Nia Jetter lleva la alfabetización en IA de la NASA a las aulas desfavorecidas
Nia Jetter llegó a Google News con un llamativo giro profesional: tras dos décadas construyendo naves espaciales y robots, redirigió su experiencia hacia la educación inclusiva en IA. El conflicto es inmediato. La inteligencia artificial avanza mediante modelos costosos e infraestructura concentrada, mientras 2.200 millones de personas aún no usan internet.
El perfil, publicado originalmente por UN News, sigue a Jetter desde la ingeniería aeroespacial hasta aulas que atienden a comunidades históricamente desatendidas por el sector tecnológico. Su iniciativa educativa sin ánimo de lucro, thinqueBytes, habría formado a más de 1.000 jóvenes en cuatro continentes.
Estas cifras componen una historia inspiradora, pero también plantean una pregunta más difícil. La alfabetización en IA puede ayudar a las personas a comprender y cuestionar sistemas automatizados, pero la educación por sí sola no puede proporcionar electricidad, dispositivos asequibles, banda ancha ni influencia sobre el desarrollo comercial de la IA.
Esa tensión distingue el trabajo de Jetter de un perfil profesional convencional. Sus aulas representan una respuesta práctica a la brecha de la IA, mientras las empresas que desarrollan los modelos líderes siguen controlando la mayor parte de la infraestructura, las decisiones de producto y los recursos de formación.
La historia también apareció después del primer Diálogo Global de la ONU sobre la Gobernanza de la IA, celebrado en Ginebra los días 6 y 7 de julio de 2026. Ese momento conectó el trabajo de una educadora con un debate político más amplio sobre quién puede dar forma a la IA, no solo quién puede usarla.
Lo que la historia de Google News reveló sobre Nia Jetter
El cambio de carrera de Jetter convierte la inclusión en IA de un eslogan político en una cuestión de quién recibe conocimientos técnicos con la suficiente antelación para participar.
Según el perfil de la ONU, Jetter estudió matemáticas e informática en el MIT, con especialización en ciencias planetarias. Más tarde obtuvo una maestría en aeronáutica y astronáutica en Stanford University.
Dedicó aproximadamente 20 años al desarrollo de algoritmos autónomos para naves espaciales y robots. Los algoritmos autónomos permiten a las máquinas tomar decisiones acotadas a partir de datos de sensores sin control humano constante.
Su trayectoria profesional incluyó trabajos relacionados con NASA, Boeing y Raytheon. También llegó a ser tecnóloga principal sénior en IA robótica en Amazon, un puesto técnico de muy alto nivel.
El perfil vincula esa carrera con experiencias de su infancia en Nueva Jersey. Jetter ahorraba monedas de 25 centavos para comprar pilas y bombillas, utilizando materiales cotidianos para construir circuitos. Su padre la ayudaba a encontrar material técnico en la biblioteca, mientras que su madre enseñaba en jardín de infancia y educación especial.
Esa combinación importa. Jetter aprendió ingeniería gracias al acceso a materiales, al apoyo de adultos y a explicaciones que podía entender. Su trabajo actual intenta recrear esas condiciones para estudiantes que carecen de vías consolidadas de acceso a la tecnología.
Jetter desarrolló thinqueBytes durante cinco años antes de integrarlo en el Distinguished Minds Institute. La iniciativa reúne temas como inteligencia artificial, robótica y ciencia de cohetes en breves segmentos educativos llamados bytes.
El formato responde a preguntas directas. Los estudiantes pueden empezar por qué significa la IA, si merece temor o cómo la automatización podría afectar al empleo. Este enfoque reduce la barrera conceptual sin fingir que la IA sea simple.
Una lección breve no puede convertir a un estudiante en ingeniero de aprendizaje automático. Sin embargo, puede proporcionarle vocabulario para cuestionar una decisión automatizada, evaluar una respuesta generada o imaginar una carrera técnica.
Esta distinción es importante porque la alfabetización en IA tiene varios niveles. La familiaridad básica ayuda a las personas a reconocer sistemas de IA. La alfabetización funcional las ayuda a utilizar esos sistemas. La alfabetización crítica las ayuda a cuestionar resultados, incentivos, fuentes de datos y afirmaciones institucionales.
El argumento más trascendente de Jetter se refiere al tercer nivel. Las personas afectadas por la IA necesitan suficiente comprensión para participar en decisiones sobre ella. De lo contrario, la inclusión significa recibir productos diseñados en otros lugares conforme a normas escritas por otros.
La presencia en Google News amplió la audiencia del perfil, pero la agregación es solo distribución. La visibilidad en buscadores no proporciona la enseñanza sostenida, la mentoría, la conectividad ni el apoyo institucional necesarios para una participación genuina.
El trabajo de Jetter comienza donde termina el feed. Lleva la discusión de reconocer a una ingeniera inspiradora a preguntar si más estudiantes pueden adquirir una capacidad técnica duradera.
La alfabetización en IA solo es un derecho cuando el acceso la hace real
Enseñar IA como un derecho crea obligaciones que un curso, una organización sin ánimo de lucro o un perfil inspirador no pueden satisfacer por sí solos.
Jetter sostiene que comprender la tecnología emergente no debería ser un privilegio. La afirmación resulta persuasiva porque los sistemas de IA median cada vez más en la educación, la contratación, el crédito, la atención sanitaria, los servicios públicos y el acceso a la información.
Sin embargo, el derecho a comprender la IA depende de bases más fundamentales. Un estudiante necesita electricidad, conectividad, un dispositivo adecuado, contenido pertinente, tiempo disponible y un docente capaz de situar el material en contexto.
La brecha de conectividad sigue siendo enorme. La Unión Internacional de Telecomunicaciones estimó que 2.200 millones de personas aún no utilizaban internet en 2026.
La conectividad también varía en calidad. Una escuela puede tener técnicamente acceso a internet mientras depende de una conexión inestable compartida entre muchos estudiantes. Los datos móviles pueden estar disponibles, pero resultar inasequibles para lecciones en vídeo o herramientas de IA basadas en la nube.
El acceso a dispositivos crea otra capa de desigualdad. Muchos productos actuales de IA presuponen un smartphone o una computadora reciente, memoria suficiente, software actualizado y acceso fiable a servidores remotos.
El idioma plantea una barrera más silenciosa. Un estudiante puede acceder a una interfaz de IA y, aun así, recibir peores resultados porque el modelo cuenta con menos datos de entrenamiento para un idioma local. El material educativo también puede importar ejemplos que no se ajustan a las instituciones o necesidades locales.
La accesibilidad también importa. Las interfaces diseñadas sin tener en cuenta a estudiantes con discapacidad pueden excluirlos incluso cuando una escuela dispone de dispositivos y conectividad. La educación inclusiva requiere métodos de entrada compatibles, diseños legibles, subtítulos y materiales didácticos adaptables.
Estas limitaciones no debilitan el argumento a favor de la alfabetización en IA. Revelan lo que exige cumplirlo. La educación debe funcionar junto con la infraestructura, la accesibilidad, el contenido local y una participación significativa en la gobernanza.
El formato de vídeos cortos de Jetter ofrece una respuesta práctica. Las lecciones más breves pueden reducir la carga cognitiva y permitir a los docentes seleccionar material para un grupo de edad o aula concretos. También pueden ser más fáciles de distribuir que un currículo técnico completo.
No obstante, incluso el contenido compacto no debería convertirse en consumo pasivo. Los estudiantes necesitan oportunidades para poner a prueba afirmaciones, comparar resultados, examinar errores y conectar el comportamiento de la IA con los datos que lo sustentan.
Un ejercicio útil en el aula podría plantear la misma pregunta factual a varios sistemas. Los estudiantes podrían comparar las respuestas, identificar afirmaciones sin respaldo y rastrear fuentes fiables. La lección enseñaría tanto el uso de herramientas como la cautela epistemológica.
Otro ejercicio podría examinar una recomendación automatizada. Los estudiantes podrían preguntar qué datos influyeron en ella, qué preferencias están ausentes y qué ocurre cuando la recomendación es errónea.
Estas actividades desarrollan pensamiento crítico en lugar de una simple fluidez para redactar prompts. La fluidez con prompts consiste en comunicarse eficazmente con un modelo, pero no garantiza que un usuario pueda evaluar la respuesta.
El mismo principio se aplica a la gestión de información personal. Los estudiantes y trabajadores del conocimiento deben distinguir la recuperación de información de la verdad, especialmente cuando utilizan una base de conocimiento de IA para organizar material de origen.
Un sistema puede recuperar un documento con precisión mientras el propio documento contiene un error. También puede producir una síntesis fluida que elimine la incertidumbre presente en la evidencia original.
Por tanto, la educación en IA necesita una jerarquía clara. El acceso va primero, el uso práctico le sigue y la evaluación crítica sigue siendo esencial en todo momento. Tratar cualquiera de estas capas como la solución completa deja a los estudiantes expuestos.
La presión se extiende más allá de las escuelas. Las empresas tecnológicas se benefician cuando más personas pueden operar sus productos, pero la sociedad necesita personas que también puedan cuestionar cómo esos productos recopilan datos y distribuyen riesgos.
Los gobiernos afrontan una prueba similar. Financiar cursos introductorios es visible y relativamente fácil. Mejorar la banda ancha, la formación docente, la accesibilidad y la supervisión de interés público exige compromisos más prolongados y presupuestos medibles.
La historia de Jetter presiona a esas instituciones. Si la alfabetización en IA es realmente un derecho, su disponibilidad no puede depender de que una persona voluntaria, una organización sin ánimo de lucro o una ingeniera excepcionalmente competente llegue a un aula concreta.
La verdadera brecha es la participación, no el acceso a productos
La disputa central es entre el acceso a productos de IA y la participación en las decisiones que dan forma a esos productos.
La expansión comercial de la IA suele medir la inclusión mediante la disponibilidad. Una empresa se lanza en otro país, añade idiomas, ofrece acceso gratuito limitado o distribuye cuentas a través de escuelas.
Estas medidas pueden importar, pero en su mayoría amplían el consumo. No otorgan automáticamente a las comunidades afectadas influencia sobre los datos de entrenamiento, los estándares de evaluación, las normas de seguridad, las prioridades de implementación ni las reparaciones por daños.
La preocupación de Jetter va más allá. Sostiene que los resultados de la IA se resienten cuando las voces adecuadas están ausentes mientras se da forma a los sistemas. El argumento aborda tanto la equidad como la calidad técnica.
Un modelo diseñado sin aportaciones representativas puede pasar por alto patrones del idioma local, contexto cultural, limitaciones de infraestructura o necesidades habituales de los usuarios. Estas omisiones se convierten en fallos de producto cuando el sistema se encuentra con personas fuera de su entorno original de desarrollo.
La participación debe comenzar antes de la implementación. Los miembros de la comunidad pueden ayudar a identificar problemas relevantes, especificar fallos inaceptables, revisar prácticas de datos y probar sistemas en condiciones realistas.
Este enfoque difiere de una demostración tecnológica. Una demostración pregunta si un modelo puede realizar una tarea impresionante. La evaluación participativa pregunta si la tarea importa, si el resultado es fiable y quién asume el coste de los errores.
Las escuelas ofrecen un espacio importante para este trabajo porque los estudiantes se encuentran con la IA antes de que muchas instituciones hayan establecido normas estables. Las herramientas generativas ya influyen en cómo los alumnos investigan, redactan, traducen, programan y estudian.
Prohibir estas herramientas por completo puede empujar su uso fuera de la vista. La adopción acrítica conlleva el riesgo opuesto: permitir que el material generado sustituya al razonamiento u oculte lagunas de comprensión.
Un currículo más sólido trata los resultados de la IA como un objeto de examen. Los estudiantes deberían preguntar de dónde procede una respuesta, qué evidencia la respalda y qué información el sistema no puede ver.
Los docentes necesitan apoyo para aplicar ese currículo. Requieren tiempo de formación, ejemplos vinculados a sus asignaturas, normas claras de privacidad y permiso para adaptar las lecciones. Un taller único rara vez transforma por sí solo la práctica en el aula.
Los educadores también necesitan alternativas cuando un producto exige cuentas de estudiantes o transfiere datos a servidores externos. La alfabetización en IA no debería obligar a las escuelas a aceptar prácticas de datos poco claras.
La trayectoria aeroespacial de Jetter da peso a este enfoque. La ingeniería sensible a la seguridad no considera que una respuesta convincente sea evidencia suficiente. Los equipos ponen a prueba supuestos, identifican modos de fallo, documentan restricciones y mantienen la responsabilidad humana.
La educación sobre IA en el aula puede adoptar esa disciplina sin recrear un laboratorio de ingeniería. Los estudiantes pueden registrar prompts, comparar versiones de modelos, señalar respuestas inconsistentes y separar la observación de la inferencia.
Ese hábito es valioso más allá de la escuela. Los trabajadores del conocimiento afrontan el mismo desafío cuando la IA resume reuniones, redacta informes o busca en documentos internos. Una base de conocimiento técnico consultable resulta más útil cuando los usuarios conservan las fuentes y verifican las conclusiones importantes.
La brecha de participación también afecta a la gobernanza. Los países con infraestructura informática limitada pueden depender de sistemas desarrollados en el extranjero. Sus habitantes siguen experimentando los efectos laborales, culturales, educativos y ambientales de esos sistemas.
La representación en una conferencia no elimina ese desequilibrio. Los delegados necesitan capacidad técnica independiente, acceso a evidencia e instituciones capaces de traducir el debate en políticas nacionales.
Los grupos de la sociedad civil necesitan recursos para participar de forma constante. Las consultas breves suelen favorecer a las organizaciones que ya cuentan con equipos jurídicos, especialistas técnicos y relaciones establecidas con responsables políticos.
Los jóvenes afrontan una versión más aguda de este problema. Los adultos toman la mayoría de las decisiones sobre la IA en el aula, pero los estudiantes experimentan directamente las consecuencias. Deberían tener vías estructuradas para denunciar daños e influir en las normas escolares.
Por lo tanto, una participación significativa tiene características observables. Las comunidades ayudan a definir objetivos, no se limitan a probar productos terminados. Los educadores pueden rechazar implementaciones inadecuadas. Los estudiantes entienden los procesos de apelación. Los organismos públicos pueden auditar los resultados.
Sin esas condiciones, un acceso más amplio a los productos puede profundizar la dependencia. Más personas usan IA, mientras que menos instituciones entienden los sistemas lo bastante como para negociar condiciones o cuestionar fallos.
El modelo educativo de Jetter no puede resolver por sí solo este desequilibrio. Puede crear participantes mejor informados, lo que constituye un comienzo necesario. La tarea más difícil es construir instituciones dispuestas a escucharlos.
Ginebra puso la inclusión en la agenda, pero no en la ley
El primer Diálogo Global sobre la Gobernanza de la IA amplió la representación, pero su diseño no vinculante deja la implementación en manos de gobiernos e instituciones.
La ONU celebró el primer Diálogo Global sobre la Gobernanza de la IA en el centro Palexpo de Ginebra los días 6 y 7 de julio de 2026. La reunión se desarrolló junto con la AI for Good Global Summit de la ITU y otros eventos relacionados con la política digital.
La Asamblea General de la ONU estableció el diálogo tras los compromisos asumidos mediante el Pacto Digital Global. Su objetivo es reunir a gobiernos y otras partes interesadas para mantener debates recurrentes sobre la gobernanza internacional de la IA.
El programa oficial abarcó cuatro grupos temáticos. Incluyeron las implicaciones sociales y económicas de la IA, la brecha de la IA, los sistemas seguros y los derechos humanos con responsabilidad y supervisión humana.
Esos temas coinciden estrechamente con las tensiones presentes en el trabajo de Jetter. Los estudiantes necesitan acceso, pero también seguridad, representación y la capacidad de entender cómo los sistemas automatizados afectan a sus derechos.
El Global Dialogue otorgó a cada gobierno un lugar formal en el debate. Esto importa porque los marcos internacionales de IA a menudo han reflejado a países con sectores tecnológicos avanzados y mayor capacidad de negociación.
La reunión también reconoció a actores fuera de los gobiernos, entre ellos la sociedad civil, la academia, la industria y la comunidad técnica. Esa participación puede exponer a los responsables políticos a impactos locales que las delegaciones nacionales podrían pasar por alto.
Aun así, el foro tiene una limitación deliberada. No es un proceso de negociación y sus sesiones no producen regulaciones vinculantes. La ONU describe su función como la construcción de una comprensión compartida que pueda orientar decisiones posteriores.
Eso hace que el diálogo sea valioso, pero insuficiente. El lenguaje de consenso puede identificar un problema sin establecer presupuestos, mecanismos de aplicación, estándares técnicos o vías de reparación para las personas afectadas.
La brecha resulta especialmente visible en la educación. Un compromiso global con la alfabetización en IA no determina qué deberían enseñar los docentes, quién certifica los materiales ni cómo protegen las escuelas los datos de los estudiantes.
Tampoco resuelve la presión en la contratación. Los ministerios de Educación pueden recibir ofertas de servicios en la nube, acceso a modelos, dispositivos o formación de empresas cuyos productos luego se vuelven difíciles de sustituir.
El apoyo de los proveedores puede ampliar rápidamente el acceso, pero la dependencia crea riesgos para las políticas públicas. Las escuelas pueden perder control sobre los datos, las decisiones curriculares o los costes cuando un proyecto piloto se convierte en infraestructura esencial.
Los recursos educativos abiertos pueden reducir parte de esa dependencia. Las lecciones adaptables a nivel local permiten a los docentes modificar ejemplos, traducir contenido y conservar materiales si cambia un servicio comercial.
Los modelos abiertos y la computación local también pueden ayudar en ciertos entornos, aunque conllevan sus propios requisitos técnicos y de seguridad. Las escuelas siguen necesitando mantenimiento, evaluación y prácticas responsables de datos.
La gobernanza debe abordar estos detalles operativos. De lo contrario, la inclusión de alto nivel produce fotografías y declaraciones mientras las condiciones en las aulas permanecen sin cambios.
El secretario general de la ONU, António Guterres, dijo en la sesión inaugural que participaban 193 naciones. Sus declaraciones en Ginebra presentaron el encuentro como un esfuerzo para que la gobernanza alcance el ritmo de la tecnología.
Esa ambición fija un estándar exigente. Alcanzarlo requiere más que debatir la seguridad de los modelos de frontera. También implica garantizar que los estudiantes puedan reconocer un sistema automatizado, cuestionar sus resultados y pedir ayuda cuando cause daños.
La próxima sesión programada del diálogo tendrá lugar en Nueva York en mayo de 2027. Entre sesiones, los gobiernos tienen la oportunidad de demostrar si el lenguaje inclusivo se traduce en planes nacionales, programas para docentes e infraestructura accesible.
Jetter e iniciativas como thinqueBytes pueden aportar evidencia procedente de estudiantes reales. Su experiencia puede mostrar qué preguntas hacen los alumnos, qué explicaciones funcionan y dónde la conectividad o las barreras lingüísticas detienen el progreso.
Sin embargo, los responsables políticos no deberían utilizar el éxito de organizaciones sin ánimo de lucro como excusa para la insuficiente inversión pública. Formar a más de 1.000 estudiantes es significativo, pero la escala global de la exclusión se mide en miles de millones.
El resultado más sólido combinaría ambos niveles. Los programas comunitarios probarían enfoques prácticos, mientras que los gobiernos financiarían infraestructura e incorporarían métodos probados a la educación pública.
El resultado más débil celebraría programas individuales sin cambiar los sistemas que los hacen necesarios. Ese riesgo debería seguir siendo visible cada vez que historias inspiradoras circulan por Google News y los canales de políticas públicas.
Lo que mostrarán las próximas tres señales
La próxima prueba no es si la historia de Jetter sigue siendo visible, sino si las instituciones convierten su argumento en capacidad, evidencia e influencia.
La primera señal es una adopción educativa medible. Las escuelas, los ministerios y los socios sin ánimo de lucro deberían informar de algo más que la cantidad de personas que vieron una lección o asistieron a un evento.
La evidencia útil incluye la finalización de cursos, cambios en la comprensión de los estudiantes, la retención de docentes, la accesibilidad y la capacidad de identificar resultados poco fiables de la IA. Una evaluación independiente haría esos resultados más creíbles.
Para thinqueBytes, expandirse más allá de 1.000 estudiantes fortalecería el argumento solo si la calidad de la enseñanza se mantiene constante. El crecimiento sin evidencia de aprendizaje debilitaría las afirmaciones sobre una inclusión duradera.
Los programas más reveladores pondrán a prueba el razonamiento crítico, no la familiaridad con una marca. Un estudiante debería terminar sabiendo cómo verificar una afirmación, reconocer la incertidumbre y cuestionar los supuestos de un sistema.
La segunda señal es la inversión en fundamentos digitales. Conviene observar compromisos concretos con la banda ancha, la electricidad, dispositivos asequibles, recursos en idiomas locales y formación docente.
Un anuncio importa menos que la implementación. Los presupuestos, los registros de contratación, la calidad de la conexión y el uso sostenido en el aula ofrecen evidencia más sólida que el lanzamiento de un proyecto piloto.
El progreso en estos fundamentos respaldaría el argumento de Jetter de que la comprensión de la IA puede estar ampliamente disponible. Las persistentes brechas de conectividad mostrarían que el contenido educativo sigue atrapado detrás de barreras estructurales.
La tercera señal es si la gobernanza inclusiva adquiere fuerza práctica antes de que el diálogo de la ONU se reúna de nuevo en mayo de 2027. Las estrategias nacionales deberían explicar cómo los estudiantes, docentes, usuarios con discapacidad y comunidades subrepresentadas influyen en la política de IA.
Las consultas públicas necesitan un seguimiento transparente. Los participantes deberían poder ver qué recomendaciones cambiaron una política, cuáles fueron rechazadas y por qué.
Los gobiernos también pueden crear canales de denuncia para daños causados por sistemas automatizados en escuelas y servicios públicos. Procedimientos de apelación claros darían a las personas algo más que una representación simbólica.
El marco del diálogo no es vinculante, por lo que la acción nacional determinará su valor real. Si los países establecen programas responsables, la reunión de Ginebra parecerá un punto de partida institucional.
Si el debate no produce presupuestos, supervisión ni mecanismos de participación, el evento se parecerá a una consulta recurrente con influencia limitada sobre la implementación.
Las empresas tecnológicas deberían enfrentarse a un escrutinio similar. Las interfaces multilingües y el acceso gratuito pueden ampliar el uso, pero las empresas deberían revelar limitaciones, respaldar pruebas independientes y ofrecer mecanismos de reparación significativos.
Las alianzas educativas merecen especial atención porque los estudiantes tienen un poder de negociación limitado. Las escuelas deberían saber qué datos conserva un sistema, cómo usan los modelos las interacciones y si los administradores pueden eliminar registros.
El mismo escrutinio se aplica al contenido educativo generado. Una lección creada o resumida por IA sigue necesitando revisión experta, un enfoque apropiado para la edad y fuentes fiables.
La analogía del martillo de Jetter recoge el argumento moral: una herramienta puede construir o causar daño según cómo se use. Sin embargo, la analogía tiene límites porque los sistemas de IA también reflejan decisiones tomadas antes de que los usuarios lleguen a utilizarlos.
Los desarrolladores seleccionan los datos de entrenamiento, los equipos de producto eligen valores predeterminados, las instituciones establecen normas de implementación y los gobiernos determinan la supervisión. La persona que sostiene la herramienta no controla todas sus propiedades.
Por eso la alfabetización en IA debe incluir alfabetización institucional. Los estudiantes necesitan entender no solo el comportamiento de los modelos, sino también quién posee un sistema, quién se beneficia y dónde reside la responsabilidad.
Para educadores y trabajadores del conocimiento, la acción inmediata es práctica. Traten cada respuesta generada como una afirmación que necesita contexto, especialmente cuando influye en una calificación, una decisión de contratación, una elección de salud o un servicio público.
Conserven el material fuente. Comparen los resultados importantes con evidencia autorizada. Registren las decisiones relevantes. Den a las personas afectadas una forma de cuestionar los errores.
Google News ayudó a dar visibilidad al recorrido de Nia Jetter desde las naves espaciales hasta las aulas. La historia más importante se desarrollará más allá de ese feed, en escuelas, presupuestos, proyectos de conectividad y procesos de gobernanza.
¿Tratarán las instituciones la alfabetización en IA como una capacidad pública o la dejarán depender de educadores individuales y programas temporales? La respuesta determinará si la inclusión significa usar productos de IA o ganar una voz real en la manera en que estos dan forma a la sociedad.
