Este texto es un ensayo. Se apoya en nuestro trabajo directo con universidades, en conversaciones con colegas y en la observación de noticias y señales dispersas: por la propia naturaleza de lo que describe, buena parte de la información dura muy probablemente no se está haciendo pública. Pretendo describir un estado de las cosas, un proceso muy rápido y una hipótesis sobre un riesgo emergente que afectará a cada universidad y al sistema universitario en conjunto.
Una institución lenta ante una disrupción aguda
Las universidades son instituciones de larga tradición, con estructuras lentas para la toma de decisiones y enormes inercias ante los cambios. Cuando surge una crisis, un cambio de paradigma o una transformación social, cultural o tecnológica profunda, su respuesta llega, cuando llega, en el medio o en el largo plazo. Ese modo de funcionamiento, unido a su gobernanza, produce un efecto doble: la historia nos indica que las hace extraordinariamente resistentes a las crisis y, a la vez, muy frágiles ante los eventos disruptivos agudos.
Con la tecnología digital, además, las universidades han sido siempre reactivas, yendo a remolque de los cambios. A veces esa distancia las ha protegido de las burbujas (aunque en ocasiones se han subido a alguna justo cuando ya era evidente que lo era). Pero les ha impedido abordar de frente los cambios sociales y culturales asociados a cada ola tecnológica, y explotar las posibilidades de la tecnología al servicio de su misión. Esto sucede en gran medida porque las universidades han pensado, y siguen pensando, la tecnología como algo instrumental que se compra: una caja negra que se adquiere a un proveedor y que viene a resolver un problema agudo y técnico. Por ese camino, paradójicamente, han acabado externalizando buena parte de sus modelos pedagógicos y de la experiencia de sus estudiantes. La lentitud propia de la institución y la tecnología como caja negra son la base de las crisis emergentes que describimos a continuación.
Tres crisis conectadas, desencadenadas por una tecnología
Desde finales de 2022, las universidades se enfrentan de forma silenciosa a una triple crisis provocada por la irrupción de la inteligencia artificial generativa. Hablo de irrupción en un sentido preciso: el acceso casi universal, comercial, a los grandes modelos de lenguaje (LLMs) y a las interfaces de trabajo construidas sobre ellos. Estas crisis existían ya de algún modo con anterioridad, pero la IA las agrava tan radicalmente (por profundidad o por escala de impacto) que hace imposible ignorarlas.
La primera es una crisis de significado: la IA generativa hace necesario repensar en profundidad qué debe aprender una persona en la universidad, para qué sirve la universidad y qué perfil profesional y ciudadano desarrolla quien pasa por ella. La segunda es una crisis de método: la IA impacta de lleno sobre cómo puede y cómo debe aprender una persona. De una parte de ese reto, en concreto por qué aprender exige una lentitud que la IA permite cortocircuitar, me he ocupado en Aprender lento para pensar rápido. Y la tercera es una crisis de credibilidad: el uso de la IA por parte de los estudiantes ha puesto en cuestión las formas en que la universidad evalúa los conocimientos y habilidades de las personas y, por tanto, las acredita. No olvidemos que las universidades son entornos donde se va a aprender, pero también instituciones con la misión de reconocer formalmente el aprendizaje. Esa segunda función ha sido crítica en las últimas décadas para sostener su estatus y su prestigio, frente a un reconocimiento social decreciente del valor de los propios conocimientos y habilidades que desarrollan sus estudiantes.
De las tres, la de credibilidad es la más aguda, aunque posiblemente no la más grave. Y es también, en apariencia, la menos estratégica, dado que una parte de la comunidad universitaria sigue instalada en la idea de que resolverla exige cambios menos de fondo y más instrumentales (incluso podría pensarse que se resuelve con controles y barreras tecnológicos). Y sin embargo es la que está explotando en estos momentos, precisamente porque es la más difícil de silenciar y, por tanto, imposible de contener y gestionar sin cambios. Por su rapidez y por sus consecuencias, que en términos económicos podemos describir como un riesgo moral, podría provocar una crisis sin precedentes en la institución universitaria.
El problema: las evidencias que ya no prueban nada
¿Por qué es vulnerable justamente la credibilidad? Porque la universidad evalúa, y por tanto acredita, a través de evidencias de aprendizaje que descansan, simplificando, en dos grandes tipos de mecanismos. Debemos aclarar que nos referimos aquí específicamente a la evaluación sumativa (la orientada a reconocer y acreditar el aprendizaje), no a la evaluación formativa (la que permite el acompañamiento al estudiante en su proceso). La evaluación formativa es la gran olvidada por el sistema universitario (a pesar de ser la palanca más potente para mejorar el desempeño de los estudiantes). Tanto es así que habitualmente el término “evaluación” se hace sinónimo de “evaluación sumativa” tomando la parte por el todo.
El primer tipo de mecanismos es la prueba de conocimientos y, en menor medida, de habilidades, que habitualmente denominamos examen. Tradicionalmente sucedía en un entorno físico y de forma analógica (a veces oral, normalmente por escrito). Con los años se ha ido trasladando a pruebas mediadas por dispositivos digitales (aunque se usen en el aula) o, muy habitualmente, a modalidades online, mediadas por dispositivos y plataformas. En esta evolución se han desarrollado toda una serie de herramientas de control, por hardware y software, destinadas a evitar comportamientos indeseados. Herramientas que se han sofisticado al mismo ritmo que se sofisticaban los métodos de los estudiantes para acceder a las respuestas correctas del examen sin necesidad de aprender previamente; o sea, lo que podemos denominar métodos para falsear la propia prueba. Las opciones digitales han permitido además optimizar los tiempos de corrección y retroalimentación y, de este modo, ampliar los grupos de estudiantes sin incrementar proporcionalmente los recursos humanos disponibles.
El segundo son los entregables: casos, proyectos, problemas o retos sobre los que el estudiante trabaja a lo largo del tiempo, generando evidencias que documenta en textos, diagramas y artefactos, hoy en su gran mayoría en formatos digitales. Los entregables solían ser una evidencia robusta: quien entregaba un buen proyecto (codificado en sus artefactos), obviamente, lo había hecho, y por el camino había aprendido. Es evidente que siempre cabía la trampa (alguien podía ayudar al estudiante o hacer directamente el trabajo por él), pero era minoritaria y el sistema contemporizaba con ella.
Con el tiempo, los exámenes tradicionales han ido perdiendo relevancia, dado que respondían a un modelo pedagógico en gran medida superado, y han ido ganando peso los enfoques de aprendizaje activo y, con ellos, los entregables asociados. La IA generativa ha roto esa equivalencia entre entregable y aprendizaje. Hoy es posible producir un entregable de altísima calidad sin poseer el conocimiento que se supone que demuestra: el proceso de producir se ha desacoplado del proceso de aprender. En los primeros años de la universalización del uso de la IA (podríamos decir de 2023 a 2025), en muchas disciplinas los entregables generados por IA contenían fallos factuales reconocibles. Sin embargo, cada vez contienen menos, y en algunas disciplinas ya son impecables en lo formal y en el contenido, con el único requisito de manejar bien las herramientas. No es difícil imaginar que esa calidad se alcance de forma prácticamente universal, para todas las disciplinas y ámbitos del conocimiento, en poco tiempo.
Pero los exámenes tampoco están libres de la posibilidad de falsificación; de hecho, el caso de la UNAM, al que llegaré más adelante, lo atestigua. La vulnerabilidad es muy evidente cuando las pruebas están mediadas por dispositivos y plataformas digitales, pero está empezando a suceder incluso en pruebas analógicas escritas. Además, el regreso a exámenes presenciales y analógicos supone un enorme problema por los recursos que implica si se quiere aplicar a escala, y un paso atrás en los procesos de aprendizaje si los exámenes vuelven a convertirse en la “prueba universal”.
En síntesis: los dos grandes tipos de evidencias sobre los que descansa la evaluación están afectados de forma importante por el uso de la IA por parte de los estudiantes. La IA ha acabado por romper así dos paradigmas clave de la evaluación sumativa: que los exámenes son robustos y difíciles de falsear, y que, en el caso del aprendizaje activo, el propio proceso de trabajo genera de forma directa la oportunidad de una evaluación robusta. El resultado es lo que muchos profesores describen como una apariencia de aprendizaje: entregables y exámenes correctos, incluso impecables, que generan notas que se sostienen o suben, y un aprendizaje real que cae o incluso se desploma. El problema no es que algunos estudiantes hagan trampa; es más bien que los instrumentos con los que medíamos han dejado de ser fiables para todos. Hemos pasado de un riesgo individual (controlable) a otro sistémico.
La respuesta instintiva y de corto plazo, cuando ha sucedido, ha sido una carrera de armamentos: me intentan hacer trampa, pongo una barrera; buscan otra trampa, pongo otra. Es una carrera agotadora y, a la larga, perdida. Existen ya alternativas pedagógicas, metodológicas y tecnológicas para rediseñar la evaluación y recomponer el vínculo entre evidencia y aprendizaje. Este será el tema de otro artículo que publicaré en breve. Pero ahora quiero enfocarme en la naturaleza de la crisis de credibilidad, su posible evolución (dado que emergió de forma inesperada y la universidad no ha sido capaz de resolverla a la velocidad que exigía) y sus consecuencias.
El curso 2025-2026: el punto de inflexión
En realidad, el problema (la posibilidad de usar la IA para falsificar las evidencias de la evaluación) existe desde finales de 2022, con el lanzamiento comercial de ChatGPT. Pero la crisis (la percepción pública de ese problema afectando de forma grave a la reputación de las universidades) todavía no ha llegado, o estamos asistiendo solo a las primeras señales.
El problema, sin embargo, se hizo mucho más profundo en el último curso académico, el 2025-2026, por dos cambios relacionados. El primero es tecnológico, motivado por la irrupción de LLMs extremadamente potentes, con lanzamientos continuos de diferentes proveedores en una carrera en la que se incrementan exponencialmente las capacidades de la IA, acompañados de interfaces de trabajo mucho más sofisticadas que los chatbots originales, que permiten desarrollar proyectos, gestionar memoria y construir contextos complejos. El segundo es la caída de la barrera de acceso: hoy, con un coste razonable para la gran mayoría de los estudiantes, cualquiera accede a modelos de máxima potencia, al menos para usos poco intensivos (como pueden ser los ocasionales necesarios para generar “evidencias artificiales”).
Y aquí está el cambio decisivo. Antes de la IA, las oportunidades de falsificar las evidencias de aprendizaje estaban en manos de unos pocos: dependían de las relaciones de cada cual, o del dinero para comprar ciertos servicios ilegales o alegales. Ahora se han universalizado. La IA no ha inventado el fraude, pero sí lo ha universalizado. Y, de paso, ha puesto en evidencia problemas críticos de la evaluación universitaria que las propias universidades llevaban décadas relegando.
Ante este punto de inflexión, conviene mirar en dos direcciones: hacia dentro de las universidades (qué han hecho) y hacia fuera (qué han contado).
¿Cómo ha sido la respuesta de las universidades?
Empecemos por la respuesta hacia dentro: ¿qué ha pasado en las universidades durante el curso 25-26? Dado que la inmensa mayoría, por no decir la práctica totalidad, no ha declarado lo que posiblemente estaba sucediendo en el ámbito de la evaluación, tenemos que abordarlo desde la información a la que, en mi caso, puedo acceder gracias al trabajo directo que realizo con diferentes universidades, a las conversaciones con estudiantes, profesores y directivos y a la observación de noticias en medios y redes. Este conjunto de señales nos puede permitir construir unas primeras hipótesis, incluso especulaciones informadas, que pueden ser valiosas como alerta, ya no tan temprana, ante una crisis emergente. Mi opinión es que existe un rango amplio de respuestas, y que la variable que mejor nos permite organizarlas es la agencia de los profesores (o, dicho de otro modo, el modelo educativo y operativo de la universidad).
Partamos, como simplificación, de la existencia de dos grandes formatos de universidad que implican dos maneras muy distintas de encajar inicialmente el problema. En un extremo están las universidades en las que, por su propio modelo, los profesores tienen una alta autonomía y agencia, que les permite reaccionar casi en tiempo real y tomar decisiones dentro del ámbito de sus grupos, a veces en coordinación con otros profesores con los que comparten docencia. Por supuesto, la agencia del profesor no determina la existencia de respuesta a un problema agudo, y por tanto no es esperable que haya una respuesta uniforme. Pero en estos contextos sí es claro que posibilita una respuesta orgánica y táctica de corto plazo, y de hecho ha sucedido, en mayor o menor medida, en diferentes universidades. Los profesores, al menos los más comprometidos, han modificado sus métodos de evaluación y sus procesos de trabajo. Aunque abordaremos los cómos de este cambio con mayor profundidad en otro texto, valga aquí el apunte de que modificar las pruebas de evaluación obliga casi siempre a una especie de diseño “hacia atrás” (comienzas por el final, la evaluación, y como consecuencia debes cambiar lo que sucede antes: el proceso de aprendizaje y el acompañamiento a los estudiantes). Cuando este rediseño sucede de forma integral, y no se queda solo en la evaluación sumativa, supone un cambio muy valioso. Ahora bien, en los casos en que la respuesta no ha sido impulsada por la universidad se corre el riesgo de quedarse en lo que tantas veces ha quedado la innovación educativa: procesos potencialmente valiosos pero fragmentarios y desconectados, que no logran transferirse ni consolidarse. Lograrlo exige combinar la agencia y el compromiso de los profesores con la guía, el soporte y la coordinación institucionales.
En el otro extremo están las universidades con modelos centralizados (aunque parezcan anomalías, son ya muchas y quizás las que más crecen, por ejemplo en las modalidades online). En estas instituciones el modelo educativo, los procesos de aprendizaje e incluso los contenidos y las pruebas de evaluación vienen “diseñados de fábrica”, y los profesores son esencialmente implementadores con escasa agencia para modificar los planes que les entrega la institución. Muy posiblemente en este tipo de universidad, con la inercia institucional que las caracteriza, ha habido muy poca respuesta al problema emergente del uso de la IA en la evaluación.
En síntesis: es previsible que haya habido una diversidad de respuestas, pero predominando las reacciones limitadas o la pasividad, y casi siempre en el plano interno, evitando el problema reputacional, sin que haya existido hasta el momento un debate abierto ni acciones estratégicas y de impacto.
El silencio institucional
Hacia fuera, la gestión ha sido otra: el silencio, que puede responder a dos razones. La primera que podemos imaginar es una suerte de ceguera, causada porque la institución carece de datos y señales internos que le permitan detectar de forma ágil, casi en tiempo real, lo que está sucediendo. La segunda podría ser una decisión deliberada de no hacer público lo que sucede para evitar una crisis reputacional. Sin embargo, como planteamos en este texto, si el problema no se afronta, la crisis sucederá inevitablemente.
No debemos confundir silencio institucional con ausencia de ruido. La implantación y el uso de la IA en la universidad ha generado una polémica enorme: debate público, opiniones de todo tipo y condición, análisis que, en el caso de universidades y gobiernos, han terminado por el momento en recomendaciones, políticas y reglamentos, pero en escaso cambio pedagógico y tecnológico. Y sobre el problema específico de la falsificación de las evidencias de la evaluación sumativa, la universidad como institución, ni colectiva ni individualmente, ha reconocido en general el reto de fondo ni se ha enfrentado seriamente a él.
Sucede además que la irrupción de la IA se ha percibido como un reto tecnológico, y cada una de las tres crisis se está tratando como un problema a resolver con un enfoque prioritariamente tecnológico. Pero no es (solo, ni principalmente) un reto tecnológico; es más bien un reto existencial y pedagógico atravesado por la tecnología. La consecuencia de ese sesgo de diagnóstico es que, en una primera ola, el encargo ha recaído en muchas ocasiones en los responsables de tecnología de las universidades, cuyo trabajo consiste, en la práctica y en la mayor parte de los casos, en decidir con qué proveedor se trabaja y comprar soluciones. Y esas decisiones de compra se toman desde hace años con una lógica defensiva y conservadora, que equipa a las universidades, y a sus profesores, con las herramientas más probadas (las menos innovadoras), las que generan menos problemas de gestión, menores riesgos y más garantías de seguridad — las que, por tanto, cambian poco las reglas del juego. Desde la perspectiva de los profesores (y evaluadores): cajas negras que limitan su agencia y su capacidad de responder diseñando alternativas que sean a la vez valiosas en términos de aprendizaje y robustas en lo que se refiere a los mecanismos de evaluación sumativa.
El estallido que viene, y su primera señal
Es muy difícil mantener de forma permanente estos problemas en el ámbito de lo privado. O las universidades responden, o la crisis llegará. Y llegará por dos mecanismos. El primero es exógeno y se debe a que la reputación de las universidades que no sean capaces de responder se verá afectada, en algún momento, ante los empleadores y otras organizaciones sociales. Es muy sencillo de entender: quizás estemos en el primer momento de la historia en que resulta posible lograr una titulación universitaria sin haber aprendido prácticamente nada (o mucho menos de lo que podríamos considerar los estándares previos). Puede sonar exagerado, pero eso es exactamente lo que ciertos usos de la IA pueden provocar. Cuando esas personas salgan de la universidad, lleguen al mercado laboral e inicien su vida profesional, los fallos de su proceso de aprendizaje quedarán en evidencia.
El segundo es endógeno, y se relaciona con la respuesta de una parte de los propios estudiantes, que ya empiezan a manifestar (por el momento, solo dentro de su universidad) su incomodidad con este estado de las cosas. Consideran que la universidad está abdicando de su responsabilidad de garantizar que la evaluación, y por tanto el reconocimiento del aprendizaje, sean robustos, y le reclaman que la asuma. Este malestar puede superar en cualquier momento un umbral, hacerse público y abrir un debate que ya será muy difícil de gestionar, y menos de controlar.
¿Cuándo puede suceder? Mi impresión es que irá más rápido de lo que pensamos, porque el proceso es muy agudo y está operando a una velocidad muy elevada, coherente con la evolución de la propia IA generativa y su adopción social. Los estudiantes que han convivido con el uso intensivo de la IA en la universidad están ya saliendo al mundo profesional, o lo harán en unos meses; y el próximo curso llegarán, además, las primeras promociones de estudiantes que habrán vivido prácticamente toda su vida como estudiantes (especialmente bachillerato y universidad) con herramientas sofisticadas de IA a su alcance. Y, como planteaba al inicio, si la crisis explota rápido, las universidades, por su propia naturaleza, no podrán responder a la velocidad que exige una crisis reputacional.
De hecho, posiblemente hemos asistido ya al primer acto. La UNAM, la Universidad Nacional Autónoma de México, es la principal universidad pública mexicana: una de las mayores del mundo por número de estudiantes, un referente académico en América Latina y una institución esencial en la propia historia del país. A sus pruebas de acceso se presentaron este año casi 158.000 estudiantes, y por primera vez se aplicaron completamente en línea. El resultado: se detectó una anomalía estadística, dado que los resultados fueron muy superiores a los de los últimos años (la proporción de aspirantes con puntuaciones muy altas se multiplicó respecto al año anterior). Todo apunta a un presunto fraude masivo y, tras un conflicto y un debate público bastante enconados, la universidad ha convocado un examen de control presencial para verificar los resultados de una parte de los aspirantes. Posiblemente el momento elegido para pasar las pruebas a formato online ha sido el peor posible, y los mecanismos de control establecidos fallaron estrepitosamente: un ejemplo de lo que puede suceder cuando se entra en una carrera tecnológica donde existen altos incentivos (perversos) para hacer trampa.
El caso ha salido a la luz por una razón muy concreta, y es que la UNAM hace públicos, tradicionalmente, los resultados de sus pruebas. Por tanto, no había forma de ocultar la realidad. De hecho, la UNAM es la única universidad pública mexicana en la que esto ha trascendido. Otras grandes universidades públicas (como por ejemplo el IPN o la UAM) aplicaron también este año sus pruebas de acceso en línea, pero no publican sus resultados con el mismo detalle. El silencio del resto no es ausencia de problema; es ausencia de datos. Añado una evidencia circunstancial que prefiero comentar sin citar fuentes, porque no se ha hecho pública: universidades en las que, en las admisiones del curso 26-27, el porcentaje de estudiantes con expedientes brillantes de bachillerato ha crecido de forma drástica.
Más allá del caso concreto, intuyo que este evento significa la puesta de largo de una crisis reputacional de la institución universitaria que, en realidad, podemos explicar con una idea que la economía maneja desde hace más de medio siglo.
El riesgo moral: quién decide y quién paga
El riesgo moral describe un tipo de riesgo provocado porque alguien toma decisiones cuyas consecuencias no recaen sobre sí mismo, sino sobre terceros que no participaron en la decisión y que, muchas veces, ni siquiera saben que se estaba decidiendo por ellos. Aplicado a nuestro caso: el estudiante que falsifica sus evidencias decide; el profesor que prefiere no mirar decide; la institución que calla para no arriesgar su matrícula o su reputación decide. Pero las consecuencias las soportarán otros: los estudiantes que deciden no hacer trampas, el empleador que contrata confiando en un título, el cliente o el paciente que se pone en manos de un profesional acreditado, la sociedad que financia y legitima a la universidad precisamente porque confía en su capacidad de certificar el aprendizaje.
Esto es así porque el título universitario (y, por extensión, las diferentes credenciales) funciona, en términos económicos, como una señal. Socialmente asumimos que solo quien ha aprendido puede lograr el título, con todas las discusiones que caben sobre qué significa haber aprendido, y el empleador, que en principio no puede observar directamente (o le supone un coste que prefiere no asumir) los conocimientos y habilidades de una persona, confía en que el título los resume. Esa asunción era segura mientras obtener el título costaba mucho más a quien no había aprendido que a quien sí. Es exactamente lo que la IA generativa puede estar rompiendo al desacoplar los entregables y las pruebas de evaluación del aprendizaje, dado que el coste de emitir la señal se hunde, y se hunde por igual para todos. Cuando la señal deja de informar, quien la recibe deja de fiarse de todas: el egresado que sí aprendió “paga” por los que no, y el valor del título, de todos los títulos, se degrada. Es la vieja lógica del mercado de los limones que describió Akerlof: cuando el comprador no puede distinguir la calidad, lo malo acaba expulsando a lo bueno.
Esto es lo que hace que la crisis de credibilidad, siendo la menos estratégica de las tres, sea tan importante y tan urgente. No estamos ante una crisis de trampas individuales, sino ante una crisis sistémica de confianza. Y las crisis de confianza no evolucionan de forma gradual: se acumulan en silencio y estallan de golpe, como sabemos por las crisis financieras, construidas también sobre riesgo moral. La velocidad a la que cambia la tecnología y a la que la adoptan los estudiantes reduce el margen temporal de reacción antes de pagar las consecuencias y pone en serios problemas a universidades caracterizadas por su lentitud constitutiva.
Restaurar la credibilidad usando solo, o principalmente, más vigilancia, más control y más tecnología defensiva, sin tocar el significado y el método, sería ganar la batalla equivocada, y por poco tiempo. Sin embargo, puede que esta crisis, precisamente porque explota antes, sea la que obligue por fin a las universidades a enfrentarse a las otras dos preguntas, las importantes: qué hay que aprender hoy, y cómo.
"el proceso de producir se ha desacoplado del proceso de aprender." Creo que hay que guardarse esta frase como aforismo o "idea resumen" de muchas cosas que pasan. Y que sirven para empezar a pensar en "soluciones". Uno piensa -como lo pensaría alguien especulanbdo en un bar, no me hagan mucho caso- que lo que hemos conocido como educación superior sólo podrá existir forzando a un aprendizaje casi del mundo previo, algo de convento, algo de analógico a la fuerza: leer (de leer los clásicos, sea de cultura general, de una categoría, de todo lo que ha conformado un corpus de conocimiento), leer y leer, y debatir y debatir y debatir de palabra y voz, con reglas públicas: forzar a contradecir, a defender, a encontrar la cita que te apoya en papel. Me dejo la experiencia: metámosla en el potaje. Y solo después llegar al LLM. Pero ¿y si esto crea una nueva educación de élite porque sólo unos pocos podrán hacer esto bien con acceso al mentor que es capaz de decirte y contradecirte, lo que has de leer, cómo has de contradecir, etc.? A lo mejor me estoy haciendo una paja mental.
Muy interesante y valiosa tu reflexión Juan. Nos pone frente a un escenario que vivimos desde diferentes visiones. La preocupación acerca de alternativas para nuestros seres queridos en edad estudiantil, las opciones de desaprender y reaprender para nosotros. ¿Con qué elementos contar para transmitir nuestros conocimientos en la "Creator Economy", qué criterios de evaluación tener cuando buscamos talento para contratar colaboradores, en qué lenguaje y por que medio comunicarnos interactuar entre las 6 generaciones con y entre las que convivimos ahora? ¿En este entorno qué papel juega la educación universitaria tradicional deductiva ante los modelos disruptivos de educación inductiva?