El paradoja de PISA en la era de la IA: como escalar tecnología cuando solo el 28% domina la matemática básica

Si acompañas el mercado brasileño de tecnología y comercio minorista digital, probablemente ya hayas notado una paradoja curiosa: el brasileño es uno de los pueblos más conectados del planeta, pasa horas al día en aplicaciones móviles, adoptó el Pix a la velocidad de la luz y está entre los mayores usuarios globales de herramientas de Inteligencia Artificial generativa. Aún así, cuando medimos la productividad por trabajador de la economía brasileira, esta continúa estancada prácticamente en el mismo nivel desde mediados de la década de 1990.

¿Por qué el consumo masivo de tecnología en Brasil no se convierte automáticamente en un salto de productividad en las empresas? La respuesta más honesta está en los informes del PISA (Programme for International Student Assessment), coordinado por la OCDE.

En los levantamientos del PISA, apenas 28% de los estudiantes brasileños de 15 años alcanzan al menos el nivel 2 en matemáticas, contra 65% en el promedio de los países de la OCDE y más de 80% en economías como Singapur, Estonia, Japón y Corea del Sur. En lectura, cerca de la mitad de nuestros jóvenes no logra identificar la idea principal de un texto de extensión moderada ni distinguir entre hecho y opinión.

Para quien lidera ingeniería, operaciones o negocios en Brasil, este dato no es una estadística distante del Ministerio de Educación: es la descripción técnica de la fuerza de trabajo que entra todos los años en nuestras empresas.

1. Lo que la falta del nivel 2 significa en el piso de la operación

En la escala de la OCDE, el nivel 2 no exige cálculo diferencial, álgebra lineal o física cuántica. Se define como el nivel mínimo de supervivencia funcional en el mundo moderno.

Cuando 72% de los jóvenes brasileños salen de la escuela por debajo de este nivel, significa que casi tres de cada cuatro nuevos trabajadores enfrentan barreras severas para ejecutar tareas analíticas elementales:

• Entender la diferencia entre variación porcentual y puntos porcentuales en un panel de ventas.
• Leer un gráfico de tendencia o identificar que un indicador de inventario está fuera de la curva normal.
• Seguir un árbol lógico de decisión con condicionantes ("si ocurre A y B, ejecuta C; de lo contrario, activa D").
• Comprender proporciones simples de dosificación, desperdicio de materia prima, interés compuesto o margen de contribución.

Más preocupante aún para el sector de tecnología e ingeniería es lo que sucede en la cima de la distribución (los niveles 5 y 6 del PISA, donde están los jóvenes capaces de modelar problemas complejos, abstraer sistemas y programar algoritmos avanzados). En el promedio de la OCDE, cerca de 9% a 11% de los alumnos alcanzan estos niveles de excelencia; en Singapur y Taiwán, esa porción pasa de 25% a 35%. En Brasil, se queda alrededor de 1%.

2. El efecto amplificador de la Inteligencia Artificial

Muchos ejecutivos alimentaron la esperanza de que los Grandes Modelos de Lenguaje (LLMs) y los copilotos de IA resolverían mágicamente el déficit educativo brasileño: "si el empleado no sabe escribir bien o no sabe programar y analizar hojas de cálculo, la IA lo hace por él".

The realidad práctica dentro de las empresas está mostrando algo mucho más sutil. La Inteligencia Artificial generativa funciona como un exoesqueleto cognitivo, pero exige dos habilidades humanas críticas: formulación precisa del problema (contexto y lógica) y capacidad crítica de auditoría (verificación de alucinaciones y errores matemáticos).

Un ingeniero de software o un analista financiero que domina la estadística, la arquitectura de sistemas y la lectura crítica multiplica su entrega por tres o cinco usando agentes de IA, porque sabe exactamente qué pedir y nota en segundos cuando el modelo generó una consulta SQL ineficiente o una premisa financiera errónea. En cambio, un profesional sin base lógica tiende a aceptar pasivamente salidas incorrectas de la IA, automatizando errores a escala industrial.

3. Cómo liderar tecnología y operaciones en el Brasil real

Mientras exigimos como ciudadanos una reforma profunda en la educación básica brasileña (siguiendo el ejemplo de lo que hicieron Polonia, Estonia y municipios brasileños destacados como Sobral), los líderes de empresas y de tecnología necesitan adaptar su estrategia de ingeniería a la realidad del país hoy:

1. Arquitectura de sistemas con guardrails (barreras de protección) nativos: cuando construyes software interno para operaciones de comercio minorista, logística, salud o atención en Brasil, no proyectes interfaces que dependan de interpretación ambigua o cálculos manuales del operador en el extremo. Incorpora la inteligencia matemática, la validación de límites y la prevención de errores directamente en el código y en el flujo de la interfaz.
2. Usa la IA para simplificar la interfaz, no para transferir responsabilidad: en lugar de entregar un prompt en blanco a miles de operadores, construye flujos deterministas asistidos por IA donde los datos ya vienen estructurados, las reglas de negocio son validadas por código tradicional y el sistema guía al colaborador paso a paso.
3. Transforma tu empresa en una academia de fundamentos: los mejores departamentos de ingeniería y datos de Brasil descubrieron que entrenar al equipo solo en la "herramienta de moda" tiene un retorno corto. Reservar horas para enseñar lógica, lectura de datos, método científico de depuración (debugging) y matemática aplicada al negocio crea una ventaja competitiva que ningún competidor puede copiar de la noche a la mañana.

Continúa profundizando: lee también El salto de Polonia: cómo el choque de educación y ingeniería destrabó la productividad y Agentes de IA y economía unitaria: cómo medir el retorno real de la automatización en las operaciones. Conoce también la actuación en Liderazgo Ejecutivo y Fractional CTO y nuestros Estudios de Caso.

---

Referencias y lecturas verificables

• OECD (2023). PISA 2022 Results (Volume I): The State of Learning and Equity in Education. Paris: OECD Publishing.
• INEP / Ministério da Educação. Relatório Nacional do Brasil no PISA.
• Hanushek, E. A., & Woessmann, L. (2015). The Knowledge Capital of Nations: Education and the Economics of Growth. MIT Press.