer el resultado como parte de una práctica contable institucionalmente organizada.
Por supuesto, no corresponde afirmar de antemano que todas las profesiones conservarán indefinidamente su identidad. Algunas pueden transformarse radicalmente, fusionarse con otras o desaparecer.
El análisis constitutivo no predice cuáles sobrevivirán. Permite investigar qué debe conservarse, modificarse o desaparecer para que una práctica continúe siendo reconocida como tal.
Esta distinción es importante para la universidad, porque sus programas no deberían organizarse exclusivamente alrededor de las operaciones que los profesionales realizan en un momento histórico determinado.
También necesitan considerar las funciones, relaciones y restricciones que dan sentido a esas operaciones.
Formar, certificar e insertar: tres cosas diferentes
La universidad suele presentar su tarea mediante una secuencia aparentemente sencilla: una persona ingresa como estudiante, adquiere conocimientos, supera evaluaciones, obtiene un título y posteriormente se incorpora al ejercicio profesional.
Sin embargo, esta secuencia reúne tres procesos diferentes.
Formar significa desarrollar conocimientos, capacidades de interpretación, habilidades prácticas y criterios de decisión.
Certificar significa que una institución autorizada reconoce formalmente una trayectoria académica mediante procedimientos establecidos.
Insertar profesionalmente significa participar efectivamente en una práctica laboral, bajo determinadas condiciones económicas, institucionales y normativas.
Estas dimensiones se relacionan, pero no son equivalentes.
Una persona puede adquirir competencias profesionales sin obtener un título universitario. Otra puede recibir un título válido sin haber desarrollado suficientemente todas las competencias que ese título pretende acreditar. Una tercera puede reunir una formación rigurosa y una certificación legítima sin encontrar oportunidades laborales adecuadas.
Las tres situaciones muestran que la formación efectiva, el reconocimiento institucional y el empleo responden a condiciones diferentes.
La universidad interviene directamente en la formación y la certificación. Puede contribuir a la inserción mediante prácticas, convenios y vínculos con empleadores, pero no controla por sí sola la disponibilidad de puestos de trabajo.
Esta distinción adquiere especial importancia frente a la inteligencia artificial.
Un sistema puede producir resultados semejantes a los elaborados por un estudiante competente. Sin embargo, la equivalencia de los productos no demuestra necesariamente una equivalencia entre las competencias de quienes los presentan.
Consideremos dos estudiantes que entregan el mismo informe financiero, técnicamente correcto.
El primero puede explicar las decisiones adoptadas, identificar las normas utilizadas y justificar las conclusiones. El segundo obtuvo el documento mediante inteligencia artificial, pero no puede explicar por qué sus resultados serían admisibles.
Ambos presentan productos equivalentes. No obstante, las evidencias disponibles sobre sus competencias son diferentes.
La teoría de la validez de la evaluación, especialmente en los trabajos de Samuel Messick y Michael Kane, ha examinado extensamente la relación entre los resultados observados y las interpretaciones que pretendemos justificar mediante ellos.
El Artefactualismo Constitutivo permite situar ese problema dentro de una cuestión más amplia: bajo qué condiciones una institución puede reconocer legítimamente una competencia y atribuir a una persona determinado estatus académico o profesional.
El título universitario es un objeto institucional. Su validez depende de reglas, procedimientos, autorizaciones y actos de reconocimiento.
Pero que una credencial sea institucionalmente válida no garantiza automáticamente que su titular posea todas las competencias que aquella pretende acreditar.
Aquí aparece una distinción decisiva entre la constitución institucional del estatus de egresado y la adquisición efectiva de competencias.
Una universidad puede otorgar legítimamente un título conforme a sus reglas y, sin embargo, necesitar revisar los procedimientos mediante los cuales determina qué capacidades han desarrollado realmente sus estudiantes.
La inteligencia artificial vuelve especialmente visible esta diferencia.
Restricciones, invariantes y estabilización: qué aporta el análisis constitutivo
Entre las siete condiciones del Artefactualismo Constitutivo, tres resultan especialmente útiles para examinar la relación entre formación y certificación: las restricciones constitutivas, los invariantes y la estabilización.
Las restricciones constitutivas
Toda práctica profesional establece condiciones que permiten distinguir los resultados admisibles de aquellos que no satisfacen sus exigencias.
Un estado financiero puede presentar operaciones aritméticas correctas y contener clasificaciones incompatibles con las normas contables aplicables.
Un documento jurídico puede estar correctamente redactado y carecer de validez por incumplir determinados requisitos.
La competencia profesional no consiste solamente en producir documentos formalmente correctos. Comprende también la capacidad de reconocer las restricciones que determinan su admisibilidad.
Desde esta perspectiva, una evaluación universitaria debe permitir identificar si el estudiante comprende esas restricciones, especialmente cuando utiliza herramientas capaces de generar resultados técnicamente elaborados.
Los invariantes
La incorporación de nuevas tecnologías puede modificar los instrumentos utilizados para realizar una actividad sin eliminar necesariamente todas las competencias que la caracterizan.
Un estudiante puede elaborar manualmente un estado financiero y justificar correctamente sus decisiones. Otro puede utilizar inteligencia artificial, detectar errores del sistema, corregir resultados y justificar las decisiones finales.
Si ambos satisfacen los mismos criterios de competencia previamente establecidos, la diferencia instrumental no basta para afirmar que uno posee una formación inferior.
La capacidad de justificar decisiones puede funcionar, en este caso, como un candidato a invariante de la competencia evaluada.
No se trata de afirmar que la justificación sea una propiedad universal e invariable de todas las profesiones. Su pertinencia depende de las funciones y restricciones específicas de cada práctica.
La cuestión es distinguir aquello que puede transformarse de aquello cuya conservación resulta necesaria para reconocer determinada competencia.
La estabilización
Las universidades estabilizan sus procesos mediante programas, evaluaciones, reglamentos, acreditaciones y títulos académicos.
Estos mecanismos permiten reconocer institucionalmente determinadas trayectorias formativas.
Pero la estabilidad de un procedimiento no garantiza su calidad.
Un programa puede conservar durante años sus asignaturas y mecanismos de evaluación mientras cambian las actividades profesionales para las cuales prepara a sus estudiantes.
También puede continuar certificando resultados que, debido a la incorporación de nuevas tecnologías, ya no constituyen evidencia suficiente de las competencias que pretende reconocer.
Por tanto, debemos distinguir la estabilización institucional de la certificación y la adquisición efectiva de competencias.
Esta distinción permite identificar una dificultad filosófica fundamental: la universidad puede conservar intacta la validez de sus títulos mientras se transforma la relación entre esos títulos y las capacidades profesionales que deberían acreditar.
El Artefactualismo Constitutivo no reemplaza los estudios pedagógicos ni las investigaciones sobre validez de la evaluación. Su contribución consiste en reconstruir las condiciones de identidad, reconocimiento y continuidad de las prácticas institucionales involucradas.
El conocimiento que se enseña y el conocimiento que se adquiere trabajando
La transformación de la formación profesional requiere considerar una distinción adicional: la diferencia entre conocimiento codificado y conocimiento tácito.
El conocimiento codificado puede expresarse mediante reglas, fórmulas, manuales, procedimientos y documentos. Constituye una parte importante de aquello que las instituciones educativas transmiten mediante clases, textos y evaluaciones.
El conocimiento tácito, en cambio, comprende capacidades desarrolladas mediante experiencia, observación, interacción y participación en situaciones concretas.
Michael Polanyi destacó que las personas pueden saber realizar determinadas actividades sin poder expresar exhaustivamente todas las reglas que orientan su desempeño.
David Autor retomó esta dificultad para explicar por qué algunas tareas resultaron históricamente más difíciles de automatizar que otras.
La inteligencia artificial generativa está modificando las fronteras tecnológicas de la automatización, pero la distinción continúa siendo relevante para comprender el aprendizaje profesional.
Un estudiante puede conocer todas las reglas generales de una actividad y encontrar dificultades cuando debe aplicarlas en situaciones reales, con información incompleta, excepciones y consecuencias prácticas.
Por eso, una parte importante de la formación profesional se desarrollaba tradicionalmente después de la graduación.
Los primeros empleos ofrecían oportunidades para observar decisiones, reconocer errores, resolver problemas y adquirir progresivamente autonomía.
Sherwin Rosen examinó esta relación mediante la idea de aprendizaje por experiencia como producción conjunta.
Mientras una persona participa en actividades productivas, también puede desarrollar conocimientos y competencias.
El aprendizaje no siempre constituye una actividad separada de la producción. Puede surgir como consecuencia de realizar el propio trabajo.
Esta perspectiva permite comprender una consecuencia especialmente importante de la automatización.
Si una empresa sustituye mediante inteligencia artificial las actividades que anteriormente realizaban los principiantes, puede eliminar simultáneamente parte del trabajo productivo y las oportunidades de aprendizaje asociadas con él.
La empresa obtiene beneficios inmediatos de productividad, pero podría debilitar algunos de los mecanismos mediante los cuales se forman sus futuros trabajadores experimentados.
Surge así una paradoja.
Las organizaciones pueden continuar necesitando profesionales experimentados mientras reducen las oportunidades laborales mediante las cuales tradicionalmente se adquiría esa experiencia.
La cuestión no consiste en defender la conservación indefinida de tareas rutinarias. Muchas pueden automatizarse con importantes beneficios.
El problema consiste en determinar cómo se desarrollarán las competencias que anteriormente se adquirían mediante su ejecución supervisada.
Y aquí reaparece la universidad.
Si parte del aprendizaje profesional deja de ocurrir en los primeros empleos, las instituciones formadoras podrían enfrentar nuevas responsabilidades.
Pero esas responsabilidades no se resolverían simplemente incorporando más contenidos académicos.
Si las competencias requeridas dependen de experiencia, mentoría y participación práctica, será necesario reorganizar las condiciones mediante las cuales se desarrollan.
Qué nos dicen las investigaciones sobre inteligencia artificial y empleo
La evidencia disponible permite considerar seriamente estas transformaciones, aunque todavía no demuestra que exista un desplazamiento generalizado del aprendizaje profesional hacia las universidades.
Brynjolfsson, Chandar y Chen (2026), utilizando datos de nómina de ADP en Estados Unidos, encontraron que el empleo de trabajadores de entre 22 y 25 años en ocupaciones altamente expuestas a la inteligencia artificial se situaba aproximadamente un 19 % por debajo de la trayectoria que habría seguido si hubiera evolucionado al mismo ritmo que el empleo de sus pares en ocupaciones menos expuestas.
La revisión de agosto de 2026 señala que la menor contratación de trabajadores jóvenes parece constituir el principal mecanismo de esa divergencia, antes que un aumento de las separaciones laborales.
Sin embargo, los propios autores reconocen limitaciones importantes.
Las diferencias estimadas se atenúan cuando se considera la educación, sin que ello permita concluir que sean específicamente menores entre los universitarios. El estudio tampoco aísla a los egresados universitarios como una población a la cual pueda atribuirse directamente la cifra del 19 %.
Además, existen tendencias diferenciales anteriores a la adopción generalizada de la inteligencia artificial generativa. Las brechas observadas en la muestra de ADP son mayores que las registradas en referentes de encuestas nacionales, y algunas estimaciones presentan sensibilidad a decisiones metodológicas.
Los autores tampoco encuentran evidencia de desplazamiento laboral generalizado en toda la economía.
Por tanto, sus resultados deben interpretarse como señales descriptivas tempranas, no como una demostración causal definitiva.
La investigación también permite examinar diferencias relacionadas con la naturaleza de las tareas y la experiencia de los trabajadores.
Las actividades más fácilmente codificables pueden resultar especialmente susceptibles de reorganización mediante inteligencia artificial, mientras que determinadas capacidades adquiridas mediante experiencia continúan siendo relevantes para interpretar, supervisar y utilizar sus resultados.
Esta relación fortalece nuestra pregunta sobre la formación profesional.
Si disminuyen las oportunidades de ingreso a determinadas ocupaciones, necesitamos investigar si también se modifican los mecanismos mediante los cuales sus trabajadores adquieren experiencia.
Otras investigaciones muestran resultados diferentes según las variables examinadas.
Humlum y Vestergaard, en su estudio sobre Dinamarca, encontraron una rápida incorporación de herramientas de inteligencia artificial y una reorganización de tareas sin efectos estadísticamente detectables sobre ingresos u horas trabajadas durante el período observado.
Estos resultados no contradicen necesariamente los hallazgos estadounidenses, porque examinan dimensiones diferentes del mercado laboral.
En América Latina, Gmyrek, Winkler y Garganta (2024), en una investigación conjunta de la Organización Internacional del Trabajo y el Banco Mundial, estimaron que entre el 26 % y el 38 % de los empleos regionales presentan algún grado de exposición a la inteligencia artificial generativa.
Aproximadamente entre el 2 % y el 5 % corresponden a ocupaciones con potencial de automatización completa según los criterios tecnológicos utilizados.
Estas cifras no representan pérdidas efectivas de puestos de trabajo.
La exposición tecnológica tampoco equivale necesariamente a sustitución laboral. Una herramienta puede automatizar determinadas tareas y complementar otras, modificando la organización del trabajo sin eliminar íntegramente una ocupación.
Para Paraguay necesitamos investigaciones específicas que permitan identificar las actividades efectivamente automatizadas, la evolución de las contrataciones iniciales y las transformaciones de las oportunidades de aprendizaje profesional.
Los resultados internacionales proporcionan antecedentes importantes, pero no sustituyen la evidencia nacional.
La universidad ante una nueva responsabilidad formativa
La universidad enfrenta una transformación que no puede comprenderse exclusivamente como la necesidad de enseñar nuevas tecnologías.
La cuestión es más profunda.
Si determinadas tareas profesionales iniciales se automatizan, las instituciones educativas podrían necesitar organizar experiencias que permitan desarrollar competencias anteriormente adquiridas mediante el trabajo.
Esto no significa que deban reproducir artificialmente todos los procedimientos tradicionales.
La inteligencia artificial también puede ofrecer oportunidades formativas importantes mediante simulaciones, entornos interactivos, análisis de casos y retroalimentación inmediata.
Pero debemos distinguir entre utilizar una tecnología y desarrollar las competencias que permiten ejercer una práctica profesional.
Un estudiante puede producir un informe excelente mediante inteligencia artificial y carecer de criterios para reconocer sus errores.
Otro puede utilizar la misma herramienta, examinar críticamente sus resultados y justificar las decisiones adoptadas.
La diferencia no reside simplemente en la presencia o ausencia de tecnología, sino en las competencias efectivamente desarrolladas.
Desde el Artefactualismo Constitutivo, la universidad necesita examinar qué funciones, restricciones y capacidades deben conservarse para que una determinada formación continúe justificando el reconocimiento institucional de un profesional competente.
Esto implica revisar la relación entre los programas académicos y las prácticas profesionales, fortalecer las experiencias supervisadas y establecer procedimientos de evaluación que permitan distinguir la producción de resultados de la comprensión de sus condiciones de validez.
También exige considerar la distribución de responsabilidades entre universidades, empresas, organismos profesionales y Estado.
La teoría del capital humano de Gary Becker permite comprender que los costos y beneficios de la formación pueden distribuirse entre trabajadores y empleadores según las características de las competencias adquiridas.
La automatización podría modificar esos incentivos.
Si las empresas reducen las oportunidades de aprendizaje asociadas con puestos iniciales, surge la pregunta de quién asumirá los costos de desarrollar las competencias que seguirán siendo necesarias.
No corresponde atribuir automáticamente toda esa responsabilidad a la universidad.
La formación profesional constituye un proceso en el que intervienen diversas instituciones y cuya organización debe responder a las condiciones específicas de cada práctica.
Dos hipótesis para investigar en las universidades paraguayas
El análisis desarrollado permite formular dos hipótesis relacionadas, pero diferentes.
La primera se refiere a las transformaciones del aprendizaje laboral.
H1. En ocupaciones donde aumenta la automatización efectiva de tareas profesionales iniciales, disminuirán relativamente las oportunidades de aprendizaje asociadas con esos puestos, en comparación con ocupaciones u organizaciones de menor automatización.
Esta hipótesis podría investigarse mediante encuestas a empleadores, análisis de contrataciones iniciales y seguimiento de egresados.
Sería necesario identificar qué tareas se automatizaron, cómo cambiaron las oportunidades de supervisión y mentoría, y cuánto tiempo necesitan los trabajadores para alcanzar autonomía profesional.
La comparación debería considerar empresas y ocupaciones con diferentes niveles de automatización, así como cohortes anteriores y posteriores a la incorporación de sistemas artificiales.
También resultaría relevante investigar si los cambios son mayores en ocupaciones con predominio de tareas codificables que en aquellas cuya ejecución depende en mayor medida de conocimiento tácito.
La segunda hipótesis se refiere a las estrategias educativas.
H2. Los estudiantes que participan en prácticas supervisadas y evaluaciones sistemáticas de justificación alcanzarán mejores desempeños en interpretación, detección de errores y toma de decisiones profesionales que estudiantes comparables cuya formación no incorpora esas estrategias.
Para examinarla podrían utilizarse grupos comparables y evaluaciones mediante casos profesionales que exijan reconocer restricciones, justificar decisiones y resolver situaciones nuevas.
Sería conveniente distinguir los efectos de las prácticas supervisadas y de las evaluaciones de justificación, evitando atribuir a una intervención resultados que podrían corresponder a la otra.
También deberían controlarse diferencias previas entre estudiantes y programas, especialmente en rendimiento académico, recursos institucionales y experiencia laboral.
Estas hipótesis son independientes.
Es posible que las prácticas supervisadas mejoren la formación incluso si no existe desplazamiento del aprendizaje laboral. También podría ocurrir que la automatización reduzca determinadas oportunidades de aprendizaje y que las estrategias universitarias examinadas no resulten suficientemente eficaces para compensarlas.
La investigación debe permitir ambas posibilidades.
El Artefactualismo Constitutivo contribuiría a delimitar las competencias y restricciones que se pretende investigar. Los métodos empíricos permitirían determinar si las relaciones propuestas se observan efectivamente.
Esta articulación evita convertir una reconstrucción filosófica en una afirmación educativa no contrastada.
Cuatro compromisos para la universidad
La discusión permite identificar cuatro compromisos institucionales.
Primero: distinguir la formación de la producción de resultados. Las evaluaciones deben permitir reconocer qué comprende, interpreta y puede justificar efectivamente el estudiante, incluso cuando utiliza herramientas de inteligencia artificial.
Segundo: fortalecer las experiencias de aprendizaje profesional. Las universidades y los empleadores necesitan identificar qué oportunidades formativas están cambiando y cómo pueden reorganizarse mediante prácticas supervisadas, mentorías y experiencias progresivas de decisión.
Tercero: revisar la correspondencia entre certificación y competencias. La validez institucional de un título debe acompañarse de evidencias suficientes sobre las capacidades que pretende acreditar.
Cuarto: investigar las transformaciones reales del trabajo. Las decisiones curriculares requieren información sobre tareas, contratación, competencias y mecanismos de aprendizaje profesional, especialmente en el contexto paraguayo.
Estos compromisos no garantizan empleo a todos los egresados.
Su propósito es fortalecer las condiciones bajo las cuales la universidad puede afirmar justificadamente que ha contribuido a formar profesionales competentes.
Conclusión: ¿qué significa formar un profesional?
La inteligencia artificial está modificando las operaciones profesionales, las condiciones de empleo y los procedimientos mediante los cuales se produce y evalúa el conocimiento.
Pero su importancia para la universidad no se limita a la incorporación de nuevas herramientas.
La transformación obliga a reconsiderar qué constituye a una profesión, qué competencias permiten ejercerla y bajo qué condiciones una institución puede reconocer legítimamente a quienes se preparan para hacerlo.
Desde el Artefactualismo Constitutivo, la formación efectiva, la certificación institucional y la inserción profesional constituyen dimensiones diferentes que deben examinarse en sus relaciones y restricciones específicas.
La universidad puede otorgar títulos válidos sin garantizar automáticamente todas las competencias que pretende acreditar. También puede formar profesionales competentes sin poder asegurarles oportunidades laborales.
Y las empresas pueden conservar determinadas prácticas profesionales mientras reducen los puestos iniciales mediante los cuales tradicionalmente se adquiría experiencia.
Aquí aparece la pregunta decisiva:
¿Dónde y cómo se formarán los profesionales experimentados del futuro si desaparecen algunas de las actividades mediante las cuales los principiantes aprendían a ejercer sus profesiones?
La respuesta no consiste simplemente en enseñar más contenidos ni en incorporar indiscriminadamente herramientas tecnológicas.
Consiste en reconstruir las condiciones que permiten desarrollar, reconocer y justificar las competencias profesionales.
La universidad ante la inteligencia artificial enfrenta, en definitiva, un problema constitutivo: no solamente qué conocimientos enseñar, sino bajo qué condiciones puede afirmar que ha formado verdaderamente a un profesional.
Referencias
Autor, D. H. (2014). Polanyi’s Paradox and the Shape of Employment Growth. NBER Working Paper 20485. https://doi.org/10.3386/w20485
Becker, G. S. (1964). Human Capital: A Theoretical and Empirical Analysis, with Special Reference to Education. National Bureau of Economic Research.
Brynjolfsson, E., Chandar, B., & Chen, R. (2026). Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence. Stanford Digital Economy Lab. Revisión del 12 de agosto de 2026. https://digitaleconomy.stanford.edu/publication/canaries-in-the-coal-mine-six-facts-about-the-recent-employment-effects-of-artificial-intelligence/
Gmyrek, P., Berg, J., & Bescond, D. (2023). Generative AI and Jobs: A Global Analysis of Potential Effects on Job Quantity and Quality. ILO Working Paper 96. https://doi.org/10.54394/FHEM8239
Gmyrek, P., Winkler, H., & Garganta, S. (2024). Buffer or Bottleneck? Employment Exposure to Generative AI and the Digital Divide in Latin America. ILO Working Paper 121 / World Bank Policy Research Working Paper 10863. https://doi.org/10.54394/TFZY7681
Humlum, A., & Vestergaard, E. (2026). Still Waters, Rapid Currents: Early Labor Market Transformation under Generative AI. NBER Working Paper 33777. https://doi.org/10.3386/w33777
Kane, M. T. (2013). Validating the interpretations and uses of test scores. Journal of Educational Measurement, 50(1), 1–73.
Messick, S. (1989). Validity. En R. L. Linn (Ed.), Educational Measurement (3.ª ed., pp. 13–103). American Council on Education / Macmillan.
Oxley Insfrán, V. M. (2026). Artefactualismo Constitutivo: Hacia una teoría general de la objetualidad normativa. Arandu'a Editora.
Rosen, S. (1972). Learning by experience as joint production. The Quarterly Journal of Economics, 86(3), 366–382. https://doi.org/10.2307/1880798
Searle, J. R. (1995). The Construction of Social Reality. Free Press.
Spence, M. (1973). Job market signaling. The Quarterly Journal of Economics, 87(3), 355–374.
Thomasson, A. L. (2003). Foundations for a social ontology. Protosociology, 18–19, 269–290.
