En el año 2001 estudiaba filosofía en la Universidad de Antioquia y cursaba una asignatura del eje de formación en pedagogía. Falté a una de las primeras clases, justo el día en que el profesor asignó las relatorías: esas presentaciones cortas, de cinco minutos, en las que un estudiante recoge lo que se trabajó en la sesión anterior. Me quedé por fuera del cronograma.
En la clase siguiente le pregunté qué podía hacer. Su respuesta fue amable y rápida: «Tranquilo, Eduardo. La relatoría vale el 15 %; te la promedio con alguna de las otras notas y listo». Le di las gracias y seguí con el semestre. Me pareció una solución razonable. Hoy, 25 años después, la uso para abrir esta editorial con una pregunta: ¿cuántos errores cometió mi docente con esa decisión?
No lo cuento para juzgarlo. Fue un buen profesor, y su decisión es la misma que muchos de nosotros seguimos tomando cada semestre. La cuento porque esa pequeña escena contiene casi todo lo que la inteligencia artificial nos está obligando a revisar sobre la forma en que evaluamos. Y porque, si la miramos con calma, la cuestión central es otra: ¿evaluamos aprendizajes o calificamos actividades?
Una relatoría no es una evidencia
El error principal de mi profesor fue tratar una estrategia de aprendizaje como si fuera una evidencia de aprendizaje. La relatoría servía para aprender: obligaba a recapitular, a sintetizar y a hablar frente al grupo. Pero no le permitía a él concluir nada sobre lo que la asignatura prometía formar: la capacidad de un futuro licenciado para planear y orientar una clase desde distintas corrientes pedagógicas. Por eso podía promediarse con cualquier otra nota sin que nada se perdiera: nunca estuvo midiendo eso.
Esa confusión es más común de lo que parece. Proyectos, ensayos, protocolos, salidas de campo y debates son estrategias de enseñanza. El celular, los libros, el computador y ChatGPT son herramientas de estudio. Y un instrumento de evaluación es otra cosa: una situación diseñada deliberadamente para obtener evidencia, interpretada con criterios explícitos y al servicio de una decisión. Un proyecto puede convertirse en instrumento, pero solo cuando lo alineamos con un resultado de aprendizaje, le damos criterios claros y lo observamos en condiciones que nos permitan atribuir el trabajo a quien lo presenta.
Cuando las tres cosas se mezclan, la nota termina recayendo sobre la actividad y no sobre lo aprendido. El estudiante recibe un tres, se da por aprobado y no se pregunta por qué sacó un tres. Y el docente tampoco sabe, en rigor, qué aprendió.
La IA no creó el problema: lo dejó a la vista
Hoy cualquier estudiante puede entregar una relatoría, un ensayo o un resumen impecables en minutos. La preocupación es comprensible. En la encuesta TALIS 2024 de la OCDE, siete de cada diez docentes creen que la IA permite a los estudiantes presentar como propio el trabajo de otros. Y en PISA 2025, el 56 % de los estudiantes colombianos reportó usar IA cada semana para aprender, frente al 46 % del promedio de la OCDE. Ese dato no es por sí mismo una buena ni una mala noticia: todo depende de para qué la usan.
La primera reacción de muchas instituciones ha sido vigilar: detectores, prohibiciones, protocolos. Es comprensible, pero se queda corta. Como plantean Dawson y colegas (2024), el núcleo del problema no es la trampa sino la validez: si lo que observamos nos permite afirmar lo que decimos sobre el aprendizaje de un estudiante. Esa pregunta ya existía antes de la IA. Lo que cambió es que ahora no podemos esquivarla.
Un texto bien escrito nunca fue, por sí solo, una evidencia suficiente de que alguien aprendió. Lo aceptamos durante décadas porque escribirlo costaba esfuerzo, y ese esfuerzo hacía las veces de prueba. La IA eliminó ese costo y, con él, la ilusión.
Preparar con IA, demostrar sin ella
Hace poco grabé un Live sobre este tema. Lo preparé con IA durante una semana: le pedí analizar cien noticias en cinco idiomas, verificar fuentes y ayudarme a ordenar ideas. Pero cuando encendí la cámara estaba solo, sin notas que me soplaran. Lo que no había entendido, se notaba. Esa es, en pequeño, la situación que deberíamos diseñar para nuestros estudiantes.
Todo profesional vive esos dos momentos. Un médico usa la IA para revisar literatura y contrastar diagnósticos, pero frente al paciente decide con lo que sabe, le escucha, lo siente. Un desarrollador puede generar código con instrucciones a una IA; el problema aparece cuando el programa falla y no sabe dónde buscar el error, ni cómo explicárselo a quien va a comprar su producto. Cada profesión tiene su momento de verdad: el instante en que nadie más responde por uno.
De ahí sale una pregunta de diseño muy concreta para cualquier asignatura: ¿qué hará este profesional con IA, y qué tendrá que poder hacer sin ella? La evaluación auténtica, que Wiggins (1990) describía como examinar directamente el desempeño en tareas valiosas, se vuelve aquí muy práctica. Villarroel y sus colegas (2018) la resumen en tres dimensiones: realismo, desafío cognitivo y juicio evaluativo.
Conviene, eso sí, no idealizarla. Una tarea auténtica también puede resolverla una IA (Kofinas, Tsay y Pike, 2025). Lo que protege la evaluación no es que la tarea sea imposible para la máquina, sino que en algún momento observemos al estudiante desempeñándose: sustentando, respondiendo, decidiendo, ajustando. Por eso la IA puede estar en la preparación, y debe estarlo, siempre que sea una IA que hace pensar: que pregunta en lugar de responder, como el agente socrático que estamos incorporando en nuestros cursos.
Una buena exposición no compensa lo que no se aprendió
Volvamos al promedio de mi profesor. Promediar supone que unas notas pueden compensar otras. A veces es razonable. Pero cuando un aprendizaje es indispensable, el promedio esconde justo lo que necesitábamos saber. Un estudiante puede hacer una exposición excelente, participar en todo y aprobar la asignatura por promedio aunque nunca haya demostrado aquello para lo que existe el curso.
Curiosamente, nuestras instituciones ya conocen la alternativa y la aplican sin nombrarla. Un estudiante que aprueba todas las materias, cumple el nivel de inglés y presenta su trabajo de grado, pero le falta un solo requisito, no se gradúa. Nadie le promedia ese requisito con los demás. En los diplomados de ESE trabajamos con esa misma lógica desde hace años: cada categoría esencial de la rúbrica debe alcanzar, por sí misma, un nivel satisfactorio. Un buen informe no compensa una sustentación que no resiste preguntas frente a un auditorio experto.
La otra cara de esta regla es la suficiencia. Una sola tarea, por bien diseñada que esté, sigue siendo un solo dato. La tradición francófona lo formuló hace tiempo: hay dos errores posibles al certificar, aprobar a quien no domina y reprobar a quien sí domina. Para reducir el segundo, De Ketele y Gerard (2005) proponen la regla de los dos tercios, que Roegiers lleva a la práctica así: cada criterio se verifica en al menos tres ocasiones independientes y se da por dominado si se logra en dos. Un error en tres no indica necesariamente falta de dominio. La consecuencia práctica es sencilla: ver cada aprendizaje esencial más de una vez, en situaciones distintas.
Cómo se ve en una asignatura real
Pensemos en Análisis financiero, de sexto semestre de Administración. El resultado de aprendizaje podría ser: evalúa la validez de las afirmaciones, los datos y los supuestos de informes de gestión y de consultoría, incluidos los elaborados con IA, contrastándolos con los estados financieros, para sustentar sin apoyo de IA, ante un comité de pares, una decisión de inversión. Un solo verbo, un contenido claro y una condición que dice dónde se verá la evidencia.
La experiencia se organiza en tres momentos. Antes, fuera de clase y con IA, el estudiante reconstruye el argumento del informe y prepara preguntas para otros equipos; eso es estrategia, y se retroalimenta. Durante, en clase y sin IA, sustenta su decisión ante un comité, responde objeciones y enfrenta un dato imprevisto que el docente introduce a mitad de la sesión. Después, también sin IA, escribe un memorando individual con su decisión ajustada y resuelve preguntas sobre un texto nuevo de otro sector. Los dos últimos momentos son evidencia.
El comité de expertos son sus propios compañeros. Esto resuelve un problema viejo de las exposiciones, ese en el que uno habla y treinta miran el celular. Ahora todos tienen que haber leído con cuidado, porque todos deben preguntar, y el docente califica también la calidad de esas preguntas. Aquí hay un detalle decisivo: la pregunta preparada en casa pudo escribirla una IA, pero las repreguntas en directo no, porque depende de lo que el expositor acaba de responder. Producir buena retroalimentación sobre el trabajo de otro enseña tanto como recibirla (Nicol, Thomson y Breslin, 2014).
Una confesión: al construir este RA, le pedí a una IA que redactara una pregunta tipo Saber Pro relacionada. El enunciado salió bien, pero las opciones de respuesta eran fáciles de descartar. Tuvimos que rehacerlas para que cada opción incorrecta representara un error típico de lectura: sobreinterpretar un dato, confundir cantidad de evidencia con pertinencia o aplicar un saber válido a la parte equivocada del argumento. La IA preparó; el criterio humano verificó. Es exactamente lo que esperamos de nuestros estudiantes.
Reglamentos nuevos, prácticas por revisar
Las universidades colombianas han reaccionado con rapidez. Varias han publicado protocolos y lineamientos sobre el uso de la IA, y algunas se han unido para construirlos en conjunto. Es un paso necesario y valioso, pero al revisar esos documentos encontramos un patrón: el énfasis está en reglamentos, declaraciones de uso e integridad, y los documentos dicen mucho menos sobre cómo rediseñar la evaluación.
Ahí está, a nuestro juicio, el mayor riesgo de las políticas universitarias sobre inteligencia artificial: terminar modernizando los reglamentos sin transformar lo suficiente nuestras concepciones y prácticas de evaluación. Un protocolo puede decir cuándo está permitido usar la IA, pero no puede decirnos si un estudiante aprendió, eso solo lo dice una evidencia bien diseñada.
Lo digo con respeto y desde adentro. Muchos de quienes leerán estas líneas son colegas, decanos, vicerrectores y docentes con quienes trabajamos cada semana. La invitación no es a desconfiar de lo hecho, sino a dar el siguiente paso: llevar la conversación del reglamento al aula y de la vigilancia al diseño.
Empezar por una sola evaluación
No hace falta rediseñar todo un curso mañana. Cuando trabajamos estos temas en talleres, muchos profesores terminan la mañana preocupados: «Eduardo, me toca cambiar la evaluación que tengo esta tarde». Mi respuesta siempre es la misma: no la cambie tan rápido, porque podría cometer otro error. Mejor elija una sola tarea que ya tenga y hágale cinco preguntas:
- ¿Qué problema profesional o personal le ayuda a resolver al estudiante?
- ¿Esta tarea es estrategia para aprender o evidencia para certificar?
- ¿Qué parte puede hacerse con IA y qué parte debe demostrar el estudiante por sí mismo?
- ¿En qué momento lo veré desempeñarse, sin intermediarios?
- ¿Lo veré más de una vez, en situaciones distintas?
Vuelvo entonces a la pregunta del comienzo: ¿cuántos errores cometió mi docente con esa decisión? Varios. Y la pregunta que de verdad importa es la siguiente: ¿cuántos estamos cometiendo nosotros? Si al terminar de leer sentimos que son unos cuantos, es una buena señal. Equivocarse es parte de aprender, y reconocer el error es el primer paso para evaluar mejor.
Seguimos escribiendo para aprender. Pero ya no podemos certificar solo con lo escrito.
Eduardo Montoya Castañeda
Licenciado en Filosofía con más de 24 años de experiencia en evaluación y aseguramiento del aprendizaje —AoL—. Fue docente y directivo por alrededor de 10 años. Socio fundador y Director general de ESE- Grupo Educación y Empresa desde hace 14 años.
0 comentarios