¿Cuánta selección haría falta?

El 10 de septiembre de 2026 se publicaron los puntajes: 1.198 estudiantes voluntarios de 171 escuelas públicas obtuvieron 417 puntos en matemáticas, 492 en lectura y 462 en ciencias en la prueba PISA for Schools, en julio de 2026. Pocos días antes, la OCDE había publicado los resultados de PISA 2025 para todo el país, y en matemáticas y lectura la muestra nacional casi no se movió frente a 2022. En lectura, la distancia entre el promedio nacional y el grupo del piloto es de 126 puntos, que con la regla que usa la OCDE equivale a cerca de seis años de escolaridad.

Las dos cifras no se contradicen en sentido estricto, porque miden poblaciones distintas con instrumentos distintos, pero cuesta sostenerlas juntas. La pregunta que casi todos se hicieron fue si el tutor de inteligencia artificial causó la mejora, y el estudio no intenta responderla, porque la reforma incluye muchas cosas a la vez: guiones de clase, acompañamiento a docentes y directivos, materiales nuevos, refuerzo para los rezagados, equipos y conexión, además del tutor. Lo que hace es preguntar algo previo y que sí se puede calcular con datos públicos: si el grupo evaluado fuera simplemente lo mejor de cada casa, ¿qué tan exigente tendría que ser ese filtro?

La respuesta depende de cómo se haya hecho la selección, y esa dependencia es el hallazgo. En el caso más favorable a la selección, el puntaje de lectura exige tomar al 14,7 % superior de todos los jóvenes de 15 años del país, más o menos uno de cada siete: un filtro débil. Pero el piloto se hizo solo en escuelas públicas, y nadie escoge estudiantes por una prueba que todavía no han presentado. Con esas dos condiciones, el filtro necesario se vuelve muy fuerte: el 0,6 %, un estudiante de cada 160. La alternativa tampoco es modesta: si la selección hubiera sido débil, el aprendizaje real tendría que ser de unos 59 puntos en lectura, por encima de todas las estimaciones experimentales con tutores digitales o de inteligencia artificial en países de ingreso bajo y medio que el estudio encontró. El estudio lo advierte: un cálculo de este tipo no puede mostrar que un programa no funcione; solo muestra lo que la evidencia publicada alcanza a sostener.