IA en las aulas: puede anticipar la deserción escolar, pero el riesgo es ahogar al docente en datos

Por Zendoric · 1 de octubre de 2026.

El ciclo escolar 2025-2026 marcó, según Laura Elizondo, cofundadora y CEO de la plataforma educativa Lexium, el verdadero punto de inflexión de la inteligencia artificial (IA) en las aulas: un cambio que, en sus palabras, se produjo "demasiado rápido". La afirmación llega en una entrevista a Publimetro México y describe un patrón que no es exclusivo de un país: colegios que en apenas un año pasaron de usar la IA como curiosidad a convertirla en infraestructura diaria de gestión académica.

Según Elizondo, el efecto no es uniforme por etapa educativa. En primaria y secundaria, dice, la IA opera como apoyo acotado para el docente y para dinamizar la clase. En preparatoria y universidad el escenario es más conflictivo, porque ahí conviven el uso académico con decisiones de permanencia, tutoría y orientación que tienen más en juego.

El diagnóstico central de la CEO de Lexium es contraintuitivo: el problema no es la falta de datos, sino su exceso mal digerido. Lo llama "parálisis por análisis" y lo compara con un coche de lujo tan sobrecargado de funciones que el conductor termina usando el 10% de lo que tiene. Su propuesta —el producto que vende su empresa, conviene subrayarlo— son tableros (Goldmind) que reducen esa marea de datos a indicadores accionables sobre captación, admisión, retención y permanencia, apoyados en un módulo llamado Intelection que, según describe la compañía, opera de forma acotada para evitar que el sistema navegue libremente y extraiga conclusiones por su cuenta.

La pieza argumental más fuerte de Elizondo es la de la deserción como "punta del iceberg": el abandono escolar no empieza el día que el alumno se va, sino meses o años antes, en señales como malos hábitos de estudio o dificultades de comprensión lectora. Detectar esas señales a tiempo, sostiene, permite activar tutorías antes de que el problema sea irreversible, tanto en educación superior como —de forma preventiva— en primaria y secundaria.

En general, el reto que describe no es exclusivo del sector educativo: cualquier organización que adopta IA de forma acelerada enfrenta el mismo problema de sobrecarga antes de encontrar el filtro correcto. Lo distintivo aquí es el terreno: aulas de 30 a 40 alumnos con perfiles socioeconómicos y culturales muy distintos, y familias que ya no piden solo nivel académico sino acompañamiento integral. Esa heterogeneidad es la que hace tentador delegar en un sistema la tarea de decidir quién necesita ayuda y de qué tipo.

Conviene leer este testimonio por lo que es: la voz de una empresa describiendo el problema que su propio producto dice resolver, sin estudios independientes ni cifras de eficacia que lo respalden en el artículo. Eso no invalida el diagnóstico —la sobrecarga de datos en instituciones que digitalizan a marchas forzadas es un fenómeno real y documentado en otros sectores— pero sí obliga a tratar las afirmaciones sobre Lexium como lo que son: marketing con base razonable, no evidencia verificada.

Lo más valioso del testimonio, de hecho, es la advertencia que la propia Elizondo lanza contra su propio negocio: que la analítica predictiva sirva para iluminar patrones, nunca para sustituir el juicio del docente o del directivo. Es una distinción que conecta con algo que ya hemos señalado al analizar el impacto de la IA en la educación por sectores: el profesor que gana con esta ola no es el que transmite contenido, sino el que orquesta la tecnología y conserva la última palabra sobre decisiones que afectan a una persona concreta.

Ahí está también el riesgo de corto plazo que no conviene minimizar: un sistema que clasifica a un adolescente como "en riesgo de deserción" a partir de sus hábitos de estudio puede equivocarse, estigmatizar o encasillar, y la tentación de automatizar esa etiqueta para ahorrar tiempo administrativo es real, sobre todo en sistemas con pocos recursos de orientación humana. La propia advertencia de Elizondo —"tú, director, tú, docente, tomas las decisiones"— es correcta precisamente porque el incentivo comercial y organizativo empuja en la dirección contraria.

A largo plazo, sin embargo, la promesa de fondo merece tomarse en serio: la analítica predictiva aplicada a la educación es una de las vías más directas hacia la abundancia que defendemos en este medio. Detectar a tiempo que un alumno de familia sin recursos para tutores privados está perdiendo pie en comprensión lectora, y poder intervenir antes de que abandone, es democratizar algo que durante generaciones solo compraron las familias con más dinero: atención personalizada y temprana. Si la tecnología cumple esa promesa sin convertir al alumno en un número gestionado por un algoritmo, la transición dura de estos años de adopción acelerada —con su parálisis de datos incluida— habrá merecido la pena.