Las plataformas educativas capaces de analizar gestos, expresiones faciales y patrones de interacción prometen adaptar las clases al ritmo de cada alumno, pero su expansión también abre una pregunta difícil de ignorar: cuánto debe saber una tecnología sobre un menor para ayudarlo a aprender.
La educación a distancia está entrando en una etapa en la que ya no basta con saber si un estudiante respondió correctamente una pregunta. Algunas herramientas de aprendizaje adaptativo pueden registrar el tiempo que tarda en contestar, detectar patrones de interacción y ajustar la dificultad de los ejercicios. A ello se suman sistemas que utilizan cámaras y algoritmos para interpretar movimientos faciales, postura o determinadas señales de atención.
La promesa resulta atractiva. Si una plataforma detecta que un alumno está teniendo dificultades, puede ofrecer una explicación adicional, cambiar el nivel de complejidad o presentar otro tipo de ejercicio. En teoría, la tecnología permite que una clase digital deje de tratar a todos los estudiantes como si aprendieran exactamente de la misma manera.
El problema aparece cuando esa personalización depende de observar al alumno de forma permanente.
UNICEF ha advertido que las tecnologías utilizadas en educación recopilan cantidades cada vez mayores de información sobre niños y adolescentes, incluidos datos académicos, patrones de comportamiento y, en determinados casos, información biométrica. Su análisis sobre gobernanza de datos en EdTech señala que estas herramientas pueden mejorar la personalización del aprendizaje, pero también generar riesgos de privacidad, perfiles sesgados y explotación comercial de la información infantil.
La diferencia entre analizar el desempeño y analizar el comportamiento es fundamental. Saber que un estudiante respondió mal cinco ejercicios de matemáticas permite identificar una dificultad académica. Inferir, en cambio, que está distraído, ansioso, aburrido o desmotivado a partir de sus expresiones faciales supone entrar en un terreno mucho más delicado.
Y es que una expresión no siempre significa lo que un algoritmo cree que significa.
Un estudiante puede mirar hacia otro lado porque está pensando, apartarse de la pantalla porque tomó un lápiz o permanecer inmóvil porque está concentrado. Un sistema automatizado puede interpretar esas señales de una manera distinta. UNICEF ha señalado precisamente que las tecnologías biométricas presentan riesgos adicionales cuando se aplican a menores y que su desempeño puede ser desigual dependiendo de la edad y de las características de los niños.
La organización también ha advertido que muchas tecnologías biométricas fueron desarrolladas inicialmente pensando en adultos. En niños pequeños, la evidencia disponible sobre su desempeño a largo plazo es más limitada, lo que vuelve especialmente importante evaluar si realmente existe una necesidad educativa que justifique la recopilación de esos datos.
El asunto no es menor. Una contraseña puede cambiarse después de una filtración. Un rostro, una voz o determinados patrones biométricos no pueden sustituirse de la misma manera.
En México, el debate adquiere relevancia a partir de la legislación vigente en materia de protección de datos personales. La Ley Federal de Protección de Datos Personales en Posesión de los Particulares, expedida en marzo de 2025, obliga a quienes tratan información personal a hacerlo de manera legítima, controlada e informada. Para los datos personales sensibles exige consentimiento expreso y por escrito, además de medidas específicas para limitar su tratamiento a lo mínimo indispensable.
La legislación federal no establece, sin embargo, que cualquier dato biométrico sea automáticamente una categoría independiente de dato sensible. Su definición vigente considera sensibles aquellos datos cuya utilización indebida pueda generar discriminación o un riesgo grave para la persona, y enumera, entre otros, información genética y datos relacionados con la salud. Por eso conviene evitar una afirmación simplista según la cual todo análisis facial sería automáticamente ilegal.
Lo que sí resulta claro es que una escuela o una empresa tecnológica debe justificar qué información recopila, para qué la utiliza, cuánto tiempo la conserva, quién puede acceder a ella y qué medidas de seguridad aplica. La ley también establece que el tratamiento debe ser necesario, adecuado y relevante respecto de las finalidades informadas.
Cuando los usuarios son menores, el estándar de protección adquiere una dimensión adicional. La legislación mexicana de protección de datos para sujetos obligados establece que en el tratamiento de información de niñas, niños y adolescentes debe privilegiarse su interés superior. Ese principio obliga a mirar más allá de la simple aceptación de un aviso de privacidad.
En la práctica, esto significa que una autorización obtenida mediante un formulario que un padre o tutor acepta rápidamente no debería convertirse en un cheque en blanco para recopilar cualquier tipo de información durante años. La finalidad debe estar claramente delimitada.
El debate legislativo mexicano refleja precisamente esa preocupación. En 2025 y 2026 se han presentado iniciativas para reforzar la protección de menores en entornos digitales y para ampliar la regulación de datos biométricos, geolocalización e inferencias generadas mediante inteligencia artificial. Algunas propuestas plantean consentimiento parental verificable, minimización de datos y restricciones al perfilado automatizado de menores.
Estas propuestas, sin embargo, no deben confundirse con legislación vigente. Se encuentran en distintas etapas del proceso legislativo y muestran hacia dónde se dirige la discusión, pero no pueden presentarse como obligaciones actualmente aplicables en todos los casos.
Una iniciativa presentada en abril de 2026 para reformar la Ley General de Educación plantea incorporar progresivamente el conocimiento y uso responsable de la inteligencia artificial en el sistema educativo, incluyendo principios como protección de datos personales, transparencia y explicabilidad en procesos de enseñanza, aprendizaje y evaluación. El proyecto permanece pendiente de dictaminación.
También se ha planteado en la Cámara de Diputados una propuesta para establecer una regulación general de inteligencia artificial que contemplaría evaluaciones de impacto para sistemas considerados de alto riesgo y obligaciones de vigilancia sobre sesgos, fallas y desempeño. La educación aparece expresamente entre los sectores que podrían quedar sujetos a reglas específicas si la propuesta prospera.
Estas discusiones coinciden con una tendencia internacional. UNICEF, en su guía actualizada sobre inteligencia artificial y derechos de la infancia, plantea que los sistemas destinados a menores deben proteger sus datos y privacidad, ser transparentes, explicables y responsables, evitar discriminaciones y tomar en cuenta el interés superior del niño.
La organización también ha insistido en un principio especialmente relevante para las plataformas educativas: minimizar la información recopilada. No todo dato que pueda ser capturado debe ser necesariamente capturado.
Ese criterio cambia la pregunta que deberían hacerse las escuelas y las empresas. En lugar de preguntar si una cámara puede detectar determinado comportamiento, habría que empezar por algo más básico: ¿es realmente necesario detectar ese comportamiento para enseñar mejor?
Si la respuesta es no, la recopilación puede resultar difícil de justificar. Si la respuesta es sí, todavía quedan otras preguntas: ¿existe una alternativa menos invasiva?, ¿los datos se procesan en tiempo real o se almacenan?, ¿se utilizan para mejorar el aprendizaje o para construir perfiles?, ¿pueden compartirse con terceros?, ¿cuándo se eliminan?, ¿pueden los padres conocer y cuestionar las inferencias producidas por el sistema?
Esta última cuestión puede convertirse en uno de los mayores problemas pedagógicos. Una plataforma podría concluir que un alumno tiene bajos niveles de atención y utilizar esa clasificación para modificar sus actividades. Pero si la inferencia es incorrecta, el sistema puede terminar adaptando la educación a una etiqueta equivocada.
El riesgo es especialmente serio porque las decisiones tomadas durante la infancia pueden producir efectos acumulativos. Un perfil construido a partir de cientos de sesiones de aprendizaje puede revelar hábitos, dificultades, intereses y patrones de conducta que un estudiante quizá nunca quiso convertir en un expediente permanente.
UNICEF ha señalado que los datos de los estudiantes pueden circular entre escuelas, proveedores tecnológicos, gobiernos y terceros, mientras que las diferencias entre las legislaciones nacionales pueden generar riesgos adicionales cuando la información cruza fronteras. En el caso de plataformas alojadas fuera del país, la pregunta sobre dónde se almacenan y procesan los datos deja de ser un asunto meramente técnico.
Además, existe una dimensión comercial. Una empresa educativa puede tener incentivos para utilizar la información no sólo para mejorar una clase, sino para desarrollar nuevos productos, entrenar modelos o crear perfiles de usuarios. El objetivo pedagógico y el interés empresarial no siempre coinciden.
Por ello, la gobernanza de datos debería formar parte del diseño de la herramienta desde el principio. No como una cláusula escondida al final de un aviso de privacidad, sino como una condición previa para decidir qué información se necesita y cuál debe quedar fuera del sistema.
La inteligencia artificial puede aportar mucho a la educación. Puede ayudar a detectar dificultades de aprendizaje, adaptar ejercicios y ampliar el acceso a materiales personalizados. Pero una buena herramienta educativa no debería necesitar convertir al estudiante en un objeto de vigilancia permanente.
La verdadera prueba será encontrar el punto de equilibrio. Una plataforma puede saber lo suficiente para ayudar a un alumno sin saberlo todo sobre él. Y, tratándose de menores, esa diferencia no es un detalle técnico: es una cuestión de derechos.