Alpha School: la escuela de IA donde solo 42% cumple

Qué promete Alpha School y qué muestran sus propios datos

Alpha School cobra hasta US$75.000 al año por una educación sin profesores tradicionales. Su promesa central es que los alumnos «aprendan el doble que sus pares en dos horas de clases académicas al día» usando TimeBack, la app que la red vende como tutor de IA. Los datos internos de la propia compañía, reportados primero por The New York Times, muestran que solo el 42% de sus estudiantes cumple ese objetivo en matemáticas y lectura a la vez.

La brecha se concentra en matemáticas: cerca de la mitad de los alumnos de K-8 en sus campus privados no alcanzó la meta de aprender al doble de velocidad, y aproximadamente uno de cada cinco quedó corto en lectura.

Para cualquier founder que venda software con una promesa cuantificable, este es un caso incómodo y muy útil: la empresa construyó su marca sobre una métrica pública, y ahora esa misma métrica la contradice.

Leíste lo que hace la IA. ¿Y en tu negocio?

Un agente de IA puede quedarse con parte de tu día: ordenar lo pendiente y pedirte el OK antes de actuar. El Kit «tu mano derecha con IA» trae un video de 11 minutos y una ficha para dejar al tuyo trabajando. CAR está cerrada por ahora; al anotarte, te avisamos cuando abra.

👥 Quiero el Kit →

Por qué el modelo de Alpha School se volvió un caso de estudio

Alpha no tiene profesores. Emplea lo que llama «guides», cuyo trabajo, según sus materiales de marketing, es «hacer que cada estudiante se sienta valorado y motivado». No planifican lecciones ni califican tareas, según reportó Fortune en septiembre.

El resto del día se dedica a talleres de oratoria, construcción de relaciones y otras habilidades. La cofundadora MacKenzie Price sostiene que la app personaliza y acelera el aprendizaje de cada alumno, liberando horas para ese tipo de formación.

El crecimiento fue rápido. Un vocero dijo a Fortune que Alpha tenía más de 1.200 estudiantes; el Times situó la cifra en unos 1.500 alumnos en alrededor de 50 campus, en línea con los planes de expansión que la red anunció en agosto. Su ambición declarada, según el Times, es llegar a mil millones de estudiantes en todo el mundo con su tutor de IA.

El respaldo también es llamativo: el millonario del software Joe Liemandt está entre sus inversores, y el cofundador de LinkedIn Reid Hoffman y el gestor de fondos Bill Ackman respaldaron públicamente a Price. En septiembre de 2025, la secretaria de Educación de EE.UU., Linda McMahon, recorrió el campus de Austin y llamó al modelo «lo más emocionante que he visto en educación en mucho tiempo».

Ese capital reputacional es exactamente lo que hace que la brecha entre promesa y resultado sea tan costosa.

Los alumnos que empiezan atrás son los que más pierden

Los datos del Times desagregan el problema con precisión. Alrededor de un quinto de los estudiantes de los campus privados de Alpha puntuó en el percentil 50 o por debajo en matemáticas el otoño pasado, y solo el 37% de ese grupo alcanzó la meta de crecimiento 2x para el invierno.

Es decir: el subconjunto que más necesitaba la aceleración fue el que menos la obtuvo. Ese patrón es el que debería preocupar a cualquier equipo de producto que prometa personalización.

Hay más señales de tensión operativa. Guías y padres dijeron a Wired que los estudiantes trabajaban hasta tarde para cumplir los objetivos de la escuela. Un padre de un chico de 13 años que leía a nivel de grado 11 describió el proceso con «estrés y ansiedad».

Exempleados contaron a 404 Media que la IA de Alpha generaba planes de lección defectuosos, que documentos internos admitían que a veces hacían «más daño que bien», y que la compañía recolectó cursos online de terceros sin permiso. Son tres riesgos distintos —calidad del output, evidencia documentada del fallo y origen de los datos— y los tres escalan con el volumen.

El modelo ya entró a la escuela pública: el examen más difícil

Más de 2.600 estudiantes de escuelas públicas en Texas y Carolina del Sur ya usan la plataforma de Alpha, según documentos de la empresa revisados por el Times.

El Distrito Escolar Independiente de Houston, el más grande de Texas, está probando el software en dos escuelas. Su superintendente, Mike Miles, dijo al Times que los alumnos pasaron más tiempo del previsto en las apps de Alpha, recortando tiempo de otras actividades. Aun así, quiere IA en la caja de herramientas del distrito.

El contexto importa: las escuelas públicas no pueden sacar a los alumnos con dificultades y no tienen los incentivos que Alpha usa en sus campus privados. Es un mercado mucho más grande y con márgenes distintos, pero también con un margen de error casi nulo: si el producto no funciona con el alumno que no eligió estar ahí, el churn institucional llega rápido.

¿Los tutores de IA realmente mejoran el aprendizaje?

La evidencia disponible es matizada y conviene leerla completa antes de vender una promesa.

Un estudio con 26.811 estudiantes de secundaria en el centro de China encontró que los puntajes de tareas subieron 18% tras adoptar herramientas de IA generativa, mientras que los exámenes a libro cerrado cayeron 20%. El rendimiento medido en tareas no equivale a aprendizaje retenido.
Los resultados más recientes de PISA, el examen de la OCDE, muestran que los usuarios diarios de IA obtuvieron puntajes más bajos en ciencias que quienes no la usan, mientras que los usuarios moderados rindieron de forma similar a los no usuarios. Según el informe recogido por Fortune, el 86% de los estudiantes de los países de la OCDE usó chatbots de IA para al menos una tarea escolar y uno de cada cinco lo hace casi todos los días. La proporción de «lectores apresurados» casi se duplicó entre 2018 y 2025.
Un experimento de la Universidad de Toronto Mississauga con más de 6.000 estudiantes de secundaria en Tennessee probó NUMI, un tutor que se niega a dar la solución directa y obliga a revisar el error. Los alumnos puntuaron 3 puntos más que quienes recibieron instrucción computarizada convencional. Su autor, Philip Oreopoulos, lo resumió así: «una tecnología de tutoría con IA bien diseñada ofrece el potencial de escalar la experiencia de tutoría a muchos más estudiantes y a un costo mucho menor». El trabajo se publicó con la NBER.
Un informe de la iniciativa SCALE de Stanford encontró que «casi la mitad de los estudiantes, cuando se les dio un tutor de IA, simplemente no lo usaron», según Chris Agnew, director gerente del AI Hub for Education de Stanford. La conclusión del informe: la IA rinde más cuando acompaña a un tutor humano que cuando lo reemplaza.

El patrón que emerge es consistente: la IA funciona cuando está diseñada para forzar esfuerzo cognitivo, y falla cuando funciona como un atajo cómodo.

Qué significa esto para tu startup

Si vendes software con una promesa medible, Alpha es un manual de errores evitables. Cuatro cosas concretas para aplicar esta semana:

Define tu métrica de resultado antes de venderla, y audítala tú primero. Alpha eligió una promesa binaria y falsable («el doble en matemáticas y lectura») y sus propios datos la dejaron en 42%. Si tu producto promete un múltiplo, ten el panel que lo mide y el plan para comunicar el resultado real antes de que lo haga un periodista.
Diseña la motivación humana alrededor de la IA, no en lugar de ella. El dato de Stanford es brutal para cualquier producto autoservicio: la mitad de los usuarios con un tutor de IA no lo usó. Y el experimento de Toronto muestra que el tutor solo sirve si retiene respuestas y obliga a demostrar la habilidad. Traduce eso a tu producto: mecanismos de accountability, recordatorios con contexto y checkpoints donde el usuario tenga que producir, no solo consumir.
Prueba con la población que no eligió tu producto. En venta privada puedes filtrar y premiar; en B2B, B2G o en un plan gratuito masivo, no. Antes de escalar, valida con el segmento menos motivado: si funciona ahí, funciona en todos.
Trata el data sourcing como riesgo de primera línea. Alpha habría recolectado cursos de terceros sin permiso, según exempleados citados por 404 Media. Revisa de dónde salió cada dato de entrenamiento o de contenido de tu producto, y documenta la licencia. Es un problema legal y reputacional que aparece justo cuando empiezas a vender a instituciones públicas.

El mensaje de fondo para el ecosistema hispanohablante es que el mercado EdTech con IA está premiando el relato más rápido de vender, no el más probado. Eso deja espacio para quien llegue con evidencia.

Conclusión

Alpha School demostró algo valioso y algo peligroso al mismo tiempo: que un modelo de negocio educativo puede crecer a 50 campus, atraer respaldo político y vender a distritos escolares en pocos años. También demostró que una promesa cuantificable mal medida se convierte en el activo más frágil de la compañía.

Para un founder, la lectura no es «la IA no funciona en educación». Es que la IA funciona bajo condiciones de diseño muy específicas —retener la respuesta, forzar el esfuerzo, mantener a un humano en el circuito— y que esas condiciones son responsabilidad del producto, no del mercado. La personalización no es el diferenciador; la persistencia del usuario cuando la tarea se pone difícil, sí.