Durante años, las universidades hemos recompensado el rendimiento por encima de la comprensión, la fluidez por encima de la profundidad y la apariencia de dominio por encima del pensamiento genuino. Construimos sistemas de evaluación que pedían productos y trataban esos productos como evidencia de aprendizaje. Nos estábamos saliendo con la nuestra. Hasta ahora.
La inteligencia synthetic generativa no ha creado un problema nuevo en la educación. Ha hecho que uno muy antiguo sea imposible de ignorar. Cuando un estudiante puede producir un trabajo elaborado en minutos introduciendo unas instrucciones en ChatGPT, la pregunta ya no es si nuestras tareas miden el aprendizaje, es por qué fingimos durante tanto tiempo que lo hacían.
Hay algo de ironía histórica en todo esto. Fue aquí, en Dartmouth (New Hampshire), donde en el verano de 1956 John McCarthy acuñó el término “inteligencia synthetic”. 70 años después, los herederos de aquel proyecto de verano producen prosa, redactan código y sintetizan argumentos con una fluidez que puede pasar, a primera vista, por el trabajo de una persona bien formada. El problema no es que a veces se equivoquen. Es que a menudo resultan plausibles.
Hace no mucho tiempo, un estudiante llegó a mi despacho con un borrador que period, de una manera acquainted, impresionante. Las frases eran limpias, las transiciones correctas, el argumento llegaba a tiempo. Cuando le hice una pregunta sencilla —por qué una afirmación se derivaba de otra—, el estudiante vaciló y empezó a describir el texto como quien describe un paquete: lo que contenía, para qué servía. El borrador había sido generado con ayuda de un modelo de lenguaje. El estudiante lo había editado, pero no lo había habitado. Lo que me perturbó no fue el uso de la herramienta. Fue la separación entre la fluidez y el pensamiento.
Esto es lo que la IA nos está forzando a ver con claridad: hay una diferencia fundamental entre producir un resultado y formar un juicio. Un carpintero puede delegar el corte en una sierra mejor. Un investigador no puede delegar el acto de advertir qué es extraño, atender a lo que no encaja y formular la pregunta que nadie ha pensado en hacer. Estos actos no tienen efecto a menos que los haga una persona. Su propósito no es producir un resultado. Es formar a quien los realiza.
Los modelos de lenguaje operan con una facilidad asombrosa en el centro consolidado del conocimiento: el vasto archivo de lo que la humanidad ya ha dicho y verificado. Pero se pierden en la frontera donde el conocimiento establecido termina y comienzan las preguntas genuinas. Solo repiten lo que ya se ha pensado. La pregunta verdaderamente nueva, la que aún no existe en los datos de entrenamiento, solo puede formularla una mente dispuesta a situarse en la incertidumbre y pensar desde allí con disciplina y valentía. La IA puede redactar un ensayo. No puede someter a examen a una mente.
Ante esto, hay dos respuestas equivocadas que se repiten en los campus de todo el mundo. La primera es la prohibición: detectores, códigos de honor, vigilancia. El impulso es comprensible, pero es una estrategia perdedora. Estas herramientas son ya demasiado ubicuas para ser controladas, y queremos graduados que sepan trabajar con la tecnología más transformadora de su tiempo, no graduados que la hayan evitado. La segunda respuesta es la capitulación disfrazada de adaptación: convertir la universidad en una escuela de oficios para la economía de la IA, donde el objetivo es enseñar qué herramientas usar y qué instrucciones formular. El estudiante se convierte, en efecto, en un técnico.
La respuesta correcta es el rediseño. Más escritura hecha en clase. Más defensa oral de argumentos: una conversación de diez minutos revela si un estudiante entiende una afirmación o simplemente la ha producido. Más seminarios organizados en torno a preguntas vivas. Cuando los estudiantes usen IA, exigir transparencia: que expliquen qué pidieron, qué produjo el sistema, qué conservaron y qué descartaron. El objetivo no es la vigilancia. Es la responsabilidad intelectual.
El mercado laboral ya está enviando una señal que las universidades no pueden ignorar. Investigadores de Stanford han documentado un descenso relativo en el empleo de trabajadores jóvenes en los sectores más expuestos a la IA, mientras que los profesionales con más experiencia salen mejor parados. La razón es clara: lo que la IA no puede reemplazar es el juicio formado a lo largo del tiempo. Ese juicio es exactamente lo que la universidad debe enseñar con mayor rigor que nunca.
La era de la IA no va a arruinar la educación. Pero va a dejar en evidencia a todas las instituciones que confundieron producir resultados aceptables con formar mentes. Las que sobrevivan a este momento serán las que puedan responder, con claridad y sin vergüenza, para qué creen que sirve la educación. Y las que sean capaces de construir sus prácticas a partir de esa respuesta.
Cuando las respuestas se vuelven baratas, el juicio se vuelve valioso. Eso es lo que ningún contestador automático puede aprender en nuestro lugar.
