Este documento de posición presenta una nueva perspectiva sobre cómo abordar los desafíos de la transformación digital en la educación superior a través del desarrollo de una metodología de gestión de calificaciones basada en un modelo de aprendizaje (QBLM). Argumenta que el rápido avance tecnológico y la necesidad resultante de una actualización y re-capacitación continua requieren un enfoque más dinámico y adaptativo para la gestión y desarrollo de recursos humanos. El documento postula que al extender el QBLM mediante la integración de inteligencia artificial (IA) y aprendizaje automático (ML), se puede crear un sistema más efectivo para analizar los requisitos de competencia y diseñar rutas de aprendizaje personalizadas. El documento propone un enfoque tripartito: (1) desarrollar la ontología FPHR para apoyar la anotación semántica de las calificaciones de recursos humanos en instituciones de educación superior (IES), (2) integrar esta ontología en el QBLM para garantizar la legibilidad por máquina de las calificaciones, y (3) modelar un proceso de producción basado en el conocimiento para recursos humanos en el aprendizaje basado en habilidades. Este documento describe el estado actual del arte, presenta modelos conceptuales y describe implementaciones y evaluaciones planificadas de prueba de concepto. Sostiene que este enfoque mejorará significativamente la efectividad del desarrollo de recursos humanos en la sociedad del conocimiento digital en rápida evolución. Al presentar esta posición, el documento busca estimular la discusión y colaboración dentro de la comunidad académica sobre enfoques innovadores para la gestión de calificaciones en la educación superior. El trabajo aborda cuestiones críticas que surgen del desarrollo tecnológico y ofrece una solución visionaria para cerrar la brecha entre los requisitos de habilidades actuales y futuros en la industria y la academia.