Algo se ha roto en la universidad. Lo discutible es cuándo ocurrió y a quién conviene responsabilizar.
La inteligencia artificial permite entregar un trabajo que no se sabría defender, resolver un problema que no se comprende o firmar un razonamiento que nunca se produjo. El resultado puede parecer académicamente correcto y, sin embargo, no acreditar ninguna competencia reconocible en quien lo presenta. Pero esta fractura no empezó con la Inteligencia Artificial.
Mucho antes de la IA generativa, la universidad ya permitía avanzar a estudiantes incapaces de interpretar un texto, construir un argumento propio o relacionar los conceptos elementales de una asignatura. Ya existían la memorización mecánica, el plagio, los trabajos heredados y una notable capacidad para aprobar sin que el conocimiento dejara demasiadas huellas.
La IA no ha destruido una universidad intelectualmente saludable. Ha llegado cuando buena parte del deterioro ya se había producido.
Durante años, la pregunta sobre qué debía aprender un estudiante fue cediendo terreno ante otras más fáciles de cuantificar: cuántos alumnos se captan, cuántos permanecen, cuántos se gradúan y qué nivel de satisfacción declaran. El conocimiento perdió valor formativo y ganó valor credencial. Lo importante pasó a ser obtener la nota, el crédito y el título. En ese proceso, el estudiante fue convirtiéndose en cliente.
La universidad compite hoy por atraer alumnos que se matriculen, financiación y rankings. Suspender demasiado puede interpretarse como un problema docente; retener y titular, como una señal de éxito institucional. La exigencia académica deja de ser una virtud para convertirse en una molestia. La inteligencia artificial encaja perfectamente en ese modelo.
Si el objetivo del estudiante es obtener créditos y el de la institución conservarlo para que egrese en tiempo y forma acorde con los rankings y la financiación, la IA sirve a ambos: produce trabajos, códigos, presentaciones y resúmenes con una rapidez extraordinaria. Las tareas se entregan. Las calificaciones se registran. Los créditos se conceden. Los títulos se expiden. La universidad progresa en los rankings y mejora su financiación.
Puede desaparecer el aprendizaje sin que se detenga ninguna de las operaciones administrativas que supuestamente deberían certificarlo. Es más: se puede llegar a certificar un aprendizaje que no se ha producido.
El estudiante que utiliza la IA para aprobar no está necesariamente traicionando al sistema. Puede estar entendiéndolo demasiado bien. Ha comprendido que no siempre se le exige saber, sino producir el objeto evaluable adecuado dentro del plazo. La IA no rompe este modelo. Lo perfecciona.
Quizá por eso provoca tanta inquietud: no tanto porque sustituya el trabajo intelectual del estudiante, sino porque revela las vergüenzas de hasta qué punto la universidad ya se había habituado a evaluar productos cuya relación con el aprendizaje era débil.
Mientras el alumno entregaba un texto mediocre escrito por él, aún podía sostenerse la ficción de que la autoría garantizaba algún proceso intelectual. Cuando entrega un texto impecable producido por una máquina, la ficción se vuelve insostenible. La universidad descubre entonces que ya no sabe con certeza qué está evaluando.
La reacción consiste en recurrir a detectores, prohibiciones, exámenes manuscritos o un regreso nostálgico a la oralidad. Estas medidas pueden dificultar el fraude, pero ninguna responde las preguntas centrales: ¿qué significa hoy acreditar que una persona posee una formación universitaria?, ¿cómo debería ser un alumno universitario adecuadamente formado?
El mundo profesional no funciona sin herramientas digitales ni sistemas inteligentes. Aislar a los estudiantes de esas tecnologías sería tan absurdo como permitirles delegar en ellas todo aquello que deberían ser capaces de juzgar.
La universidad se encuentra ante una contradicción que no puede resolver con un protocolo de uso responsable. Necesita demostrar que sus titulados poseen criterio, comprensión y capacidad de decisión. Pero lleva años organizándose para captar más estudiantes, atenderlos con menos recursos, estandarizar la evaluación y reducir el coste de una atención intelectual que exige tiempo, profesores y conflicto. Porque formar y evaluar de verdad resulta caro.
Es más fácil corregir un producto que observar un proceso. Es más fácil aplicar una rúbrica que valorar un razonamiento. Es más fácil contar aprobados que preguntarse qué sabe realmente quien obtiene el título.
La IA ha entrado precisamente por esa grieta. No ha creado la mercantilización de la universidad, la erosión de sus estándares ni la mediocridad amparada por las jerarquías docentes y la conveniencia institucional. Simplemente ha vuelto visibles sus consecuencias.
La pregunta no es qué está haciendo la IA con los estudiantes. La pregunta es qué había hecho ya la universidad con ellos para que la IA encajara tan bien.
Ramon-Jordi Moles Plaza
Secretario general de Universidades de la Generalitat de Catalunya (2003-2006)
Deja un comentario