Integrar inteligencia artificial en el sistema educativo mexicano no es un problema tecnológico: es un problema de equidad. Según datos del INEGI, para 2025 solo el 44.7% de los hogares del país contará con computadora, mientras que el acceso a internet alcanza el 88.9% en zonas urbanas frente al 75.2% en áreas rurales. A esto se suma que el 42% de las primarias opera bajo un modelo multigrado y más de 7 millones de personas hablan una lengua indígena. Legislar el uso de IA en las aulas sin atender estas brechas estructurales implica diseñar políticas para una fracción del sistema, no para el conjunto.

El riesgo de asumir condiciones que no existen

Las propuestas regulatorias más comunes —supervisión docente del uso tecnológico, talleres de programación, sistemas de detección de texto generado por IA— parten de supuestos que no se sostienen en gran parte del territorio nacional. Exigir supervisión docente asume disponibilidad de tiempo y formación que muchos maestros no tienen. Los laboratorios de cómputo son inexistentes en cientos de planteles rurales. Y los sistemas de detección de texto pueden penalizar a estudiantes que escriben en español como segunda lengua, confundiendo expresión intercultural con producción automatizada.

Este último punto tiene implicaciones directas sobre la evaluación educativa: una herramienta diseñada para contextos urbanos y monolingües puede convertirse en un mecanismo de exclusión cuando se aplica sin adaptación a comunidades indígenas o plurilingües.

El enfoque de Guerrero como referencia metodológica

El estado de Guerrero ha adoptado una postura que contrasta con la tendencia a legislar de forma reactiva: solicitar primero un estudio de viabilidad que priorice el cierre de brechas entre escuelas urbanas, rurales, indígenas y multigrado. Aunque modesta en alcance, esta aproximación establece un orden lógico que otras entidades podrían replicar: diagnóstico antes que norma, propósito antes que herramienta.

Esta secuencia no es trivial. Países como China e India han definido con precisión qué habilidades vinculadas a IA deben desarrollarse en cada nivel educativo. El valor de esos modelos no está en sus contenidos específicos, sino en la lógica que los sustenta: primero se define para qué se enseña IA y a quién, y después se selecciona la herramienta. Aplicar esa lógica al contexto mexicano implica reconocer que las necesidades de una telesecundaria en la Montaña de Guerrero son estructuralmente distintas a las de un bachillerato en Monterrey.

El marco normativo como punto de partida

México ya cuenta con un instrumento que permite esta diferenciación: la Nueva Escuela Mexicana habilita a cada colectivo docente, mediante el mecanismo de codiseño, para incorporar en su programa analítico problemáticas y temas comunitarios locales y regionales sin sustituir los contenidos nacionales. Este marco ofrece una vía para adaptar la enseñanza de IA a las realidades específicas de cada comunidad, siempre que exista la infraestructura mínima para hacerlo posible.

La pregunta de fondo no es cómo usar IA en el aula, sino qué capacidades deben construir los estudiantes en un entorno donde las máquinas ya redactan, calculan y sintetizan en segundos. Esa respuesta no puede ser uniforme, y cualquier política pública que la trate como tal corre el riesgo de ampliar, no reducir, las desigualdades que ya definen al sistema educativo mexicano.