La IA no rompió la educación: Expuso su suposición más débil

	Kannan AMR, PhD Director Académico, Enovus University
Columna de opinión sobre inteligencia artificial, evaluación y el futuro del aprendizaje en la educación superior.

Un estudiante abre una herramienta de IA generativa, copia la consigna de su tarea y en 30 segundos tiene un ensayo listo para entregar. Otro resuelve un problema matemático complejo sin tocar un lápiz. Una tercera resume un artículo de investigación de 40 páginas en un párrafo. Si esto te inquieta, hay algo que deberías saber: la inteligencia artificial no rompió la educación. Expuso su suposición más débil. Esa suposición es que producir la respuesta correcta equivale a aprender.

Cada tecnología prometió cambiar la educación. Ninguna lo hizo sola

No es la primera vez que una tecnología genera entusiasmo desmedido en el mundo educativo. A comienzos del siglo XX, la radio fue vista como un medio revolucionario capaz de llevar clases a todos los hogares. Más tarde, se esperaba que la televisión transformara la enseñanza al ofrecer experiencias visuales a millones de estudiantes. Con internet, los educadores predijeron una reestructuración fundamental de la educación superior. En la última década, los videojuegos y el aprendizaje basado en juegos generaron un entusiasmo similar. Mi propia investigación doctoral en la Universidad de Syracuse exploró cómo los juegos digitales podían mejorar el aprendizaje en matemáticas y ciencias al hacer que los conceptos complejos fueran más interactivos. Hoy, la inteligencia artificial ocupa esa misma posición en el imaginario educativo. Las herramientas de IA generativa pueden escribir ensayos, resumir lecturas, generar explicaciones y hasta tutorizar estudiantes. Pero la pregunta de fondo persiste: ¿la IA está transformando la educación o es simplemente la última panacea tecnológica?

La IA tiene potencial real, pero también expone un problema viejo

Las posibilidades son reales. Como ha señalado Salman Khan, la IA puede actuar como un tutor personalizado, apoyando a los estudiantes mediante preguntas y orientación individualizada a gran escala. Herramientas como el asistente de IA de Khan Academy muestran cómo la tecnología puede complementar a los profesores. La palabra clave es complementar, no reemplazar. Sin embargo, la adopción masiva de IA generativa también expone un desafío que muchas universidades prefieren no mirar de frente. Las evaluaciones tradicionales (ensayos, preguntas de respuesta corta, tareas para la casa) ahora pueden generarse con herramientas de IA en segundos. Y las tecnologías de detección siguen siendo poco confiables: producen falsos positivos o simplemente no identifican el contenido generado.

Los estudiantes ya usan IA. Los números lo confirman

No estamos hablando de una tendencia futura. La IA ya está integrada en la forma en que muchos estudiantes estudian, escriben y completan sus trabajos académicos.

Fuente	Hallazgo	Año
Best Colleges	Más del 50% de universitarios usa IA generativa para trabajos académicos	2024
Digital Education Council	El 86% de los estudiantes ha utilizado herramientas de IA en su trabajo académico	2024
Common Sense Media	Más de la mitad de los adolescentes usa IA para tareas escolares	2024

Las cifras hablan por sí solas. La IA no es una tecnología del futuro en la educación. Ya está aquí. Y eso obliga a los educadores a enfrentar una pregunta más profunda: ¿nuestras evaluaciones realmente miden el aprendizaje?

Lo que Grant Wiggins advirtió antes de que existiera ChatGPT

El teórico educativo Grant Wiggins planteó esta preocupación mucho antes de la aparición de la IA. En 1989, Wiggins sostenía que los exámenes escolares a menudo reducen la comprensión compleja a tareas aisladas. Las pruebas tradicionales dividen el aprendizaje en ejercicios simplistas en lugar de pedir a los estudiantes que demuestren un desempeño integrado. Esa crítica se vuelve aún más relevante hoy. Si las evaluaciones enfatizan respuestas predecibles o la simple recuperación de información, los sistemas de IA pueden generar respuestas aceptables con facilidad. El problema no es que la IA pueda aprobar tus exámenes. El problema es que tus exámenes se puedan aprobar sin aprender.

Evaluación auténtica: la alternativa que ya existe

La teoría del aprendizaje constructivista ofrece una alternativa importante. Desde esta perspectiva, los estudiantes construyen activamente el conocimiento mediante la indagación, la reflexión y la interacción con problemas significativos. En mi propia investigación doctoral, sostuve que el aprendizaje significativo ocurre cuando los estudiantes construyen activamente su comprensión en lugar de recibir información de manera pasiva. El concepto de evaluación auténtica de Wiggins se alinea con esta visión. Las evaluaciones auténticas piden a los estudiantes aplicar conocimientos, integrar ideas y demostrar comprensión en contextos del mundo real. Requieren razonamiento, juicio y reflexión. Y son mucho más difíciles de automatizar mediante IA. Para los docentes que imparten cursos en línea, estas estrategias prácticas pueden marcar la diferencia:

• Tareas basadas en procesos que evalúan borradores, reflexiones y el progreso del aprendizaje, no solo el producto final
• Estudios de caso basados en escenarios que requieren razonamiento contextual y toma de decisiones
• Explicaciones en video u orales donde los estudiantes articulen su razonamiento con sus propias palabras
• Proyectos iterativos desarrollados en múltiples etapas con retroalimentación continua
• Reflexiones personales que conecten los conceptos del curso con experiencias de vida reales

Estos enfoques desplazan la evaluación desde productos finales simples hacia demostraciones significativas de comprensión. Y eso es algo que ningún modelo de lenguaje puede fabricar.

Los profesores también necesitan formación

Hay otra dimensión crítica que pocas instituciones abordan: la preparación del profesorado. Muchos docentes fueron formados en modelos pedagógicos desarrollados antes de que las herramientas de IA generativa existieran. Como resultado, pueden sentirse inseguros sobre cómo integrar la IA en sus cursos o cómo rediseñar evaluaciones que mantengan la integridad académica. Las instituciones deben invertir en programas sistemáticos de desarrollo docente. Los educadores necesitan oportunidades para desarrollar alfabetización en IA, comprender las capacidades y limitaciones de estos sistemas, y rediseñar evaluaciones que fomenten el pensamiento de orden superior. La formación también debe ayudar a los docentes a explorar cómo la IA puede utilizarse como una aliada en el aprendizaje, no como una amenaza. Cuando los profesores cuentan con las estrategias pedagógicas adecuadas, la IA puede apoyar una indagación más profunda y una mayor creatividad, al mismo tiempo que preserva la integridad del aprendizaje. En Enovus University, nuestro modelo académico se diseñó desde el inicio para la educación en línea. Eso significa que la evaluación, la interacción docente-estudiante y el acompañamiento personalizado no son adaptaciones de un modelo presencial. Son el centro del diseño. Cada estudiante trabaja con un tutor personal, desarrolla proyectos aplicados y recibe retroalimentación continua. No solo evaluamos respuestas. Evaluamos procesos de pensamiento.

El desafío es pedagógico, no tecnológico

El verdadero desafío de la IA en la educación no es técnico. Es pedagógico. La inteligencia artificial expone las limitaciones de las evaluaciones tradicionales y nos recuerda que el aprendizaje genuino no puede reducirse a respuestas fácilmente generadas. En lugar de tratar la IA como una solución mágica o como una amenaza existencial, los educadores deberíamos aprovechar este momento para repensar cómo se diseña y evalúa el aprendizaje. Si nos enfocamos en experiencias de aprendizaje auténticas, la IA puede convertirse en una poderosa herramienta de apoyo, mientras que la curiosidad, el pensamiento crítico y la comprensión humana permanecen en el centro de la educación. Porque la pregunta ya no es si la IA cambiará la educación. La pregunta es si los educadores estamos dispuestos a cambiar primero. Y en instituciones como Enovus University, donde la innovación pedagógica y la tecnología se integran desde el diseño curricular, esa transformación ya está en marcha. Desde programas de Ciencias de la Computación hasta el MBA, la evaluación auténtica y el acompañamiento personalizado son parte del ADN académico.

Referencias

• AMR, K. (2012). Improving mathematics and science learning through game-based environments [Tesis doctoral, Syracuse University]. surface.syr.edu
• Best Colleges. (2024). Survey: Most college students have used AI tools for coursework. bestcolleges.com
• Common Sense Media. (2024). Teens and generative AI report. commonsensemedia.org
• Digital Education Council. (2024). Global AI student survey. digitaleducationcouncil.com
• Khan, S. (2023). Brave new words: How AI will revolutionize education and why that's a good thing. Viking.
• Selwyn, N. (2022). Education and technology: Key issues and debates (3ra ed.). Bloomsbury Academic.
• Wiggins, G. (1989). A true test: Toward more authentic and equitable assessment. Phi Delta Kappan, 70(9), 703-713.
• Zawacki-Richter, O., Bond, M., Marin, V., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education. International Journal of Educational Technology in Higher Education, 16(39).