Las plataformas capaces de interpretar gestos, mirada y expresiones faciales prometen ajustar el aprendizaje en tiempo real, pero también abren una pregunta incómoda: cuánto debe saber una herramienta educativa sobre las emociones de quien está aprendiendo.
Imagine a un estudiante resolviendo una ecuación frente a la computadora. Se detiene, frunce el ceño, aparta la mirada unos segundos y vuelve a intentarlo. Para un profesor, esas señales podrían sugerir confusión. Para una plataforma equipada con visión artificial, podrían convertirse en datos que indiquen supuesta frustración, distracción o pérdida de atención.
La tecnología ya no pertenece únicamente a la ciencia ficción. Una revisión sistemática publicada en 2026 sobre computación afectiva en educación superior en línea encontró que buena parte de las investigaciones estudia precisamente estados como compromiso, confusión y frustración mediante expresiones faciales y técnicas de inteligencia artificial. Sin embargo, sus autores también señalaron una brecha importante: muchos de estos sistemas todavía no han sido evaluados suficientemente en aulas reales y las consideraciones éticas suelen recibir menos atención que los aspectos tecnológicos.
También existen desarrollos más recientes que intentan llevar esa idea a la práctica. Un estudio publicado en 2026 en Frontiers in Education describió un sistema de monitoreo en tiempo real que combina dirección de la cara, postura de la cabeza, movimientos de las manos, señales de somnolencia y expresiones faciales para identificar posibles momentos de desconexión durante clases en línea. El sistema procesaba la información localmente en el navegador, sin almacenar ni transmitir los datos personales de los estudiantes, una característica que sus investigadores presentan como una medida de protección de la privacidad.
Pero aquí aparece una diferencia fundamental. Detectar que una persona apartó la mirada no equivale necesariamente a demostrar que perdió la atención. Fruncir el ceño puede significar frustración, pero también concentración. Permanecer inmóvil puede reflejar cansancio, timidez o simplemente la costumbre de estudiar en silencio. Las expresiones humanas no son un código universal y perfectamente legible por una máquina.
La propia Unión Europea ha tomado una posición especialmente restrictiva. El Reglamento de Inteligencia Artificial prohíbe, con excepciones limitadas por razones médicas o de seguridad, los sistemas destinados a inferir emociones de las personas en instituciones educativas y lugares de trabajo. La Comisión Europea ha explicado que existen dudas científicas importantes sobre la fiabilidad de estas tecnologías y sobre su capacidad para interpretar correctamente expresiones que pueden variar entre culturas, situaciones e individuos.
La decisión europea resulta significativa porque pone el problema en otro nivel. Ya no se trata solamente de preguntar si la inteligencia artificial funciona. Hay que preguntarse si debería utilizarse para convertir una reacción emocional en una variable académica. Una plataforma podría llegar a concluir que un alumno está desmotivado y modificar automáticamente la dificultad de un ejercicio. Pero una inferencia equivocada podría terminar afectando la manera en que se evalúa o se percibe a ese estudiante.
En México, la discusión también encuentra un límite en la legislación de protección de datos. La Ley Federal de Protección de Datos Personales en Posesión de los Particulares, publicada en 2025, obliga a respetar principios de licitud, finalidad, proporcionalidad, información y responsabilidad. Además, exige consentimiento expreso y por escrito para el tratamiento de datos personales sensibles, salvo las excepciones previstas por la propia ley. El responsable debe informar qué datos recaba, para qué los utiliza y cuáles son los mecanismos disponibles para ejercer los derechos de acceso, rectificación, cancelación y oposición.
Esto adquiere especial relevancia cuando hablamos de menores de edad. Una cámara encendida durante una clase no solamente registra una imagen. Dependiendo de la tecnología utilizada, puede generar patrones relacionados con el rostro, la conducta o supuestos estados emocionales. Por ello, no debería confundirse el consentimiento para asistir a una clase virtual con una autorización ilimitada para analizar biométricamente las reacciones del estudiante.
Además, la protección de la información no termina cuando finaliza la sesión. ¿Quién conserva esos registros? ¿Durante cuánto tiempo? ¿Puede una empresa utilizarlos para entrenar otros sistemas? ¿Pueden compartirse con terceros? ¿Qué ocurre si el algoritmo clasifica repetidamente a un alumno como distraído? Son preguntas incómodas, pero precisamente por eso deben responderse antes de instalar una cámara y no después de que el problema aparezca.
La verdad es que el aprendizaje adaptativo puede ofrecer beneficios reales. Una herramienta que detecte que un estudiante está cometiendo errores repetidos y le proponga otra explicación podría ser útil. Pero existe una diferencia enorme entre analizar el desempeño académico y tratar de leer el estado emocional de una persona a través de su rostro.
La educación debería adaptarse al estudiante, no convertirlo en un conjunto permanente de señales biométricas. Si la inteligencia artificial entra al aula virtual, su primera obligación debería ser ayudar a aprender. Y la segunda, igualmente importante, recordar que detrás de cada rostro hay una persona cuyo derecho a equivocarse, distraerse o simplemente guardar silencio también merece protección.