La IA acabará con la Universidad
A menos que dejemos de fingir que entregar un trabajo significa haber aprendido
Hace unos meses escribía por aquí contra el entusiasmo desmedido alrededor de la IA y sobre cómo había mucho canto de sirena que hablaba de que íbamos a vivir tiempos de transformación (casi) automática de la enseñanza, de personalización de los aprendizajes y de cómo la gente estaba encantada con resolver problemas que la propia tecnología había creado, sobre todo sin leer toda la letra pequeña. En aquel texto intentaba sentar ciertas bases sobre la no neutralidad de la herramienta, sobre sus condiciones materiales, e imaginaba futuros posibles en los que la IA pudiera no estar presente y cómo esto podría afectar a los procesos de aprendizaje. Porque como educador, esto último es lo único que me suele quitar el sueño: ¿qué pasa con el acto de aprender? Y de eso, de aprender, es de lo que vamos a hablar hoy. Porque en el aprender es donde creo que está el campo de batalla donde debería centrarse la Universidad si no quiere caer.
En aquel texto contra el entusiasmo hacia la IA yo me denominaba tecnoescéptico de forma deliberada: ni tecnófobo ni ludita, ni tampoco tecnoentusiasta acrítico. Pues bien, desde marzo hasta este caluroso mes de julio estoy empezando a percibir cierto cambio en las corrientes de opinión. Parece que la relación con las maquinitas se ha complicado, porque donde antes había un entusiasmo manifiesto, ahora empieza a haber muchas voces críticas, mucho rechazo al uso de las herramientas generativas y, en ocasiones, hasta violencia explícita contra ellas. Tenemos discursos anti-IA en graduaciones multitudinarias, rechazo manifiesto por parte de trabajadores que notan cierto desplazamiento y un gran hartazgo de muchísima gente ante todo lo que huela mínimamente a lo que se denomina AI slop o bazofIA, ya sea en formato texto, imagen o incluso vídeo (algo que últimamente se nota de forma especial en los guiones para vídeos de YouTube o en reels).
Y en el centro de esas corrientes, entre el rechazo o el miedo a la IA como tecnología que nos amenaza y la tecnodevoción, ahí me sitúo yo. Porque no, no soy tecnoentusiasta, pero tampoco me monto en el barco de todos aquellos catastrofistas que hablan de la IA como un peligro absoluto o que consideran que cualquier uso de ella implica fraude, degradación intelectual o renuncia al pensamiento. El asunto es mucho más complejo que todo esto y creo que estamos, precisamente por la llegada de la IA, ante una gran oportunidad educativa. Porque la inteligencia artificial puede ser una tecnología cuestionable (ya indagamos en su origen basado en el robo masivo o en cómo puede seducirnos con sus encantos) y, al mismo tiempo, una ocasión estupenda para revisar profundamente qué es una Universidad (y qué no), y para qué sirve (y para qué no).
.jpg){kind=link}
La Universidad clásica ha utilizado hasta ahora una secuencia bastante conocida para enseñar, de corte puramente mecanicista y, en términos freireanos, profundamente bancaria: 1) el profesor explica; 2) el estudiante toma apuntes; 3) el profesor pide un producto (un trabajo, un ensayo, un dosier, la resolución de una práctica…); 4) el estudiante lo entrega; y 5) el profesor intenta deducir, a partir de ese producto, cuánto ha aprendido. Durante años, ese procedimiento ha sido el mismo, a pesar de que la tecnología ha ido moldeando cómo se llevaba a cabo. Cambiaron los cómos, pero no los qués, y la IA ha roto el último eslabón de esta cadena ilusoria, porque ya no podemos suponer por defecto que un producto entregado representa fielmente el aprendizaje del estudiante, y cuesta avalar esos aprendizajes solo a partir de los productos. Durante mucho tiempo hemos confundido producir algo con pensar académicamente y, mientras ambas cosas parecían inseparables, la confusión podía mantenerse. Pero no, ya no. Ahora no. Y, además, posiblemente nunca jamás vuelva a ser así.
Como decía, en un extremo tenemos a quienes consideran la IA una revolución inevitable: los ultraentusiastas, los que piensan que cualquier incorporación de la IA es innovación. Para todo proponen asistentes, tutores chatbot, resúmenes, generadores de rúbricas y automatización de los procesos de evaluación, sin detenerse demasiado en toda la parte de los sesgos, la dependencia de empresas externas, la posible merma cognitiva o, como hemos comentado en numerosas ocasiones, las condiciones materiales de esas empresas. En el otro extremo están quienes quieren prohibirla, bloquearla o fingir que es posible mantener su aula intacta. A mí no me afecta la IA en mis asignaturas, dicen sin despeinarse. Aquí también tendríamos a los entusiastas de los detectores, de las declaraciones de autoría, de las amenazas disciplinarias y de la vuelta idealizada al examen manuscrito, con revisión de orejas por si hay pinganillo, claro está1.
Ambas posturas pueden parecer muy distintas, pero comparten el mismo fondo: las dos evitan el problema pedagógico, porque unos introducen la IA sin revisar qué se enseña y otros intentan conservar los mismos procedimientos de hace veinte años “eliminando” (¡JA!) técnicamente la IA. Ser crítico con la inteligencia artificial es, sin embargo, otra cosa. Porque utilizarla no obliga a aceptar la ideología de las empresas que la comercializan ni tampoco es conveniente fingir que la tecnología no existe o que puede desaparecer.
Y es que creo que la IA acabará con la Universidad si esta da una respuesta exclusivamente policial. Podrá multiplicar los detectores, instaurar un panóptico digital foucaultiano, vigilar las pantallas, pedir declaraciones y confiar en la ética y en el buen hacer de sus usuarios, comparar estilos de escritura o instalar arcos detectores de metales en las puertas como si fuéramos un aeropuerto… pero el resultado será siempre una carrera armamentística entre lo que (se) genera y lo que (se) detecta. Y, por el camino, falsos positivos, falsos negativos, estrategias para hackear o burlar a los detectores u ocultar usos conflictivos y, de fondo, una cultura de la sospecha más propia de otros tiempos. De todos y todas en todo momento. Porque incluso cuando se descubre y se admite el uso de la IA en entornos educativos resulta difícil responder a ciertas preguntas básicas relativas a nuestra relación con esta tecnología: ¿qué grado de ayuda es legítimo? ¿Es lo mismo usarla para corregir una frase, para generar un esquema o para producir el trabajo entero? ¿Qué está aprendiendo quien usa la herramienta para “desarrollar” los productos que se le demandan? ¿Qué ocurre si las herramientas de generación están ya incorporadas en los procesadores de texto como si fueran un corrector ortotipográfico más? ¿Cómo distinguimos cuándo hay sustitución del trabajo intelectual?
El problema de fondo de todo esto es que me da la sensación de que seguimos queriendo evaluar el aprendizaje inspeccionando un archivo final (o un examen final). Y, si decimos que el procedimiento solo funciona cuando podemos garantizar que nadie ha recibido ayuda, posiblemente el procedimiento ya estaba mal diseñado para el mundo conectado y colaborativo en el que vivimos, incluso mucho antes de la IA.
No nos engañemos: los trabajos, las tareas o las prácticas que solicitábamos ya estaban algo “rotos” antes de la llegada de los modelos generativos. Hoy, con la IA, es fácilmente automatizable cualquier tarea que consista en resumir un texto, definir varios conceptos, elaborar un ensayo general, responder preguntas descontextualizadas, diseñar material genérico, relacionar autores de manera superficial o producir un texto cualquiera con estructuras conocidas y fijadas. La IA hace estas tareas razonablemente bien (aunque con una escritura profundamente plana) porque nosotros mismos hemos convertido las tareas en fórmulas, en algo procedimental. Durante años hemos aceptado productos rutinarios como prueba suficiente del aprendizaje porque, para evaluar a una cantidad ingente de estudiantes (menos mal que vino Bolonia a salvarnos2), hemos tenido que pedir tareas con estructuras muy cerradas, con soluciones relativamente únicas, y hemos cercenado el camino de la creatividad y de la diferencia. Si ChatGPT es capaz de resolver la actividad de una asignatura sin asistir a clase, sin conocer la asignatura, su contexto ni al estudiante mismo, quizá el problema no sea que la IA es demasiado inteligente, sino que nuestra actividad exigía, desde el inicio, demasiado poco3. Y, por eso, necesitamos revisar su valor pedagógico para rediseñarla.
Un ensayo bien escrito puede ocultar que el estudiante no comprende lo que afirma y, a la inversa, un ensayo torpe y con errores de bulto puede contener, en cambio, un proceso intelectual muy valioso. Durante años, los sistemas de evaluación han primado todo aquello que pudiera verse y calificarse con facilidad, rápidamente. Tanto la corrección formal como la estructura, la extensión o la bibliografía y sus normas se han premiado históricamente por encima del fondo de las cosas. Que algo luciera correcto, aparentemente académico aunque no tuviera sustancia, ya era medio botín.
Hoy, sin embargo, esto se queda corto, y deberíamos empezar a separar dos cuestiones que, de forma artificial, han estado unidas mucho tiempo: la calidad de los productos que se nos entregan y el aprendizaje que se produce durante su elaboración. En la actualidad los productos dejan de funcionar como evidencias per se, porque no nos proporcionan garantía alguna si no incorporamos algo más: necesitaríamos saber cómo se han construido, qué decisiones se han tomado, qué errores se han detectado por el camino, qué fuentes se descartaron o qué cambios se realizaron entre versiones y por qué. Personalmente, me da igual que alguien utilice IA, pero… ¿puede esa personas explicar, justificar, discutir, revisar y responsabilizarse de lo que entrega? He aquí el quid de la cuestión, porque es una de las pocas vías que nos permiten juzgar, de verdad, el trabajo intelectual en el siglo XXI.
Toca repensar las tareas, lo que pedimos para evaluar, pero también toca rediseñar las clases. Algo que, por supuesto, variará dependiendo de la naturaleza de la materia misma, pero necesitamos empezar a poner en valor, mucho más que hasta ahora, la presencia, la interacción humana y el contexto. Necesitamos reivindicar la presencialidad como generadora de espacios de intersubjetividad. Clases donde se analicen casos en profundidad, donde se discutan decisiones, donde se contrasten interpretaciones, donde se detecten errores, se formulen preguntas, se resuelvan problemas situados, se defiendan argumentos o se relacione lo conceptual con lo experiencial. Y donde se compare, incluso, la respuesta de una IA con la que puede dar un humano experto, a.k.a. un profesor universitario (¿lo mismo es mucho suponer?). La explicación docente en el marco de lo universitario sigue ahí, en el centro, pero debe dejar de ser monolítica y el docente debe entender que tan importantes son el conocimiento, el marco y el procedimiento como saber qué hacer después con ellos. Y, para todo esto, el aula universitaria debería entenderse como un espacio donde el pensamiento se hace visible, donde el docente debe observar cómo razona el alumnado, cómo duda, cómo dialoga con el error y con la objeción, todo con la precisión que demanda la Academia. La IA puede formar parte, claro que sí, pero siempre que esté subordinada a una finalidad educativa concreta, porque usarla solo porque está disponible es siempre un error. Acertaremos si somos capaces de decidir en qué momentos nos puede ayudar a pensar y en cuáles evita precisamente el esfuerzo que queríamos provocar.
Claro que los estudiantes han usado, usan y van a usar IA. ¿Acaso tú no? Y ante este escenario toca pensar: si la van a usar, ¿por qué no la incorporamos al proceso de aprender? ¿Se puede aprender realmente incorporando la IA al procedimiento? ¿Sabemos cómo la usan nuestros estudiantes? ¿Sabemos usarla nosotros? ¿Qué modelos utilizan o utilizamos y de qué formas? Estamos dando por hecho, de nuevo y erróneamente, que son “nativos dIAgitales” y, sin embargo, mi experiencia (y algunas noticias) me dice que hay mucha torpeza utilizando estas herramientas.
Hace unas semanas tuve el examen de la convocatoria extraordinaria de una de mis asignaturas. A los estudiantes que se presentaban (por haber suspendido la convocatoria anterior) les indiqué que, además de realizar el examen escrito, podían reelaborar aquellas prácticas del semestre que no hubieran entregado o en las que hubieran obtenido una nota más baja de lo deseado. Pues bien, como ya no teníamos clases y no había podido acompañar el proceso de elaboración por estar ya fuera de periodo lectivo, la gran mayoría de lo que recibí fueron trabajos realizados íntegramente con IA: los textos, las imágenes, las presentaciones… Todo IA, y además, casi todo con muy poca posproducción encima (ni pudor ni vergüenza…).
Por eso les pedí que llevaran los trabajos impresos y les advertí de que les haría algunas preguntas sobre cómo los habían realizado. No se trataba tanto de certificar que los hubieran escrito sin ayuda, como de comprobar que dominaban aquello que entregaban, y que podían responsabilizarse de sus decisiones. No me habría importado lo más mínimo el uso de IA si por el camino hubieran aprendido algo, la verdad. En la convocatoria ordinaria, como decía, puedo ir construyendo esos trabajos con ellos y ellas durante el semestre; en la extraordinaria, sin clases de por medio, necesitaba alguna evidencia adicional. El resultado, como era de esperar, fue malo. A poco que preguntabas, la gran mayoría era incapaz de explicar por qué había utilizado determinada palabra, aquella fuente o esa canción en su propio trabajo. Totalmente bloqueados, en blanco, ante sus propios trabajos. Vamos, un horror. Esto, además, pude comprobarlo porque, en esta ocasión, el grupo era reducido, pero hacerlo me obligó a duplicar el horario del examen: de dos horas a cuatro.
Y esa es la principal demanda que extraigo: la reducción del número de estudiantes por clase. No se puede rediseñar la Universidad a coste cero.
Con 35 o 40 estudiantes es relativamente fácil verificar y certificar, durante los cuatro meses que duran nuestros semestres (con un 6 y un 4, la cara de tu retrato), quién ha aprendido y quién no. Con 70 u 80 estudiantes por aula es muy difícil. Se hace lo que se puede, pero, si te paras a rediseñar tu docencia para incorporar momentos de defensa oral, de conversación o de comprobación de la autoría de los trabajos escritos mediante entrevistas que permitan dar fe de los aprendizajes, consumes todo el tiempo solo con esto. Ahora no basta con confiar exclusivamente en un examen y un trabajo final. Si queremos hacerlo “medianamente bien”, necesitamos combinar más instrumentos: productos escritos con defensas orales breves, preguntas imprevistas sobre los propios trabajos, resolución de casos prácticos situados, revisión de borradores, portafolios donde el proceso se entienda casi como un cuaderno de bitácora, comentarios reflexivos y, por supuesto, actividades realizadas parcialmente en clase.
Con la masificación actual, plantillas precarias, burocracia por doquier y elevadas cargas docentes, todo esto resulta, obviamente, bien complicado. Es, por lo tanto, bastante absurdo que la institución demande que nos adaptemos a un entorno con IA mientras se siguen manteniendo las mismas ratios, los mismos calendarios y las mismas exigencias a su personal. Del mismo modo, también es muy criticable que, para adaptarnos a la IA, todo esto se externalice y nos seduzcan con las soluciones que estas mismas compañías tecnológicas nos venden: licencias institucionales4, modelos de IA supuestamente seguros y/o plataformas completamente cerradas que nos ayuden a “modernizar” la docencia. Si vamos a tener que trabajar el doble o vamos a tener que, con fondos públicos, financiar MÁS la fiesta de Google u OpenAI, no habremos entendido ni transformado nada, solo habremos puesto un ladrillito más en eso de la privatización de la enseñanza pública.
Porque la Universidad, al menos tal y como la entiendo yo, muere si no es capaz de entender que necesita trabajar en garantizar una alfabetización que no sea solo técnica (aunque eso también haga falta), sino epistemológica, económica y política. Tenemos una oportunidad de oro para demandar que la educación en y para con lo digital sea crítica y se plantee desde posiciones que no rechacen la herramienta de plano, sino que la incorporen a los procedimientos desde un punto de vista consciente, estudiado, contextualizado y, lo más importante, profundamente pedagógico. Para educar sobre y con la IA necesitamos comprender, al menos en lo básico, cómo se generan sus resultados cuando hacemos consultas, por qué decimos eso de que son modelos probabilísticos, cómo y por qué pueden inventarse información o alucinar, qué sesgos y limitaciones contiene todo lo que fabrican, qué trabajos humanos están sosteniendo sus infraestructuras, qué información, qué datos estamos entregando al utilizarlas, qué intereses tienen todas las empresas que controlan los modelos y, por supuesto, qué dependencias externas podríamos estar generando con todo esto. No podemos evaluar de forma crítica algo que desconocemos, y conocerlo tampoco implica que lo normalicemos ni lo aceptemos al 100%. Para esto, necesitamos suficiente competencia digital y algorítmica crítica para no caer en el pánico, y suficiente distancia como para no aceptar todas sus promesas ni ver nuestro trabajo educativo completamente condicionado por la técnica.
Vamos, que la IA puede, sin dudas, redactar cualquier tipo de trabajo, del mismo modo que puede haber redactado este texto que estás leyendo, siempre con la misma asepsia con la que imita la erudición. Podrá ordenarte la bibliografía y podrá fabricar voces lo suficientemente académicas para sonar convincentes, y por eso, lo que debemos decidir es si la Academia quiere seguir calificando y valorando esa fachada, esa apariencia o si, por fin, está dispuesta a poner medios para transformarse de verdad, para olvidar los productos y certificar los aprendizajes que deberían existir detrás. Si las preguntas, las clases o los procedimientos no cambian, la IA ni siquiera va a necesitar acabar con la Universidad. Le bastará con aprender a imitarla a la perfección para que el valor de esta caiga a cero.
¡Buen agosto a todas y a todos! Descansad.
Mis compañeros de Matemáticas y Ciencias están especialmente preocupados por dispositivos como este: https://inventoelectronico.com/es/calculadoras-chuleta/187-calculadora-con-ia.html Una calculadora aparentemente normal, pero con cámara y ChatGPT integrado.
¿Ha explotado el medidor de la ironía? Era la intención.
Os dejo enlazado este estudio de la Universidad de Reading en PLOS ONE, donde inyectaron entregas 100% generadas por IA en exámenes reales de cinco módulos de Psicología: el 94% pasó sin detectarse y sacaron de media cinco puntos porcentuales más que los estudiantes reales: https://doi.org/10.1371/journal.pone.0305354
En la Universidad de Californa lo han hecho o querido hacer y el claustro de profesorado se ha posicionado en contra, para intentar frenar dicha externalización no demandada: https://edsource.org/2026/cal-state-renews-controversial-system-wide-contract-with-openai/758919
👌