La competencia lectora del alumnado estadounidense de 8.º curso cayó al 30 % en 2024, su nivel más bajo en 30 años, con estudiantes que chocan contra lo que los docentes describen como un «muro de la comprensión». Aunque la inversión en alfabetización básica —conciencia fonológica, fonética y fluidez— da buenos resultados en los primeros cursos de primaria, el rendimiento se desploma en secundaria, cuando los textos exigen más vocabulario, más conocimiento previo y la capacidad de procesar estructuras sintácticas complejas en ciencias, matemáticas y humanidades.

En lugar de recurrir a chatbots genéricos, docentes e investigadores defienden herramientas de lectura construidas a medida y fundamentadas en la ciencia de la lectura. Apoyándose en conclusiones del Brookings Institution, que advierte de que las herramientas de IA deben «enseñar, no dictar» para resultar eficaces, las implantaciones emergentes se centran en el apoyo diagnóstico continuo. En vez de depender de pruebas estandarizadas aisladas, estas herramientas analizan el trabajo de lectura del día a día, localizan los fallos concretos de comprensión y ofrecen intervenciones dirigidas, como pedir al alumno que relea un pasaje o darle apoyo de vocabulario según el contexto.

El giro apunta a un movimiento más amplio en la tecnología educativa: de las notas de evaluación en bruto a un andamiaje diagnóstico fino y en tiempo real en aulas con niveles heterogéneos. Para los docentes sudafricanos que gestionan el difícil salto de la decodificación de los primeros cursos a un currículo de fase superior intensivo en lenguaje, estos modelos de andamiaje con IA muestran cómo las herramientas digitales pueden ayudar a diferenciar la enseñanza de la lectura sin rebajar el rigor académico.