La IA cambió los exámenes y expuso sus límites
El debate sobre el uso de inteligencia artificial en exámenes volvió a cobrar fuerza a partir del caso del examen de ingreso de la Universidad Nacional Autónoma de México (UNAM). La difusión de calificaciones extraordinariamente altas y distribuciones estadísticas inusuales generó sospechas sobre el posible uso de herramientas de IA o el acceso previo a las preguntas. Para Raúl Albanece, el episodio expone un problema anterior a la tecnología: muchos sistemas de evaluación todavía miden capacidades que las herramientas digitales pueden realizar en segundos.
El problema no es solo detectar el uso de IA
Los sistemas de supervisión utilizados durante los exámenes pueden verificar identidades, registrar movimientos, controlar la mirada, escuchar el ambiente y analizar comportamientos considerados sospechosos. Sin embargo, el aumento de la vigilancia no resuelve necesariamente la cuestión que plantea la inteligencia artificial.
La pregunta central pasa por otro lugar. ¿Qué ocurre cuando una evaluación puede ser resuelta por una herramienta que genera respuestas, redacta textos, resume información, traduce documentos, escribe código, analiza imágenes y propone soluciones?
Albanece sostiene que el problema no está en que la inteligencia artificial haya encontrado una forma de vulnerar los exámenes. A su juicio, la dificultad aparece cuando una evaluación continúa diseñada para un mundo en el que estas herramientas no existían.
La diferencia es importante porque modifica el objetivo de la discusión. En lugar de concentrarse únicamente en cómo impedir que un estudiante utilice IA, obliga a revisar qué capacidad pretende medir cada examen.
De memorizar información a utilizar el conocimiento
Durante mucho tiempo, la educación se organizó alrededor de la transmisión y la retención de información. Los estudiantes debían recordar datos, reproducir procedimientos y demostrar que podían resolver determinadas operaciones sin asistencia externa.
Ese modelo tenía sentido en un contexto donde acceder al conocimiento requería tiempo y recursos. La expansión de las bibliotecas digitales, Internet y los teléfonos inteligentes modificó progresivamente esas condiciones.
La inteligencia artificial profundizó ese cambio porque puede intervenir en tareas intelectuales que antes exigían un trabajo considerable de una persona.
La disponibilidad de respuestas rápidas modifica el valor de determinadas formas de evaluación.
Si una consigna puede resolverse mediante la respuesta de un chatbot, la prueba puede terminar midiendo la capacidad de acceder a una respuesta en lugar de la capacidad que pretendía evaluar.
La tecnología ya había modificado el aprendizaje
La discusión no comenzó con la inteligencia artificial.
La incorporación de calculadoras, Internet, enciclopedias digitales, traductores automáticos y correctores ortográficos también generó preocupación sobre sus efectos en el aprendizaje.
La calculadora ofrece un ejemplo sencillo. Su utilización redujo la necesidad de realizar determinadas operaciones de manera manual, pero eso no eliminó la necesidad de comprender las matemáticas. El centro de la actividad podía desplazarse hacia la decisión de cuándo y por qué utilizar determinado cálculo.
Para Albanece, la inteligencia artificial produce un cambio similar, aunque en un ámbito más amplio. Las herramientas actuales no solo automatizan procedimientos mecánicos. También intervienen en escritura, análisis, organización y síntesis.
Por esa razón, la evaluación necesita considerar qué parte de esas tareas constituye realmente el aprendizaje que se busca comprobar.
Qué significa aprender cuando las respuestas están disponibles
La expansión de la inteligencia artificial introduce una pregunta que atraviesa el modelo educativo. Si una máquina puede responder casi cualquier pregunta en pocos segundos, ¿qué significa aprender?
La respuesta que propone Albanece pasa por desplazar el foco desde la acumulación de respuestas hacia la capacidad de utilizarlas con criterio.
Una herramienta puede sugerir ideas, redactar un texto o reunir información. Pero una persona todavía debe decidir qué pregunta quiere formular, qué información resulta pertinente, qué relación existe entre distintos conocimientos y qué límites tiene la respuesta obtenida.
El criterio personal adquiere mayor importancia cuando la información deja de ser escasa.
Desde esta perspectiva, aprender implica también cuestionar una respuesta, relacionarla con otros conocimientos, reconocer sus limitaciones y utilizarla para resolver una situación determinada.
Las preguntas adquieren un nuevo valor
La inteligencia artificial puede producir respuestas con rapidez, pero esa capacidad no elimina la necesidad de formular buenas preguntas.
Para Albanece, el aprendizaje empieza precisamente en ese punto. Un estudiante demuestra conocimientos cuando puede establecer relaciones entre diferentes campos, discutir una conclusión, reconocer las limitaciones de una herramienta y tomar decisiones éticas.
Estas capacidades no desaparecen porque exista una herramienta capaz de producir una respuesta.
Por el contrario, la abundancia de respuestas puede hacer más visible la importancia de saber qué preguntar y cómo evaluar aquello que se recibe.
El papel del docente también cambia
La disponibilidad de información modifica la tarea tradicional del docente. La enseñanza deja de depender exclusivamente de transmitir contenidos que el estudiante necesita recuperar después.
El docente puede concentrarse en diseñar experiencias que obliguen a pensar, crear, argumentar, equivocarse y revisar lo producido.
La inteligencia artificial puede participar en ese proceso. Puede colaborar en determinadas tareas y ampliar las posibilidades de trabajo. Pero la responsabilidad de construir un criterio permanece en la persona.
Esto introduce una diferencia entre producir una respuesta y comprenderla. Una herramienta puede generar una solución, pero el estudiante debe decidir qué hacer con ella.
La vigilancia frente a una tecnología que también evoluciona
El caso de la UNAM también permite observar otro problema. Frente al uso de inteligencia artificial durante los exámenes, las instituciones pueden incrementar los mecanismos de vigilancia.
Sin embargo, Albanece cuestiona que esa carrera pueda resolver por sí sola el problema. A medida que aparecen herramientas de control, también pueden desarrollarse nuevas formas de eludirlas.
La consecuencia es que el examen termina convertido en una disputa tecnológica. Una parte intenta detectar el uso de IA mientras otra busca evitar esa detección.
El centro de la evaluación queda desplazado hacia el control del estudiante.
Para Albanece, resulta más productivo revisar el diseño de las pruebas y construir evaluaciones que mantengan su sentido aun cuando las herramientas de inteligencia artificial estén disponibles.
Evaluar con herramientas, no contra ellas
La presencia de tecnología modifica una premisa tradicional de los exámenes: la idea de que demostrar conocimiento implica necesariamente trabajar sin asistencia.
El desarrollo tecnológico ya hizo habitual el acceso a calculadoras, buscadores, traductores y otras herramientas. La inteligencia artificial amplía esa disponibilidad hacia actividades que antes requerían mayor intervención humana.
El desafío educativo consiste entonces en determinar qué capacidades deben demostrar los estudiantes en ese entorno.
Una evaluación puede valorar la capacidad de formular preguntas, construir argumentos, relacionar conocimientos y tomar decisiones, incluso cuando el estudiante utiliza herramientas tecnológicas durante el proceso.
Eso cambia también el significado de una respuesta correcta. Obtener una solución puede ser apenas una parte de la actividad. Comprender el problema, evaluar la respuesta y decidir cómo utilizarla requieren capacidades diferentes.
La pregunta que queda abierta
El caso de la UNAM expone una tensión entre una tecnología capaz de producir respuestas rápidamente y un sistema educativo que todavía utiliza evaluaciones diseñadas en buena medida alrededor de la memoria y la reproducción de conocimientos.
La discusión sobre cómo impedir el uso de inteligencia artificial durante los exámenes puede continuar. Pero el planteo de Albanece apunta hacia una cuestión anterior: qué quiere medir una institución cuando evalúa a un estudiante.
Cuando las respuestas están disponibles en segundos, la diferencia entre saber y encontrar información adquiere otra dimensión. La capacidad de formular preguntas, construir criterio y tomar decisiones pasa a ocupar un espacio mayor dentro de la evaluación.
El cambio no depende solamente de nuevas herramientas de vigilancia. También depende de qué actividades siguen teniendo sentido cuando una máquina puede producir buena parte de la respuesta.
La educación queda así frente a una elección de diseño. Puede dedicar más recursos a comprobar si los estudiantes utilizaron herramientas que ya forman parte de su entorno cotidiano o puede construir evaluaciones en las que el valor esté en aquello que el estudiante hace con esas herramientas.
Fuente: Raúl Albanece, escenógrafo, artista visual, docente e investigador argentino. Profesor universitario, director del Grupo de Estudios Carnavalescos (GEC-UADER) e investigador categorizado por el sistema universitario argentino. Artículo elaborado y editado a partir de sus reflexiones sobre inteligencia artificial, evaluación y educación.
