Que ChatGPT y otras herramientas de inteligencia artificial se han convertido en una magnífica herramienta para estudiar es una realidad. Y que también es fantástico para llevar a cabo la ley del mínimo esfuerzo, también: dejar que la IA te haga los trabajos está a la orden del día. Así que el profesorado se mueve entre arenas movedizas: prohibir la IA es como ponerle diques al mar e incluso incorporándolo en la evaluación curricular, tiene sus efectos colaterales. 

De hecho, el informe “La IA en la FP: oportunidades y riesgos” elaborado por Ayuda en Acción y el Consejo Superior de Investigaciones Científicas (CSIC) no solo refuerza la idea de que el proceso de aprendizaje con IA se ve afectado, sino que también fomenta las desigualdades en la educación. Y si bien es cierto que se centra en la Formación Profesional, los problemas encontrados son extrapolables a cualquier estudiante. 

Puede que tus padres se equivoquen más, pero desarrollas el pensamiento crítico

"La IA en la FP no introduce problemáticas completamente nuevas, sino que intensifica desafíos ya presentes en el sistema educativo" señalan Núria Vallès y Víctor Bermejo, investigadores del CSIC y autores del informe. Sin ir más lejos, debilita el pensamiento crítico, aumenta la desmotivación en el alumnado y agrava las desigualdades.

Según recogen, un 43% del alumnado de Grado Superior usa la inteligencia artificial, un 55% para prearar exámenes y el porcentaje sube hasta el 77% si hablamos de preparar trabajos. El quid de la cuestión está en que la IA se usa como instrumento y no como recurso para desarrollar pensamiento crítico.

No obstante, explica que el uso de herramientas de IA no está sustituyendo a otros recursos como el profesorado o los materiales tradicionales. De hecho, señala una relación inversa entre usar la inteligencia artificial y consultar libros y documentación: cuantos más recursos tradicionales se usan, menos se recurre a la IA.

Emplear la IA para estudiar se traduce en un proceso de aprendizaje más rápido pero superficial.  El "pregúntale a la ChatGPT" ha llegado a tal punto que, de acuerdo con el estudio, se está erosionando el rol del profesorado y su criterio. Además, el alumnado acepta sin críticas la información de la IA. Según Vallès:

“Esta falta de habilidades para contrastar y evaluar información repercute en un uso inadecuado de la IA, pudiendo intensificar la polarización entre el alumnado con mejores y peores resultados académicos”.

En este sentido, concluye que profesorado sigue teniendo un papel esencial en la orientación profesional, la experiencia profesional y las situaciones particulares en los que la IA todavía no puede entrar. 

El uso de la IA para automatizar tareas supone una amenaza para el aprendizaje profundo y el pensamiento crítico, pero también reproducen las desigualdades que ya existían y no solo por su entrenamiento sesgado, sino por el mero uso en sí. Como explica la responsable de estudios de Ayuda en Acción, Marta Carretero para Infobae:  "los alumnos cuyas familias tiene estudios superiores usan menos la IA para resolver dudas y recurren más a sus padres. En cambio, quienes no tienen ese apoyo depende mucho más de la IA". 

Así, si el alumnado puede preguntar a sus padres y madres, entonces desarrollarán mejor el pensamiento crítico, en caso contrario solo tienes el punto de vista de la inteligencia artificial.

No obstante, el informe es claro a la hora de señalar el potencial y las oportunidades que ofrece la inteligencia artificial, siempre y cuando se priorice el avance hacia la mejora del sistema existente, el bienestar del alumnado y el profesorado y también la equidad social. 

En Genbeta | He probado el nuevo modo estudio de ChatGPT y lo tengo claro: este curso los profes particulares lo van a tener crudo

En Genbeta | ChatGPT es ya mi mejor aliada para estudiar: con este prompt hice que leyera los apuntes y creara un test interactivo

Portada | Foto de Berke Citak y Jeswin Thomas 

En la Europa medieval, el aprendizaje de cualquier oficio (desde la herrería hasta la contabilidad) seguía un patrón casi universal: la relación maestro–aprendiz. Había pocas 'carreras' en el sentido moderno del término (se limitaban a ámbitos de conocimiento como la medicina, el derecho o la teología) por lo que el aprendizaje y ejercicio de las profesiones dependían bien poco de currículos escritos y evaluaciones estandarizadas.

Sin embargo, la tradición (complementada, en ocasiones, por la regulación ejercida por los gremios) establecía un método que garantizaba la calidad del trabajo: el aprendiz entraba a vivir o a pasar largas jornadas en el taller del maestro. Allí no solo aprendía la técnica: también absorbía la cultura del oficio, la disciplina de trabajo, las rutinas y el estándar de calidad esperado.

Este aprendizaje era eminentemente práctico:

• Observar al maestro y a oficiales con más experiencia.
• Imitar sus movimientos, herramientas y procesos.
• Practicar en tareas pequeñas y progresivamente más complejas.
• Producir valor real desde el principio, incluso en actividades menores (limpieza de herramientas, preparación de materiales, tareas de apoyo).

El maestro, a cambio, enseñaba no solo qué hacer, sino cómo pensar y resolver problemas del oficio. Además, al beneficiarse del trabajo del aprendiz —aunque fuera modesto al inicio—, el maestro podía permitirse dedicar tiempo a formar sin necesidad de cobrar una matrícula formal. Era un modelo donde el aprendizaje estaba integrado en la producción, no separado de ella.

Por qué el modelo maestro–aprendiz supera (a menudo) al aula

Este sistema tenía una ventaja pedagógica enorme:

• El contexto de aplicación era el mismo en el que se adquirirían y usarían las habilidades.
• La retroalimentación era inmediata, sin esperar a un examen.
• La motivación era intrínseca: el aprendiz veía cómo su trabajo contribuía a un resultado tangible.

En contraste, la educación moderna suele desacoplar el aprendizaje de su contexto real. Los alumnos estudian fórmulas, conceptos o procedimientos en abstracto, con la esperanza de que algún día.

Scott H. Young, programador y autor de obras conocidas como 'Ultralearning' y 'Get Better at Anything', argumenta que esto introduce una fricción innecesaria: la "transferencia" del conocimiento del aula al mundo real es mucho más difícil de lo que solemos asumir.

Por eso, aunque el modelo maestro–aprendiz pueda sonar anticuado, capta mejor cómo los seres humanos aprenden naturalmente:

• mediante exposición directa al trabajo real,
• modelado de conducta a partir de expertos,
• y una progresión gradual hacia la autonomía y la maestría.

En Xataka

¿Trabajábamos menos en el pasado? Teníamos 110 días de vacaciones pero echábamos más horas anuales

En la actualidad, lo más parecido a este enfoque se ha transformado en prácticas como las pasantías, los bootcamps con proyectos reales, la mentoría profesional o incluso el trabajo colaborativo en comunidades open source. Pero la lógica subyacente sigue siendo la misma que en una forja del siglo XIII: aprender haciendo, observando y aportando, bajo la guía de alguien que ya domina el camino.

Aprendemos haciendo… y mirando

El "aprendizaje social", según subraya Young, nos distingue del resto de animales inteligentes: ver a un experto operar reduce décadas de ensayo y error. Un detalle provocador: a veces ni siquiera hace falta comprender por qué funciona una solución para poder reproducirla con éxito; la teoría puede venir después.

El aula convencional suele invertir el orden: mucha teoría (el por qué) con la promesa de que algún día se convertirá en práctica (el cómo). En medicina, por ejemplo, años de bioquímica y fisiología preceden a la exposición a pacientes. El modelo de aprendizaje con maestro recorre el camino inverso: primero la práctica guiada, luego la explicación.

La "pirámide del conocimiento" no existe

Imaginamos el saber como una pirámide: matemáticas en la base, luego física, después química, biología… y encima, los usos prácticos. Si la base es pequeña, todo se derrumba. Suena lógico, pero no describe cómo aprendemos realmente.

El aula tiende a venerar la pirámide (primero, reglas de conjugación, luego frases; primero, leyes de Newton, luego problemas realistas; primero, teoría de la computación, luego código). El aprendizaje como aprendiz ignora sin remordimientos esa jerarquía cuando hace falta, porque las teorías, en la práctica, suelen ser menos fiables que la destreza tácita que desarrollas trabajando.

Aprendices

Objeciones razonables… y cómo responderlas

• "¿Entonces la teoría no importa?". Importa, pero después: llega con más facilidad (y se disfruta más) sobre una base de experiencia, cuando ya tienes ejemplos concretos a los que atarla.
• "¿No hay campos donde la teoría deba ir primero?". Sí: aspectos relacionados con la seguridad o la ética, por ejemplo, pueden exigir teoría previa (p. ej., farmacología antes de prescribir). Young no defiende abolir la teoría, sino colocarla en su sitio: como capa que consolida y organiza lo ya practicado.
• "¿No es elitista el acceso a maestros y ecosistemas expertos?" A veces puede serlo. Pero podemos recrear rasgos clave de ese entorno con proyectos reales, comunidades, mentores informales y ciclos continuos de observación–práctica–feedback.

Diseña tu propia ruta como 'aprendiz moderno'

Young propone tres movimientos estratégicos para inyectar el espíritu de la maestría medieval en tu aprendizaje de hoy. Añado, debajo, tácticas prácticas y ejemplos para que lo ejecutes ya.

Empieza por un propósito concreto

Cuanto más específico el objetivo inicial, mejor generalizarás después (paradójico, pero real). Por ejemplo:

• Programación: en vez de "aprender Python", construye una herramienta... un script que renombre automáticamente tus fotos, o un bot que resuma actas de reuniones.
• Idiomas: define el escenario... sobrevivir viajando por Andalucía, ver anime en VO japonesa sin subtítulos, leer a Dumas en francés. Tu currículo nace del uso que persigues.

Deja que la teoría siga a la práctica

La teoría engancha cuando ya tocaste el problema. Young cuenta que disfrutó y asimiló la teoría de cursos del MIT tras años de trastear con pequeños proyectos de software. Primero palpas, luego etiquetas y ordenas mentalmente lo que has visto. ¿Qué significa esto? **Codifica antes de estudiar estructuras de datos; toca canciones antes de aprender armonía...

• Sesión 1 (hacer): produce una solución, imitando a un experto si es posible.
• Sesión 2 (mirar): observa a un profesional resolviendo lo mismo; compara línea a línea.
• Sesión 3 (nombrar): ahora sí, busca la teoría que explica tus decisiones (o tus errores).

En Genbeta

Un programador autodidacta nos da un consejo para aprender más rápido: evita tutoriales y Google, la verdad está en otra parte

Sumérgete en un ecosistema de práctica experta

Los ecosistemas —laboratorios, talleres, comunidades de práctica— aceleran el aprendizaje: abundan los modelos a imitar, el feedback fluye, y el listón del "buen trabajo" es visible. Pero, ¿cómo conseguirlo en 2–4 semanas?

• Únete a un proyecto con entregables públicos (p. ej., repositorios open source, asociaciones locales, colectivos artísticos).
• Haz shadowing: pide permiso para observar 2–3 sesiones de trabajo de alguien que admire tu objetivo.
• Ritual de feedback: somete cada pieza que hagas a una revisión de alguien mejor que tú.

Un plan de 30 días para aprender "a lo medieval"

Semana 1 — Orientación a producto

• Define tu encargo (producto final) y plásmalo en una especificación de una página.
• Identifica a 3 expertos; analiza cómo trabajan (observación directa, vídeos, repositorios, piezas publicadas).
• Crea el MVP (producto mínimo viable): la versión más tosca que ya hace algo útil.

Semana 2 — Imitación guiada

• Repite tu MVP copiando deliberadamente el estilo/flujo de un experto.
• Documenta 10 decisiones: qué hiciste, qué hizo el experto, qué cambiarás.

Semana 3 — Teoría a demanda

• De cada obstáculo, extrae una pregunta teórica y estudia la mínima teoría necesaria para mejorar esa parte.
• Reescribe tu pieza con la teoría aplicada.

Semana 4 — Ecosistema, entrega y evaluación

• Presenta tu trabajo a dos personas expertas para crítica.
• Publica/entrega la pieza (portafolio, demo, artículo, mini-concierto).
• Redacta tus conclusiones a posteriori: lecciones, errores, próximos pasos.

Errores comunes cuando intentas "aprender haciendo"

1. Pirámide encubierta: empiezas con un proyecto… pero te refugias dos semanas en teoría antes de tocarlo. Antídoto: limita la teoría a resolver el próximo bloqueo concreto.
2. Aislamiento: producir sin observar ni recibir feedback. Antídoto: programa revisiones periódicas con alguien mejor.
3. Infierno del tutorial: consumir guías infinitas sin crear nada propio. Antídoto: establece un producto público con fecha de entrega.
4. Ambición difusa: "aprender X" sin un uso. Antídoto: vincula tu aprendizaje a casos reales (cliente, audiencia, escenario de uso).

Imagen | Marcos Merino mediante IA
En Xataka | Mi nueva forma favorita de aprender sobre cualquier tema es gratis y ya está en español: NotebookLM

La inteligencia artificial ha llegado pisando con fuerza a diferentes sectores con opiniones encontradas. Así, en el ámbito laboral hay quien piensa que la IA va a disparar la productividad y mejorar el rendimiento mientras que otras personas consideran que sus trabajos corren peligro. Eso sí, hay un lugar donde la inteligencia artificial ha sido recibida con los brazos abiertos:  la comunidad estudiantil. La IA puede convertirse en tu mejor aliada y además, por qué no decirlo, se puede hacer trampas mejor que nunca.

Desde las míticas chuletas hasta internet y la Wikipedia o Encarta, los y las estudiantes nunca habían tenido una herramienta capaz de armar textos y trabajos personalizados de acuerdo a sus necesidades y formatos con "solo" redactar un buen prompt. La consecuencia es un juego del gato y el ratón entre profesorado y estudiantes donde los primeros tienen todas las de perder: la IA avanza a pasos de gigante y los detectores no son fiables.

La IA es un arma de doble filo en función de lo que dominas una materia

Pero más allá de ingeniárselas para elaborar nuevas formas de evaluar conocimientos por un lado y por otro, preparar el mejor prompt posible, que haya una herramienta al alcance de la mano de cualquiera capaz de preparar un buen trabajo por ti (al menos, para que apruebes), esconde algo más grave: desalienta el aprendizaje, algo de lo que algunas personas de la Gen Z ya se han dado cuenta. Esa frustración a la que todo el mundo se ha enfrentado cuando un problema no sale y no entiendes algo y tienes que leer, releer, hacer ensayo y error y recurrir a preguntar.

Como resume Nicholas Carr, escritor estadounidense sobre tecnología y negocios (en cuyo currículum aparecen medios como el New York Times), cuando una persona usa una máquina para automatizar una tarea para hacer algo pueden pasar tres cosas:

• La habilidad en esa actividad mejora.
• La habilidad para desempeñar la labor se atrofia.
• La habilidad nunca se desarrolla.

¿De qué depende cada una de las vías? Del dominio de la disciplina en cuestión. Lo vemos mejor con un ejemplo: si eres un dev con mucha experiencia y recurres a ChatGPT para ayudarte a depurar unas líneas, puede que encuentres fallos y descubras nuevas formas de solucionar un problema. Si estás aprendiendo, ese proceso de darle vueltas a las cosas, experimentar y descubrir se ve cercenado por esa mano "amiga" de la IA. La práctica.

Pero ojo, incluso en ese caso de dominio, si seguimos usando la inteligencia artificial más y más (al fin y al cabo, lo hace bastante bien) de forma continua, terminaremos reduciendo la frecuencia de desempeño de esa labor, lo que se traduce en que en el medio y largo plazo la habilidad irá mermando. Estamos dejando de entrenar esa capacidad: le pasa al dev y también le pasa a mi padre, un carpintero jubilado desde hace un par de años al que ahora le cuesta más trabajar con la madera por la falta de práctica. Se oxida.

Oxidarse es malo, pero no aprender es todavía peor. Con la progresiva implementación de la inteligencia artificial en diferentes escenarios veremos los tres casos, pero el tercero es especialmente sangrante: los estudiantes de ahora serán los profesionales del mañana, que sabrán utilizar a la máquina pero no lo hay detrás. Pasará factura al talento y el ingenio de los mejores profesionales, a los que les faltará práctica.

Lo peor es que la inteligencia artificial puede usarse de principio a fin en el ámbito estudiantil y ya desde el instituto: para ahorrarse el trabajo de leer y escribir, para resumir y comprender conceptos, para saber discernir el grano de la paja. No son tareas "especializadas", sino básicos para la vida diaria. Usar la inteligencia artificial implica revertir básicos del aprendizaje.

Cuando pensamos en un trabajo que un estudiante entrega, el producto es lo de menos: lo más importante es todo el proceso que hay detrás, esa pedagogía que implica buscar fuentes y hacer una lectura crítica, sintetizar, extraer conclusiones y razonar para componer un conjunto. El resultado es lo de menos, lo importante es el camino, porque es donde radica el aprendizaje. Clay Shirky, Vicerrector de IA y Tecnología Educativa en la Universidad de Nueva York, lo resume como: "el verdadero resultado del curso es la experiencia del estudiante".

Decía mi profesor de ecuaciones diferenciales de la carrera que "nada que no cuesta aprender puede denominarse conocimiento" y es tal cual: para aprender hace falta lidiar con dificultades. Escurrir el bulto antaño normalmente suponía suspender o poner parches, pero con la IA generativa y su amplia adopción nos enfrentamos a algo peor: a pensar para qué meterse en ese berenjenal obsoleto cuando ChatGPT lo puede hacer por ti.

Pero lo que la IA ofrece no es aprendizaje, sino ilusión de aprendizaje. Puede que parezca que con IA haces los trabajos de clase mejor (y atendiendo al mero resultado puede que así sea), pero el resultado final es peor. En pocas palabras: aprendes menos. El resultado de este largo estudio de la Universidad de Pensilvania en 2024 sobre los efectos de la IA en estudiantes de secundaria es demoledor:

"El acceso a GPT-4 mejora significativamente el rendimiento (entendido como las calificaciones, pero al retirar el acceso a la tecnología, los estudiantes rinden peor que aquellos que nunca tuvieron acceso."

Aquí puede darse una paradoja: no adquirir suficiencia en habilidades básicas y esenciales del aprendizaje por usar inteligencia artificial se traduce en que cuanto más y antes usen la IA los estudiantes, peor van a hacer los prompt para usarla. Al fin y al cabo para que hacer un buen prompt hace falta entender bien el problema, a veces hasta dividirlo en subtareas, conocer el contexto y el objeto y alcance. El pez que se muerde la cola

En Genbeta | Si quieres aprender inteligencia artificial desde casa, estos 13 cursos son a los que yo me apuntaría

En Genbeta | ChatGPT es ya mi mejor aliada para estudiar: con este prompt hice que leyera los apuntes y creara un test interactivo

Portada | Foto de Solen Feyissa en Unsplash y Foto de Nathan Cima en Unsplash

Hasta hace muy poco, aprender a programar era considerado casi un pasaporte garantizado al éxito profesional en el mundo digital. Desde Silicon Valley hasta las escuelas de secundaria más avanzadas del planeta, la consigna era clara: "Todos deberían saber programar". Pero en 2025, esa narrativa está siendo duramente cuestionada… por los mismos líderes que antes la impulsaban.

Figuras como Mark Zuckerberg (Meta), Sam Altman (OpenAI), Jensen Huang (NVIDIA), Bill Gates (Microsoft), Thomas Dohmke (GitHub), y otros referentes del mundo tecnológico han expresado posturas contradictorias —y en algunos casos, radicalmente opuestas— sobre si es necesario que las nuevas generaciones aprendan a programar, o si, por el contrario, tal conocimiento será una reliquia innecesaria en la era de la IA.

Este artículo explora, en profundidad, este intenso debate. ¿Estamos ante el final de la programación tal como la conocíamos? ¿O más bien estamos redefiniendo lo que significa "saber programar"?

¿El programar se va a acabar?

Expertos en contra de formarse en programación

Mark Zuckerberg ha sido claro: "Llegaremos a un punto en el que todo el código de nuestras aplicaciones será escrito por la IA, no por ingenieros humanos. Y esto probablemente ocurrirá en 2025".

Según el CEO de Meta, la automatización del trabajo de los desarrolladores de nivel medio no es una posibilidad futura, sino una realidad en proceso. Ya no se trata sólo de ganar eficiencia: es una revolución estructural que transformará el rol mismo del programador.

Y Zuckerberg no está solo. Dario Amodei, CEO de Anthropic, predice que "la IA escribirá el 90% del código en los próximos seis meses" y que en un año lo hará prácticamente todo.

En Xataka

"En un año o dos los editores de código no van a existir": cuatro programadores nos explican la revolución del vibe coding

A sus ojos, la tendencia es clara: la IA no solo sugiere líneas de código, sino que entiende diseños, construye aplicaciones y, cada vez más, toma decisiones técnicas antes exclusivas de los humanos.

Tal vez la declaración más provocadora proviene de Jensen Huang, CEO de NVIDIA. En la Cumbre Mundial de Gobiernos, afirmó:

"Es casi exactamente lo contrario de lo que se ha dicho estos años. Nuestro trabajo es crear tecnología informática que haga que nadie tenga que programar. El lenguaje de programación será el lenguaje humano. Todo el mundo es ahora un programador".

Esta visión elimina la necesidad de aprender sintaxis, estructuras de control o lenguajes de programación específicos. Según él, el 'valor' ya no está en escribir código, sino en saber qué debe hacer ese código, para quién, y cómo integrarlo en el mundo real.

La visión de Huang se alinea con la de Sam Altman, CEO de OpenAI, quien sostiene que los estudiantes deberían enfocarse en "dominar las herramientas de IA" del mismo modo que su generación aprendió a programar. Para él, la habilidad clave del futuro no es la codificación per se, sino la 'metahabilidad de aprender' y la adaptabilidad.

Altman va más allá al sugerir que los ingenieros de software serán cada vez más productivos con IA... hasta que llegue el momento en que simplemente necesitemos menos programadores.

Expertos a favor de formarse en programación

No todos están de acuerdo con este diagnóstico.

Thomas Dohmke, CEO de GitHub, sostiene firmemente que "cada niño debería aprender a programar, como se enseña matemáticas o física". Para él, el código no es solo una herramienta laboral, sino una habilidad fundamental para comprender el mundo digital que nos rodea.

En Genbeta

Este conocido hacker sorprende al decir que todo programador debería aprender C y ensamblador. Musk lo contrató para arreglar Twitter

Su argumento clave es que la IA no sustituye la necesidad de entender cómo funciona el software. Puede ayudar, puede acelerar, pero no reemplaza el pensamiento crítico ni la comprensión del sistema.

En esa línea, Bill Gates (él mismo un entusiasta de las capacidades de la IA) también ha advertido que aprender a programar sigue siendo relevante: lo compara con aprender a multiplicar, a pesar de que una calculadora lo hace más rápido.

"Si quieres entender cómo funciona la multiplicación, tienes que jugar con los números. Lo mismo con la IA: necesitas comprender sus fundamentos, aunque te ayude con tareas específicas".

Por su parte, Jared Friedman, de (Y Combinator), enarbola un argumento aplastante:

"Deberías seguir aprendiendo a programar porque aprender a programar, literalmente, te hace más inteligente."

¿En el término medio está la virtud?

Guillermo Rauch, CEO de Vercel, ofrece una visión intermedia: afirma que muchas tareas de programación se están transformando en simples procesos de 'traducción' —de ideas o diseños a código— y que estas son las más susceptibles de ser automatizadas. Sin embargo,

"Entender cómo funcionan las cosas por debajo del capó sigue siendo crucial".

Para Rauch, el conocimiento profundo de ciertos conceptos técnicos puede volverse menos necesario, pero el conocimiento simbólico y estructural (qué es CSS, qué es un layout, cómo interactúan los componentes) seguirá siendo clave para dirigir correctamente a las IA y obtener los resultados deseados.

Entonces, ¿qué habilidades reemplazará la IA? (Y cuáles no)

En este nuevo paradigma, no todas las habilidades están en riesgo. Las más mecánicas y repetitivas —como implementar un diseño en HTML y CSS, o configurar una API REST básica— ya pueden ser ejecutadas eficientemente por IA. Pero la comprensión de problemas, el diseño de productos, la experiencia de usuario, y la ética de los sistemas automatizados... todavía necesitan de la intervención humana.

En Genbeta

El 'vibe coding' hará que cada vez escribamos menos código. Así que los ingenieros de software tendrán una tarea titánica

Amjad Masad, CEO de Replit, lo resume así: "Aprende a pensar, a descomponer problemas, a comunicarte con claridad. No aprendas código por el código".

"Entiendo toda la frustración. [...] Entre mi trabajo en proyectos de código abierto, en Codecademy y Replit, he promovido el aprendizaje de programación más que nadie".

¿Y qué hacer si estás empezando tu carrera en tecnología?

Aunque la IA está automatizando muchas tareas, hay algo que no puede automatizar (al menos por ahora): la intuición humana, la creatividad y el juicio ético: la IA puede escribir código, pero aún necesita humanos que le digan qué construir, por qué y para quién.

Por eso, muchos líderes coinciden en que aprender a programar puede seguir siendo valioso como parte del proceso de pensamiento estructurado y creativo, incluso si la mayor parte del código final deja de producirse por trabajo humano.

Tal vez, entonces, no se trate de dejar de programar, sino de aprender a pensar como un ingeniero... sin necesidad de escribir una sola línea de código. De modo que los consejos para quienes comienzan hoy su carrera en tecnología incluyen:

• Aprende a usar IA como copiloto: ya no es un 'plus', es el estándar.
• No memorices, comprende: ya no necesitas saber de memoria cómo funciona un 'for loop'... pero sí cuándo es necesario y por qué.
• Prioriza la resolución de problemas sobre la sintaxis.
• Complementa tu formación con habilidades blandas: comunicación, pensamiento crítico, diseño y ética digital.

Imagen | Marcos Merino mediante IA

En Genbeta | El 'vibe coding' está revolucionando la programación. Y también haciendo destrozos muy grandes en el código

Siempre hay temas que se nos pueden atragantar a la hora de tener que aprenderlos. No solo en nuestros estudios, pero también trabajando. Sin embargo, necesitamos aprender ciertos asuntos aunque no sean nuestro fuerte y unos pequeños trucos, que ayuden a digerir ciertos conocimientos con mayor fluidez, siempre son bienvenidos.

Richard Feynman es conocido por ganar el Premio Nobel de Física en el año 1965 y él ha hablado sobre cuál es la forma más fácil de aprender una lección (sea de la asignatura que sea).

En Genbeta

La enorme cantidad de cursos gratis que ofrece Google y que puedes estudiar a distancia desde tu casa, dividida según tus intereses

Su técnica tiene como base que debes descomponer los conceptos más complejos y difíciles de entender para después volver a unirlos construyendo una base sólida. Imagina que tienes que explicar esa parte complicada a un niño o una niña o a alguien que nunca ha escuchado nada de ese tema.

Pasos para llevar esta técnica de aprendizaje a cabo

Como recoge Jorge Sánchez López, especializado en aprendizaje, en su LinkedIn, el primer paso consiste en escribir sobre una hoja o libreta el nombre del concepto sobre el que vamos  a trabajar.

Ahí mismo, redacta una explicación del concepto con un lenguaje simple. Gracias a esto vas a poder darte cuenta de lo que ya has comprendido y te tocará indagar un poco más en los términos que no manejas, para conseguir llegar a esa explicación simple.

En Genbeta

La regla de las cinco horas: el método de Elon Musk y Bill Gates para ser más productivos

Por tanto, puedes seguir trabajando en la parte que no comprendes para conseguir darle forma, poco a poco, explicándolo de una forma básica. Además, no debes quedarte solo en lo básico que has entendido, sino que debes indagar en otras partes de la lección que te cuestan más y hacer lo mismo.

Básicamente, el método de aprendizaje Feynman dice que si fuera necesario, se puede recurrir al texto original siempre que haga falta, hasta que encontremos la solución para llegar a aprenderlo.

No consiste, como tal, en tomar un texto y cambiar las palabras por otras. Sino que hay que redactarlo de un modo simple que tú entiendas y que cualquier otra persona sin conocimiento pudiera entender.

También puedes reducir la información a unas palabras clave e ir haciendo un esquema con ellas con el objetivo de que, al revisar el resultado, tu cerebro vaya haciendo analogías y comparaciones. Tienes que hacerlo con todos los conceptos.

Cuando hayas desgranado la lección, según explican desde el Instituto Europeo de Posgrado, el siguiente paso debe ser escribir todo lo que sepas. Redactar la lección, utilizando un lenguaje coloquial, sencillo y desarrollando todo lo que recuerde.

En Genbeta

Un programador autodidacta nos da un consejo para aprender más rápido: evita tutoriales y Google, la verdad está en otra parte

Cuando lo tengas, puedes explicarte a ti misma o ti mismo, en voz alta, lo que tienes que aprender. E ir haciéndolo hasta que logres no tener que mirar al papel porque ya comprendes bien el tema. También puedes recurrir a que alguien quiera escuchar tu lección y hacérsela comprender.

Imagen | Foto de Unseen Studio en Unsplash

En Genbeta | Hay un método de productividad que te indica cómo dividir tus horas  y tareas del día para dar lo mejor de ti: así funciona el 3-3-3

A los miembros de la Generación Z se les percibe como expertos en tecnología debido a su constante presencia en redes sociales y a su intensivo uso de apps móviles... pero la cara que muestran en el entorno laboral es muy diferente: nuevos estudios destacan que, lejos de ser los "gurús tecnológicos" que muchos esperaban, los jóvenes trabajadores de esta generación a menudo sufren usando algunas de las herramientas tecnológicas básicas de una oficina.

La generación que creció con la tecnología, pero no con la oficina

Es innegable que la Generación Z ha crecido rodeada de dispositivos electrónicos y aplicaciones. Desde temprana edad, han tenido acceso a smartphones, tablets y redes sociales que les permiten moverse con facilidad en el mundo digital.

Sin embargo, cuando estos jóvenes profesionales ingresan al mercado laboral, se enfrentan a una realidad diferente: las herramientas tecnológicas en el ámbito profesional, como impresoras, escáneres y fotocopiadoras, son mucho menos intuitivas de lo que les ha acostumbrado su habitual ecosistema de apps.

Un informe elaborado por el fabricante de hardware HP (titulado 'Hybrid Work: Are We There Yet?') reveló que el 20% de los trabajadores entre 18 y 29 años sienten que son juzgados por no dominar estas tecnologías básicas en la oficina, comparado con sólo un 4% en las generaciones anteriores.

En Genbeta

"Mi sobrina de 19 años no conoce el Ctrl + Z. Se confundía y empezaba de cero". Los preocupantes problemas de los jóvenes con los PC

Además, muchos de estos jóvenes evitan participar en reuniones si creen que sus herramientas tecnológicas podrían fallar, algo que les genera una creciente ansiedad en el lugar de trabajo.

La "vergüenza tecnológica" como barrera en el aprendizaje

El fenómeno de la 'tech shame' o 'vergüenza tecnológica' no solo está relacionado con la falta de experiencia con herramientas específicas, sino también con las expectativas (desde su punto de vista, desproporcionadas) que se tienen sobre estos jóvenes: se presume que, por haber crecido en un entorno digital, deben dominar automáticamente cualquier tipo de tecnología.

Sin embargo, tal como señala Sarah Dexter, profesora asociada de educación en la Universidad de Virginia, esta suposición es errónea:

"¿Cómo sabrían cómo escanear algo si nunca se les ha enseñado?".

Según un informe de la agencia LaSalle Network, el 48% de los graduados en 2022 no se sienten tecnológicamente preparados para sus empleos. A pesar de haber finalizado en muchos casos su educación en entornos virtuales debido a la pandemia, muchos no han sido expuestos a las herramientas específicas que se utilizan en la oficina, como plataformas de videoconferencias, software de gestión de proyectos o sistemas de almacenamiento en la nube.

Esta falta de formación se hace aún más evidente a la vista de los datos de otro estudio de Dell, que indican que el 56% de los jóvenes de entre 18 y 26 años tienen una educación digital "muy básica" o "nula".

En Genbeta

19 atajos de teclado superútiles en Windows que la Gen Z y los más jóvenes no conocen ni usan a día de hoy

En efecto, los jóvenes de la Generación Z están más familiarizados con aplicaciones y plataformas diseñadas para ser extremadamente intuitivas y fáciles de usar, como TikTok o Instagram. Estas aplicaciones no requieren manuales de usuario, lo que contrasta con la complejidad de las herramientas de oficina, que no siempre resultan ser tan amigables. Max Simon, un creador de contenido de 29 años, resume esta diferencia en The Guardian:

"Se necesita solo cinco segundos para aprender a usar TikTok, no necesitas un manual de instrucciones como lo harías con una impresora".

Uno de los aspectos más preocupantes del tech shame es que impide a los jóvenes profesionales pedir ayuda cuando la necesitan. Muchos prefieren pasarlo mal en silencio antes que revelar su falta de conocimiento, temiendo ser percibidos como inexpertos o incompetentes en un entorno que asume que deberían ser tecnológicamente capaces. Elizabeth, una ingeniera de 23 años, confiesa:

"Siento que no me han enseñado cosas que algunas personas consideran conocimientos básicos, y me da vergüenza preguntar".

Imagen | Oliver Menyhart from Pixabay

En Genbeta | Los trabajadores jóvenes son la generación a la que menos le importa el salario. Pero valoran mucho otras cosas de una empresa

Aprender a programar es algo a lo que cada vez más usuarios se apuntan, ya sea a través de distintos niveles académicos, cursos, o de forma autodidacta. Y si bien en Genbeta hemos hablado de infinidad de recursos para aprender a escribir código en múltiples lenguajes de programación, esta web de la que te vamos a hablar es genial para aquellos curiosos que se quieran aventurar en el genial mundo de la programación.

Exercism es un sitio web que recopila recursos de todo tipo para ayudar a los usuarios a aprender a programar. La página incluye ejercicios de hasta 67 lenguajes de programación, todo ello de manera gratuita.

Una web para aprender a programar de forma divertida y fácil

Si alguna vez te has planteado aprender algún lenguaje de programación como Python, JavaScript, Java, C++, C#, Rust y otros tantos, Exercism es una buena guía para comenzar.

El aprendizaje funciona a modo de reto para el usuario, donde en cada lección aprendemos fundamentos básicos de diversos temas. La idea es que el usuario vaya escribiendo código y que esto sirva para ir pasando a niveles más avanzados.

Exercism insiste en que su método será siempre gratis, y se apoya en una gran comunidad con el fin de colaborar y hacer que nuevos miembros puedan aprender a programar. Todas las contribuciones son de libre distribución, aunque sus responsables también aceptan donaciones.

Para comenzar en Exercism, lo único que debe hacer el usuario es registrarse de manera gratuita y escoger el lenguaje de programación que desea practicar. Si bien dispone de niveles para todo tipo de usuarios, Exercism se notará algo menos frustrante si el usuario llega con algunas nociones, aunque sean muy básicas.

En Genbeta

De no saber programar a ser programador en sólo 10 meses: esta fue la trayectoria de un usuario de Reddit

En total, más de un millón y medio de usuarios utilizan los recursos de Exercism para aprender a programar. Además, si te encuentras en problemas con tu código, siempre puedes contar con su comunidad, siendo una de las bases más valiosas de la web. Y es que Exercism cuenta con más de 11.500 mentores, personas que voluntariamente ayudan a otros usuarios a aprender a programar.

Por ponerle alguna pega, merece la pena destacar que la web se encuentra totalmente en inglés. Así que si quieres comenzar a utilizar esta página también sería recomendable que al menos te sepas manejar un poco con el idioma (o tirar de traductor).

Una versión anterior de este artículo se publicó en 2023.

En Genbeta | Siete webs para aprender a programar gratis este año: para quien está empezando y hasta niveles avanzados

El aprendizaje autónomo en el ámbito del desarrollo de software es un camino lleno de desafíos... un camino durante el cual muchos principiantes caen en la trampa de depender excesivamente de la consulta de tutoriales y de las búsquedas en Google. No es que no puedan ser recursos útiles en un momento dado (lo son), pero no pueden ser las únicas (y ni siquiera las principales) fuentes de conocimiento.

Un ingeniero de software autodidacta, compartían hace tiempo en Reddit su consejo para evitar caer en esta trampa: si quieres avanzar en este camino de manera fiable, es vital anteponer la lectura de la documentación oficial. Invertir tiempo en leer y comprender la documentación oficial te proporcionará una base sólida y te equipará con las habilidades necesarias para resolver problemas de manera independiente.

'El Infierno de los tutoriales' (y de Google)

Este "infierno de los tutoriales" es un término cada vez más común para referirse a la situación en la que los aprendices (de programación o de cualquier otro conocimiento técnico) entran en la dinámica de depender constantemente de los mismos, así como de las búsquedas en Google, para resolver cada pequeño problema que encuentran.

En Genbeta

De no saber programar a ser programador en sólo 10 meses: esta fue la trayectoria de un usuario de Reddit

Y es que estos recursos presentan varias desventajas a largo plazo:

1. Cualquiera puede escribir un tutorial: Muchos tutoriales son escritos por estudiantes o aficionados que no tienen por qué contar con una comprensión profunda del tema. Esto puede llevar a información incorrecta o demasiado genérica.
2. Falta de profundidad: Los tutoriales a menudo se enfocan en mostrar cómo hacer algo rápidamente, sin explicar los fundamentos o la lógica detrás de las soluciones. Esto puede dejar a los aprendices con un conocimiento superficial y sin la capacidad de resolver problemas más complejos por sí mismos.
3. El SEO no privilegia lo que mejor enseña: En el pasado, los motores de búsqueda proporcionaban resultados útiles y directos. Sin embargo, la experiencia moderna de búsqueda se ha visto inundada de contenido de baja calidad optimizado para SEO, lo que dificulta encontrar información útil rápidamente.

Ventajas de la documentación oficial

Aunque puede parecer una tarea desalentadora al principio, la documentación tiene varias ventajas significativas:

1. Precisión y actualización: La documentación oficial es mantenida y actualizada por los propios creadores de la tecnología. Esto asegura que la información es precisa y refleja las últimas características y mejores prácticas.
2. Cobertura completa: A diferencia de muchos tutoriales, la documentación oficial cubre todos los aspectos de una tecnología, desde conceptos básicos hasta funcionalidades avanzadas. Esto proporciona una comprensión más completa y profunda.
3. Desarrollo de habilidades de resolución de problemas: Leer y entender la documentación fomenta el desarrollo de habilidades críticas de resolución de problemas. Los aprendices aprenden a encontrar y aplicar información relevante por sí mismos, lo cual es crucial para el crecimiento profesional.

En Genbeta

Un desarrollador español publicó en Twitter la evolución de su sueldo desde que empezó. Y generó una gran polémica

Estrategia para aprender

1. Comienza con tutoriales: Utiliza tutoriales al inicio para familiarizarte con una nueva tecnología. Estos pueden proporcionar una introducción rápida y práctica que te ayudará a empezar.
2. Luego, pásate a la documentación: Una vez que tengas una comprensión básica, pasa a la documentación oficial para profundizar tu conocimiento. Haz de la documentación tu primera fuente de referencia para resolver dudas y aprender nuevas funcionalidades.
3. Busca en el código fuente: Cuando la documentación no es suficiente, leer el código fuente puede ser muy esclarecedor. Los comentarios y ejemplos en el código pueden ofrecer información que la documentación oficial no cubre.
4. Practica y experimenta: Aplica lo que aprendes construyendo proyectos personales y experimentando con diferentes características de la tecnología. Esto consolidará tu conocimiento y te ayudará a internalizar los conceptos.
5. Participa en la comunidad: Únete a foros y comunidades de desarrolladores donde puedas discutir problemas y compartir experiencias. Esto puede complementar tu aprendizaje y proporcionar apoyo adicional.

Imagen | Marcos Merino mediante IA

En Genbeta | Bill Gates cuenta cómo consiguió convertirse en un gran desarrollador: este es su principal consejo

NVIDIA es una de las empresas tecnológicas más importantes en lanzarse al segmento de la inteligencia artificial y no hay mejor muestra que su versión de ChatGPT llamada Chat with RTX o su IA para mirar a los ojos en videollamadas aunque no lo estés haciendo. Y es que NVIDIA se ha hecho fuerte en la era de la inteligencia artificial con sus centros de datos y sus chips con IA.

Así que si NVIDIA lanza cursos para aprender inteligencia artificial, merece la pena tenerlos en el radar y si además algunos son gratis, pues mejor que mejor para iniciarse o seguir adquiriendo conocimientos: estos son los mejores que puedes empezar en cualquier momento y estés donde estés, ya que son online.

Los cursos llegan de la mano del NVIDIA Deep Learning Institute y se dirigen tanto a personas individuales que quiera aprender a su propio ritmo, pero también a organizaciones que quieran ampliar los conocimientos de la plantilla. Algunos cursos incluyen un certificado de competencia que puedes añadir a tu CV.

Los mejores cursos gratis online de IA de NVIDIA

• IA Generativa explicada. Es el curso base para iniciarse en el mundo de la inteligencia artificial y no solo saldrás de dudas sobre lo que es, sino también su funcionamiento, aplicaciones, los desafíos y oportunidades que conlleva en solo dos horas. Apúntate aquí.
• Comienza con la IA en Jetson Nano. Este curso de ocho horas de duración se centra en las posibilidades de la IA aplicada en el kit para devs NVIDIA Jetson Nano, que permite ejecutar múltiples redes neuronales en paralelo. La idea es crear un proyecto de clasificicación de aprendizaje produndo con modelos de visión por computadora. Apúntate aquí.
• Creación de agentes RAG para LLM. Si ya conoces los grandes modelos de lenguaje, tienes experiencia en prompting, conocimientos intermedios de Python, entonces este curso de ocho horas podría interesarte. Se centra en la popularización de los LLM mediante conversaciones y lo que requieren, proponiendo cómo implementar un sistema de agente para satisfacer la demanda de clientes en ocho horas. Apúntate aquí.
• Mejora tu LLM con generación aumentada de recuperación (RAG). La RAG es una arquitectura de extremo a extremo empleada para optimizar la salida de un LLM con datos dinámicos. Si tienes conocimientos de LLM y los elementos de NVIDIA, puedes cursarlo en solo una hora. Apúntate aquí.
• Construir un cerebro en 10 minutos. Literalmente el NVIDIA DLI propone este curso de solo 10 minutos de duración para quienes tengan conocimientos de Python, tiempo suficiente para explorar cómo es el aprendizaje de las redes neurales con datos y qué matemáticas tienen detrás. Apúntate aquí.
• Creación de aplicaciones de vídeo AI en el borde de Jetson Nano. Como el anterior, este curso de ocho horas está enfocado en la aplicabilidad de la IA en el kit de devs Jetson Nano de NVIDIA, en este caso para vídeo. Así, la idea es usar IA para entender y reconocer elementos de los vídeos, más concretamente, para crear nuevos proyectos que extraigan información significativa de transmisiones de vídeo mediante el análisis con IA. Apúntate aquí.

Puedes consultar todos los cursos de IA/LLM de NVIDIA, tanto gratis como de pago, y sus condiciones en su web.

Portada | Smartmockups y NVIDIA

En Genbeta | Harvard tiene 12 cursos gratis sobre IA y programación: tienes todo el año para hacerlos y puedes apuntarte ya

Si como a Sheldon Cooper hay pocas cosas que te entretengan más que la geografía y los mapas, tenemos buenas noticias para ti: hemos encontrado una web con horas y horas de entretenimiento en forma de banderas, mapas y puzzles de todo el mundo, perfecta tanto para que peques de la casa repasen o para refrescar conocimientos. ¡Bienvenidos y bienvenidas a Diversión con banderas!

La meta de la web es aprender cartografía de forma accesible, así como practicar el nombre de los países en otras lenguas (como verás, la lista es larga y no faltan el euskera o el catalán), de modo que retenemos y mejoramos nuestros conocimientos de geografía e idiomas.

La web se llama Mappuzzle.xyz y toma los datos de OpenStreetMaps y Wikipedia.  Como explica el equipo que está detrás, se trata de una página de prueba desarrollada con React y Deck.gl.

Consta de dos tipos de juego:

• La posibilidad de elegir un puzzle de entre 70 disponibles de diferentes regiones de todo el planeta, ya sean países, estados, provincias... que va desde los pueblos de la provincia de Sevilla a los límites del imperio romano (en el año 117 DC) pasando por las prefecturas de Japón. A la derecha aparece el mapa con sus respectivos bordes, a la izquierda el listado de los elementos con su silueta y ya solo tendremos que arrastrar hasta el lugar adecuado.
• Que aparezca una bandera ondeando, la silueta del país en la derecha y tengas que elegir de qué país se trata entre seis opciones disponibles.

En ambos casos vas a encontrar un acumulado de tus aciertos, la larga lista de elementos restantes (sí, puedes repasar las banderas de prácticamente todo el mundo), los errores que vayas cometiendo y el tiempo que le estás dedicando.

Portada | Pantallazo de Mappuzzle

En Genbeta | La Unión Europea regala estos gigantescos mapas y publicaciones impresas: así puedes recibirlos en casa