Introducción
La inteligencia artificial (IA) se ha convertido en uno de los vectores más influyentes de transformación contemporánea. Su irrupción en la educación abre un escenario doble: por un lado, promete oportunidades inéditas para personalizar el aprendizaje, expandir el acceso al conocimiento y complementar la labor docente; por otro, introduce riesgos concretos vinculados a la dependencia cognitiva, la calidad del contenido generado y las brechas de equidad en su implementación. En este sentido, la IA es “buena” si se la utiliza bajo criterios pedagógicos sólidos, pero puede resultar perjudicial si se integra sin mediaciones ni resguardos.
Más allá de su dimensión estrictamente educativa, la IA también se ha convertido en un recurso estratégico en la competencia global por el poder tecnológico. Los países que logren formar talento masivo en inteligencia artificial estarán en mejores condiciones de impulsar su innovación, garantizar autonomía en sectores críticos y proyectar influencia internacional. La escuela, entonces, no solo es un espacio para mejorar aprendizajes, sino también que se usa como un terreno geopolítico: allí se cultivan las capacidades que definirán la posición de cada nación en la carrera tecnológica del siglo XXI.
Este informe se organiza en cuatro secciones. En la primera sección, se revisa la literatura sobre los efectos de la IA en educación: sus beneficios cuando se usa como tutor socrático con diseño pedagógico sólido, y sus riesgos vinculados a dependencia cognitiva, alucinaciones, privacidad, impacto psicosocial y desigualdades de acceso. En la segunda sección, se expone el marco estratégico nacional chino—el Esquema del Plan para la Construcción de una Nación Fuerte a través de la Educación (2024–2035), la plataforma Smart Education of China 2.0, y las directrices de digitalización educativa—, inscribiéndolo en el contexto más amplio del Plan de Desarrollo de la Nueva Generación de IA (2017) y la meta de convertirse en líder global en inteligencia artificial para 2030. En la tercera sección, se examinan Beijing y Hangzhou como primeros despliegues masivos del esquema: se describen las cargas horarias mínimas de IA por año académico (8 y 10 horas anuales respectivamente), la secuenciación pedagógica por etapas, los estándares de competencia docente, los arreglos institucionales universidad–empresa–escuela y los mecanismos locales de aseguramiento de calidad. Finalmente, se plantea una mirada crítica sobre las tensiones del modelo implementado: la brecha entre insumos (horas) y resultados (aprendizaje efectivo), los vacíos en marcos pedagógicos para uso responsable de la IA, las condiciones materiales para garantizar equidad, la gobernanza algorítmica centralizada, y la fricción entre la restricción de dispositivos móviles personales y la integración tecnológica en el aula.
IA en el aula: evidencia, riesgos y criterios de diseño
La inteligencia artificial (IA) está transformando todos los sectores e industrias del mundo, planteando desafíos y oportunidades únicas. La educación no es la excepción: por un lado, abre posibilidades de aprendizaje nunca antes vistas; por otro, introduce grandes retos a los que el sector educativo global deberá dar respuesta.
La accesibilidad sin precedentes de la IA ha impulsado un uso masivo que se extiende rápidamente entre los estudiantes. Cada vez más alumnos recurren a estas herramientas no solo como apoyo para estudiar —sin mediación ni control docente o institucional sobre el contenido— sino también para resolver exámenes y redactar ensayos escolares. Este fenómeno genera preocupaciones globales, tanto entre responsables de políticas públicas como entre investigadores, respecto a sus efectos en el aprendizaje a nivel mundial.
En este marco, distintos especialistas advierten que la dependencia excesiva de la IA podría frenar el desarrollo autónomo de capacidades intelectuales. Varios artículos presentan evidencia sobre el perjuicio para el desarrollo de capacidades cognitivas cuando los estudiantes delegan tareas esenciales a la IA, limitando el fortalecimiento de habilidades críticas como el razonamiento, la argumentación y la creatividad (Lethman et al., 2024; Vanzo et al., 2024; Montenegro-Rueda et al., 2023; De Simone et al., 2025; Kosmyna et al., 2025).
Otro problema radica en la calidad y veracidad de la información generada. Los sistemas de IA, especialmente los modelos generativos, presentan el fenómeno conocido como “alucinaciones”: respuestas plausibles pero incorrectas que pueden inducir a error a los estudiantes y consolidar aprendizajes equivocados.Asimismo, la interacción constante con sistemas de IA plantea riesgos en materia de privacidad y seguridad. El ingreso de datos sensibles —ya sea información personal, consultas académicas o incluso exámenes— puede derivar en filtraciones no previstas, con consecuencias tanto individuales como institucionales.
A estos factores se suma la dimensión psicológica y social. Estudios recientes muestran que la dependencia hacia la IA no se limita al plano académico: muchos usuarios la utilizan como sustituto de psicólogos, mentores o incluso amigos. Esto puede reducir las oportunidades de interacción social, especialmente entre adolescentes y jóvenes, fomentando dinámicas de aislamiento o desmotivación para entablar vínculos humanos. Por el momento, la evidencia indica que la “compañía” con IA tiende a digitalizar la soledad más que resolverla, al ofrecer un reconocimiento aparente sin verdadera reciprocidad humana (Jacobs, 2024). En menores, evaluaciones recientes muestran que los compañeros conversacionales pueden sostener diálogos inapropiados y validar conductas de riesgo; por su diseño complaciente, generan vínculos “sin fricción” que distorsionan límites y favorecen la dependencia (Stanford Medicine, 2025). En un estudio de universitarios en China, la depresión se asocia positivamente con el uso de IA para compañía y la soledad incentiva el uso de esta (Lai et al., 2025).
Del mismo modo, la inmediatez de las respuestas que ofrecen estos sistemas puede generar dinámicas de adicción, dificultando la capacidad de concentración sostenida en el aula y debilitando habilidades de esfuerzo y paciencia necesarias para el aprendizaje profundo
Por último, si bien la IA es, en principio, una tecnología de “acceso amplio”, su adopción educativa puede acentuar desigualdades preexistentes: donde hay conectividad robusta, dispositivos actualizados y presupuestos para licencias o suscripciones, el potencial pedagógico de la IA se materializa; en contextos con baja conectividad, equipamiento obsoleto o restricciones presupuestarias, la promesa se diluye y puede incluso ensanchar la brecha de aprendizaje entre regiones ricas y pobres.
Ahora bien, cuando se integra con diseño didáctico y controles adecuados, la IA —en particular los LLM como ChatGPT o DeepSeek— puede mejorar de forma significativa el aprendizaje.
En primer lugar, la IA generativa permite una personalización del aprendizaje a una escala nunca antes posible. Los grandes modelos de lenguaje pueden adaptarse al ritmo, estilo y nivel de cada estudiante, ofreciendo explicaciones alternativas, ejemplos adicionales o actividades de refuerzo según la necesidad individual. Esto constituye un intento de dar respuesta al conocido “problema de las dos sigmas” planteado por Bloom (1984), quien demostró que un alumno con tutoría individualizada alcanza rendimientos muy superiores a los de la enseñanza en grupo. Hasta ahora ese modelo resultaba inviable en sistemas masivos por sus costos, pero la IA abre la puerta a democratizar tutorías de calidad, con versiones gratuitas y de bajo costo que amplían las oportunidades educativas.
La evidencia experimental reciente converge: las intervenciones con ChatGPT muestran mejoras, de moderadas a grandes, en desempeño académico y pensamiento de orden superior cuando la IA se usa como herramienta de estudio guiado —para pedir aclaraciones, descomponer problemas y recibir feedback— en lugar de como sustituto que entrega soluciones cerradas (Deng et al., 2025; Lehmann et al., 2024). En un estudio de gran escala en matemática escolar, una versión sin control (respuestas directas) aumentó la práctica pero perjudicó el rendimiento en exámenes, mientras que una versión diseñada con retroalimentación pedagógica evitó ese daño y potenció la práctica, subrayando que el diseño instruccional de la IA es decisivo (Bastani et al., 2025). En tareas de lengua, otro estudio mostró que un tutor GPT-4 con pistas y explicaciones paso a paso mejora la precisión y reduce el tiempo de resolución sin evidencias de copia ciega (Vanzo et al., 2025). En síntesis: los beneficios aparecen cuando la IA opera como tutor “socrático” y sistema de feedback, alineada al diseño curricular y con restricciones para “dar la respuesta”; usada para resolver en forma directa, puede generar una ilusión de aprendizaje y mermar la comprensión profunda.
En segundo lugar, la IA contribuye a diversificar los formatos didácticos y a hacer el aprendizaje más inclusivo. Ya no se trata únicamente de recibir contenidos en texto escrito, sino de generar imágenes, audios, videos y simulaciones que responden a estilos de aprendizaje distintos y que pueden beneficiar a estudiantes con necesidades educativas específicas, como quienes presentan dislexia o déficit atencional. Del mismo modo, los sistemas permiten simular conversaciones con autores históricos, científicos o filósofos, fomentando la curiosidad y el aprendizaje activo. Este tipo de simulaciones facilita una aproximación más vivencial a las teorías y los contextos, y puede utilizarse tanto en asignaturas de humanidades como en ciencias, a través de laboratorios virtuales o entornos de práctica interactiva (Park et al., 2025).
Por último, la IA ofrece oportunidades para reducir brechas educativas y apoyar la labor docente. Si bien existe el riesgo de que las desigualdades digitales se amplifiquen, también es cierto que una tutoría accesible y de calidad disponible en el teléfono móvil puede ser una herramienta poderosa en contextos donde los docentes son escasos o los grupos demasiado numerosos. Además, la IA puede generar ejercicios y evaluaciones adaptativas, brindar retroalimentación inmediata y detectar patrones de error, liberando tiempo docente para tareas de mayor valor pedagógico. Investigaciones recientes destacan que la retroalimentación adaptativa de los LLM es percibida por los estudiantes como útil y comparable, en algunos casos, a la de los propios docentes (Kinder et al., 2025). En este sentido, la IA no sustituye la función docente, sino que la complementa, actuando como un aliado estratégico para diversificar recursos, motivar a los estudiantes y fortalecer el aprendizaje.
Su uso —ya irreversible— y el hecho de que, con una buena guía, puede generar grandes beneficios en el aprendizaje mitigando parte de sus riesgos, vuelven imprescindible abordar políticamente cómo institucionalizar la IA en el ámbito educativo. En este marco, China está implementando una serie de medidas que constituyen una prueba piloto mundial a gran escala de cómo la IA puede transformar la educación: busca tomar la delantera, posicionarse como líder en inteligencia artificial y, al mismo tiempo, controlar los peligros institucionalizando su uso mientras lo impulsa.
Arquitectura y hoja de ruta del sistema educativo chino (2024–2035)
La ofensiva china para introducir la IA en la educación se enmarca en una estrategia nacional más amplia para liderar la inteligencia artificial a nivel global. Desde que el Consejo de Estado chino emitió en 2017 el Plan de Desarrollo de la Nueva Generación de IA, la IA ha sido declarada prioridad estratégica nacional (World Economic Forum, 2025). En dicho plan, China estableció la meta de convertirse en el principal centro de innovación en IA del mundo para el año 2030, impulsando el talento, la investigación y la industria necesarias para lograrlo. A partir de esa fecha, el gobierno central y las provincias han invertido masivamente en el sector: se han creado fondos estatales de venture capital para IA, laboratorios nacionales, zonas piloto y "sandboxes" regulatorios que permiten a las empresas probar nuevas tecnologías (World Economic Forum, 2025). Esta política sostenida ha dado frutos. Para 2022 China ya registraba cuatro veces más patentes relacionadas con IA que Estados Unidos, y venía cerrando la brecha en producción de investigaciones de primer nivel en el área (World Economic Forum, 2025). En 2023 y 2024, las compañías chinas lanzaron decenas de modelos de IA de gran escala (modelos de lenguaje tipo GPT, visión artificial, etc.), alcanzando rendimientos punteros en algunas tareas: por ejemplo, el modelo chino DeepSeek V3 logró superar a sus homólogos occidentales (como Meta Llama 3.1 o Anthropic Claude 3.5) en pruebas de lenguaje y razonamiento. De hecho, el organismo de ciberadministración de China aprobó para mediados de 2024 más de 180 modelos de lenguaje de distintas empresas para su uso público, reflejando un ecosistema enormemente activo y competitivo internamente (Atlantic Council, 2025).
En paralelo con el crecimiento industrial, el gobierno chino ha promovido una cultura de techno-optimismo y ha alineado a sus instituciones académicas, empresariales y regulatorias hacia la meta común de la primacía en IA (Foreign Affairs, 2025). A diferencia de otros países, donde a veces abundan los recelos hacia la IA, en China se ha enfatizado su potencial transformador positivo. Las políticas públicas chinas muestran una combinación de fomento y control: por un lado, se incentiva la adopción de IA en todos los sectores (educación, manufactura, salud, seguridad ciudadana, agricultura inteligente, etc.), y por otro, se establecen marcos regulatorios para guiar su desarrollo responsable (Jiang et al., 2024). Estas normas obligan a las empresas a someter sus algoritmos a evaluación y a garantizar la seguridad y veracidad de los datos y resultados generados. China incluso ha liderado iniciativas multilaterales, como la Global AI Governance Initiative lanzada en 2023, buscando influir en la gobernanza internacional de la IA con su enfoque de soberanía digital y desarrollo seguro (Library of Congress, 2023).
En términos geoestratégicos, la prisa de China por dominar la IA se entiende en el contexto de su competencia tecnológica con Estados Unidos. Mientras EE.UU. impone controles de exportación de semiconductores avanzados para frenar el progreso chino, Beijing redobla esfuerzos para lograr la autosuficiencia en chips e infraestructuras de cómputo (Atlantic Council, 2025; World Economic Forum, 2025). El propio presidente Xi Jinping ha reiterado la necesidad de "autosuficiencia y superación en ciencia y tecnología", fijando la meta de ser una potencia líder en innovación para 2035 (World Economic Forum, 2025). La educación masiva en IA encaja perfectamente en esa visión: al formar a millones de estudiantes con conocimientos de IA desde la primaria hasta la universidad, China busca crear una cantera de talento sin precedentes, preparada para nutrir su ecosistema tecnológico. Es en este marco que en el último año China ha puesto en marcha una ambiciosa reforma educativa centrada en la IA, que abarca desde planes de estudio obligatorios para niños de 6 años hasta nuevos programas universitarios para formar docentes especialistas.
Esquema del Plan para la Construcción de una Nación Fuerte a través de la Educación (2024–2035)
El Esquema del Plan para la Construcción de una Nación Fuerte a través de la Educación (2024–2035) (en adelante, el Esquema) constituye la hoja de ruta de modernización educativa de alcance nacional. Su foco es amplio (equidad y calidad en la educación básica, reforma de la evaluación, fortalecimiento docente, superior y vocacional, financiamiento y gobernanza), y la inteligencia artificial (IA) aparece como subcomponente instrumental de la estrategia de digitalización. El Esquema fija un horizonte 2024–2035, con un hito de progreso hacia 2027 y la consolidación del objetivo de “nación fuerte en educación” hacia 2035 (CPC Central Committee & State Council, 2025). En términos sustantivos, la IA no es el núcleo del Esquema, sino una palanca dentro de la transformación digital del sistema.
En materia de digitalización, el Esquema prevé: (i) un sistema digital de educación con servicios colaborativos en todos los niveles; (ii) un centro nacional de big data educativo, una red dedicada a educación y una red de cómputo compartida; (iii) el impulso de smart campuses y recursos digitales; y, dentro de ese vector, medidas explícitas para “promover la reforma educativa impulsada por IA”: desarrollo de un gran modelo educativo de IA, escuelas basadas en la nube (cloud schools), y un sistema de evaluación y apoyo a la decisión sustentado en big data/IA, junto con estándares de alfabetización digital y salvaguardas de seguridad (datos, algoritmos y ética) (CPC Central Committee & State Council, 2025).
Este marco se operacionaliza en 2025 mediante comunicados y directrices nacionales recientes. Primero, la directriz conjunta sobre aceleración de la digitalización educativa (Ministerio de educación + 8 departamentos) —reportada por China Daily— enfatiza la construcción de un sistema educativo “basado en IA” que integre tecnologías inteligentes en enseñanza, aprendizaje, evaluación e investigación, el desarrollo de modelos de IA a gran escala y la creación de aulas modelo/pilotos, junto con formación docente, plataformas nacionales de aprendizaje con IA a lo largo de todas las etapas y modelos por disciplina (13 áreas), además de ajustes curriculares en educación superior y vocacional para responder a manufactura avanzada y servicios modernos (China Daily, 2025). La misma nota menciona la existencia de dos guías en borrador para educación y uso de IA en primaria y secundaria, con enfoque, aún sin plazo de entrada en vigor (China Daily, 2025).
En segundo lugar, el comunicado oficial del MOE (30 de marzo de 2025) sobre la estrategia nacional de educación digital 2025 precisa prioridades ejecutivas: consolidar el repositorio Smart Education of China —relanzado como Smart Education of China 2.0 con funcionalidades de IA (explicado a continuación)—, crear un centro nacional integral de recursos, simplificar servicios públicos educativos (p. ej., traslados interprovinciales de estudiantes, certificación docente), lanzar una plataforma nacional de aprendizaje a lo largo de la vida, y formar a directivos/administradores en alfabetización en IA; todo ello bajo “criterios de uso ético y seguro de la IA” y con llamado a ampliar las disciplinas y programas universitarios en IA (MOE, 2025).
El Smart Education of China (SEC) es la plataforma nacional de servicios públicos para la educación digital en China, concebida como un entorno de acceso unificado a recursos por nivel (básica, vocacional y superior) y a trámites y servicios del sector. Fue lanzada oficialmente en marzo de 2022, en el marco de la puesta en marcha del National Smart Education Platform, como infraestructura para expandir contenidos digitales y estandarizar servicios a escala del sistema (Ministry of Education of the People’s Republic of China, 2022). A partir de su despliegue, distintas comunicaciones oficiales y estadísticas públicas la describen como uno de los repositorios y hubs de servicios educativos más grandes del mundo, con crecimiento sostenido de usuarios y visitas, llegando a 9.36 millones de usuarios (Xinhua, 2025).
El 30 de marzo de 2025, en la conferencia nacional del MOE sobre “Inteligencia Artificial y Transformación Educativa”, se presentó Smart Education of China 2.0, con funcionalidades de IA mejoradas y prioridades ejecutivas para elevar la alfabetización en IA de equipos directivos y docentes; fortalecer la calidad y compartición de contenidos; crear un centro nacional integral de recursos; y simplificar servicios públicos educativos, como traslados interprovinciales y certificaciones docentes. En ese mismo ecosistema se impulsa, además, una plataforma nacional de aprendizaje a lo largo de la vida, orientada a la recapacitación y al desarrollo profesional continuo, con actualizaciones técnicas e inteligentes anunciadas en 2025 (Ministry of Education of the People’s Republic of China, 2025a; Open University of China, 2025). Este salto funcional se enmarca en pautas de uso ético y seguro de la IA —seguridad de datos y de algoritmos— y en la integración de la IA con la enseñanza, el aprendizaje, la evaluación y la investigación (Ministry of Education of the People’s Republic of China, 2025a).
En términos estratégicos, SEC 2.0 opera como infraestructura troncal del Plan de Acción 2025 de Educación Digital: permite integrar IA con estándares comunes, ofrecer servicios públicos interoperables que mejoran la equidad y la eficiencia, y aportar analítica para la gestión basada en evidencia desde el aula hasta el nivel sistémico (Ministry of Education of the People’s Republic of China, 2025a).
Desde la perspectiva de fuerza normativa y temporalidad, el Esquema funciona como marco estratégico (metas 2027/2035), mientras que la directriz de digitalización y el plan de acción 2025 del MOE aportan prioridades operativas inmediatas (pilotos, plataformas, estándares y formación). Los borradores K‑12 existen como instrumentos en construcción, todavía sin exigibilidad plena. Las obligaciones concretas (p. ej., cargas horarias mínimas por año) aparecen a nivel subnacional en políticas municipales/provinciales —como Beijing (8 h) y Hangzhou (10 h) desde otoño de 2025—, que se examinan en la sección siguiente (Beijing Daily, 2025; Global Times, 2025).
En síntesis, la IA educativa en China debe leerse dentro de la digitalización sistémica prevista por el Esquema: el plan nacional establece principios, metas y capacidades (infraestructura, datos, plataformas, seguridad/ética), las directrices y comunicados de 2025 bajan esos principios a líneas de acción inmediatas, y los gobiernos locales traducen el marco en políticas operativas con calendarios y métricas mínimas. Este encadenamiento evita sobredimensionar el rol de la IA en el Esquema y, a la vez, permite anclar empíricamente su implementación en experiencias verificables.
Aterrizaje local del esquema nacional: Beijing y Hangzhou
Como puente entre el marco nacional y su aterrizaje local, analizamos dos despliegues tempranos y masivos: Beijing y Hangzhou. Ambos inauguran, desde el semestre de otoño de 2025, la obligatoriedad de la educación general en IA en toda la primaria y secundaria, pero lo hacen con diseños instrumentales y umbrales distintos que permiten comparar enfoques: Beijing fija un mínimo anual de 8 horas y acompaña con un currículo fundacional municipal, mecanismos universidad–empresa–escuela para talento y gobernanza de acceso a aplicaciones educativas; Hangzhou eleva el piso a 10 horas y publica dos documentos operativos (planes curriculares y estándares de competencia docente), incorporando formatos flexibles (módulos intensivos o integración interdisciplinaria), proyectos locales y una secuenciación por etapas desde el reconocimiento guiado de la IA hasta el diseño de agentes inteligentes en el bachillerato. En conjunto, constituyen pilotos a gran escala y de signo complementario， ofreciendo dos rutas de implementación que operan bajo el mismo esquema nacional pero con distintos énfasis y velocidades de maduración.
Beijing
A partir del “Plan de trabajo de Beijing para promover la educación en inteligencia artificial en escuelas primarias y secundarias (2025-2027)”, Beijing fija una implementación obligatoria y con fecha cierta: desde el semestre de otoño de 2025, todas las escuelas primarias y secundarias deberán impartir educación general en IA con un mínimo de 8 horas por año académico, cubriendo todos los grados de primaria a secundaria (Beijing Daily, 2025).
En el plano curricular, la ciudad creará un sistema multinivel de educación en IA y desarrollará un currículo fundacional universal a nivel municipal. Las escuelas deberán atenerse al plan y estándares curriculares nacionales y ofrecer una gama amplia de cursos vinculados a IA. En paralelo, la Comisión Municipal de Educación explorará un “Outline local (versión de prueba)” para primaria y secundaria, e impulsará que distritos y escuelas desarrollen cursos de extensión con sello regional o institucional, integrando la educación en IA a servicios extracurriculares, clubes y actividades de investigación/prácticas.
El diseño pedagógico es diferenciado por etapas y comienza también en otoño de 2025: en primaria, cursos experienciales de iniciación; en secundaria básica, cursos cognitivos centrados en usar IA para potenciar el estudio y la vida cotidiana; y en secundaria superior, cursos integrales y prácticos orientados a fortalecer capacidades de aplicación e innovación. Las escuelas podrán dictar IA como materia independiente o integrarla en Tecnología de la Información (TI), tecnología general, ciencias, actividades prácticas integrales y educación para el trabajo, lo que habilita trayectorias flexibles de implementación.
Para formación temprana de talento de alto potencial, Beijing promoverá un mecanismo conjunto “universidades + empresas + escuelas medias”, y creará cursos avanzados de IA dirigidos a la detección y cultivo temprano de estudiantes con capacidad innovadora.
Con el fin de elevar la calidad y el equilibrio del sistema, la ciudad explorará modelos organizativos de “aula de doble docente” habilitada por IA[1]. Además, alentará a universidades, institutos de investigación, empresas de alta tecnología y otras entidades a abrir laboratorios de IA, centros de experiencia, salas de exhibición, museos de ciencia y tecnología, y a establecer bases extracurriculares de práctica en IA para estudiantes de primaria y secundaria.
En desarrollo y dotación docente, se creará gradualmente un contingente de profesores de IA. Cada distrito y escuela seleccionará docentes con base/interés en TI, tecnología general, ciencias y matemáticas para conformar equipos de enseñanza de IA. Donde haya recursos, se reforzará la plantilla mediante concursos abiertos, atracción de talento y reconversión profesional; se reclutarán también docentes externos, se instituirán “Cátedras de Educación en IA” a nivel ciudad y distrito, y se explorarán visitas regulares de profesionales de universidades, institutos y empresas tecnológicas para impartir contenidos de IA.
El plan incorpora un programa de desarrollo profesional escalonado, el “Hundred, Thousand Seeds Plan” para docentes de primaria y secundaria: prioriza la capacitación de 100 profesionales de referencia y 1.000 docentes clave en educación en IA, con la meta de irradiar capacidades al conjunto del plantel. Además, quienes destaquen en contribuciones a la educación en IA recibirán mayor apoyo en evaluación de logros docentes, promoción en el escalafón y garantías de desempeño, lo que alinea incentivos de carrera con la adopción de IA.
Finalmente, Beijing avanza en gobernanza y aseguramiento de calidad: la Comisión Municipal de Educación regulará el acceso de aplicaciones de IA al sistema escolar; la ciudad respaldará que instituciones de I+D y centros de investigación educativa establezcan sitios de prueba y desarrollen estándares de evaluación para productos de IA educativa ajustados a las leyes de la educación y la enseñanza; y evaluará las capacidades de apoyo al aprendizaje y la docencia por asignatura y tipología de producto.
Hangzhou
A partir de un anuncio oficial del buró educativo local (23 de agosto de 2025), Hangzhou implementará educación general en IA en todas las escuelas primarias y secundarias de la ciudad desde el nuevo semestre. La medida se enmarca en una estrategia explícita de reforma pedagógica y formación de talento en IA, y fija un umbral cuantitativo (10 horas/año) para todo el sistema escolar, no limitado a pilotos o escuelas de referencia (Global Times, 2025).
Para operacionalizar la política, el buró difundió dos documentos: (i) planes curriculares específicos para primaria y secundaria y (ii) estándares de competencia en IA para docentes. Estos instrumentos norman tanto qué enseñar cómo quién y con qué competencias debe hacerlo, alineando objetivos formativos, contenidos y prácticas docentes con una visión de “IA integrada” en la vida escolar. La directriz promueve formatos de impartición mixtos: cursos intensivos (por ejemplo, concentrados en una semana) o integrados en asignaturas interdisciplinarias como TI y Ciencias .
El diseño instruccional contempla también la incorporación de proyectos temáticos de IA en los currículos locales para ofrecer profundización a estudiantes con mayor interés o demanda, y la organización de actividades básicas de aprendizaje de IA en los programas extracurriculares después del horario escolar. Los documentos incluyen sugerencias de contenidos, requisitos y enfoques didácticos diferenciados por etapa educativa, lo que aporta una secuencia de aprendizajes progresiva y coherente en todo el continuo escolar.
En 1.º–2.º grado (primaria), el foco es reconocer aplicaciones comunes de IA en el entorno escolar y realizar interacciones simples con dispositivos, con un énfasis transversal en uso responsable y ética, especialmente en protección de la privacidad personal. En 3.º–4.º grado, el objetivo es usar herramientas de IA para recopilar recursos (texto, imágenes, audio) según tareas de estudio y vida cotidiana, y diseñar proyectos sencillos que evidencien comprensión de aplicaciones de IA. En 5.º–6.º grado, se avanza hacia la exploración de escenarios de aplicación y la introducción a estructuras básicas de modelos (p. ej., árboles de decisión y redes neuronales) y a principios de algoritmos como razonamiento y búsqueda por fuerza bruta.
En secundaria básica (middle school), el alumnado realiza actividades prácticas que cubren el flujo completo de trabajo de IA —desde preparación de datos y entrenamiento hasta inferencia—, aplica IA a problemas del mundo real y evalúa críticamente la IA generativa; además, los proyectos interdisciplinarios buscan fomentar creatividad y pensamiento innovador. En secundaria superior (high school), se proponen iniciativas basadas en proyectos para diseñar sistemas de IA y crear agentes inteligentes, con el objetivo de consolidar la capacidad de aplicación de IA en la vida cotidiana.
Desde la perspectiva docente, la ciudad acompaña la implementación con estándares de competencia en IA para profesorado, lo que implica formación y desarrollo profesional orientados a que los educadores diseñen experiencias de aprendizaje más desafiantes y creativas con IA y operen con solvencia a lo largo del pipeline de actividades (selección de herramientas, curaduría de datos, evaluación de resultados). Al establecer criterios explícitos para el cuerpo docente, Hangzhou intenta asegurar calidad y consistencia en la adopción de IA y evita que la política se traduzca en prácticas aisladas o desiguales entre escuelas.
En suma, Beijing y Hangzhou exhiben dos rutas complementarias para aterrizar la agenda nacional de IA educativa: la primera enfatiza estandarización y gobernanza —mínimo de 8 horas anuales, currículo fundacional municipal, mecanismos universidad–empresa–escuela y regulación de acceso a aplicaciones—, mientras la segunda prioriza progresión competencial y profesionalización docente —mínimo de 10 horas, estándares de competencias para profesores, planes curriculares y formatos flexibles (módulos intensivos, integración interdisciplinaria y proyectos locales). Ambas comienzan en el semestre de otoño de 2025 y comparten una secuenciación por etapas que va de la alfabetización inicial al diseño de sistemas/agentes en el nivel medio superior. Con ello, operan como pilotos a gran escala que, con énfasis distintos, generan el andamiaje necesario para escalar la implementación bajo el mismo marco nacional, a la vez que ponen en el centro los desafíos de capacidad docente, aseguramiento de calidad, equidad territorial y evaluación de resultados de aprendizaje que la siguiente fase de la política deberá monitorear y ajustar.
Con todo, el caso chino —centralizado, planificado y articulado a largo plazo— no es la única forma de pensar la incorporación de la IA en la educación. El despliegue en Beijing y Hangzhou ilustra la ambición de convertir la escuela en un engranaje de una estrategia nacional más amplia, pero esta modalidad contrasta con los enfoques seguidos en otras regiones del mundo, donde priman lógicas distintas de gobernanza y experimentación.
Por ejemplo, Estados Unidos sigue un esquema descentralizado, basado en incentivos y lineamientos generales, cuya aplicación depende de políticas federales, estatales y locales. Más que un modelo único, el país impulsa programas de financiamiento —como el Presidential AI Challenge, los fondos de la National Science Foundation y el Task Force on Artificial Intelligence Education— y habilita recursos para que los distritos y estados desarrollen sus propias iniciativas de implementación de IA (White House, 2025; U.S. Department of Education, 2025).
Por su parte, la Unión Europea ha optado por un enfoque más centralizado que combina marcos regulatorios con implementaciones prácticas concretas. Más allá de la Ley de IA (AI Act) y las directrices éticas, Europa ha puesto en marcha programas piloto reales: Austria implementa IA en 100 escuelas, Italia inició en 2024 un programa en 15 centros educativos con asistentes virtuales, y Estonia desarrolla su programa "AI Leap 2025" que alcanzará 58,000 estudiantes para 2027. Adicionalmente, la AI Skills Academy cuenta con financiamiento activo de €7 millones, mientras que los European Digital Innovation Hubs han entregado más de 18,000 servicios de capacitación en IA (Banco Mundial, 2025; Comisión Europea, 2025; Consejo Superior de las Escuelas Europeas, 2025).
En definitiva, el contraste es interesante: mientras China despliega un proyecto nacional con metas a 2035 que busca institucionalizar la IA desde la primaria hasta la universidad como parte de una estrategia de poder, Estados Unidos y la Unión Europea avanzan con marcos más fragmentados o experimentales, adaptados a sus tradiciones políticas y regulatorias. Esto muestra que la IA educativa no sigue un único camino, sino que refleja las prioridades de cada región: en algunos casos, consolidar el aprendizaje como objetivo central; en otros, formar talento estratégico para la competencia tecnológica global.
Reflexiones
A modo de cierre, el recorrido por el Esquema 2024–2035, los comunicados de 2025 y los primeros aterrizajes locales muestra que la IA educativa en China no es un programa aislado, sino un capítulo de una digitalización sistémica más amplia. En ese entramado, el Smart Education of China (SEC) opera como columna vertebral: concentra recursos, servicios y analítica, y ofrece una infraestructura común sobre la que pueden apoyarse políticas subnacionales como las de Beijing y Hangzhou. Esa potencia de escala, sin embargo, convive con tensiones conocidas: la centralización que facilita despliegue y estandarización también puede homogeneizar enfoques, empujar la práctica hacia lo medible y dejar interrogantes sobre la calidad y diversidad de los recursos incorporados.
El tránsito de “contar horas” a “producir aprendizaje” es otro punto nodal. La fijación de mínimos anuales (8 horas en Beijing, 10 en Hangzhou) aporta verificabilidad y genera tracción administrativa desde el semestre de otoño de 2025. Pero las horas son insumos, no resultados. Sin especificaciones públicas de competencias por ciclo, evidencias esperadas y modos de recogerlas, persiste el riesgo de una implementación centrada en el cumplimiento formal, con variaciones considerables en profundidad y calidad entre escuelas y distritos. Sin embargo, el hecho de que solo sean 8 y 10 horas puede reflejar cautela, más que un intento de transformación radical del sistema.
Por otro lado, mucho del éxito o fracaso se jugará con los profesores. La expansión de plataformas nacionales, la formación continua y el involucramiento de profesionales externos amplían la oferta de capacitación, pero la traducción de pericia técnica en práctica pedagógica efectiva no es automática. La literatura revisada es clara: los beneficios emergen cuando la IA actúa con prácticas pedagógicas en cuenta, como el tutor socrático, y sistema de retroalimentación, y se diluyen—o se vuelven contraproducentes—cuando se usa para “dar la respuesta”. Allí se abre un vacío que hoy no aparece resuelto de manera sistemática a escala nacional: faltan marcos pedagógicos compartidos que anclen patrones de uso responsable, secuencias por etapa, criterios de andamiaje y de evaluación. La existencia de borradores K‑12 deja en suspenso parámetros operativos básicos (límites al uso autónomo en primaria, manejo de datos sensibles, trazabilidad del proceso de aprendizaje), y esa indefinición coloca a los docentes en la primera línea de decisiones finas sin apoyos suficientemente claros.
La cuestión de la equidad agrega una capa de complejidad. El discurso de “no dejar atrás” a zonas rurales y remotas se apoya en la movilidad docente, en la interconexión de cursos vía plataformas y en la noción de cloud schools. Su viabilidad real depende de condiciones materiales desiguales—conectividad, dispositivos, soporte técnico—que no se corrigen solo con lineamientos. El mismo dispositivo que promete cerrar brechas podría profundizarlas si no se acompaña de una materialidad mínima que permita hacer efectiva la propuesta pedagógica.
También la evaluación y la gobernanza algorítmica marcan el pulso del proceso. La disponibilidad de dashboards e indicadores no equivale por sí sola a una mejor evaluación. Sin criterios robustos de validez y fiabilidad, y sin protocolos de integridad académica acordes a un entorno con IA, puede imponerse lo fácil de medir por sobre la comprensión profunda, el proceso y la transferencia. El SEC 2.0, en tanto plataforma que integra contenidos, servicios y analítica, es palanca de escala y, a la vez, un campo de tensiones: su centralidad refuerza la trazabilidad y la interoperabilidad, pero también plantea preguntas sobre pluralidad de fuentes, autonomía profesional docente e incentivos a “enseñar para la métrica”.
Finalmente, las “aulas de doble docente” mediadas por tecnología condensan las promesas y riesgos del conjunto. Cuando están bien orquestadas—con claridad de roles, tiempos y criterios de intervención—pueden elevar la calidad y equilibrar oportunidades; cuando no lo están, corren el riesgo de diluir la responsabilidad pedagógica o de deslizarse hacia la sustitución de la mediación docente por la herramienta tecnológica.
Un contrapunto interesante al impulso de la IA en educación es una encuesta de 4.200 padres nacional demuestra que un tercio de los profesores propone volver a métodos tradicionales de enseñanza, como usar pizarrones en vez de pantallas en el aula. No es un dato menor que desde 2021 rige en China una normativa nacional que restringe fuertemente la presencia y el uso de teléfonos móviles en primaria y secundaria (con custodia obligatoria, prohibición en clase y excepciones acotadas). Esa política nació para proteger la salud visual, reducir distracciones y prevenir adicciones, pero hoy puede dialogar de manera tensa con la agenda de “IA en todas las aulas”: mientras una corriente intenta minimizar pantallas y conectividad personal, la otra promueve integrar tecnologías inteligentes al proceso de enseñanza-aprendizaje. Esta fricción no invalida la agenda digital, pero revela una tensión: en el estado actual, el sistema parece afirmar simultáneamente dos principios válidos —cuidado de la atención y adopción de IA— sin un marco explícito que los integre; de ahí que el éxito del despliegue dependa de traducir esa tensión en decisiones didácticas y operativas coherentes con los riesgos y las finalidades educativas ya señaladas en el informe.
Leídos desde esta lente, el marco de implementación de China de educación en IA ofrece deja planteada la pregunta central que atravesó este informe: ¿cómo convertir una promesa tecnológica de escala nacional en mejoras pedagógicas verificables, reduciendo a la vez los perjuicios documentados? A esta interrogante se superpone una dimensión geopolítica nada menor: China impulsa la IA como vector de competitividad y empieza a enseñarla desde edades tempranas. El dilema—legítimo y abierto—es si el aula está usando la IA ante todo como potenciador del aprendizaje humano o, más bien, como vivero acelerado de desarrolladores para competir en la frontera tecnológica global. Existen lineamientos y buenas prácticas, pero el foco aún luce insuficiente: falta pensamiento sistemático y acumulación de evidencia pública sobre qué prácticas funcionan, para quién y en qué condiciones. Estamos ante una nueva revolución y el momento no es meter IA sin criterios, sino producir conocimiento riguroso que permita ajustar la herramienta al servicio de la pedagogía y no al revés. En ese sentido, el valor de esta agenda y los casos de Beijing y Hangzhou se jugará menos en la velocidad de despliegue y más en la capacidad de demostrar—con datos, marcos y evaluaciones transparentes—que la IA, en efecto, amplifica el aprendizaje y no solo genera la nueva camada de desarrolladores.
[1] En el contexto chino, “aula de doble docente” (双师课堂) suele referir a dos figuras docentes coordinadas para una misma clase/grupo:
- Docente experto (frecuentemente remoto) que imparte o conduce la lección magistral (o parte clave del contenido), y
- Docente local (presencial) que gestiona el aula, guía la práctica, resuelve dudas, evalúa y realiza el seguimiento continuo
En el caso del aula de doble docente pero con IA, se plantea la posibilidad de que la IA actúe como ese docente experto que articula y guía las clases del docente local, dandole un apoyo “experto”.
Referencias
Atlantic Council. (2025). Assessing China's AI development and forecasting its future tech priorities. Atlantic Council. https://www.atlanticcouncil.org/content-series/strategic-insights-memos/assessing-chinas-ai-development-and-forecasting-its-future-tech-priorities/
Bastani, H., Cebrian, M., Lee, D., Lin, J., & Yao, Y. (2025). Generative AI without guardrails can harm learning: Evidence from high school mathematics. Proceedings of the National Academy of Sciences, 122(28), e2422633122. https://doi.org/10.1073/pnas.2422633122
Beijing Daily. (2025, marzo 8). Starting from the autumn semester, primary and secondary schools will offer AI general education courses of at least 8 hours per academic year, covering all grades from primary school to high school. Capital Window—Beijing Municipal People’s Government.
Bloom, B. S. (1984). The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring. Educational Researcher, 13(6), 4–16. https://doi.org/10.3102/0013189X013006004
Business Insider. (2025, marzo). Beijing is making AI education compulsory — even for elementary school. https://www.businessinsider.com/china-beijing-ai-education-mandatory-classrooms-elementary-schoolers-2025-3
China Daily. (2025, abril 18). New guideline stresses on AI-based education.
China Daily. (2025, julio 9). China's first bachelor's program in AI education to address teacher shortage. https://global.chinadaily.com.cn/a/202507/09/WS686e28dea31000e9a573b13d.html
CPC Central Committee & State Council. (2025, enero 19). Outline of the Plan for Building a Strong Nation through Education (2024–2035). Xinhua/China Government Network.
Deng, R., Li, J., & Wu, M. (2025). Does ChatGPT enhance student learning? A systematic review and meta-analysis of experimental studies. Computers & Education, 227, 105224. https://doi.org/10.1016/j.compedu.2024.105224
Foreign Affairs. (2025). China's overlooked AI strategy. https://www.foreignaffairs.com/united-states/chinas-overlooked-ai-strategy
Global Times. (2025, agosto 23). Hangzhou to roll out AI general education across all primary and secondary schools.
Jiang, L., Chen, X., & Wang, Y. (2024). China's Interim Measures on generative AI: Origin, content and implications. Computer Law & Security Review, 52, 105899. https://www.sciencedirect.com/science/article/abs/pii/S0267364924000529
Kinder, A., O’Neill, K., & Rauschenberger, K. (2025). Effects of adaptive feedback generated by a large language model on writing performance. Discover Education, 4(1), 19. https://doi.org/10.1007/s44217-025-00019-8
Lehmann, C., Simmler, L., & Sting, J. (2024). AI meets the classroom: When does ChatGPT harm learning? arXiv. https://arxiv.org/abs/2406.18575
Li, D. (2025, enero 23). Promoting artificial intelligence to help educational reform. Economic Daily.
Library of Congress. (2023, julio 18). China: Generative AI Measures finalized. https://www.loc.gov/item/global-legal-monitor/2023-07-18/china-generative-ai-measures-finalized/
Ministry of Education of the People’s Republic of China. (2022, marzo 29). MOE launches national smart education platform. https://en.moe.gov.cn/news/press_releases/202204/t20220411_615580.html
Ministry of Education of the People’s Republic of China. (2025a, marzo 30). MOE outlines 2025 national strategy for digital education. https://en.moe.gov.cn/news/press_releases/202504/t20250403_1186060.html
Open University of China. (2025, abril 1). Smart Education of China ∙ Lifelong Education Platform completes comprehensive intelligent upgrade. https://en.ouchn.edu.cn/index.php/news-v2/66-research-news/5638-lifelong-education-smart-education-of-china-platform-completes-comprehensive-intelligent-upgrade
Park, K., Tang, W., & Lam, M. S. (2025). “Ask Sir Oliver Ingham”: LLM-based social simulations for history education. In Proceedings of the 2025 CHI Conference on Human Factors in Computing Systems Extended Abstracts (pp. 1–7). ACM. https://doi.org/10.1145/3544549.3585888
Sharma, S., Iyer, S., & Rajan, A. (2025). The role of large language models in personalized learning: A systematic review. Discover Education, 4(1), 62. https://doi.org/10.1007/s44217-025-00062-5
The White House. (2025, abril 30). Executive Order on advancing artificial intelligence education for American youth.
The World of Chinese. (2025, junio). Are China’s schools ready for the onslaught of AI? https://www.theworldofchinese.com/2025/06/are-chinas-schools-ready-for-the-onslaught-of-ai/
U.S. Department of Education. (2025, julio 18). Guidance on use of AI in K-12 schools.
Vanzo, A., Ke, F., von Wangenheim, A., & Zhang, J. (2025). GPT-4 as a homework tutor: A randomized controlled trial for English grammar. In Proceedings of the 63rd Annual Meeting of the Association for Computational Linguistics (Long Papers) (pp. 8072–8085). ACL. https://aclanthology.org/2025.acl-long.443
World Economic Forum. (2025, junio). Why China's AI breakthroughs should come as no surprise. https://www.weforum.org/stories/2025/06/china-ai-breakthroughs-no-surprise/
Xinhua. (2025, mayo 17). Chinese smart education online platform surpasses 164 mln registered users. State Council (english.www.gov.cn). https://english.www.gov.cn/archive/statistics/202505/17/content_WS6828769cc6d0868f4e8f29e4.html