Un informe reciente de EdSurge ha puesto el foco en los gastos operativos y docentes que implica integrar la inteligencia artificial en los centros educativos, con análisis del profesor Michael Hernandez y de la periodista Mi Aniefuna.

Para ayudar al profesorado a diseñar tareas capaces de resistir los atajos automatizados, Hernandez recurrió al «vibe coding» —describir los requisitos funcionales en lenguaje corriente en lugar de escribir el código a mano— para construir una herramienta de software que permite escalar los flujos de trabajo de rediseño de tareas. En paralelo, la investigación de Aniefuna siguió la cadena financiera de los despliegues de IA hasta la infraestructura de computación, y detalló cómo las consultas de pago por uso y la demanda energética de los servidores en los centros de datos generan costes de suministro recurrentes que los distritos rara vez presupuestan al contratar el software.

En conjunto, ambos casos ilustran que las fricciones de la IA educativa van más allá de las políticas contra las copias en el aula. Si bien las interfaces de lenguaje natural permiten que personal sin perfil técnico cree con rapidez herramientas didácticas a medida, ampliar el consumo diario de IA a centros enteros genera obligaciones variables de computación y licencias que ponen en aprietos a los sistemas de contratación tradicionales, pensados para costes fijos.