La inteligencia artificial puede responder en segundos aquello que antes obligaba a leer, investigar, equivocarse y argumentar. El desafío para las escuelas y universidades no parece ser solamente cómo detectar un texto generado por una máquina, sino cómo conseguir que los estudiantes sigan pensando por cuenta propia cuando obtener una respuesta está a un clic de distancia.
Hubo una época en que hacer una tarea significaba buscar un libro, leer varias páginas, subrayar, tomar apuntes y finalmente intentar construir una respuesta propia. Después llegó internet y el proceso cambió: una palabra introducida en un buscador podía abrir cientos de resultados, aunque todavía era necesario leer, seleccionar, comparar fuentes y construir una conclusión. Con la expansión de los buscadores y las plataformas digitales, ese proceso se fue haciendo cada vez más rápido, hasta llegar a una etapa en que la respuesta ya no necesita ser encontrada: puede ser generada.
La inteligencia artificial se instaló en prácticamente todos los ámbitos de la vida cotidiana y también ingresó de lleno a las salas de clases. Para muchos estudiantes, recurrir a herramientas como ChatGPT, Gemini u otros sistemas generativos puede resultar considerablemente más rápido que consultar varias fuentes, contrastar información y elaborar una respuesta desde cero. El problema, sin embargo, no necesariamente está en la existencia de la tecnología ni en que los estudiantes la utilicen, sino en lo que ocurre cuando la herramienta comienza a reemplazar el proceso intelectual que justamente se buscaba desarrollar.
La pregunta entonces cambia. Ya no se trata solamente de determinar si un alumno utilizó inteligencia artificial para elaborar una tarea, sino de saber cuánto del proceso de aprendizaje continúa realizando por sí mismo. ¿Lee las fuentes? ¿Las compara? ¿Cuestiona sus conclusiones? ¿Es capaz de detectar un error en la respuesta generada? ¿Puede defender oralmente lo que escribió? Son preguntas que adquieren cada vez mayor relevancia en un sistema educativo que enfrenta una tecnología capaz de producir textos, resumir documentos, explicar conceptos y desarrollar argumentos en cuestión de segundos.
Ese es precisamente el punto que plantea Pablo Matamoros, investigador del Centro Democracia y Opinión Pública de la Universidad Central, quien advierte que el fenómeno debe analizarse como un problema relacionado con el ejercicio del pensamiento crítico y no necesariamente como una desaparición de esa capacidad. “Sí, pero conviene precisar qué se atrofia. No es la capacidad, es el ejercicio”, sostiene.
De la búsqueda en internet al prompt
La llegada de la inteligencia artificial generativa tampoco inventó el problema de la copia académica. Mucho antes de los actuales modelos de lenguaje existían páginas destinadas a facilitar trabajos escolares y universitarios. El antiguo “Rincón del Vago” se convirtió durante años en uno de los ejemplos más conocidos de una cultura en la que determinados estudiantes podían encontrar trabajos ya realizados y utilizarlos como base para sus propias tareas.
La diferencia actual está en la velocidad y sofisticación de las herramientas disponibles. Un estudiante puede formular una pregunta, pedir una explicación adaptada a determinado nivel, solicitar un resumen, cambiar el tono de un texto, generar una introducción, ordenar argumentos e incluso solicitar una estructura completa para desarrollar una investigación. El resultado puede aparecer en segundos y, además, puede ser modificado tantas veces como el usuario considere necesario.
Esta facilidad introduce una tensión evidente dentro de las aulas. La herramienta puede ser utilizada como apoyo para comprender un contenido complejo, ordenar información o explorar distintas perspectivas, pero también puede convertirse en un sustituto del trabajo que debía realizar el estudiante. Cuando eso ocurre, el resultado final puede parecer correcto mientras el proceso que debía conducir al aprendizaje simplemente desaparece.
“La inteligencia artificial entrega una respuesta aceptable justo en el momento en que antes había que ejercitarla”, explica Matamoros. Desde esa perspectiva, el riesgo no estaría solamente en que un alumno utilice IA para completar una tarea, sino en que deje de atravesar las etapas necesarias para aprender: leer, comparar, equivocarse, formular hipótesis, defender una posición y posteriormente corregirla.
El problema, por lo tanto, no es que una máquina sea capaz de responder una pregunta. El problema aparece cuando dejamos de hacernos la pregunta porque sabemos que una máquina puede responderla por nosotros.
El problema no comenzó con la inteligencia artificial
Para Matamoros, atribuir toda la pérdida de interés por la lectura o la argumentación a la inteligencia artificial sería simplificar un fenómeno mucho más amplio. Las pantallas, la sobreabundancia de información, la velocidad de las comunicaciones y la cultura de la inmediatez ya habían modificado la relación de los estudiantes con el conocimiento antes de que los sistemas generativos se masificaran.
“La IA se instala sobre un terreno que ya estaba erosionado”, plantea.
La frase apunta a un cambio cultural que resulta difícil ignorar. Leer un libro completo exige concentración y tiempo; una herramienta de inteligencia artificial puede entregar una síntesis en segundos. Investigar distintas posiciones sobre un problema requiere consultar fuentes y establecer relaciones entre ellas; un sistema generativo puede presentar una respuesta integrada inmediatamente. Construir una argumentación implica comprender el problema y tomar una posición; una IA puede ofrecer una estructura argumentativa aparentemente coherente sin que necesariamente quien la utiliza haya recorrido el camino intelectual que llevó hasta ella.
Eso no significa que la herramienta sea incapaz de aportar al aprendizaje. Significa que obliga a redefinir qué entendemos por aprender. Si una máquina puede producir con facilidad el resultado final de una actividad, entonces la evaluación debe comenzar a mirar con mayor atención el proceso mediante el cual el estudiante llegó a ese resultado.
Ahí aparece una pregunta incómoda para el sistema educativo: si una máquina puede producir el resultado final, ¿qué parte del proceso debe seguir siendo necesariamente humana?
“Lo que más veo es la pérdida de argumentación propia”
Matamoros identifica uno de los principales riesgos en la pérdida de la argumentación propia. “Sintetizar y argumentar exigen pasar un rato sin saber, sosteniendo la pregunta antes de que llegue la respuesta. La cultura de la inmediatez elimina justo ese intervalo. Y si no aguantas no saber, no llegas a pensar”, afirma.
Ese intervalo al que alude el investigador corresponde precisamente a uno de los momentos menos visibles del aprendizaje: aquel en que una persona todavía no tiene la respuesta y debe permanecer frente al problema. Es allí donde aparecen las dudas, las hipótesis, las asociaciones y también los errores que permiten avanzar hacia una comprensión más profunda.
El académico sostiene que en las aulas observa estudiantes que encuentran rápidamente una fuente que respalda una determinada posición y dejan de cuestionarla. Para él, una señal importante de aprendizaje aparece precisamente cuando un estudiante es capaz de discutir incluso con la información que utiliza como respaldo. “Los mejores trabajos son los que se atreven a objetar el texto que los respalda”, señala.
Por eso, considera que el problema no está necesariamente en utilizar una herramienta capaz de resumir información. El riesgo aparece cuando el estudiante delega en ella el momento en que debía comprender esa información. “Pedirle a la IA la introducción o el resumen es entregarle el momento exacto en que ibas a entender tu propio trabajo”, sostiene.
La diferencia puede parecer pequeña, pero tiene consecuencias importantes. Una persona puede presentar un documento correctamente redactado y, al mismo tiempo, no ser capaz de explicar por qué llegó a determinadas conclusiones. En ese escenario, la calidad formal del trabajo deja de ser necesariamente una evidencia de aprendizaje.
La IA también está dejando al descubierto una deuda educativa
La discusión sobre inteligencia artificial obliga además a mirar hacia el propio sistema educativo. Durante años, buena parte de las evaluaciones se concentró en productos finales: ensayos, informes, investigaciones, presentaciones o respuestas escritas. La aparición de herramientas capaces de generar esos productos con rapidez está poniendo en cuestión cuánto de esas evaluaciones realmente permitía observar las capacidades que pretendían medir.
Para Matamoros, la contradicción ya existía antes de la inteligencia artificial. “Todos los planes de estudio prometen formar pensamiento crítico y casi ninguno dice cómo lo evalúa”, plantea.
Desde esa perspectiva, la inteligencia artificial no habría creado necesariamente el problema, sino que hizo mucho más visible una dificultad que estaba presente. Si una evaluación puede ser resuelta por una herramienta generativa mediante una instrucción relativamente sencilla, la pregunta podría no ser solamente cómo impedir que los estudiantes utilicen IA, sino si esa evaluación realmente estaba midiendo las capacidades que pretendía evaluar.
“Si un estudiante aprueba un ramo usando IA, el problema no es el estudiante: estábamos evaluando algo que ya no valía la pena evaluar”, afirma.
La reflexión abre un debate que va mucho más allá de las herramientas de detección de textos generados por inteligencia artificial. En lugar de concentrar todos los esfuerzos en descubrir si una tarea fue escrita por una máquina, el desafío podría estar en diseñar actividades que hagan necesario que el estudiante comprenda, argumente y defienda aquello que presenta.
Una defensa oral, un proceso de escritura desarrollado en distintas etapas, la discusión de fuentes, la revisión de borradores o la capacidad de explicar las decisiones tomadas pueden entregar información que un producto final aislado no necesariamente muestra.
¿Prohibir la IA o aprender a utilizarla?
Frente a este escenario, la respuesta tampoco parece estar, al menos para el académico, en prohibir completamente estas herramientas. “La pregunta ‘¿uso IA o no?’ es la equivocada”, sostiene.
La interrogante debería ser otra: ¿en qué parte de este trabajo estoy aprendiendo realmente?
Desde esa perspectiva, un uso educativo de la inteligencia artificial debería permitir que el estudiante mantenga el control sobre las decisiones intelectuales importantes. La máquina puede colaborar en tareas rutinarias, ayudar a ordenar información, proponer alternativas o facilitar determinadas etapas del proceso, pero el alumno debería ser capaz de explicar, defender y cuestionar aquello que finalmente presenta como propio.
Matamoros plantea tres elementos para un uso responsable. El primero consiste en delegar tareas rutinarias para liberar tiempo destinado a pensar, discutir y decidir. El segundo es poder defender oralmente el trabajo realizado, porque un documento que el estudiante no puede explicar difícilmente permite comprobar cuánto comprendió. El tercero corresponde a la transparencia: identificar qué herramientas se utilizaron, qué fuentes fueron consultadas y cuáles fueron las decisiones tomadas por el propio estudiante.
La responsabilidad, en otras palabras, no se puede delegar.
El desafío también alcanza a los docentes. Si las herramientas disponibles cambiaron radicalmente la forma de producir información, las estrategias de enseñanza y evaluación necesitan adaptarse a ese nuevo escenario. No necesariamente para excluir la inteligencia artificial, sino para evitar que su utilización convierta el aprendizaje en una simple operación de solicitud y entrega.
Volver a preguntar
El escenario también devuelve relevancia a una herramienta mucho más antigua que cualquier modelo de inteligencia artificial: la pregunta.
Matamoros reivindica la mayéutica socrática y la necesidad de recuperar espacios educativos donde preguntar, argumentar, conversar y confrontar ideas vuelvan a ocupar un lugar central. “Hay que formar profesores que evalúen el proceso y no solo el producto: defensa oral, borradores, escritura en clase”, plantea.
La propuesta supone recuperar una dimensión de la educación que puede resultar especialmente relevante en tiempos de respuestas instantáneas: el valor de no saber inmediatamente. Aprender implica, muchas veces, permanecer frente a una duda, buscar información, equivocarse, escuchar una posición distinta y modificar la propia cuando la evidencia obliga a hacerlo.
En ese escenario, la inteligencia artificial representa tanto un desafío como una oportunidad. Puede reducir el tiempo destinado a determinadas tareas rutinarias y permitir que profesores y estudiantes concentren esfuerzos en actividades de mayor complejidad. Pero eso solo ocurre si la herramienta se utiliza para ampliar el proceso de aprendizaje y no para sustituirlo.
El desafío, entonces, no consiste en competir contra una máquina que puede escribir más rápido ni en intentar regresar a un mundo anterior a los modelos generativos. La tarea es enseñar a los estudiantes algo que ninguna respuesta automática puede hacer por ellos: formular una buena pregunta, dudar de la primera respuesta, contrastar información, reconocer los límites de una fuente, construir una posición propia y hacerse responsables de aquello que finalmente deciden creer y defender.
La inteligencia artificial puede generar un texto, resumir un libro, ordenar una idea o incluso construir una respuesta convincente. Pero ninguna de esas capacidades garantiza, por sí sola, que haya ocurrido aprendizaje.
El verdadero desafío para las aulas quizás esté precisamente ahí: que en medio de una generación acostumbrada a pedir respuestas mediante un prompt, todavía exista alguien dispuesto a detenerse, leer, dudar y preguntar: “¿y si esto está equivocado?”