Si la IA puede hacerlo por ellos, no estás evaluando pensamiento

Hacia un rediseño de la evaluación en la era de la inteligencia artificial

Recientemente, ofrecí un taller sobre inteligencia artificial y evaluación. Para comenzar, diseñé una actividad sencilla: presenté dos textos a los docentes, uno escrito por una IA y otro por mí. La pregunta era simple: ¿Cuál creen que fue generado por la máquina?

Lo que ocurrió fue bastante predecible. Los participantes analizaron el estilo, la fluidez y la estructura, buscando pistas que delataran el origen artificial. Luego, hice la revelación: el Texto A era de la IA; el Texto B era mío, fruto de un proceso humano de redacción, corrección y ajuste de ideas.

No obstante, lo verdaderamente interesante no fue el acierto o el error, sino la reflexión posterior: si es tan difícil distinguir entre ambos, ¿qué significa esto para nuestra práctica docente? Si el producto final ya no permite identificar el proceso detrás de él, su valor como evidencia de aprendizaje entra en crisis. ¿Cuántas veces evaluamos un ensayo asumiendo que el papel refleja fielmente lo que el estudiante sabe? ¿Cuánto de ese proceso estamos viendo realmente y cuánto estamos simplemente infiriendo?

Una brújula para diseñar evaluaciones hoy

Mientras desarrollaba el taller, regresaba constantemente a una idea que funciona como brújula pedagógica: Si la IA puede hacerlo por ellos, no estás evaluando pensamiento. Y ojo, no me malinterpreten. Esto no implica prohibir la tecnología, sino entender que, si una tarea no exige que el estudiante interprete, tome decisiones o conecte el conocimiento con la realidad, solo estamos midiendo su capacidad de producir un output. Y eso, la IA lo hace en segundos. Para evaluar pensamiento real, debemos dejar de ser “policías tecnológicos” obsesionados con identificar escritos generados por IA. Es momento de convertirnos en arquitectos del aprendizaje, creando experiencias contextualizadas donde el juicio humano sea indispensable.

Integrar en lugar de prohibir

Tomemos el caso del ensayo, una tarea que hoy es altamente vulnerable al uso de IA. La reacción instintiva suele ser limitar este tipo de tarea únicamente al espacio presencial o, de manera drástica, no usarla. No obstante, existe una alternativa: rediseñar la tarea. Dependiendo del objetivo de aprendizaje, podemos pedir al estudiante que utilice la IA para generar un borrador inicial. Esta estrategia es especialmente útil cuando el foco no está en la mecánica de la redacción, sino en el análisis profundo. En clase, el estudiante lo analiza críticamente para identificar sesgos, contrastar fuentes y justificar los cambios que decidió implementar. En este caso, la IA deja de ser un atajo y se convierte en una herramienta para pensar. El foco se desplaza del producto al proceso. Ya no evaluamos qué tan bien escribe una máquina, sino qué tan bien sabe un estudiante cuestionar, filtrar y mejorar lo que esa máquina produce.

Marcos para diseñar evaluaciones en la era de la IA

Para aterrizar esta discusión al salón de clases, existen marcos concretos. Uno de ellos es la Escala de Evaluación de Inteligencia Artificial (AIAS por sus siglas en inglés), desarrollada por Leon Furze junto a otros investigadores. Esta escala, que hemos presentado en artículos anteriores del blog, propone algo sencillo, pero poderoso: ser transparentes sobre cuánto uso de IA está permitido en una tarea determinada. No todas las actividades requieren el mismo nivel de restricción. Algunas pueden permitir uso completo de IA, otras solo uso limitado o de apoyo y otras ningún uso en etapas específicas. Todo depende del objetivo educativo.

Lo importante no es la prohibición absoluta, sino la claridad en las expectativas. Los autores enfatizan que la escala no es prescriptiva, debe adaptarse al contexto, la edad y la madurez de los estudiantes, y puede modificarse libremente según las necesidades. La siguiente versión de la escala ilustra cómo se ven estos niveles en la práctica.

Para conocer más detalles sobre la escala, consulta nuestra publicación anterior “Actualización de la Escala de Evaluación de inteligencia artificial”.

Otro marco que vale la pena explorar es el protocolo conocido como Assessment Twins o “Gemelos de Evaluación”, desarrollado por investigadores de universidades en Reino Unido, Vietnam y Filipinas. La idea es evaluar un mismo objetivo de aprendizaje utilizando dos tareas conectadas. Por ejemplo, en casa el estudiante escribe un ensayo sobre las causas del cambio climático. Luego, en clase, explica oralmente en dos minutos cuál de esas causas le pareció la más determinante y por qué decidió priorizarla en el ensayo.

Ambas tareas evalúan el mismo conocimiento, pero utilizan modos de evidencia diferentes. Lo que hace eficaz este protocolo es que el docente no califica ambas tareas por separado. Usa la interacción en clase para confirmar la autenticidad del trabajo escrito. Si el ensayo es excelente, pero el estudiante no puede explicar los conceptos básicos durante la presentación oral, la calificación se limita o se requiere una revisión adicional. Los autores llaman a esto validez sustantiva: asegurarse de que hubo un proceso cognitivo real detrás del producto.

No existe una estrategia única

Algo que vale la pena dejar claro es que no existe una solución única para enfrentar los desafíos que trae la inteligencia artificial. La tecnología evoluciona rápido y las herramientas cambian constantemente. Por eso, en lugar de buscar una fórmula perfecta, necesitamos diseñar múltiples capas de evaluación: tareas en contextos auténticos, tareas multimodales como video, audio o presentaciones; discusiones en clase; proyectos basados en investigación; actividades de análisis crítico de contenido generado por IA; y experiencias donde los estudiantes creen productos reales. Cada capa añade profundidad al proceso de aprendizaje y reduce la posibilidad de que el pensamiento sea completamente delegado a una máquina. No se trata de implementarlas todas a la vez. Cada docente puede comenzar con una capa, probarla, ajustarla y construir desde ahí.

Una oportunidad histórica

La IA nos está obligando a hacernos preguntas que postergamos por mucho tiempo. Ha llegado a desenmascarar las métricas superficiales que usábamos para medir el aprendizaje. Durante décadas asumimos que un texto bien escrito era evidencia suficiente de aprendizaje real. Hoy sabemos que no necesariamente lo es. Esta crisis es, en realidad, una invitación a recuperar la esencia humana en la sala de clases. Nos obliga a dejar de evaluar lo que una máquina puede replicar para empezar a valorar aquello que nos hace únicos: la duda, la ética, el criterio y la capacidad de dar sentido a la información. No estamos ante una amenaza a la integridad académica, sino ante una oportunidad histórica para elevar el estándar de lo que consideramos “aprender”. Si logramos que el pensamiento crítico sea el protagonista y no un subproducto, la IA habrá sido el catalizador pedagógico más potente de este siglo.