Recordé aquella conversación al leer AI Meets the Classroom: When Do Large Language Models Harm Learning?. Los resultados de sus autores apuntan precisamente en esa dirección: los efectos sobre el aprendizaje son distintos cuando la IA se utiliza para obtener explicaciones y apoyar el razonamiento o cuando sustituye la actividad que debería realizar el propio estudiante. El conocimiento previo también cuenta.
MIGUEL COPETTO
Hace unos días, un colega me hablaba de las diferencias que observa en la forma en que sus estudiantes utilizan la inteligencia artificial. Los mejores la usan para ir más lejos: plantean preguntas más exigentes, contrastan respuestas, buscan alternativas, detectan errores. Entre los estudiantes con mayores dificultades observa a menudo lo contrario: recurren a la IA para hacer aquello que todavía no saben hacer y no siempre saben lo suficiente para evaluar la respuesta que reciben.
Una misma herramienta puede, así, ampliar el conocimiento de unos y sustituir aquello que otros todavía necesitaban aprender. Una tecnología aparentemente tan democrática puede acentuar diferencias que el resultado final ya no permite ver.
Recordé aquella conversación al leer AI Meets the Classroom: When Do Large Language Models Harm Learning?. Los resultados de sus autores apuntan precisamente en esa dirección: los efectos sobre el aprendizaje son distintos cuando la IA se utiliza para obtener explicaciones y apoyar el razonamiento o cuando sustituye la actividad que debería realizar el propio estudiante. El conocimiento previo también cuenta.
Dos estudiantes pueden, por tanto, presentar trabajos de calidad semejante sin haber aprendido lo mismo. En un caso, la IA ayudó a pensar y a llegar más lejos; en el otro, permitió alcanzar el resultado sin recorrer una parte del camino intelectual que el trabajo debería presuponer. Para quien evalúa, la diferencia no es menor.
Una misma herramienta puede
ampliar el conocimiento
de unos y sustituir
aquello que otros todavía
necesitaban aprender
Las universidades siempre han convivido con el plagio, los trabajos realizados por terceros y otras formas de eludir la evaluación. Pero utilizar inteligencia artificial no es necesariamente fraudulento y, en muchos casos, formará parte del propio aprendizaje. Podemos regularla, exigir que se declare su utilización, intentar detectarla o, de forma más radical, prohibirla. Podemos incluso fingir que no existe. Nada de ello exime a la universidad de lo que siempre le ha correspondido hacer: comprobar qué sabe realmente el estudiante sobre aquello que presenta.
Los exámenes fueron perdiendo terreno en muchas universidades durante las últimas décadas. En el Reino Unido, esta evolución fue particularmente visible. En muchos estudios, el peso de las pruebas tradicionales disminuyó en favor de essays, trabajos, proyectos y otras formas de evaluación que buscaban valorar menos la reproducción de conocimientos en un momento determinado y más la lectura, la investigación, la interpretación, la capacidad de relacionar ideas y la construcción de un razonamiento propio. La pandemia aceleró este movimiento y algunos de los exámenes presenciales que entonces desaparecieron no llegaron a regresar.
Había buenas razones para esa evolución. Un trabajo escrito podía revelar mucho más sobre la madurez intelectual de un estudiante que aquello que era capaz de reproducir, bajo presión, en una sala de examen. Esas razones no han desaparecido con la inteligencia artificial. Lo que resulta menos seguro es presumir que el trabajo entregado permite conocer el recorrido intelectual de quien lo presenta.
Curiosamente, empiezan ahora a reaparecer formas de evaluación que parecían estar quedándose atrás. Hace pocos días, Dinamarca anunció que los estudiantes de educación secundaria superior deberán defender oralmente uno de sus principales trabajos escritos como respuesta al uso creciente de la inteligencia artificial. El trabajo escrito permanece, pero quien lo entrega tendrá también que defenderlo.
No es necesario regresar al examen oral tradicional. Los exámenes orales requieren tiempo, movilizan más recursos docentes y no siempre son fáciles de compatibilizar con grupos numerosos. Pero defender un trabajo durante unos minutos, explicar una decisión o responder a una objeción puede revelar aquello que veinte páginas muy bien escritas ya no garantizan.
La autoría, además, ya no lo explica todo. La investigación empieza a utilizar la expresión epistemic ownership —propiedad epistémica— para referirse a una cuestión especialmente relevante cuando interviene la inteligencia artificial: hasta qué punto quien presenta un trabajo se ha apropiado intelectualmente de su contenido, lo comprende y es capaz de responder por él.
Al explicar, defender o
discutir aquello que presenta,
el estudiante no demuestra
únicamente conocimiento.
Asume también la responsabilidad
intelectual sobre su trabajo
En Portugal, el diagnóstico nacional sobre inteligencia artificial en la educación superior, publicado este año, ha llegado por otro camino a una preocupación próxima. Organiza la relación entre educación e IA en torno a tres dimensiones: “Saber sobre IA”, “Fazer com IA” y “Ser sem IA” —saber sobre IA, hacer con IA y ser sin IA—. Esta última resulta particularmente interesante. No se trata de preparar a los estudiantes para vivir sin inteligencia artificial, sino de preservar conocimientos y capacidades que les permitan no depender intelectualmente de ella.
Pero una universidad no se limita a evaluar trabajos. Cuando otorga un título, está afirmando ante la sociedad que aquella persona ha adquirido determinados conocimientos y competencias. Durante mucho tiempo, los trabajos realizados a lo largo de tres o cinco años constituyeron una evidencia razonablemente segura de ese recorrido y descansaban también sobre una relación de confianza: se presumía que el estudiante podía responder intelectualmente por aquello que entregaba.
La inteligencia artificial ha hecho menos evidente esa relación. No necesariamente porque exista fraude, sino porque resulta más difícil saber dónde termina el apoyo de la herramienta y dónde comienza el conocimiento de quien la utilizó. Al explicar, defender o discutir aquello que presenta, el estudiante no demuestra únicamente conocimiento. Asume también la responsabilidad intelectual sobre su trabajo.
Hay en ello una dimensión de honestidad intelectual que no deberíamos olvidar: responder por lo que se afirma, distinguir entre aquello que se sabe y aquello que simplemente se ha conseguido producir, y reconocer los límites del propio conocimiento.
No se trata de sustituir trabajos, proyectos o evaluación continua por exámenes orales, perdiendo precisamente aquello que estas formas de evaluación han aportado. Se trata de recuperar momentos en los que el estudiante tenga que responder personalmente por el conocimiento que presenta.
Y aquí se encuentra la ironía de esta historia. Después de décadas diversificando y sofisticando las formas de evaluación, una de las tecnologías más avanzadas que ha llegado a la universidad está devolviendo importancia a una práctica antigua: un profesor y un estudiante, frente a frente, conversando sobre aquello que este último dice saber.
Referencias
Lehmann, Matthias; Cornelius, Philipp B.; Sting, Fabian J. AI Meets the Classroom: When Do Large Language Models Harm Learning? Working paper. Estudio sobre los distintos efectos del uso de modelos de lenguaje cuando complementan el proceso de aprendizaje o sustituyen actividades cognitivas que debería realizar el estudiante.
Disponible en: https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4941259
Ebrahimzadeh, Mohsen; Shibani, Antonette; Buckingham Shum, Simon. Coauthorship Integrity: Reconceptualising Assessment Validity for the Age of Generative Artificial Intelligence. Computers and Education: Artificial Intelligence, 2026. El artículo desarrolla la noción de epistemic ownership en relación con trabajos producidos con apoyo de inteligencia artificial y analiza la posibilidad de recurrir a una AI Viva para comprobar la comprensión y apropiación intelectual del contenido.
Disponible en: https://www.sciencedirect.com/science/article/pii/S2666920X26000718
Direção-Geral do Ensino Superior / Conselho Nacional para a Inovação Pedagógica no Ensino Superior (Portugal). Inteligência Artificial no Ensino Superior em Portugal: Diagnóstico Nacional para Governação Institucional. Abril de 2026. Diagnóstico nacional que articula la respuesta de la educación superior portuguesa en torno a “Saber sobre IA”, “Fazer com IA” y “Ser sem IA”.
Disponible en: https://www.dges.gov.pt/pt/content/inteligencia-artificial-no-ensino-superior-em-portugal-diagnostico-nacional-para-governacao
The Guardian. Danish pupils will have to orally defend essays in attempt to combat AI cheating. 6 de agosto de 2026. Información sobre las medidas adoptadas en Dinamarca para reforzar la defensa oral de trabajos escritos ante el creciente uso de inteligencia artificial.
Disponible en: https://www.theguardian.com/technology/2026/aug/06/students-ai-cheating-schools-denmark
MIGUEL COPETTO
Director Ejecutivo de la Asociación Portuguesa de Enseñanza Superior Privada (APESP)
