Impacto Social y Ética Tecnológica · V Bimestre

Inteligencia Artificial y Automatización

Los estudiantes evalúan el futuro del trabajo y la toma de decisiones algorítmica.

Acerca de este tema

La Inteligencia Artificial (IA) y la automatización redefinen el panorama laboral y la toma de decisiones algorítmicas. En este tema del programa SEP de Tecnología para 2° de preparatoria, los estudiantes evalúan qué profesiones son vulnerables a la sustitución por IA, como manufactura repetitiva o análisis de datos rutinarios, y cuáles permanecen irreemplazables por su necesidad de creatividad, empatía o juicio ético, como profesiones artísticas o de cuidado humano. Analizan casos reales para responder preguntas clave: responsabilidad en errores de sistemas autónomos y estrategias para un desarrollo ético y transparente de la IA.

Este contenido fortalece el pensamiento crítico y ético dentro de la unidad de Impacto Social y Ética Tecnológica. Los alumnos conectan conceptos con el contexto mexicano, considerando impactos en industrias locales como la automotriz o el sector servicios, y desarrollan habilidades para debatir dilemas morales, como sesgos en algoritmos de reclutamiento.

El aprendizaje activo beneficia este tema porque actividades como debates estructurados y simulaciones de escenarios éticos permiten a los estudiantes argumentar posiciones diversas, confrontar evidencias y proponer soluciones colectivas, lo que hace los conceptos abstractos accesibles, relevantes y duraderos.

Objetivos de Aprendizaje

• Analizar cómo la IA y la automatización podrían transformar profesiones específicas en México, como la manufactura en la industria automotriz o la atención al cliente en el sector financiero.
• Evaluar las implicaciones éticas de la toma de decisiones algorítmica en escenarios como la contratación de personal o la asignación de recursos públicos.
• Criticar los posibles sesgos en sistemas de IA y proponer estrategias para un desarrollo tecnológico más equitativo y transparente.
• Sintetizar argumentos sobre la responsabilidad humana versus la autonomía de sistemas de IA en caso de fallos o errores graves.

Antes de Empezar

Fundamentos de Programación y Lógica

Por qué: Comprender los conceptos básicos de cómo funcionan las instrucciones y la lógica es fundamental para entender qué es un algoritmo.

Impacto de la Tecnología en la Sociedad

Por qué: Los estudiantes necesitan una base sobre cómo las innovaciones tecnológicas han afectado previamente a la sociedad para contextualizar el impacto de la IA.

Vocabulario Clave

Algoritmo	Un conjunto de reglas o instrucciones paso a paso que una computadora sigue para realizar una tarea o resolver un problema.
Automatización	El uso de tecnología para realizar tareas que antes requerían intervención humana, aumentando la eficiencia y reduciendo errores.
Sesgo algorítmico	Tendencia de un sistema de IA a producir resultados sistemáticamente injustos o discriminatorios debido a suposiciones o datos de entrenamiento defectuosos.
Toma de decisiones algorítmica	El proceso mediante el cual los algoritmos de IA toman decisiones o hacen recomendaciones sin intervención humana directa.
Inteligencia Artificial (IA)	La simulación de procesos de inteligencia humana por parte de máquinas, especialmente sistemas informáticos, que incluye aprendizaje, razonamiento y autogestión.

Ideas de aprendizaje activo

Debate en Pequeños Grupos: Profesiones del Futuro

Divide la clase en grupos de 4. Asigna profesiones a debatir: dos defienden su reemplazo por IA, dos su irreemplazabilidad. Cada grupo prepara argumentos con ejemplos reales en 10 minutos, luego debate 20 minutos con turnos cronometrados. Concluye con votación y reflexión colectiva.

⏱ 45 min·Grupos pequeños

Generar misión

Análisis de Casos: Errores Autónomos

En parejas, asigna casos como accidentes de autos autónomos. Los estudiantes identifican causas, responsables y lecciones éticas en 15 minutos. Comparten hallazgos en plenaria y proponen regulaciones. Usa rúbrica para evaluar razonamiento.

⏱ 35 min·Parejas

Generar misión

Juego de Simulación: Dilemas Éticos en IA

Clase completa rolea un consejo ético: unos representan empresas, usuarios y reguladores. Presenta un escenario de IA sesgada en préstamos. Discuten 25 minutos soluciones transparentes. Registra acuerdos en pizarra compartida.

⏱ 40 min·Toda la clase

Generar misión

Mapeo Individual: Mapa de Trabajo 2030

Cada estudiante lista 10 profesiones locales, clasifica su riesgo IA y propone adaptaciones. Intercambian mapas en tríos para feedback, luego galería ambulante para discutir tendencias comunes.

⏱ 30 min·Individual

Generar misión

Conexiones con el Mundo Real

En la industria maquiladora de Reynosa, Tamaulipas, la automatización de líneas de ensamblaje de productos electrónicos ya está modificando los roles de los trabajadores, requiriendo nuevas habilidades en supervisión y mantenimiento de robots.

Los sistemas de reconocimiento facial utilizados en algunas ciudades mexicanas para la seguridad pública plantean interrogantes sobre la privacidad y la posibilidad de errores en la identificación, generando debates sobre su uso responsable.

Los algoritmos de recomendación en plataformas de streaming y comercio electrónico, como los usados por Mercado Libre en México, aprenden de nuestros hábitos para sugerir productos, pero también pueden limitar la exposición a nuevas opciones.

Cuidado con estas ideas erróneas

Idea errónea común

La IA reemplazará todos los trabajos humanos.

Qué enseñar en su lugar

La IA automatiza tareas repetitivas, pero crea nuevos roles en diseño y supervisión ética. Debates en grupos ayudan a los estudiantes examinar datos laborales reales y reconocer que la colaboración humano-IA es el futuro, ajustando sus expectativas con evidencia compartida.

Idea errónea común

Los algoritmos de IA son siempre neutrales e imparciales.

Qué enseñar en su lugar

Los sesgos provienen de datos de entrenamiento no representativos. Análisis de casos en parejas permite identificar sesgos en ejemplos concretos, como reconocimiento facial, y discutir correcciones, fomentando empatía crítica mediante discusión estructurada.

Idea errónea común

Solo la máquina es responsable de errores graves en sistemas autónomos.

Qué enseñar en su lugar

La responsabilidad recae en diseñadores, programadores y usuarios. Simulaciones de dilemas éticos en clase entera clarifican cadenas de accountability, ya que los estudiantes rolean roles y negocian soluciones, internalizando complejidades legales y morales.

Ideas de Evaluación

Pregunta para Discusión

Presenta el siguiente escenario a los estudiantes: 'Una IA desarrollada para predecir el riesgo crediticio en México rechaza sistemáticamente las solicitudes de personas de ciertas comunidades rurales. ¿Quién es responsable de este sesgo: los programadores, la empresa que la implementó, o la propia IA? Discutan las posibles consecuencias y soluciones.'

Boleto de Salida

Pide a los estudiantes que escriban en un papel: 1) Una profesión que creen que será muy afectada por la IA en los próximos 10 años y por qué. 2) Una habilidad humana que consideren irreemplazable por la IA y por qué.

Verificación Rápida

Realiza una votación rápida en clase sobre afirmaciones como: 'La IA siempre tomará decisiones más justas que los humanos' o 'La automatización eliminará más empleos de los que creará'. Pide a 2-3 estudiantes que justifiquen su voto con argumentos basados en lo aprendido.

Preguntas frecuentes

¿Qué profesiones en México son más susceptibles a la IA?

Tareas repetitivas como ensamblaje en maquiladoras, contabilidad básica o atención al cliente por chatbots enfrentan alto riesgo. Profesiones como medicina diagnóstica o programación avanzada evolucionan con IA. Enfoca a estudiantes en datos INEGI para analizar tendencias locales y preparar transiciones laborales éticas y proactivas.

¿Cómo usar aprendizaje activo para enseñar ética en IA?

Actividades como debates y role-plays sumergen a estudiantes en dilemas reales, como sesgos algorítmicos. Grupos rotan posiciones para empatizar perspectivas diversas, mientras mapeos colaborativos visualizan impactos. Esto construye argumentación crítica y soluciones creativas, superando lecturas pasivas al conectar ética con su contexto mexicano cotidiano.

¿Quién es responsable de errores en sistemas IA autónomos?

Responsabilidad compartida: programadores por algoritmos defectuosos, empresas por pruebas insuficientes, reguladores por marcos legales. En México, leyes como la Ley Federal de Protección de Datos guían. Discusiones de casos ayudan a estudiantes desglosar cadenas causales y proponer auditorías transparentes para prevenir daños.

¿Cómo asegurar desarrollo ético y transparente de IA?

Implementa auditorías independientes, diversidad en equipos de desarrollo y open-source parcial. En educación SEP, integra principios como fairness y accountability. Estudiantes practican mediante protocolos éticos en proyectos, asegurando IA inclusiva que respete derechos humanos y evite desigualdades en contextos como el mexicano.