El desafío de la inteligencia artificial para la evaluación en las universidades

La capacidad de la inteligencia artificial para completar cursos, resolver cuestionarios y entregar tareas con mínima intervención humana está obligando a las instituciones educativas a replantear sus métodos de evaluación. Ante el hallazgo de agentes de IA capaces de navegar plataformas académicas de forma autónoma, surge la necesidad de transitar de una evaluación basada en productos automatizables hacia una que mida la comprensión profunda, el juicio crítico y la capacidad de defender ideas.

El debate no se centra en prohibir estas herramientas, sino en transformar el enfoque pedagógico. En lugar de enfocarse en resultados que una máquina puede generar en segundos, la formación universitaria debe priorizar habilidades que la tecnología no puede sustituir fácilmente: la formulación de problemas, la verificación de información, la conexión entre disciplinas y la toma de decisiones bajo incertidumbre.

Modelos educativos alternativos en el sector tecnológico

Diversas figuras de la industria tecnológica han experimentado con esquemas de aprendizaje distintos al modelo tradicional. Elon Musk, por ejemplo, fundó Ad Astra (ahora Astra Nova), una institución que organiza el conocimiento mediante la resolución de problemas en lugar de materias fijas por edad. De igual forma, proyectos como Synthesis buscan fomentar el pensamiento sistémico y el trabajo en equipo.

Por otro lado, Jeff Bezos ha implementado la Bezos Academy, centrada en el aprendizaje activo y la autonomía bajo el modelo Montessori, mientras que Peter Thiel promovió la Thiel Fellowship, un programa que incentiva a jóvenes a realizar investigaciones o proyectos emprendedores fuera del sistema universitario tradicional. Aunque estas iniciativas cuestionan la rigidez de la educación convencional, no establecen un modelo único de éxito.

Hacia una nueva forma de certificación académica

La función de la universidad como certificadora de capacidades enfrenta una crisis de credibilidad si los procesos de evaluación no distinguen entre la generación automática de un texto y la verdadera comprensión del estudiante. La propuesta para enfrentar este reto consiste en integrar la IA de manera regulada, evaluando cómo el alumno interpreta datos, detecta errores en las respuestas de la máquina y justifica sus conclusiones.

La evaluación debe evolucionar para comprobar si el estudiante puede orientar la herramienta y asumir la responsabilidad de sus resultados, en lugar de simplemente producir una respuesta correcta. El objetivo es que la tecnología amplíe las capacidades humanas en lugar de reemplazarlas.

Contexto de desigualdad y retos en la región

Mientras se discuten estos avances tecnológicos, regiones como Argentina enfrentan retos estructurales previos. Datos de Unicef indican que una parte significativa de la población infantil vive en condiciones de pobreza, lo que se suma a dificultades en el desempeño académico en áreas básicas como matemáticas y lectura. En este escenario, la integración de la IA debe ir acompañada de políticas que aseguren primero los conocimientos fundamentales para evitar una nueva brecha de desigualdad basada en la capacidad de usar la tecnología con criterio.