“Si no tenemos cuidado, nuestra fascinación por el ‘pensamiento computacional’ puede llevarnos de vuelta a la trampa de la que estamos tratando de escapar”. Así comenzaba su artículo ‘Más allá del pensamiento computacional’ en la revista Communications of the ACM el catedrático de Informática y escritor Peter J. Denning, pionero en el campo del almacenamiento virtual.

El artículo, publicado en 2009, era una reacción al boom de la noción determinista del pensamiento computacional, popularizada por la también catedrática de Informática Jeannette Wing. La ingeniera retomó la idea sesentera de la centralidad del llamado “pensamiento algorítmico” como núcleo de las ciencias computacionales. Lo hizo en el momento oportuno, en plena eclosión de la digitalización y la germinación de iniciativas en torno a la educación CTIM (Ciencia, Tecnología, Ingeniería y Matemáticas) o STEM (por sus siglas en inglés).

Emergió entonces un nutrido movimiento para impulsar la inclusión del pensamiento computacional en la enseñanza obligatoria, que llega hasta nuestros días. ¿Y qué es el pensamiento computacional? Según el Centro para el Pensamiento Computacional de Carnegie Melon (la universidad a la que Wing estaba adscrita) es “una forma de resolver problemas, diseñar sistemas y comprender el comportamiento humano, basada en conceptos fundamentales de la informática.”

Más específicamente, se traduce en aplicar conceptos matemáticos -como la inducción- a la resolución de problemas en informática, empleando diferentes niveles de abstracción. Son, dicho de manera más llana, una serie de hábitos mentales desarrollados a partir del diseño de programas, paquetes de software y cálculos realizados por máquinas. Esto incluye -aunque no se limita a- la programación.

Sus defensores sostienen que esta aproximación permite comprender y resolver problemas de forma más eficiente. Dicha eficiencia, y no el problema en contexto, se convierte en el objetivo per se. Al hacerlo, reduce la ciencia informática a algoritmos, excluyendo todo lo que respecta a los sistemas, las arquitecturas, el diseño y lo experimental. Y no solo eso, sino que se posiciona como un método superior para pensar y resolver problemas (la trampa reduccionista a la que se refiere Denning), dejando de lado muchas otras prácticas imprescindibles para el avance de la ciencia y la tecnología: el pensamiento de ingeniería, el pensamiento científico, el pensamiento sistémico, el pensamiento lógico, el pensamiento racional, el pensamiento en red, el pensamiento de diseño, el pensamiento ético y, planeando sobre todos ellos, el pensamiento crítico.

¿Por qué limitarnos, entonces, a un solo tipo de pensamiento? ¿Por qué argüir su superioridad sobre otras formas de pensar y practicar, y tratar de transferirlo a otros dominios? Denning lo calificaba -ya en 2009- como un intento por elevar la informática, hacer las ciencias de la computación un campo más atractivo para los estudiantes, resucitar la investigación en el campo y posicionar la computación como algo fundamental, y a menudo inevitable, en la mayoría de los esfuerzos: “Un deseo de proselitismo”.

A tenor de cómo estamos 13 años después, ha funcionado. Buena cuenta de ello da, por una parte, el imperio de las grandes empresas de software (no en vano, Microsoft patrocina el grupo de Pensamiento Computacional de Carnegie Melon, donde se impulsó el renacer del concepto).

Por otra parte, asistimos a una dictadura de lo que el catedrático de Derecho Alain Supiot denomina el “gobierno de los números”: se prioriza la computación como una forma superior y racional de toma de decisiones sobre la base de que los números no mienten. Está justificada por una visión limitada de la inteligencia humana, que es reemplazada por una acumulación de métricas sobre métricas.

Yuval Noah Harari lo llama ‘dataísmo’: una religión que “sostiene que el universo consiste en flujos de datos, y que el valor de cualquier fenómeno o entidad está determinado por su contribución al procesamiento de datos”. Un pensamiento ampliamente extendido por el que todo en el universo se explica por leyes matemáticas y se reduce a algoritmos.

Este reduccionismo también permea a la tan necesaria alfabetización digital de la ciudadanía. Sin embargo, pensamiento computacional no es igual a capacitación digital. La computación y los algoritmos impregnan la vida cotidiana, y es por ello por lo que estamos obligados a entender cómo funcionan. Pero, como dice Denning, “los ordenadores son la herramienta, no el objeto de estudio”. “Somos valorados en la mesa cuando ayudamos a los demás a resolver los problemas que les preocupan. Somos más valorados no por nuestro pensamiento computacional, sino por nuestro hacer computacional”, afirma.

Por tanto, el pensamiento computacional debe estudiarse -y la programación, practicarse- en un marco general de competencias informáticas, sin olvidar los otros principios del campo. Incluir el hardware, las redes, cómo funciona internet y de dónde viene, cómo protegernos online (ciberseguridad y privacidad) y, sobrevolando a todo ello, una mirada crítica que ayude a entender la digitalización: en qué consiste, sus oportunidades, sus límites, sus riesgos, y cómo usar las herramientas que ofrece.

Por otra parte, hay una brecha de talento en disciplinas tecnológicas como la ciencia de datos o la ciberseguridad. Son necesarios más perfiles CTIM, y en especial informáticas que equilibren la balanza de género. Introducir desde la escuela materias como el pensamiento computacional o la programación puede favorecer estas vocaciones. Para evitar el determinismo, ha de hacerse con una perspectiva 360 grados, humanista y no excluyente: sin dejar de lado otras habilidades y materias esenciales. El pensamiento computacional es muy útil, pero como medio para un fin, no como fin en sí mismo. No se trata de reducir, sino de ampliar nuestra visión del mundo.