1. Introducción y problema

En ferias de innovación y en documentos de política, la inteligencia artificial “entra” al aula como si el aula ya estuviera electrificada, cableada y actualizada. El chatbot “personaliza”. El tablero “diagnostica”. El asistente “acompaña al docente rural”. Esa gramática trata la red, el dispositivo, la energía y el mantenimiento como un fondo técnico, no como el objeto mismo de la inequidad. El jardín de niños en una localidad de baja densidad, la escuela multigrado, el telebachillerato o la telesecundaria no son, sin embargo, una versión retrasada del aula urbana conectada. Son otra condición material. Donde no hay electricidad estable, no hay nube. Donde el ancho de banda no alcanza para una videollamada, no hay modelo de lenguaje en streaming. Donde el único computador funciona a medias y no hay técnico a menos de horas de camino, no hay “innovación en IA”: hay un relato que presupone lo que el territorio no tiene.

El problema no es la hostilidad a la herramienta ni la nostalgia del pizarrón. Es la confusión entre tres objetos. El primero es un hallazgo empírico: qué se observa cuando se mide conectividad de hogares urbanos y rurales, electricidad e internet con fines pedagógicos en escuelas, percepción de directores sobre la insuficiencia de la red, y experiencias de tecnologías que operan con poca o nula conectividad. El segundo es un marco normativo o de política aún vigente: qué prescriben la UNESCO (2023) sobre tecnología en educación “en nuestros términos”, la guía de IA para responsables de política (Miao, Holmes, Huang y Zhang, 2021), la guía sobre IA generativa (Miao y Holmes, 2023) y el informe Starting Strong VII de la OCDE (2023a) sobre primera infancia en la era digital. El tercero es una inferencia pedagógica: qué no debería venderse como solución —la IA que “cierra la brecha digital”, que “lleva calidad al rural”, que “personaliza donde faltan docentes”— si la fuente no lo mide. Mezclarlos produce una pedagogía de la nube: se anuncia IA para todos los niños y se implementa, de hecho, para quienes ya tienen fibra, tableta y soporte.

La tesis de este artículo es restrictiva. Sin conectividad, energía y soporte técnico, la IA educativa no llega tarde: llega como desigualdad. Donde la fuente no mide cierre de brecha, no se afirma. Donde no mide mejora de aprendizajes rurales por un modelo de lenguaje, no se promete. Donde no mide sustitución de la escasez docente, no se inventa. El vacío es infraestructural: qué condiciones materiales del jardín y de la escuela básica hacen posible —o imposibilitan— cualquier “innovación en IA”. Quedan fuera, como eje, las brechas de “aprender IA” como asignatura, el multilingüismo, la privacidad, la inclusión por discapacidad, la mediación parental, la competencia docente UNESCO, el bienestar, la integridad, la documentación pedagógica, la alfabetización estudiantil, el juego/PopBots y los tutores adaptativos. El objeto es la infraestructura: baja conectividad, ruralidad e inequidad territorial.

2. Estado del arte: la red como presupuesto, no como detalle

Conviene separar tres estratos. El primero es territorial: qué se sabe sobre conectividad de hogares y comunidades urbanas y rurales, en particular en América Latina y el Caribe. El segundo es escolar: electricidad, computadoras e internet con fines pedagógicos en el plantel, y la percepción de quienes dirigen la escuela. El tercero es el desplazamiento algorítmico: qué presuponen las herramientas de IA educativa —casi siempre nube, cuenta, dispositivo y ancho de banda— y qué existe, verificable, en el polo opuesto: sistemas de baja tecnología y plataformas offline-first. El informe Starting Strong VII (OCDE, 2023a) se usa aquí como marco de primera infancia, no como eje duplicado de “empoderar al niño digital”: su lección pertinente es que la digitalización en educación inicial y cuidado (ECEC) no es neutra respecto de la equidad.

En el estrato territorial, la CEPAL (2020), Ziegler et al. (2020), el Diálogo Interamericano et al. (2022) y la ENDUTIH mexicana (INEGI, 2025) coinciden en un gradiente urbano-rural y de ingreso: el acceso nominal no es conectividad significativa, y el promedio nacional no describe al hogar rural. Los números se detallan en el caso 1. Es hallazgo de acceso, no de IA.

En el estrato escolar, la UNESCO (2023) y el Scorecard UIS-GEM (2024) sitúan electricidad e internet pedagógico como insumos del ODS 4, no como lujo. La OCDE (2020, 2023c), Rieble-Aubourg y Viteri (2020) y Echazarra y Radinger (2019) desplazan el foco al plantel: percepción de directores, calidad de la conexión, costo de la última milla. Los números se detallan en el caso 2. Ninguna de estas fuentes mide un chatbot en el jardín.

En el estrato de la IA, Miao et al. (2021), Miao y Holmes (2023) y la Recomendación de la UNESCO (2021) formulan marcos humanistas: equidad, supervisión humana, límites de edad. No miden despliegue rural ni “cierre de brecha”. Soletic y Kelly (2022) muestran políticas digitales latinoamericanas concentradas en conectividad y, aun así, insuficientes. Kabugo (2020) y la UNESCO (2023) documentan, en cambio, lo que opera con poca red: plataformas offline-first y baja intensidad (radio, televisión, Telesecundaria). Ese contraste —nube frente a onda— es el estado del arte que este artículo lee. El vacío no es la ausencia de promesas de IA: es la escasez de evidencia de que esas promesas operen donde falta la red.

3. Método de revisión

Se realizó una revisión narrativa crítica, no un metaanálisis. El propósito no fue estimar un tamaño de efecto homogéneo —inexistente entre un índice de conectividad rural, una encuesta de hogares, un cuestionario a directores y un estudio de caso de plataforma offline—, sino articular qué ocurre cuando la IA educativa presupone una infraestructura que el jardín y la escuela básica, en muchos territorios, no tienen. Inclusión: (a) conectividad, electricidad, dispositivos o soporte técnico en educación inicial o básica, con atención a ruralidad y baja conectividad; (b) privilegio 2021–2026, con marcos aún vigentes (CEPAL, 2020; Ziegler et al., 2020; OCDE, 2020; Rieble-Aubourg y Viteri, 2020; Echazarra y Radinger, 2019; Miao et al., 2021); (c) informe de organismo internacional, encuesta oficial, revista o working paper con DOI o URL institucional verificable; (d) al menos un caso de tecnología que opera con conectividad limitada, para no reducir el objeto a la denuncia de la brecha. Se excluyeron como eje los temas ya tratados en esta serie (currículo de IA, multilingüismo, privacidad, inclusión, mediación parental, competencia UNESCO, bienestar, integridad, documentación, alfabetización estudiantil, juego/PopBots, tutores adaptativos).

La búsqueda se ejecutó el 21 de agosto de 2026 (alrededor de las 21:03, America/Mexico_City) en UNESCO, OCDE, CEPAL, IICA, BID, Diálogo Interamericano, INEGI, Crossref y revistas con DOI. Cada fuente se verificó contra al menos una de esas páginas. No se retuvieron como nucleares artículos de “IA offline” en revistas de calidad editorial no consolidada ni ensayos de mejoras porcentuales sin protocolo de educación inicial. Casos nucleares: (4) conectividad territorial; (5) la escuela como infraestructura; (6) lo que ya funciona sin nube. La OCDE (2023a) satura el marco de primera infancia digital; no se usa como caso de IA en el jardín rural.

El análisis distinguió tres estatus enunciativos. Hallazgo empírico: lo observado en la encuesta, el índice o el estudio de caso. Marco normativo o de política: lo que un organismo prescribe o recomienda. Inferencia pedagógica: la traducción al jardín y a la escuela básica de baja conectividad, marcada como tal. Los límites son los de toda revisión narrativa (sección 9).

4. Caso 1. El territorio antes que el modelo: hogares, ruralidad y conectividad significativa

La CEPAL (2020), en el Informe Especial COVID-19 n.º 7, documentó que, hacia 2019, un tercio de los habitantes de América Latina y el Caribe tenía acceso limitado o nulo a tecnologías digitales. Hallazgo empírico: 67 % de los hogares urbanos conectados a internet frente a 23 % de los rurales. En Bolivia, El Salvador, Paraguay y Perú, más del 90 % de los hogares rurales no contaban con conexión; incluso en Chile, Costa Rica y Uruguay, solo cerca de la mitad de los hogares rurales estaban conectados. Entre quintiles, el 81 % de los hogares del quintil más alto tenía conexión, frente al 38 % del primero y el 53 % del segundo, en el promedio de doce países. El 42 % de los menores de 25 años no tenía conexión. Estatus: hallazgo de hogares, no de aulas de inicial y no de IA. Convertir “23 % rural” en “la IA llevará calidad al jardín campesino” sería una inferencia ilegítima: la fuente mide canastas de conectividad y asequibilidad, no modelos de lenguaje.

Ziegler, Arias Segura, Bosio y Camacho (2020) desplazan el indicador de “tener o no internet” al de conectividad significativa —calidad, no solo cobertura— y construyen índices rural y urbano (ICSr e ICSu) para 24 países, con 39 entrevistas a actores públicos y privados y datos hasta septiembre de 2020. Hallazgo empírico: 71 % de la población urbana con servicios de conectividad significativa frente a 36,8 % de la rural (brecha de 34 puntos). Al excluir a Brasil por su peso poblacional, la media de pobladores rurales sin conectividad significativa sube al 75 %. La cifra regional que los autores y el BID subrayan es de al menos 77 millones de habitantes rurales sin internet de calidad mínima. El estudio cita, además, el dato CIMA-BID de que, en ocho de diez países analizados, menos del 15 % de las escuelas rurales tenían ancho de banda o velocidad suficientes. Estatus: hallazgo de calidad de red y de escuela rural como punto crítico. No mide IA. No afirma que un asistente generativo compense la ausencia de megabits.

El Diálogo Interamericano, el BID y el Banco Mundial (2022) nombran “zonas complejas” a las de baja densidad, distantes o aisladas, y recogen que, según la CEPAL, en 2020 el 67 % de los hogares urbanos tenía conectividad frente al 23 % rural. Hallazgo de síntesis de política: la mayoría de los países de la región no cumple condiciones de conectividad significativa para fines educativos según la definición de la Alliance for Affordable Internet; la penetración 4G se cifra en 42 %; un 55 % de las personas no accede a conectividad diaria. El informe no es un ensayo de jardines. Es un mapa de última milla: incentivos a la inversión privada, inversión pública, opciones tecnológicas (incluido satélite) y coordinación ministerial. Estatus: hallazgo de agenda de infraestructura. Inferencia pedagógica, marcada como tal: cualquier “IA educativa” que requiera uso diario, datos suficientes y dispositivo asequible tropieza exactamente con esos cuatro déficits.

En México, la ENDUTIH 2024 (INEGI, 2025) estima 83,1 % de usuarios de internet entre la población de seis años y más, y 73,6 % de hogares con el servicio. Hallazgo empírico territorial: 86,9 % de usuarios en el ámbito urbano y 68,5 % en el rural. Las entidades con menor proporción de hogares conectados fueron Chiapas (50,7 %), Oaxaca (55,5 %) y Guerrero (58,9 %); las de mayor, Ciudad de México y Sonora (84,4 %). Estatus: encuesta de hogares, no muestra de jardín ni de IA. Soletic y Kelly (2022) recuerdan que, en 2018, el 46 % de las niñas y los niños de cinco a doce años —unos 31 millones— vivía en hogares sin conexión. Hallazgo de cohorte en edad de inicial y básica. No es hallazgo de que la IA los alcance.

Estatus acumulado. Hallazgo empírico: la conectividad en América Latina es un gradiente urbano-rural, de ingreso y de entidad; la “conectividad significativa” es más escasa que el acceso nominal; decenas de millones de pobladores rurales y una fracción mayoritaria de hogares rurales en varios países no tienen la red que un servicio de IA en la nube exige. No es hallazgo de aprendizaje infantil ni de personalización. Inferencia pedagógica: anunciar IA educativa “para la región” sin desagregar territorio es anunciar un bien que, con estos números, se realizará sobre todo donde ya hay hogar conectado, dispositivo y datos. Eso no es retraso. Es selección.

5. Caso 2. El jardín y la escuela como infraestructura: electricidad, internet pedagógico y lo que reportan los directores

La UNESCO (2023), en Technology in education: A tool on whose terms?, establece el piso material. Hallazgo empírico global: hacia 2021, casi el 9 % de la población mundial carecía de electricidad; una de cada cuatro escuelas primarias no la tiene. A escala mundial, el 40 % de las primarias, el 50 % de las secundarias inferiores y el 65 % de las superiores estaban conectadas a internet; el 47 % de las primarias tenía computadoras con fines pedagógicos. Durante los cierres por COVID-19, al menos 500 millones de estudiantes —el 31 % mundial, en su mayoría los más pobres (72 %) y los rurales (70 %)— no pudieron ser alcanzados por el aprendizaje a distancia; el 91 % de los países usó plataformas en línea, pero estas solo llegaron a un cuarto de los estudiantes. El costo de un aprendizaje digital básico en países de ingreso bajo y de conectar todas las escuelas en los de ingreso medio-bajo añadiría un 50 % a la brecha de financiamiento del ODS 4. Estatus: hallazgo de insumos y de exclusión masiva. El informe no mide IA en educación inicial. Su pregunta —una herramienta, ¿en los términos de quién?— es el marco con el que este artículo lee las promesas de “IA para todos”.

El Instituto de Estadística de la UNESCO y el Informe GEM (2024) convierten la conectividad a internet en las escuelas primarias en el octavo indicador de referencia del ODS 4. Hallazgo de monitoreo: es uno de los dos indicadores con menor tasa de metas nacionales presentadas (32 %); los países más ricos reportan más y están más cerca de la cobertura universal; dos de cada tres países de ingreso bajo no tienen datos, y ninguno de ellos alcanza su referencia nacional en el recorte publicado. Estatus: hallazgo de escasez de dato, no de eficacia de IA. Inferencia pedagógica, marcada como tal: no se puede gobernar una “innovación en IA escolar” sobre un indicador que muchos sistemas aún no miden. La opacidad es parte de la inequidad.

Rieble-Aubourg y Viteri (2020), en la Nota CIMA n.º 20 del BID, resumieron la preparación de América Latina y el Caribe para el aprendizaje en línea al inicio de la pandemia. Hallazgo empírico de diagnóstico: la inequidad en acceso a tecnología, conectividad y recursos digitales marca a la región; el levantamiento del proyecto SIGED evidenció que la mayoría de los países no contaba con las condiciones digitales de base (conectividad en escuelas, plataformas, tutoría virtual, paquetes de recursos y repositorio). El internet en hogares se cifraba en 77 % en la región frente a 96 % en la OCDE. Estatus: hallazgo de preparación sistémica, no de jardín y no de modelo generativo. Soletic y Kelly (2022) confirman, en seis países (Argentina, Chile, Colombia, Costa Rica, México y Uruguay), que las políticas se concentraron en proveer conectividad y equipamiento, y que, pese a ello, no garantizaron acceso equitativo; en zonas rurales, la energía eléctrica estable y las redes siguen siendo desafío. Rieble-Aubourg y Viteri (2020), con PISA 2018, subrayan que disponer de internet no equivale a calidad suficiente para la tarea escolar. Estatus: hallazgo de “tener internet” versus “poder usarlo para enseñar”. Un chatbot que consume datos no opera en cualquier conexión: opera en el subconjunto que además tiene dispositivo, cuenta, calidad de red y mediación pedagógica.

La OCDE (2020), en Making the Most of Technology for Learning and Training in Latin America, aporta percepción de directores y uso de la escuela como nodo. Hallazgo empírico: alrededor del 51 % de los directores de la región reportan internet insuficiente como barrera a la instrucción de calidad, frente al 17 % en el promedio OCDE; alrededor del 43 % reporta escasez o inadecuación de tecnología digital para enseñar. En Colombia, México y Perú, la escuela es proveedor de internet para más del 20 % de los estudiantes rurales. Más del 41 % de los estudiantes rurales en Perú tienen acceso a escritorio, portátil o tableta solo en la escuela; en México, el 27 %; en Colombia, el 20 %. Estatus: hallazgo de dependencia del plantel y de calidad percibida, en secundaria PISA, no en inicial. No mide que un modelo de lenguaje mejore esa calidad. La OCDE (2023c), en Shaping Digital Education, actualiza desigualdades de calidad: brechas de conexión rápida entre escuelas rurales y urbanas de 30 % en México, 28 % en Costa Rica, 44 % en Rumania y 21 % en Eslovenia (PISA 2018); brechas de computadoras conectadas entre escuelas aventajadas y desaventajadas de 43 % en Colombia y 42 % en México. En sistemas OCDE, la proporción de directores que reportan que la instrucción se ve obstaculizada por internet insuficiente es, en promedio, 7 puntos más alta en escuelas rurales que en las de ciudad, y supera los 40 puntos en Colombia, México, Italia y Alberta (Canadá). Estatus: hallazgo de geografía escolar. Echazarra y Radinger (2019) matizan: no toda escuela rural carece de infraestructura, y las brechas de desempeño suelen reducirse al controlar el nivel socioeconómico; el costo de entregar educación en zonas remotas, no obstante, es más alto. Ese matiz impide romanticizar “el rural” como vacío y tratar la IA en la nube como compensación automática: la fuente no la mide.

La OCDE (2023b), PISA 2022 Volumen II, describe un mundo escolar posterior a la disrupción, no un jardín: en el promedio OCDE, al menos tres de cada cuatro estudiantes reportaron pocos problemas de acceso a dispositivo o a internet en el aprendizaje remoto. Se cita para no extrapolar el “estudiante OCDE conectado” al niño de tres años en una localidad sin red. El informe Starting Strong VII (OCDE, 2023a) sí habla de primera infancia: la digitalización crea oportunidades y riesgos para el ECEC; la equidad es transversal; el propio informe reconoce límites de la base empírica. Marco de política, no ensayo de IA rural. Inferencia pedagógica: si el ECEC debe responder a la digitalización con equidad, el primer dato no es el modelo de lenguaje, sino si el centro tiene luz, dispositivo y un adulto que pueda usarlo sin una nube inestable.

Estatus acumulado. Hallazgo empírico: electricidad e internet pedagógico no son universales; en América Latina, la percepción de insuficiencia de red es tres veces la del promedio OCDE; las brechas rurales-urbanas y público-privadas en México y Colombia son de decenas de puntos; una fracción relevante de estudiantes rurales solo toca un computador en la escuela; la pandemia demostró que las plataformas en línea no alcanzan a quien vive lejos y es pobre. No es hallazgo de que la IA mejore el jardín rural. Inferencia pedagógica: un programa de “IA en educación inicial” que no condicione su despliegue a energía, ancho de banda, dispositivos funcionales y soporte técnico no es un programa nacional. Es un programa para el subconjunto ya conectado.

6. Caso 3. Lo que ya funciona sin nube —y el salto ilegítimo hacia la IA educativa

La UNESCO (2023) documenta un siglo de tecnologías de baja intensidad que sí llegaron a territorios donde la banda ancha no llega. Hallazgo empírico de síntesis: la instrucción radiofónica interactiva se usa en cerca de 40 países. El programa Telesecundaria en México —lecciones televisadas, apoyo en aula y formación docente— se asocia a un aumento del 21 % en la matrícula de secundaria. Durante COVID-19, el 70 % de 101 proyectos de educación a distancia en crisis usó radio, televisión y telefonía básica; México expandió contenidos de Telesecundaria a todos los niveles. Las plataformas en línea, usadas por el 91 % de los países, llegaron a un cuarto de los estudiantes; el resto dependió de baja tecnología, papel y móvil. Estatus: hallazgo de alcance, no de “calidad IA”. El GEM no afirma que la teleclase sea equivalente a un tutor generativo. Afirma que, cuando la red falta, lo que escala no es la nube. Inferencia pedagógica, marcada como tal: citar Telesecundaria como prueba de que “la tecnología llega al rural” no autoriza a sustituir esa tecnología por un modelo de lenguaje que exige exactamente lo que Telesecundaria no exigía (banda ancha simétrica, cuenta en la nube, cómputo remoto).

Kabugo (2020) estudió el uso de recursos educativos abiertos en Kolibri —plataforma de Learning Equality diseñada para enseñar con tecnología sin internet continuo— en diez escuelas secundarias gubernamentales de Uganda, con registros de uso y entrevistas a 25 docentes y 100 estudiantes, en el cierre por COVID-19. Hallazgo empírico: los docentes emplearon recursos abiertos de Kolibri para sostener enseñanza en contextos de escasez de espacios, materiales y docentes de ciencia y matemáticas; el autor propone un modelo de utilización eficiente a partir del análisis del discurso de ese uso. Kolibri es offline-first: bibliotecas de lecciones, evaluaciones, libros, juegos y simulaciones que se instalan y se actualizan cuando hay red y se usan cuando no la hay. Estatus: estudio de caso de secundaria, no de jardín; recursos abiertos y plataforma, no modelo de lenguaje generativo; Uganda, no América Latina. No mide que “la IA cierre la brecha”. No mide personalización algorítmica. Su valor para este artículo es negativo y preciso: existe evidencia de que el diseño offline-first permite alguna práctica digital donde la nube no llega. Esa evidencia no se transfiere, sin más, a un chatbot de 2026.

UNICEF América Latina y el Caribe (s. f.) describe Giga —iniciativa con la UIT— para mapear y conectar escuelas. Estatus: marco de programa, no evaluación de IA. El Diálogo Interamericano et al. (2022) insisten en adecuar electricidad y equipamiento. Miao et al. (2021), Miao y Holmes (2023) y la UNESCO (2021) son marcos: equidad, límites de edad, supervisión humana. Ninguno mide un jardín rural latinoamericano con un modelo de lenguaje local. Los candidatos de “IA offline” en revistas de baja consolidación editorial (2025–2026) no se retienen como casos nucleares.

Estatus acumulado. Hallazgo empírico: radio, televisión y plataformas offline-first tienen trayectoria documentada de alcance en contextos de baja conectividad; Kolibri tiene un caso situado de uso docente; Giga es una agenda de mapeo y conexión, no un resultado de aprendizaje. No es hallazgo de que la IA generativa opere en el jardín sin red. Inferencia pedagógica: el salto “si Kolibri funciona offline, entonces un modelo en el dispositivo personalizará la educación inicial rural” confunde géneros. Un repositorio de recursos abiertos instalado en un servidor local no es un modelo de lenguaje. Un modelo de lenguaje que cabe en un dispositivo sigue exigiendo energía, mantenimiento, actualización periódica, literacidad técnica y, en educación inicial, un adulto que medie. Donde faltan esos insumos, la “IA educativa” no se demora: se ausenta, y su ausencia relativa concentra el beneficio en el territorio ya conectado.

7. Marco inferencial: sin red, la IA no tarda, selecciona

El marco que sigue es inferencia pedagógica de este artículo, anclada en los casos y en los marcos verificados. No es un nuevo estándar internacional. Distingue cinco pruebas. Si una propuesta de “IA para educación inicial y básica en contextos rurales o de baja conectividad” no las pasa, no se despliega como política de equidad.

7.1. Prueba de la energía antes que del modelo. La UNESCO (2023) mide que una de cada cuatro primarias no tiene electricidad. Ziegler et al. (2020) y el Diálogo Interamericano et al. (2022) sitúan la escuela rural como punto crítico de ancho de banda y de condiciones mínimas. Inferencia: un sistema de IA —en la nube o en el dispositivo— es un consumidor de energía y de mantenimiento. Donde no hay luz estable, no hay “innovación”. Prometer IA al jardín sin electrificación es una infracción de secuencia, no un atajo de modernización. Este artículo no afirma que electrificar cierre brechas de aprendizaje: afirma que, sin energía, el discurso de la IA es cosmética.

7.2. Prueba de la conectividad significativa, no del punto de acceso. La CEPAL (2020) y Ziegler et al. (2020) distinguen tener señal y tener calidad. Soletic y Kelly (2022) recuerdan que solo un tercio de las conexiones escolares regionales alcanza calidad para la tarea. Inferencia: un asistente generativo que “funciona con internet” no funciona con el internet intermitente de un plantel que comparte un canal estrecho. Llamar “escuela con IA” a una escuela con un módem que abre un correo es un abuso de lenguaje. Donde la fuente no mide latencia, simetría y datos, este artículo no inventa viabilidad pedagógica de un modelo de lenguaje.

7.3. Prueba del dispositivo y del soporte, no del software. La OCDE (2020) documenta que una fracción alta de estudiantes rurales solo accede a computador en la escuela, y que los directores reportan escasez de tecnología digital. Inferencia: la IA educativa no es un archivo que se “baja”. Es un ensamblaje de hardware, cuentas, actualizaciones y alguien que repara. Sin soporte técnico territorial, el dispositivo se vuelve mobiliario. No se promete que un modelo en el dispositivo elimine esa dependencia: Kabugo (2020) muestra uso de una plataforma offline con docentes y un ecosistema de instalación, no magia de hardware autónomo.

7.4. Prueba de no sustituir la evidencia de baja tecnología por la promesa de la nube. La UNESCO (2023) muestra que radio y televisión alcanzaron a quien la plataforma no alcanzó; Telesecundaria se asocia a un aumento de matrícula. Inferencia: esa evidencia legitima políticas de alcance con medios de baja intensidad. No legitima reemplazarlas por un chatbot. Tampoco legitima el eslogan de que la IA “personaliza donde faltan docentes”: ninguna fuente nuclear mide esa personalización en jardines rurales. Miao et al. (2021) y Miao y Holmes (2023) exigen enfoque centrado en el humano y límites de edad. Un niño de educación inicial no es el usuario autónomo de un modelo de lenguaje, ni siquiera donde hay fibra.

7.5. Prueba de la desigualdad como diseño, no como retraso. Los 500 millones no alcanzados (UNESCO, 2023), los 77 millones rurales sin conectividad significativa (Ziegler et al., 2020) y la brecha ENDUTIH entre Chiapas y la Ciudad de México (INEGI, 2025) no describen un calendario en el que “la IA llegará después”. Describen un mapa: si la IA se despliega bajo el presupuesto de la red, se concentra donde la red ya está. Inferencia: el riesgo no es el atraso rural, sino la innovación selectiva presentada como universal. La OCDE (2023a) pide equidad transversal en el ECEC: un piloto urbano con banda ancha no es “política de IA en inicial”.

Operativamente, el marco admite: (a) mapear electricidad, conectividad significativa, dispositivos y soporte antes de comprar IA; (b) baja intensidad y plataformas offline-first como lo que la evidencia de alcance sostiene; (c) IA en el dispositivo solo donde energía, mantenimiento y mediación adulta están asegurados, como ensayo medido. Rechaza: (d) llamar equidad al despliegue en el subconjunto conectado; (e) vender la IA como cierre de brecha, calidad rural o sustituto docente sin medida; (f) tratar el jardín de baja conectividad como una versión tardía del aula en la nube.

8. Discusión

Tres tensiones organizan la discusión. La primera es entre cobertura y calidad. La CEPAL (2020) y el INEGI (2025) muestran avances de acceso; Ziegler et al. (2020) y Soletic y Kelly (2022) muestran que el acceso nominal no es conectividad significativa. La IA generativa se sitúa en el extremo de mayor exigencia de red. Inferencia: cada punto de cobertura que no sea de calidad puede narrarse como “listos para la IA” sin estarlo. El GEM (UNESCO, 2023) advierte que el costo total de la tecnología se subestima. Este artículo no opone libro a modelo. Opone secuencia: sin piso material, el gasto en IA es un gasto en el territorio que ya tenía piso.

La segunda tensión es entre alcance y personalización. Radio, televisión y Kolibri (UNESCO, 2023; Kabugo, 2020) tienen evidencia de llegar. La personalización algorítmica tiene, en este corpus, evidencia nula para el jardín de baja conectividad. Un niño no alcanzado no es “aún no personalizado”: es excluido. Rieble-Aubourg y Viteri (2020) y la OCDE (2020) mostraron que la región no estaba preparada para el aprendizaje en línea; la UNESCO (2023) mostró quién quedó fuera. Repetir el gesto con IA —plataformas primero, territorio después— reitera el diseño de la exclusión, ahora con más prestigio técnico.

La tercera tensión es entre primera infancia y secundaria conectada. PISA y TALIS hablan de estudiantes de 15 años (OCDE, 2020, 2023b, 2023c). El ECEC tiene otra densidad: cuidado, juego, mediación adulta, jardines con menos planta. La OCDE (2023a) pide equidad; Miao y Holmes (2023), límites de edad. Inferencia: el jardín de baja conectividad no es el lugar de un piloto de chatbot. Es el lugar de preguntar si hay luz, un adulto y un dispositivo que no dependa de una recarga que la familia no puede pagar. Tratar al niño de tres años en una localidad rural como “usuario de IA” es un error de nivel educativo y de infraestructura.

Si el objeto es la educación inicial y básica en baja conectividad, el sistema no necesita un modelo que presuponga la red. Necesita la autoridad de decir que una innovación que solo corre donde ya hay fibra no es una política de equidad. La desigualdad no es el tiempo que el rural “tarda” en copiar al urbano: es el resultado de diseñar la innovación para el urbano. Conservar radio, televisión, recursos abiertos offline y electrificación como lo que la evidencia sostiene, y reservar el nombre de “IA educativa” para ensamblajes que midan sus condiciones materiales, es la vía coherente con las fuentes verificadas.

9. Límites

Esta revisión es narrativa. No aplica un protocolo PRISMA completo ni estima efectos combinados de “IA sobre aprendizajes rurales”: esa variable no aparece medida en el corpus nuclear. La CEPAL (2020), Ziegler et al. (2020) y la ENDUTIH (INEGI, 2025) son informes de hogares y territorios, no ensayos de jardín. La UNESCO (2023) y el Scorecard UIS-GEM (2024) son síntesis globales. Rieble-Aubourg y Viteri (2020) y Soletic y Kelly (2022) diagnostican preparación y políticas, no IA. La OCDE (2020, 2023b, 2023c) habla sobre todo de secundaria PISA y de directores; Echazarra y Radinger (2019) usan PISA 2015 y TALIS 2013. Kabugo (2020) es un caso de secundaria ugandesa, no un ensayo de inicial latinoamericano. Telesecundaria, en el GEM, es un dato de matrícula. Miao et al. (2021), Miao y Holmes (2023), la UNESCO (2021) y la OCDE (2023a) son marcos, no evidencia de 2026 sobre un modelo de lenguaje en el jardín rural. UNICEF (s. f.) describe un programa de conexión. No se localizó, con el mismo grado de verificación, un ensayo latinoamericano de IA generativa o en el dispositivo en educación inicial de baja conectividad que midiera aprendizajes, cierre de brecha o sustitución docente. Esa ausencia es un vacío, no una prueba de que “la IA funciona sin red”. Las inferencias de la sección 7 son hipótesis de umbral, no evidencia de implementación nacional. Este artículo no afirma que la IA cierre la brecha digital, lleve calidad al rural ni personalice donde faltan docentes: ninguna fuente nuclear mide esas promesas.

10. Conclusiones

En educación inicial y básica, la inteligencia artificial frente a la baja conectividad no se resuelve anunciando innovación. Se resuelve preguntando qué infraestructura —energía, red significativa, dispositivos, soporte— es condición de cualquier herramienta que se presente como “IA educativa”. Tres familias de evidencia verificada sostienen el argumento. Los hogares y territorios de América Latina exhiben una brecha urbana-rural y de ingreso que la conectividad significativa no ha cerrado (CEPAL, 2020; Ziegler et al., 2020; Diálogo Interamericano et al., 2022; INEGI, 2025; Soletic y Kelly, 2022). Las escuelas no son un recinto abstracto: una de cada cuatro primarias del mundo carece de electricidad, una minoría tiene internet pedagógico de calidad, y en América Latina los directores reportan insuficiencia de red muy por encima del promedio OCDE, con brechas especialmente amplias en México y Colombia (UNESCO, 2023; UNESCO Instituto de Estadística y GEM, 2024; OCDE, 2020, 2023c; Rieble-Aubourg y Viteri, 2020; Echazarra y Radinger, 2019). Lo que documentadamente alcanza territorios de baja conectividad es, hasta ahora, la baja intensidad —radio, televisión, Telesecundaria— y, en casos situados, plataformas offline-first de recursos abiertos, no la IA generativa en la nube (UNESCO, 2023; Kabugo, 2020). Los marcos de IA y de primera infancia exigen equidad, supervisión humana y límites de edad; no autorizan a tratar el jardín desconectado como un mercado residual de la innovación (Miao et al., 2021; Miao y Holmes, 2023; UNESCO, 2021; OCDE, 2023a).

La tesis restrictiva se sostiene. Sin conectividad, energía y soporte técnico, la IA educativa no llega tarde: llega como desigualdad. Donde las fuentes no miden que la IA cierre la brecha digital, lleve calidad al rural o personalice donde faltan docentes, este artículo no lo inventa. El riesgo no es que el jardín rural “se quede sin chatbot”. Es que una innovación diseñada para la fibra se narre como política nacional mientras se realiza solo donde ya había fibra. La infancia en baja conectividad no necesita que le prometan un modelo. Necesita que no se llame equidad a lo que presupone una red que no tiene.

Laboratorio Editorial de NEXTECH.IA / Ingeniero Mitre

Referencias

  1. Comisión Económica para América Latina y el Caribe. (2020). Universalizar el acceso a las tecnologías digitales para enfrentar los efectos del COVID-19 (Informe Especial COVID-19 n.º 7). CEPAL. https://www.cepal.org/es/publicaciones/45938-universalizar-acceso-tecnologias-digitales-enfrentar-efectos-covid-19
  2. Diálogo Interamericano, Banco Interamericano de Desarrollo y Banco Mundial. (2022). Conectividad educativa en zonas complejas: Desafíos y objetivos para una agenda regional. Inter-American Dialogue. https://thedialogue.org/wp-content/uploads/2024/04/Informe-Tecnico-.pdf
  3. Echazarra, A., y Radinger, T. (2019). Learning in rural schools: Insights from PISA, TALIS and the literature (OECD Education Working Papers n.º 196). OECD Publishing. https://doi.org/10.1787/8b1a5cb9-en
  4. Instituto Nacional de Estadística y Geografía. (2025). Encuesta Nacional sobre Disponibilidad y Uso de Tecnologías de la Información en los Hogares (ENDUTIH) 2024 [Comunicado de prensa]. https://www.inegi.org.mx/contenidos/saladeprensa/boletines/2025/endutih/ENDUTIH_24.pdf
  5. Kabugo, D. (2020). Utilizing Open Education Resources to enhance students’ learning outcomes during the COVID-19 schools lockdown: A case of using Kolibri by selected government schools in Uganda. Journal of Learning for Development, 7(3), 447–458. https://doi.org/10.56059/jl4d.v7i3.465
  6. Miao, F., y Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
  7. Miao, F., Holmes, W., Huang, R., y Zhang, H. (2021). AI and education: Guidance for policy-makers. UNESCO. https://doi.org/10.54675/PCSP7350
  8. Organización para la Cooperación y el Desarrollo Económicos. (2020). Making the most of technology for learning and training in Latin America. OECD Publishing. https://doi.org/10.1787/ce2b1a62-en
  9. Organización para la Cooperación y el Desarrollo Económicos. (2023a). Empowering young children in the digital age (Starting Strong). OECD Publishing. https://doi.org/10.1787/50967622-en
  10. Organización para la Cooperación y el Desarrollo Económicos. (2023b). PISA 2022 results (Volume II): Learning during – and from – disruption. OECD Publishing. https://doi.org/10.1787/a97db61c-en
  11. Organización para la Cooperación y el Desarrollo Económicos. (2023c). Shaping digital education: Enabling factors for success. OECD Publishing. https://doi.org/10.1787/bac4dc9f-en
  12. Rieble-Aubourg, S., y Viteri, A. (2020). CIMA Brief #20: COVID-19: Are we prepared for online learning? Banco Interamericano de Desarrollo. https://doi.org/10.18235/0002303
  13. Soletic, Á., y Kelly, V. (2022). Políticas digitales en educación en América Latina: Tendencias emergentes y perspectivas de futuro. IIPE UNESCO y UNICEF. https://unesdoc.unesco.org/ark:/48223/pf0000381837
  14. UNESCO. (2021). Recommendation on the ethics of artificial intelligence. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000381137
  15. UNESCO. (2023). Global education monitoring report 2023: Technology in education — A tool on whose terms? UNESCO. https://doi.org/10.54676/UZQV8501
  16. UNESCO Instituto de Estadística y Global Education Monitoring Report. (2024). SDG 4 scorecard: Progress report on national benchmarks on school internet connectivity. UNESCO. https://www.unesco.org/gem-report/en/publication/2024-sdg-4-scorecard-progress-report-national-benchmarks-school-internet-connectivity
  17. UNICEF América Latina y el Caribe. (s. f.). La educación en la era de la conectividad. https://www.unicef.org/lac/la-educaci%C3%B3n-en-la-era-de-la-conectividad
  18. Ziegler, S., Arias Segura, J., Bosio, M., y Camacho, K. (2020). Conectividad rural en América Latina y el Caribe: Un puente al desarrollo sostenible en tiempos de pandemia. Instituto Interamericano de Cooperación para la Agricultura. https://repositorio.iica.int/handle/11324/12896