Cuando un estudiante puede entregar un trabajo aceptable con unas cuantas instrucciones en ChatGPT, el problema ya no es la herramienta. El problema es el sistema de evaluación que durante años confundió entregar algo correcto con haber aprendido de verdad.
Durante mucho tiempo, buena parte de la universidad ha premiado más el rendimiento visible que la comprensión real. Se ha valorado la fluidez por encima de la profundidad, la forma por encima del criterio y el resultado final por encima del proceso mental que lo sostiene. Hemos construido tareas que pedían un producto y luego hemos tratado ese producto como si fuera una prueba suficiente de aprendizaje. Mientras nadie cuestionaba ese modelo, funcionaba. O parecía funcionar.
Según los expertos del periódico El Capital Digital, la llegada de la inteligencia artificial generativa no ha creado una grieta nueva en la educación. Lo que ha hecho es volver imposible de ignorar una debilidad que ya existía. Si un estudiante puede generar en pocos minutos un texto ordenado, convincente y formalmente correcto, la pregunta ya no debería ser si esa tarea mide aprendizaje. La pregunta es por qué hemos aceptado durante tanto tiempo que lo medía.
Hay una ironía interesante en todo esto. Fue en Dartmouth, en el verano de 1956, donde John McCarthy acuñó el término “inteligencia artificial”. Setenta años después, los descendientes tecnológicos de aquel punto de partida redactan ensayos, escriben código y ensamblan argumentos con una soltura que, a primera vista, puede parecer trabajo humano bien hecho. El problema no es solo que a veces fallen. El problema es que muchas veces suenan razonables.
Eso cambia por completo el terreno. Antes, una redacción limpia y una estructura correcta podían interpretarse como señales bastante fiables de dominio. Hoy ya no basta con eso. Un texto puede sonar bien y, sin embargo, no haber pasado realmente por la cabeza de quien lo firma.
Ahí está el punto más incómodo. Hace poco, un estudiante llegó a tutoría con un borrador que parecía sólido. Las frases estaban bien construidas, el argumento avanzaba con orden y el texto tenía la apariencia de un trabajo maduro. Pero en cuanto tuvo que explicar por qué una idea se derivaba de otra, vaciló. Empezó a describir el texto desde fuera, como quien enumera las partes de una caja sin saber qué hay realmente dentro.
El borrador había sido generado con ayuda de un modelo de lenguaje. El estudiante lo había revisado, incluso retocado, pero no lo había pensado de verdad. No habitaba sus propias frases. Y eso es justo lo que la IA está obligando a ver con más claridad: producir un resultado no es lo mismo que formar un juicio.
La diferencia es decisiva. Una herramienta puede ayudar a redactar, resumir o estructurar, pero no puede sustituir el acto humano de detectar una contradicción, notar una rareza o formular una pregunta que todavía no estaba planteada. Un carpintero puede usar una sierra mejor para cortar con más precisión. Un investigador, en cambio, no puede delegar en una máquina la capacidad de advertir lo que no encaja en un razonamiento o de sostener una duda difícil hasta convertirla en una buena pregunta.
Ese es el núcleo del aprendizaje universitario. La educación no debería consistir solo en producir respuestas aceptables, sino en formar personas capaces de pensar con rigor en situaciones de incertidumbre. Y ahí la IA, por potente que sea, sigue operando con límites claros.
Los modelos de lenguaje funcionan especialmente bien en el terreno ya consolidado del conocimiento. Se mueven con soltura en el archivo de lo que la humanidad ya ha dicho, repetido, ordenado y validado. Pero se vuelven menos fiables en la frontera, justo donde termina lo conocido y empieza la pregunta genuina. Pueden recombinar lo que existe. Lo que no pueden hacer de verdad es asumir el riesgo intelectual de pensar algo nuevo desde dentro.
Por eso están apareciendo dos respuestas equivocadas en muchas universidades. La primera es la prohibición. Detectores, vigilancia, controles, códigos de honor más rígidos. La reacción se entiende, pero llega tarde y apunta mal. Estas herramientas ya forman parte del entorno cotidiano de los estudiantes, y tiene poco sentido formar graduados que sepan esquivar la tecnología más influyente de su tiempo, pero no usarla con criterio.
La segunda respuesta equivocada es la rendición maquillada de modernización. Consiste en aceptar que la universidad debe limitarse a enseñar qué herramienta usar y qué prompt escribir. En ese modelo, el estudiante deja de ser una mente en formación y pasa a convertirse en un operador eficiente. Sirve para adaptarse rápido, pero empobrece la ambición educativa.
La salida razonable es otra: rediseñar. Más escritura hecha en clase, más defensas orales, más seminarios centrados en preguntas abiertas y menos dependencia de tareas que solo piden un producto final. Una conversación de diez minutos sobre un argumento revela enseguida si alguien entiende lo que afirma o si simplemente ha entregado un texto correcto.
También hace falta exigir transparencia cuando se use IA. No para castigar de entrada, sino para elevar el nivel de responsabilidad intelectual. Por ejemplo:
- Qué se pidió exactamente a la herramienta.
- Qué respuesta devolvió el sistema.
- Qué partes se mantuvieron, cuáles se cambiaron y por qué.
Ese tipo de trazabilidad importa. No convierte el uso de IA en trampa automática, pero sí obliga al estudiante a responder por su criterio. Y ese criterio es, precisamente, lo que la universidad debería cultivar con más cuidado.
Además, el mercado laboral ya está enviando señales que van en esa dirección. Lo que más valor tendrá en un entorno donde las respuestas son baratas no será la capacidad de producir texto sin esfuerzo, sino la capacidad de juzgar, seleccionar, interpretar y decidir bien. Un informe puede generarlo una máquina. Sostener una buena decisión con argumentos propios sigue siendo otra cosa.
La IA no va a destruir la educación. Lo que sí va a hacer es dejar en evidencia a las instituciones que llevaban años confundiendo resultados aceptables con aprendizaje real. Las universidades que salgan fortalecidas de este momento serán las que sepan explicar con claridad para qué sirve educar y se atrevan a alinear sus prácticas con esa respuesta.Porque cuando obtener una respuesta cuesta muy poco, lo verdaderamente valioso pasa a ser el juicio. Y ese juicio, con disciplina, duda, criterio y responsabilidad, sigue sin poder automatizarse.