Abres la tienda de aplicaciones, escribes "matemáticas primaria" y aparecen cuarenta resultados, la mitad con la palabra "IA" en el nombre o en la descripción. Todas prometen lo mismo: aprendizaje personalizado, adaptado al ritmo de tu hijo, respaldado por la ciencia. Ninguna explica cómo. Elegir, hasta ahora, era básicamente un acto de fe: confiar en las reseñas, en el diseño bonito, en que alguien en algún sitio se había molestado en comprobar que lo que genera esa IA es correcto y apropiado para un niño de 8 años, y no solo una respuesta plausible escupida por un modelo de lenguaje.
Ese "alguien" empieza a existir. Se llama Learning Commons, y aunque no resuelve el problema entero, cambia una pieza importante del rompecabezas.
El problema que nadie veía (porque estaba detrás de la pantalla)
Construir una app educativa con IA que de verdad enseñe algo no es solo conectar un chatbot a una interfaz bonita. Hay que decidir qué debe saber un niño de 3º de primaria en matemáticas, qué errores típicos comete en ese punto del aprendizaje, qué habilidades son prerrequisitos de cuáles, y cómo comprobar que lo que genera el modelo de IA encaja con todo eso — no que simplemente suene convincente.
Hasta ahora, cada empresa que quería hacer esto bien tenía que reconstruir esa base de cero: reunir los estándares curriculares de cada estado o país, mapear progresiones de aprendizaje, programar sus propios sistemas de verificación. Un proceso, según describe la propia iniciativa, "lento, caro y propenso a errores" — y fuera del alcance de la mayoría de equipos pequeños, o de colegios que querían construir sus propias herramientas sin depender de un proveedor externo.
Una base de datos, no otro chatbot más
Learning Commons es una organización sin ánimo de lucro respaldada por la Chan Zuckerberg Initiative, lanzada en 2025 para construir, en sus propias palabras, "infraestructura de IA que conecte mejor cómo aprenden los alumnos con las herramientas con las que aprenden". No es una app para niños ni un asistente de IA más — es la capa invisible que hay debajo, y la ofrece gratis.
Tiene tres piezas principales:
Knowledge Graph: un conjunto de datos abierto y gratuito (publicado en GitHub) con los estándares curriculares de los 50 estados de EEUU, progresiones de aprendizaje, errores típicos de los alumnos en cada etapa, y definiciones de habilidades transversales como el pensamiento crítico.
Evaluators: herramientas que miden si el contenido que genera una IA es preciso, apropiado para la edad, está basado en evidencia y respeta los estándares curriculares reales — en vez de confiar ciegamente en que el modelo "lo sabe".
Agent Skills: un conjunto más pequeño de herramientas pensadas para ayudar al profesorado a planificar clases.
Desde su lanzamiento, sus datasets se han descargado más de 20.000 veces, y más de 70 socios ya los usan o contribuyen con datos propios — entre ellos OpenAI y Anthropic, además de decenas de empresas de tecnología educativa más pequeñas.
Lo que cambia en un colegio real
La teoría está bien, pero lo interesante es verlo aplicado. En el distrito escolar de Lisle 202 (Illinois), el subdirector general Jason Markey usó la versión beta del Knowledge Graph para construir una app de evaluación formativa de matemáticas que simula las preguntas del examen oficial del estado. El profesor Vincent Slowiak cuenta que la herramienta señalaba automáticamente qué estándares previos necesitaba repasar cada alumno antes de seguir avanzando — algo que antes tenía que deducir a mano, revisando el historial de cada niño.
Markey es honesto sobre los límites: su equipo llegó "bastante rápido" a un 97% de lo que necesitaban, pero tuvo que contratar a recién graduados en informática como becarios para resolver la parte menos glamurosa — inicio de sesión único, paneles para el profesorado — que ninguna base de datos, por buena que sea, resuelve sola.
Otros ejemplos ya en marcha: Really Great Reading, una empresa de lectoescritura, usó el Knowledge Graph para construir su sistema de resultados de lectura sin tener que reunir datos de media docena de fuentes distintas — su propio director ejecutivo calcula que les ahorró meses de trabajo de infraestructura. Y Eedi, una empresa de investigación en matemáticas con once años de trayectoria, aportó al proyecto sus propios datos sobre por qué los alumnos se atascan en ciertos conceptos — datos que, según su presidente George Mu, llevaban años acumulando pero que "con la llegada de ChatGPT, de repente se volvieron utilizables" a una escala mucho mayor.
Otras herramientas ya integradas incluyen Canva Education, MagicSchool, TalkingPoints y OKO Labs — nombres que, si tu colegio ya usa alguna app de IA para profesores, puede que reconozcas.
Lo que esto todavía no es
Conviene ser honesto sobre los límites, para no caer en el extremo contrario al pánico: Learning Commons no es un sello de calidad que veas en la tienda de apps, ni una certificación que una familia pueda buscar con un logo reconocible. Es infraestructura — algo que las empresas usan (o no) por detrás, de forma voluntaria, y que todavía no se traduce en una etiqueta visible para quien simplemente busca una app en el móvil.
Eso significa que la mayoría de las apps que vas a encontrar hoy no van a decirte si están construidas sobre esta base o no. Pero el hecho de que exista cambia una cosa importante: ahora hay una pregunta que tiene sentido hacer, y una respuesta posible más allá de "confía en nosotros".
Qué preguntar antes de confiar en una app educativa con IA
Ya escribimos en Papitek una checklist general para elegir bien una app — edad, publicidad, participación activa, valores familiares. Todo eso sigue siendo válido. Pero cuando la app lleva IA integrada, conviene añadir algunas preguntas específicas:
A. ¿La empresa explica en qué estándares curriculares se basa? No hace falta que cite el Knowledge Graph por su nombre, pero si no hay ninguna mención a currículo oficial, programas educativos o "alineado con estándares estatales/nacionales", es una señal de que puede estar improvisando.
B. ¿Alguien comprueba lo que genera la IA, o se fían del modelo sin más? Busca palabras como "verificado", "revisado por educadores" o "evaluado" en la descripción de la app — y si tienes dudas, pregunta directamente al soporte técnico.
C. ¿Reconoces el nombre de la empresa entre los partners conocidos? MagicSchool, Canva Education, TalkingPoints, Really Great Reading y OKO Labs ya construyen sobre esta base — no es una lista cerrada ni una garantía absoluta, pero es un punto de partida más concreto que "parece fiable".
D. Pregúntale directamente al colegio. Si el centro de tu hijo ya usa alguna herramienta de IA para el profesorado, pregunta si saben en qué está basada. Cada vez es una pregunta más razonable de hacer, y cada vez hay más probabilidad de que alguien sepa responderla.
E. Desconfía de la promesa vacía. "Aprendizaje personalizado con inteligencia artificial", sin ninguna explicación de en qué se basa esa personalización, sigue siendo, hoy por hoy, la frase más repetida y menos verificable del sector.
El mismo puente, con los planos por fin a la vista
La tecnología educativa siempre ha necesitado ser un puente, no un muro — acompañar el aprendizaje real de un niño concreto, no sustituirlo por algo que simplemente parece inteligente. Lo que cambia con Learning Commons no es que de repente todas las apps con IA sean buenas. Es que, por primera vez, existe una base compartida y gratuita sobre la que construirlas bien — y una forma de empezar a distinguir qué empresas se han tomado la molestia de usarla.
La próxima vez que una app prometa "aprendizaje personalizado con IA", la pregunta ya no tiene por qué quedarse en "¿me lo creo?". Puede ser, simplemente: ¿personalizado según qué?