Recientemente, se hizo viral el video de una ceremonia de graduación de la Universidad de California en Los Ángeles (UCLA) en la que un estudiante decidió mostrar públicamente su historial de ChatGPT, señalando cómo utilizó la inteligencia artificial para superar sus exámenes.
Lejos de ser un caso aislado, hace unos días un estudiante universitario local me contaba cómo uno de sus compañeros le preguntaba a ChatGPT de qué trataba su propio trabajo minutos antes de exponerlo.
Según un estudio de Turnitin, una de las herramientas líderes en la detección de contenido no original, entre abril de 2023 y abril de 2024 analizaron cerca de 200 millones de documentos en su plataforma. De ellos, aproximadamente el 11% (alrededor de 22 millones) presentó una probabilidad de al menos un 20% de contenido generado con inteligencia artificial, mientras que cerca de seis millones de textos (3%) alcanzaron probabilidades del 80%.
Es ahí donde surge el interrogante que titula este escrito ¿qué papel juega la IA en la calidad del aprendizaje?
Esta fue precisamente una de las preguntas que abordamos con expertos y directivos de universidades en nuestro más reciente evento #MMM2026 Mayo Mes de la Medición, Medir para Mejorar.
La transformación del aula en un taller activo
Además del creciente uso de la IA en la resolución de tareas, llama la atención que aún persistan dinámicas de evaluación centradas en el cumplimiento de un número de palabras, sin considerar la profundidad del pensamiento del estudiante. Lo veo con frecuencia al revisar textos que me comparten los cuales se limitan a girar sobre la misma idea, sin un desarrollo claro, para alcanzar la extensión exigida.
En este sentido, y partiendo de los planteamientos de pedagogos como Biggs (1999. 2011), Vygotsky (1934/1995), Emig (1977) y Zimmerman (2002) es posible replantear esta dinámica mediante un proceso estructurado en tres fases, cada una de los cuales acompañado de revisión, retroalimentación y devolución: un texto inicial de caracter instrumental; una segunda entrega de nivel epistémico, en la que el estudiante profundiza y estructura su pensamiento; y el escrito final (nivel metacognitivo) que consolida el proceso, llevando al estudiante a reflexionar de manera consciente sobre su propio aprendizaje.
Es evidente que sostener este ritmo de trabajo es inviable para un solo docente, como explica Eduardo Castañeda, director de ESE, es necesario transformar la clase en un espacio activo donde los estudiantes participen de esa revisión y valoración de los trabajos; incluyendo en el diseño metodológico monitores, coevaluación, heteroevaluación, así como dinámicas de trabajo en equipo, exposición y discusión de ideas
El esfuerzo mental como condición del aprendizaje
Para Eric Talavera, director ejecutivo de la acreditadora EQUAA, situaciones como las descritas evidencian un problema importante hoy día. Advierte que muchos estudiantes, al enfrentarse a un problema, lo trasladan de inmediato a una herramienta de IA, omitiendo el esfuerzo cognitivo que implica comprenderlo, procesarlo y formular una respuesta propia. Ese atajo —señala— interrumpe procesos clave para el aprendizaje, como la generación de nuevas sinapsis y el fortalecimiento de las redes neuronales.
Es significativo que una de las respuestas más comunes frente al uso de IA sea recurrir a evaluaciones orales, bajo la premisa de que allí el estudiante no podrá apoyarse en la herramienta. Sin embargo, esta estrategia solo resulta efectiva si va más allá de la exposición inicial y se pone a prueba la comprensión con contrapreguntas, indagación y debate. De lo contrario, la oralidad corre el riesgo de convertirse en una extensión del mismo problema, solo que en otro formato.
En ese sentido, Ángela Duarte, jefe de la oficina de aseguramiento de la calidad de la Universidad Externado, explica: “a nuestros estudiantes les decimos: si utilizaste IA para elaborar este informe, muéstrame el prompt que empleaste, indícame qué herramienta usaste y preséntame el resultado generado”. Adicional a esto, el alumno debe hacer su propia reflexión y análisis por escrito y, posteriormente, ser sustentado de manera oral.
Así mismo, Duarte señala que otra forma efectiva de medir el aprendizaje es a través de retos: “hay clases en las que los estudiantes se van a paintball a evaluar estrategias, a asumir roles en equipo, y la evaluación es ¿quién ganó?, ¿cuál fue la estrategia que funcionó? Ahí no hay IA que te ayude”.
En este tipo de escenarios, el enfoque de la evaluación está en lo que el estudiante hace en contexto: cómo interactúa con otros, cómo construye y ajusta una estrategia, cómo responde cuando esta no funciona y cómo se adapta a nuevas condiciones.
Una herramienta que devuelve lo que se le da
Una de las ideas que mejor explica la relación entre IA y aprendizaje es la del “espejo cognitivo”. La calidad de lo que produce una herramienta de IA depende directamente del nivel de pensamiento de quien la utiliza. Si el docente o el estudiante formula instrucciones vagas, el resultado será igualmente superficial. En cambio, cuando las indicaciones son precisas y pedagógicamente fundamentadas, el resultado puede ser útil y aplicable.
El problema aparece cuando la herramienta se usa como atajo. El informe Digital Education Outlook 2026 de la OCDE documenta un experimento realizado en Turquía: el uso de GPT-4 elevó de forma significativa el rendimiento de corto plazo (hasta un 127% en una versión tipo tutor). Sin embargo, una vez retirado el acceso, los estudiantes obtuvieron resultados un 17% peores que antes. La mejora era aparente, había producción de respuestas pero no desarrollo de habilidades.
Es allí donde puede surgir lo que el divulgador tecnológico Rodrigo Taramona advierte como “tontos motivados”: personas que obtienen resultados rápidos de la IA —como un ensayo o un resumen— y asumen que ya dominan el tema, sin ser conscientes de lo mucho que aún no saben, o incluso restándole valor al conocimiento al considerar que no es necesario saberlo si la IA puede dar una respuesta inmediata.
Esto no es del todo nuevo. Desde hace años externalizamos parte de nuestro conocimiento: dejamos de memorizar números de teléfono o datos básicos porque sabemos que podemos consultarlos en cualquier momento. La diferencia es que, con la IA, ya no solo delegamos el acceso a la información, sino también su procesamiento y ahí el riesgo es mayor, ya no se trata solo de recordar menos sino de pensar menos.
Rodrigo propone que existen dos maneras de utilizar la IA en el aprendizaje: como un proyector (sentarse pasivamente a consumir lo que la máquina le entrega, lo cual fomenta la distracción y el entretenimiento) o como una linterna, donde el humano tiene el control de la herramienta y la usa para “iluminar rincones oscuros” y descubrir por su cuenta aquello que no sabe.
La importancia del criterio y el reto de las universidades
Miguel Jaramillo, jefe de planeación de la EIA señala: “el reto que tenemos hoy es enseñar a los estudiantes a usar la inteligencia artificial como una herramienta, sin que reemplace el raciocinio y el criterio que deben desarrollar. Los cómo, en gran medida, aún los estamos construyendo”.
Por su parte, Nathalia Ramírez, rectora de la EIA, señala “la tecnología hay que aceptarla y aprovecharla, pero no dejar que nos maneje”.
Para ella, el desafío es grande: por un lado, los estudiantes adoptan estas herramientas con rapidez; por otro, muchos docentes aún están en proceso de comprenderlas e integrarlas, lo que obliga a replantear el aula como un entorno de construcción conjunta del conocimiento.
En ese contexto, es pertinente llevar al estudiante a hacerse responsable de su propio aprendizaje y del uso que hace de la IA, lo cual implica desarrollar criterio, pero también una dimensión ética, entender que cuando se delega el pensamiento o se incurre en fraude, el principal afectado es él mismo.
De ahí que el reto no sea solo técnico, capacitar, incorporar herramientas o establecer controles, sino formativo abriendo espacios de conversación y reflexión sobre el sentido del aprendizaje y el uso responsable de la tecnología.
Este planteamiento conecta con la reflexión de Ángela Gutiérrez, vicerrectora de la CUE Alexander Von Humboldt, quien profundiza aún más en este desafío: volver a lo humano, reconocer y potenciar aquello que la IA no puede replicar como la capacidad de inspirar, de generar confianza, de establecer relaciones y de movilizar a otros desde la propia esencia.
Ángela formula, “ya estamos haciendo muy bien lo disciplinario ¿cómo vamos a hacer el otro ejercicio con esas competencias transversales desde lo humano que si es potenciar y volver a dar esa mirada profunda de nuestra esencia?”
Considerando lo planteado, la discusión sobre la IA se convierte en una invitación a revisar qué entendemos por aprender y qué tipo de seres humanos estamos formando.
La visión y el aporte de ESE
Ahora que la IA puede producir respuestas con facilidad, la apuesta debe dirigirse hacia el proceso que sostiene el aprendizaje y la evaluación debe centrarse en el criterio, la comprensión, el desarrollo de competencias transversales y la capacidad de transferir lo aprendido.
Para ello hemos desarrollado talleres de formación docente orientados a fortalecer el uso pedagógico de la IA, desde la metacognición hasta la evaluación formativa en contextos de escritura artificial, alineados con la evaluación auténtica y para el aprendizaje.
La pregunta ahora es cómo integramos la IA para fortalecer el aprendizaje.
Diana Maritza López H.
Comunicadora social y periodista con más de 20 años de experiencia escribiendo contenidos y noticias sobre diferentes tópicos. Es parte del equipo de diseño y comunicaciones de ESE – Grupo Educación y Empresa.
0 comentarios