La irrupción de la inteligencia artificial generativa en la universidad ha desbordado los marcos tradicionales de evaluación, evidenciando una tensión creciente entre lo que se exige y lo que realmente se aprende. Cuando tareas concebidas para sintetizar años de formación pueden ser ejecutadas en cuestión de horas, no es la tecnología la que queda en entredicho, sino el propio diseño de las metas educativas. En este escenario, el Trabajo de Fin de Grado emerge como un espacio crítico donde se pone en juego no solo la adquisición de conocimientos, sino la capacidad de construir criterio, afrontar la incertidumbre y demostrar una madurez profesional que ningún algoritmo puede sustituir.
BLANCA TRAVESÍ
La irrupción de la Inteligencia Artificial generativa (IA) en las aulas universitarias ha desatado una carrera tecnológica. Por un lado, estudiantes que exploran los límites de la IA; por otro, instituciones que buscan desesperadamente el «software definitivo» capaz de detectar el rastro del algoritmo.
Bajado a terreno, mientras los alumnos suben a sus redes sociales vídeos como “acompáñame a hacer el TFG entero en una noche”, los profesores y universidades se ven sin herramientas para detectar a estos alumnos, ni motivos para suspenderles.
Sin embargo, esta batalla ignora el trasfondo de la cuestión: si una IA puede replicar el esfuerzo que debe resultar tras 6 meses de trabajo y de cuatro años de grado, el problema no es la tecnología, sino el diseño de nuestras metas educativas.
El TFG como trámite documental: un formato vulnerable a la síntesis algorítmica
Uno de los síntomas más evidentes de esta crisis se manifiesta en los tribunales de evaluación. Existe una queja recurrente sobre la dificultad de discernir si un Trabajo de Fin de Grado (TFG) se ha gestado durante meses de investigación o en una sola noche de prompts bien dirigidos.
Si un tribunal, en una defensa de media hora, es incapaz de distinguir entre un proceso de maduración intelectual y una síntesis algorítmica, el problema no es la autoría, es la relevancia del trabajo. Hemos convertido el TFG en un trámite documental donde se valora más la estructura formal y el cumplimiento de normas de estilo que la profundidad del juicio crítico. El problema no es la IA; es que los TFGs se planteen desde un marco normativo en el que lo que aprende el estudiante puede ser sustituido por algoritmos que redactan sin criterio.
El problema no es la IA; es que los TFGs se planteen desde un marco normativo en el que lo que aprende el estudiante puede ser sustituido por algoritmos que redactan sin criterio
El TFG como oportunidad, no como residuo
En la era de la IA, el TFG no debería estar en debate por su relevancia; al contrario, es más necesario que nunca. Es el único espacio del grado donde podemos evaluar, por primera vez, al profesional y no solo al estudiante que memoriza y repite. Si planteamos el trabajo como un reto de aplicación donde la IA sea solo un asistente de productividad y no el autor intelectual, recuperaremos el sentido de la titulación.
Un TFG debe ser la prueba de que el alumno tiene criterio propio, capacidad de respuesta ante la incertidumbre y una formación que no puede ser emulada por una predicción de palabras basada en probabilidad. Si lo proyectamos como la primera experiencia profesional y, aun así, ese trabajo se puede hacer enteramente con IA, el problema reside en que las tareas exigidas carecen de valor humano.
Un TFG debe ser la prueba de que el alumno tiene criterio propio, capacidad de respuesta ante la incertidumbre y una formación que no puede ser emulada por una predicción de palabras basada en probabilidad
Hacia una evaluación del criterio profesional
La dependencia de los tribunales hacia los detectores de IA (herramientas a menudo erráticas y poco precisas) es una confesión de debilidad académica. Recurrir a un algoritmo para juzgar si otro algoritmo escribió el texto significa que hemos perdido la capacidad de evaluar la profundidad y el alcance del proyecto por nosotros mismos.
La solución pasa por orientar los TFGs hacia proyectos con aplicación práctica y defensas centradas en el debate profundo. El tribunal debe ser capaz de formular preguntas que solo alguien que ha vivido, respirado y soñado sobre el tema durante meses pueda conocer.
Es en ese intercambio intelectual, en esa defensa de decisiones tomadas y en la aplicación real donde los humanos dejan de ser herramientas que intercambian información proporcionada por algoritmos. La IA puede dar respuestas genéricas, pero no puede sostener un intercambio de opiniones basado en la experiencia de un proyecto vivido. A continuación, se dejan algunas preguntas que pueden ser útiles:
- «¿Cuál es el problema real que busca resolver este TFG y por qué es relevante abordarlo hoy?»
- «Si tuvieras que definir la esencia de este trabajo según sus pilares fundamentales, ¿cuáles son? ¿Por qué tu trabajo es diferente del resto?»
- «¿Qué visión o ángulo específico estás aportando que no encontraríamos en un análisis estándar del estado del arte?»
- «Durante el desarrollo, ¿cuál fue el obstáculo técnico o ético que puso en duda tu hipótesis inicial?»
- «¿Qué decisión de diseño o metodología fue la más difícil de tomar y qué otras alternativas descartaste tras el análisis?»
Para que esta visión sea real, la rúbrica de evaluación debe transformarse, priorizando indicadores que midan la madurez del profesional y no solo la capacidad del redactor:
| Criterio | Preguntas clave para el tribunal |
| Identificación del Problema | ¿Qué problema busca resolver el TFG? ¿Es una necesidad real detectada? |
| Diferenciación y Visión | ¿Qué aporta este trabajo de nuevo? ¿Cuál es el ángulo o visión propia que el alumno ha impreso en la solución? |
| Alcance y Viabilidad | Si se aplica, ¿cuál es el alcance real de este proyecto? ¿Qué necesitarías exactamente para que este TFG/M sea una realidad tangible mañana? |
| Análisis de Stakeholders | ¿Cómo has tenido en cuenta a los actores interesados? ¿Quiénes son y cómo has adaptado tu propuesta a sus necesidades reales? |
| Dimensión de Impacto | ¿Qué impacto tiene tu trabajo? ¿Es social, económico, ambiental, regulatorio o cultural? ¿Cómo lo has ideado para que maximizar ese impacto? |
| Gestión de Fricciones | ¿Qué fricciones inesperadas has experimentado durante el proceso y cómo las has solventado? (La IA no experimenta fricciones, el profesional sí). |
| Transferencia Profesional | De todo el proceso de realización, ¿qué aprendizaje específico has obtenido que creas que puedes aplicar directamente en tu vida profesional? |
El peligro del aprobado complaciente: El engaño del sistema
Como bien señala Daniel Arias, en su libro Querido alumno, te estamos engañando aprobar trabajos (TFGs) ejecutados con IA simplemente porque están bien citados o tienen una estructura adecuada es un engaño del sistema educativo hacia los alumnos y hacia el propio sistema. Es una trampa en la que aprobar resulta menos incómodo que admitir que el modelo ha quedado obsoleto.
Aprobar por inercia es renunciar a la esencia de la formación superior. El TFG debe ser, por encima de todo, un ejercicio de madurez académica y profesional. Validar trabajos vacíos de contenido original solo porque cumplen con la norma estética de la academia es vaciar de significado el esfuerzo del alumnado que sí se compromete con su aprendizaje.
Aprobar por inercia es renunciar a la esencia de la formación superior
De la utopía a la realidad
Si has llegado hasta aquí, y has leído todo esto, pueden pasar dos cosas:
- Que no estés de acuerdo
- Que estés de acuerdo pero creas que se está exponiendo una utopía irrealizable
Pero, llegados a este punto quiero que hagamos un ejercicio de imaginación:
- ¿Tendrías tiempo de hacer esto si te propusieran temas de TFG/M en empresas reales?
- ¿Tendrías tiempo de hacer esto si tu carga burocrática se reduce en un 30%?
- ¿Tendrías tiempo de hacer esto si tuvieses más herramientas para tutorizar?
La buena noticia es que la digitalización no solo sirve para que las universidades detecten el plagio o la IA. La tecnología debería ser la herramienta que permita a las universidades automatizar y gestionar en menos tiempo todas las tareas banales (asignación de tutores, diseño de tribunales, generación de temas TFG/M alineados con el grado) para que los tutores vuelvan a ser guías y mentores, y los coordinadores diseñen modelos que maximicen el aprendizaje de sus estudiantes, no que ocupen su tiempo entre administración.
Recuperar la soberanía del criterio
La IA no ha venido a destruir la universidad, ha venido a obligarnos a repensar el sistema. Es hora de dejar de perseguir a la tecnología para empezar a diseñar trabajos que valga la pena realizar.
La universidad no debe competir con la IA en velocidad de procesamiento, tampoco puede hacerlo, así que el valor de su formación residirá en la profundidad de juicio. Si un título universitario se puede obtener sin demostrar ni un gramo de madurez propia, pensamiento crítico o criterio profesional, el papel que lo certifica deja de ser un diploma respetable. Solo recuperando el TFG como un espacio de aplicación y criterio humano devolveremos a la educación superior su verdadero propósito.
Blanca Travesí, Cofounder U4IMPACT
