¿Qué significa enseñar en tiempos de inteligencia artificial?
La expansión de la inteligencia artificial (IA) está transformando de manera acelerada prácticamente todos los ámbitos de la actividad humana. Las universidades no constituyen una excepción. P...
La expansión de la inteligencia artificial (IA) está transformando de manera acelerada prácticamente todos los ámbitos de la actividad humana. Las universidades no constituyen una excepción. Por el contrario, debido a su función central en la producción, transmisión y certificación del conocimiento, las instituciones de educación superior se encuentran en una posición particularmente sensible frente a esta transformación. La IA generativa, capaz de producir textos, imágenes, código, traducciones y otros contenidos a partir de instrucciones relativamente sencillas, plantea interrogantes que exceden ampliamente la incorporación de una nueva herramienta tecnológica al aula.
La cuestión no es simplemente si los estudiantes utilizarán IA -ya lo hacen- sino cómo cambiarán el aprendizaje, la enseñanza, la investigación y la evaluación.
1. La transformación del proceso de aprendizaje. Uno de los principales desafíos se relaciona con la manera en que los estudiantes adquieren conocimientos y desarrollan capacidades intelectuales. Durante décadas, una parte importante de la educación universitaria se estructuró alrededor de actividades como redactar ensayos, resumir textos, resolver problemas y realizar investigaciones bibliográficas. Las herramientas de IA generativa pueden realizar muchas de estas tareas en cuestión de segundos.
Esto obliga a reconsiderar qué significa aprender. Si un estudiante puede obtener una respuesta aparentemente sofisticada mediante una herramienta de IA, pierde relevancia la capacidad de producir mecánicamente determinados tipos de textos. En cambio, adquieren mayor importancia habilidades como formular preguntas relevantes, evaluar la calidad de una respuesta, contrastar fuentes, identificar errores, interpretar evidencia y construir argumentos propios.
2. La crisis de los sistemas de evaluación. La evaluación constituye probablemente uno de los ámbitos donde el impacto de la IA resulta más inmediato. Los trabajos escritos realizados fuera del aula pueden ser generados, corregidos o considerablemente modificados mediante herramientas de IA. Esto dificulta determinar hasta qué punto el producto entregado refleja realmente los conocimientos y capacidades del estudiante.
La respuesta no debería consistir exclusivamente en una carrera tecnológica destinada a generar programas para detectar si un texto fue producido por una máquina. Los sistemas de detección de contenido generado por IA presentan limitaciones y pueden producir tanto falsos positivos como falsos negativos. Más importante aún, intentar controlar exclusivamente el uso de IA puede resultar menos eficaz que transformar las modalidades de evaluación.
Las universidades deberían incrementar el peso de evaluaciones orales, proyectos desarrollados progresivamente, trabajos realizados en clase, ejercicios de resolución de problemas y actividades en las cuales el estudiante deba explicar y defender sus decisiones. El objetivo sería evaluar no solo el resultado final, sino también el proceso intelectual que conduce a él.
3. El desafío para los docentes. La IA también modifica profundamente el papel del profesor. Si los estudiantes tienen acceso permanente a sistemas capaces de explicar conceptos, generar ejemplos o responder preguntas, la función docente ya no puede limitarse a proporcionar información.
El docente debe actuar cada vez más como orientador del proceso de aprendizaje, diseñador de experiencias educativas y evaluador de la calidad de los razonamientos producidos por los estudiantes.
Sin embargo, esta transformación requiere capacitación. Una política universitaria adecuada debería proporcionar formación continua que permita comprender tanto las posibilidades como los riesgos de estas herramientas.
4. Integridad académica y autoría. Otro desafío central es la integridad académica. La utilización de IA puede facilitar formas tradicionales de plagio, pero también introduce situaciones nuevas. ¿Quién es el autor de un texto elaborado a partir de múltiples interacciones con un sistema de IA? ¿Qué grado de utilización de estas herramientas resulta compatible con la autoría académica? ¿Debe declararse su utilización?
Estas preguntas no tienen respuestas universales. Sin embargo, las universidades necesitan establecer reglas claras y transparentes. La prohibición absoluta resulta difícil de aplicar y puede ser contraproducente, mientras que la aceptación irrestricta puede debilitar los objetivos formativos de determinadas actividades.
5. Investigación y producción de conocimiento. La IA también ofrece oportunidades extraordinarias para la investigación universitaria. Puede facilitar el análisis de grandes volúmenes de información, ayudar a identificar patrones, acelerar determinadas tareas de programación y apoyar procesos de revisión bibliográfica. En disciplinas experimentales puede contribuir al análisis de datos y al diseño de modelos.
Pero estas posibilidades vienen acompañadas de riesgos. Los sistemas de IA pueden producir información incorrecta, inventar referencias, reproducir errores presentes en los datos utilizados o generar resultados difíciles de verificar. En consecuencia, la incorporación de IA a la investigación no elimina la necesidad del rigor metodológico; en muchos casos, la hace aún más importante.
Las universidades deberán desarrollar protocolos que garanticen la trazabilidad, reproducibilidad y transparencia de los procesos de investigación asistidos por IA.
6. Una nueva concepción del conocimiento. El desafío más profundo es probablemente de naturaleza epistemológica. La disponibilidad de sistemas capaces de producir respuestas convincentes obliga a reconsiderar la relación entre conocimiento, información y comprensión.
Una respuesta generada por IA puede ser correcta, incorrecta o parcialmente correcta, pero su apariencia de autoridad puede dificultar la identificación de los errores. En consecuencia, las universidades deben enseñar algo que adquiere una importancia renovada: la capacidad de dudar razonablemente.
Formar profesionales en la era de la IA implica enseñarles no solo a obtener respuestas, sino también a preguntar de dónde provienen, qué evidencia las sustenta, qué supuestos contienen y bajo qué condiciones podrían ser falsas.
Entonces, el desafío que la inteligencia artificial plantea a las universidades consiste en redefinir qué significa enseñar, aprender, investigar y evaluar en un contexto en el cual determinadas capacidades cognitivas pueden ser parcialmente automatizadas.
El futuro de la educación superior dependerá menos de su capacidad para resistir la IA que de su capacidad para integrarla críticamente sin renunciar a aquello que constituye su razón de ser: formar personas capaces de pensar por sí mismas.
Víctor A. Beker, economista, es profesor de la Universidad de Belgrano y de la UBA