15 Sep iA y Educación: diferencia entre aprender y producir respuestas
Rodolfo Correa
Abogado – Profesor Universitario
Cuando una máquina resuelve lo que una universidad o un colegio tarda años en enseñar, la pregunta no es solo si habrá trampa, sino si la Institución sabe qué está formando.
Un reciente informe del MIT advierte que el riesgo de la IA en la educación es más profundo que el plagio, es un cambio de modelo relacional en el que los estudiantes pueden interiorizar un principio transaccional donde las tareas sean productos, los profesores evaluadores, los compañeros opcionales y el título una mercancía adquirida eficientemente.
El peligro es que obtener respuestas se confunda con aprender. Resolver problemas no equivale a comprender; escribir no significa argumentar; aprobar tampoco implica transformar la manera de pensar.
El desafío que nos plantea el momento que vivimos es dejar de ver la educación como un trámite para obtener el diploma.
Y frente a ello, el MIT propone “aumentar, no automatizar”: ampliar capacidades sin sustituir el esfuerzo intelectual. Plantea rediseñar evaluaciones, diferenciar reglas y proteger la discusión presencial, el trabajo entre pares y la mentoría.
Claro, una respuesta típica, incluso de “cajón”, a esa propuesta y al reto que atravesamos, podría limitarse a plantear que si la IA produce textos, la universidad debe evaluar argumentos; si resuelve ejercicios, debe exigir que el estudiante explique sus decisiones; y si entrega respuestas, debemos valorar la capacidad de formular preguntas, contrastar fuentes y aplicar conocimientos.
Suena razonable. Pero es insuficiente.
La IA también construye argumentos, explica decisiones, formula preguntas, contrasta fuentes y aplica conocimientos. Cambiar una tarea simple por un producto sofisticado no garantiza aprendizaje. Una argumentación puede demostrar la capacidad de la herramienta, no la del estudiante. Por eso la respuesta no puede ser retórica sino pragmática. No desde la idealización, sino desde la operativización, esto es, cuando se puede y cuando no se puede usar IA dentro del proceso de aprendizaje.
En efecto, nuestra tesis exige ir más lejos: no basta con modificar aquello que se evalúa; es necesario regular pedagógicamente la IA. Debemos definir dónde se excluye para formar capacidades fundamentales, dónde apoya sin sustituir el núcleo intelectual, dónde colabora y dónde utilizarla constituye una competencia profesional.
Aun cuando se permita, habrá que comprobar qué comprende el estudiante, qué puede hacer sin asistencia y si sabe dirigir y corregir la herramienta. El estudiante debe gobernar el resultado, no limitarse a entregarlo.
Desde la filosofía de la educación, la distinción decisiva está entre el resultado entregado y la capacidad adquirida. La universidad – Colegio, no existe para fabricar respuestas, sino para formar personas capaces de comprender, juzgar y responder por sus decisiones.
Colombia ya tiene un Decálogo de IA para la Educación Superior. Es un avance, pero el debate no llega al corazón del sistema: qué enseñamos, cómo evaluamos y cuál es el papel del profesor.
La universidad puede delegar operaciones, pero no la formación del juicio. Si la IA abarata las respuestas, la educación deberá aumentar el valor del pensamiento, el criterio y la relación humana. De lo contrario, no será reemplazada por una máquina: será vaciada por ella.
Pero lo más lamentable es que mientras el mundo discute hoy que hacer con la IA en el proceso educativo, ni las instituciones rectoras, ni la sociedad, ni la academia colombiana se percatan de lo que está en juego: la vigencia u obsolescencia de los métodos e instituciones de educación tradicional, la permanencia o el abandono de la formación humanística y si la IA es para aumentar o automatizar el entendimiento humano. ¿Cuándo esperamos comenzar?
_____________________
ADENDA A LA LECTURA: RUTA SUGERIDA PARA UTILIZAR LA IA EN EL PROCESO EDUCATIVO
- Definir el propósito formativo
Antes de permitir o prohibir la IA, debe establecerse qué capacidad humana busca desarrollar la actividad: comprensión, escritura, memoria, argumentación, creatividad, investigación, criterio profesional o resolución de problemas.
- Determinar el grado de intervención
- IA excluida: cuando deban adquirirse o comprobarse capacidades fundamentales que el estudiante necesita dominar autónomamente.
- IA limitada: puede apoyar búsquedas, lluvias de ideas o retroalimentación, pero no ejecutar el núcleo intelectual del ejercicio.
- IA colaborativa: estudiante y herramienta construyen conjuntamente el producto, bajo dirección y responsabilidad humana.
- IA líder en operaciones instrumentales: puede procesar datos, organizar información o ejecutar tareas repetitivas, pero no sustituir el juicio académico o profesional.
- IA obligatoria: cuando su utilización crítica sea una competencia propia de la asignatura o de la profesión.
- Exigir transparencia y trazabilidad
El estudiante debe declarar qué herramienta utilizó, para qué la empleó, cuáles fueron sus aportes, qué información verificó y qué decisiones adoptó personalmente.
- Comprobar la competencia humana
Todo producto elaborado con IA debe poder acompañarse de una sustentación oral, una aplicación presencial, una pregunta imprevista o una reconstrucción del procedimiento. La evaluación debe diferenciar la calidad del producto del dominio real del estudiante.
- Preservar espacios sin automatización
Cada curso debe identificar actividades en las que leer, escribir, recordar, discutir, equivocarse y resolver sin asistencia sea indispensable. La dificultad cognitiva no es una falla del proceso educativo: forma parte de él.
- Evaluar y ajustar
Las reglas deben revisarse según la evolución tecnológica, los resultados de aprendizaje y la madurez del estudiante. No existe una política universal válida para todas las disciplinas, niveles y momentos formativos.
Principio rector: la IA puede apoyar, colaborar e incluso liderar operaciones instrumentales; pero el estudiante debe conservar la comprensión, el juicio, la autoría y la responsabilidad sobre el resultado
No Comments