En un artículo reciente propuse que la universidad se enfrenta a una inminente crisis de credibilidad, la primera de las tres crisis que la IA generativa está provocando en la educación superior. El argumento central es que los dos grandes tipos de evidencias sobre los que descansa la evaluación, los exámenes y los entregables, han dejado de probar de forma robusta lo que decían probar. Hoy es posible producir un trabajo impecable sin haber aprendido nada, y el resultado es una apariencia de aprendizaje que infla las calificaciones mientras el aprendizaje real puede estar reduciéndose de forma sustancial. Dado que el título universitario funciona socialmente como una señal, cuando este deja de informar el problema supera la escala individual y se convierte en sistémico, un riesgo moral cuyas consecuencias pagan otros, empezando por los estudiantes honestos.
Ese diagnóstico, que puede sonar abstracto, tiene ya crónica propia. Pocas la han contado desde dentro con tanta fuerza como el reportaje que Hua Hsu publicó hace más de un año en The New Yorker, What Happens After A.I. Destroys College Writing?, un testimonio directo de estudiantes, en aquel caso de humanidades y ciencias sociales, que usan la IA para casi todo, y de profesores que descubren que buena parte de sus instrumentos de medida han dejado de funcionar como esperaban. Lo que entonces podía parecer una particularidad de las asignaturas centradas en la escritura es hoy un fenómeno general, y cerré mi análisis de las crisis de la universidad señalando que existen ya alternativas pedagógicas, metodológicas y tecnológicas para recomponer el vínculo entre evidencia y aprendizaje. Este texto se ocupa de ellas.
Conviene precisar antes que la irrupción de la IA generativa ha traído a la evaluación universitaria, al mismo tiempo, problemas y oportunidades. Uno de esos problemas se enfoca en el comportamiento actual del estudiante, que puede producir entregables impecables sin aprender, y obliga a rediseñar la evaluación para que vuelva a basarse en evidencias que solo se producen aprendiendo. En contraste, una de las principales oportunidades se centra en el profesor, porque esa misma tecnología permite amplificar su trabajo justo donde el tiempo siempre fue el cuello de botella, la retroalimentación (consecuencia directa de la evaluación formativa), sin sustituir su juicio. Este texto aborda el problema; la oportunidad, que puede ser además parte de la solución, tendrá su propio artículo, el tercero de esta serie.
Buena parte de la información y de las observaciones que siguen procede de los proyectos que realizamos desde Eutika con universidades y, en especial, del Plan IMPULSO Docente de la UC3M, donde hemos tenido la oportunidad de acompañar a numerosos profesores en el rediseño de sus asignaturas y en particular de sus procesos de evaluación. Estos proyectos nos han permitido conocer de primera mano estrategias pedagógicas muy diversas puestas en marcha por profesores e instituciones, y realizar en paralelo nuestra propia investigación sobre el tema (documental, mediante talleres de diseño y sesiones de diálogo grupales y entrevistas individuales). Como parte de ella presentamos aquí algunos resultados iniciales de una serie de entrevistas en profundidad que hemos realizado a 65 profesores universitarios, de las que 57 cuentan con transcripción completa y forman el corpus de análisis, para comprender los procesos de evaluación de sus asignaturas, los problemas que han detectado y cómo los están abordando; se trata de datos todavía inéditos que aparecen a lo largo del texto como soporte del argumento. Las ideas, en cualquier caso, van más allá de esos proyectos concretos. A lo largo del texto aparecen prácticas reales de ese profesorado, siempre anónimas e identificadas solo por área de conocimiento.
Lo que sigue ofrece un marco, un esbozo de caja de herramientas y algunos casos que pueden inspirar o dar pistas; en ningún momento pretende ser un protocolo de aplicación estructurada. De hecho, las soluciones reales del profesorado que hemos ido descubriendo, observando y acompañando son deliberadamente heterogéneas, porque dependen de la disciplina, del curso, de la madurez del estudiante y del grado en que la IA penetra en cada campo, y esa diversidad no es ruido sino la propia realidad.
Un marco estratégico para repensar la evaluación
Antes de entrar en el diagnóstico y en las soluciones hace falta un marco que, paradójicamente, la educación superior suele pasar por alto y que, desde mi punto de vista, debe incorporar tres dimensiones que tendremos presentes en cada decisión de rediseño. La primera se refiere a las funciones que la evaluación cumple. La segunda, al papel que puede y no puede seguir jugando el examen tradicional. La tercera, a la relación entre aprendizaje, lentitud y fricción cognitiva.
1. Las dos funciones de la evaluación
La evaluación cumple en la universidad dos funciones de naturaleza distinta y complementarias. La evaluación sumativa juzga el nivel de aprendizaje alcanzado, se traduce en calificaciones y permite acreditar conocimientos y habilidades ante terceros. La evaluación formativa, en cambio, acompaña el proceso mientras sucede, convierte los errores y los avances del estudiante en información útil para mejorar, y no necesita nota alguna para cumplir su propósito.
Un problema grave y rara vez declarado de la educación superior es que habitualmente utiliza las mismas evidencias y las mismas pruebas para ambas funciones. Lo que aparenta ser una ganancia de eficiencia se convierte en la práctica en un resultado perverso por tres razones. La primera es normativa, porque la evaluación sumativa es la que el sistema regula y exige, de modo que domina los diseños mientras la formativa queda relegada a la buena voluntad y al tiempo disponible del profesor. La segunda es temporal, porque la sumativa aporta más valor cuanto más cerca del final del proceso de aprendizaje se sitúa, mientras que la formativa lo aporta al principio, cuando todavía hay margen para cambios y mejoras. La tercera es de incentivos, porque cuando una misma evidencia sirve para calificar y para acompañar se produce un choque en el que casi siempre gana la nota. La conversación entre profesor y estudiante deja de tratar sobre el aprendizaje y se convierte en una negociación sobre la calificación, y de poco sirve retroalimentar en momentos en los que el estudiante está condicionado para no priorizar la mejora, cuando el acompañamiento solo es útil si provoca cambios reales.
La crisis abierta por la IA agrava este problema y lo hace en una doble dirección. El problema ataca directamente a la evaluación sumativa, la que produce las señales que la sociedad utiliza, al invalidar la función acreditativa de los entregables; pero arrastra en su caída a la función formativa que compartía instrumentos con ella, de modo que los problemas emergentes de la sumativa se convierten también en problemas adicionales para el acompañamiento del aprendizaje. Hay, sin embargo, una observación que nos indica que cuando la calificación desaparece de una actividad, desaparecen con ella los incentivos para falsearla, porque hacer trampa en un ejercicio que solo sirve para aprender carece de sentido. En nuestras entrevistas, 40 de 57 profesores declaran que están implementando con resultados positivos el desacople entre la evaluación formativa y la calificación para responder a la crisis de las evidencias y pruebas falseadas por la IA. En síntesis, abordar el problema de la IA implica, entre otras acciones, desacoplar las dos funciones de la evaluación, y eso es exactamente lo que el sistema necesitaba desde hace mucho tiempo.
Estas implicaciones explican también por qué el asunto merece algo más que una respuesta técnica. La investigación pedagógica acumulada desde hace décadas, desde el trabajo clásico de Black y Wiliam hasta el modelo del feedback de Hattie y Timperley, muestra que la evaluación formativa, la gran olvidada del sistema universitario, es una de las palancas más potentes que existen para mejorar el rendimiento académico de los estudiantes, y análisis recientes, como el del Minerva Project, llegan a conclusiones equivalentes al replantear la evaluación auténtica en la era de la IA. Un rediseño de la evaluación que solo protegiera la función acreditativa, sin recuperar la formativa, resolvería el problema equivocado.
2. Las limitaciones, y las perversiones, del examen tradicional
Ante la falsificación potencial de las evidencias, la respuesta más inmediata consiste en regresar al examen tradicional, que suele ser una prueba escrita, en formato analógico y presencial, centrada en la evaluación de conocimientos (no es el tipo de prueba más adecuada para medir habilidades y mucho menos actitudes o valores). Esa prueba es, en efecto, relativamente robusta frente a la IA, aunque deja de serlo cuando se aplica de forma masiva y el control se vuelve complejo y costoso, como mostró el caso de la UNAM que analicé en el artículo anterior. Reconocer esa robustez relativa no convierte al examen tradicional en una buena solución. Convertirlo en la prueba canónica, o siquiera en la dominante, plantea dos problemas de fondo.
El primero es pedagógico. Volver al examen de conocimientos como única evidencia supone regresar a unos enfoques de evaluación que habían ido perdiendo relevancia por buenas razones, a medida que se incorporaban métodos capaces de reconocer otros procesos de trabajo y otros tipos de aprendizaje. Tiene poco sentido sostener enfoques de aprendizaje activo, con proyectos, retos y trabajo cooperativo, si al final solo se evalúa mediante un examen clásico. Resulta incluso contraproducente, porque el tiempo que el estudiante dedica al proceso compite con el tiempo de estudio que ese examen premia, y el diseño acaba castigando precisamente a quien se implica en el aprendizaje más valioso.
El segundo es de coste y de escala. Un sistema que descanse casi por completo en pruebas analógicas y presenciales exige una inversión de tiempo y de trabajo difícil de sostener con grupos grandes, resulta inaplicable en los formatos online que necesitan los nuevos perfiles de estudiantes a los que la universidad puede hoy prestar servicio, y consume unos recursos docentes que serían mucho más valiosos invertidos en el acompañamiento mediante evaluación formativa, cuyo efecto sobre el aprendizaje está sólidamente documentado.
3. La necesidad de lentitud y fricción cognitiva
La tercera dimensión del marco se enfoca en el propio proceso de aprendizaje. La IA usada sin criterio erosiona las capacidades que el aprendizaje necesita, y en este sentido es necesario distinguir el hecho de que se puede acelerar la creación de un proyecto sofisticado del hecho de que no se puede acelerar el aprendizaje de las competencias necesarias para hacerlo, porque aprender exige fricción, esfuerzo y tiempo, una cierta lentitud que no admite aceleración ni externalización. Por primera vez una tecnología externa permite cortocircuitar ese proceso de forma masiva.
De ahí surge una paradoja que conviene tener presente, la de que para usar bien la IA hay que haber desarrollado antes capacidades cognitivas sin IA, y una consecuencia de diseño, la de que la exposición a procesos lentos, que antes ocurría sin que nadie la planificara, hoy solo sucederá si se diseña deliberadamente. De esta dimensión me he ocupado en Aprender lento para pensar rápido y en el trabajo que lo sustenta, Slow First, Smart Later. Rediseñar la evaluación y proteger los procesos lentos de aprendizaje son dos movimientos del mismo rediseño; este texto se ocupa del primero, y al segundo, que pertenece a la crisis de método diagnosticada en el primer artículo, regresaré en el cierre de esta serie.
La conclusión de este triple marco es la tesis del artículo. Ni la vigilancia tecnológica ni el repliegue hacia el examen tradicional responden al problema; lo que hace falta es repensar y rediseñar la evaluación protegiendo sus dos funciones y los procesos lentos que el aprendizaje exige. Las secciones que siguen recorren primero el diagnóstico del problema y después el método, las herramientas y las tensiones del rediseño.
Cómo diagnosticar
1. El síntoma: la apariencia de aprendizaje
Durante décadas hemos dado por buena una equivalencia silenciosa según la cual un trabajo entregado y que fuese correcto en su forma y su fondo implicaba necesariamente la existencia de un aprendizaje para su generación. El entregable, fuera un informe, un problema resuelto, un ensayo o un fragmento de código, funcionaba como evidencia de un proceso que no observábamos directamente (el trabajo del estudiante), pero cuyo contexto permitía asegurar que existía y que el aprendizaje era real. La IA generativa ha roto esa equivalencia, y el fenómeno dista de ser marginal. Es lo que el profesorado describe, una y otra vez, como una apariencia de aprendizaje, hecha de entregables generados por algoritmos externos que se ejecutan sin dejar rastro (o con rastros que implican mucho esfuerzo para su detección), de una falsa sensación de saber que reduce radicalmente el esfuerzo cognitivo del propio estudiante, y de un efecto perverso sobre unas calificaciones que se inflan mientras la comprensión real se desploma. En nuestras entrevistas (realizadas entre abril y junio de 2026), los usos de IA que producen esa apariencia de aprendizaje emergen como nudo crítico en 25 de los 57 casos, y aparecen con presencia clara o tangencial en 37.Como anécdota, en estos últimos meses, y quizás por primera vez, he escuchado de forma insistente a numerosos profesores de diversas disciplinas que su principal función es lograr que “los estudiantes piensen”; no es que esa no haya sido siempre una de las principales funciones de la educación, pero paradójicamente no se declaraba como tal hasta que un factor externo ha obligado a la toma de conciencia.
La primera reacción, legítima pero insuficiente, es defensiva, y consiste en detectar, prohibir y blindar. Es la carrera de armamentos que describí en el artículo anterior, y puede llegar muy lejos. Sirva una anécdota. En una asignatura de electrónica, los informes de laboratorio exigían una foto de la pantalla del osciloscopio con el número de puesto visible como evidencia de haber realizado el experimento, hasta que los estudiantes empezaron a compartir y editar esas fotos con IA para cambiar el número y poder falsificarlas. Una falsificación digital de una prueba analógica resume el problema mejor que cualquier estadística. Perseguir cada nueva trampa es agotador y, a la larga, una batalla perdida, además de hacer que todo el sistema pierda su norte y deje de cumplir su misión.
Conviene además deshacer un malentendido frecuente, porque he observado en algunos casos la reacción visceral de abandonar los entregables sin más e incluso de abandonar como consecuencia los enfoques de aprendizaje activo como proyectos, casos o problemas. Los entregables siguen siendo una parte valiosa de un proceso de aprendizaje bien diseñado; lo que ha perdido sentido es utilizarlos como prueba para calificar. No se trata de renunciar a ellos sino de reservarlos para el acompañamiento, donde el incentivo para falsificarlos desaparece. La salida, en definitiva, no pasa por vigilar mejor sino por rediseñar, y el primer paso en cualquier asignatura consiste en distinguir qué evidencias siguen funcionando como prueba de aprendizaje y cuáles conservan solo la apariencia.
2. La raíz: el acoplamiento entre nota y entregable
Conviene nombrar bien el problema, porque el nombre contiene la solución. Su raíz no es la IA sino el acoplamiento entre la nota y el entregable. Cuando la calificación depende directamente de la calidad formal y de contenidos de lo entregado, y existe una herramienta capaz de producir esa calidad en segundos eliminando la mayor parte del esfuerzo que implica aprender, el incentivo para externalizar el trabajo se vuelve sencillamente irresistible. Más allá de la responsabilidad ética de cada estudiante, estamos ante un problema de diseño. Como resumió un profesor, “más que de fraude se trata de que el estudiante se ha adaptado a los nuevos tiempos más rápido que nosotros”. Los momentos evaluativos de una asignatura que más pesan en la calificación y que dependen solo de entregables falsificables son exactamente los elementos más vulnerables del diseño.
Visto así, el problema deja de ser una cuestión (solo) de vigilancia, de cómo detectar la trampa, y pasa a ser una cuestión de diseño, de cómo construir evidencias que no puedan falsificarse. El desplazamiento resulta liberador, porque el profesorado no necesita convertirse en policía de la IA; necesita volver a ejercer de diseñador de la evaluación como parte integrada de la experiencia de aprendizaje. Y hay algo más, que anticipa el enfoque para abordar el rediseño. La nota no tiene por qué decidirse en un único acto aislado; puede generarse al final de cada fase del curso integrando pruebas robustas junto con las observaciones, las evidencias y los datos que el proceso de aprendizaje va produciendo por el camino.
3. El giro: la IA no se combate, se desacopla
Si la raíz es el acoplamiento, la solución es desacoplar. La idea es simple de enunciar y transformadora en sus consecuencias. El proyecto, el trabajo largo o el hito sirven para aprender (sin IA cuando sea la mejor opción, o con diferentes estrategias de uso de la IA, que bien empleada es una herramienta poderosa para mejorar el aprendizaje, como desarrollo en Aprender lento para pensar rápido), mientras la nota se decide en unos pocos momentos robustos, diseñados para que solo se superen aprendiendo. En esos momentos confluyen dos tipos de insumos, las pruebas robustas propiamente dichas y el juicio del profesor sobre las observaciones y los datos obtenidos acompañando el proceso. Una prueba robusta cumple dos condiciones a la vez, la de no poder falsificarse y la de evidenciar aprendizaje en coherencia con lo que el proceso pretendía enseñar.
La guía que la Universidad de Sídney ha preparado para dar soporte a sus profesores lo plantea de una manera muy clara con la idea de los dos carriles de evaluación. Existe un carril seguro, presencial, oral o analógico, donde la evaluación no puede falsificarse, y un carril abierto donde el estudiante usa la IA libremente porque ese carril solo sirve para aprender y no para calificar. El carril seguro corresponde a la evaluación sumativa y el abierto a la formativa, en coherencia con el marco que propusimos al inicio. Desacoplar consiste en devolver a cada función de la evaluación sus propias evidencias, separando casi por completo la sumativa de la formativa. Como comentábamos, esta separación va a contracorriente de la práctica dominante de las últimas décadas en educación superior y es precisamente lo que la IA obliga a repensar.
El enfoque de Sídney tiene, con todo, una limitación que conviene señalar. Presenta los dos carriles como mundos separados, cuando en realidad el carril abierto genera observaciones y datos sobre el proceso de trabajo del estudiante que pueden ser esenciales para que el profesor emita su juicio en los momentos evaluativos. Los carriles se separan para proteger la señal, pero conviene tender entre ellos un puente de información que fluye en una sola dirección, del proceso hacia el juicio del profesor, nunca al revés.
Desacoplar disuelve buena parte del problema sin necesidad de prohibir nada o casi nada. Si la nota ya no depende del entregable que la IA puede producir, el incentivo perverso desaparece, y el estudiante puede usar la IA durante el proceso, como la usará un profesional en su trabajo, sabiendo que tendrá que demostrar en algún momento robusto que ha aprendido de verdad. Es lo que, por ejemplo, hicieron dos profesoras, una de economía de la empresa y otra de derecho procesal, al trasladar la calificación a una defensa dialogada del proyecto o caso y permitir la IA durante el proceso de trabajo del estudiante, declarada y con uso crítico, de modo que los entregables dejaron de ser el juez y la conversación ocupó su lugar. En un primer curso de programación el movimiento fue simétrico. El caso práctico en equipo dejó de puntuar, aunque sigue siendo obligatorio porque es donde se aprende, y la prueba robusta, un “examen” presencial (pero no tradicional enfocado a conocimientos), versa sobre lo que el equipo ha entregado y se realiza sin el apoyo de la IA. La pregunta operativa que abre todo el rediseño es sencilla: de cada actividad de una asignatura cabe preguntarse si está ahí para que los estudiantes aprendan o para calificarlos.
Cómo rediseñar
1. Diseñar hacia atrás: pruebas robustas, retroalimentación y concienciación
Revisar el uso que se hace de las evidencias y de las pruebas no es más que el detonante de un proceso de rediseño “hacia atrás” (backward design) de toda la experiencia de aprendizaje, y ahí reside posiblemente lo más valioso del rediseño de la evaluación, que deja de centrarse en la evaluación misma para abordar de forma integrada el proceso completo. El viaje de la asignatura discurre, como es obvio, de inicio a fin; el diseño, en cambio, comienza por definir el final y, a partir de ese objetivo, va rediseñando las fases previas. Conviene además pensar la asignatura como una línea de tiempo que se descompone en una o más fases, porque al final de cada fase pueden situarse momentos evaluativos, con sus pruebas robustas y con el juicio sobre las observaciones y datos del proceso, y no necesariamente un único momento al final del curso. La lógica es coherente con las guías recientes de rediseño de la evaluación para la era de la IA, como la de Philippa Hardman. Este proceso de rediseño podemos resumirlo en una secuencia de tres acciones:
Primero, definir las pruebas robustas. Antes que nada se decide cuáles serán los momentos y pruebas en los que el estudiante demostrará que ha aprendido, porque esas pruebas son el ancla de todo el diseño. No se trata de un detalle menor dado que una prueba robusta de verdad, por ejemplo una defensa oral ante tribunal, cambia el proceso entero, ya que exige dedicarle tiempo y obliga a simplificar y rediseñar todo lo demás.
Segundo, construir el journey o recorrido con hitos de retroalimentación. Una vez fijado el destino se diseña el camino, como por ejemplo un proyecto o trabajo largo jalonado de hitos donde el estudiante recibe retroalimentación, itera y mejora. En ese trayecto la IA puede ser una aliada del aprendizaje y se debe definir el uso y el andamiaje adecuados para el proceso que se busca. Los hitos cumplen además una función preventiva, dado que un modelo “a demanda”, donde el estudiante avanza y pide ayuda cuando la necesita, puede parecer adecuado porque potencia su agencia y su responsabilidad, pero se rompe ante un shock como el de la IA y, al menos en estos momentos, el problema se detecta tarde (estudiantes que sienten la apariencia de aprendizaje y consideran que no necesitan acompañamiento humano), cuando ya no tiene remedio.
Tercero, asegurar retroalimentaciones tempranas que generen concienciación. No basta con que las retroalimentaciones existan; deben llegar cuando todavía hay margen para cambiar la mentalidad y el proceso de trabajo del estudiante, y deben diseñarse para que tengan un carácter performativo, el de una escenificación temprana de las consecuencias del uso inadecuado de la IA. El primer hito funciona así como un golpe en la mesa y una señal de alarma. Es el momento en que el estudiante entiende, en su propia piel, que las reglas han cambiado, que las pruebas robustas solo se superan habiendo aprendido y que externalizar el trabajo no solo daña su formación sino que le llevará a suspender. Cuando la prueba es de verdad robusta, la falsificación se convierte en un autoengaño, en hacerse trampa a uno mismo, y esa toma de conciencia debe llegar pronto para que el estudiante pueda rectificar a tiempo. Existen versiones muy concretas de esta idea, como la prueba pequeña y muy temprana en la que se empiezan a poner “ceros simbólicos” que apenas penalizan, pero que avisan de las consecuencias cuando todavía hay margen.
2. La caja de herramientas para robustecer las evidencias
Robustecer la evidencia es solo uno de los elementos del proceso de rediseño, no el rediseño entero, pero merece su propia caja de herramientas. Una prueba robusta no es un único tipo de recurso, sino una familia de recursos complementarios, y conviene subrayar que la solución no pasa en general por seleccionar una herramienta sino por combinar varias con un enfoque coherente. De hecho, aisladas, casi todas resultan insuficientes (la declaración de uso, por ejemplo) o incluso perversas (el regreso al examen tradicional como única prueba). Cuatro componentes cubren el grueso de los casos.
Pruebas robustas propiamente dichas. Son los momentos de evaluación que la IA no puede falsificar, y comparten la constante de lo oral, lo presencial o lo analógico. Un examen en papel o sin material, una defensa oral dialogada donde la conversación revela si hay comprensión detrás, una entrega producida en la propia sesión, un cuestionario donde “la IA suspende” por estar anclado en lo ocurrido en clase, o el paso del trabajo digital al mundo físico, como en la asignatura de robótica donde el estudiante debe ejecutar y ajustar su programa en un robot real, de modo que generar el código con IA no basta porque el salto al dispositivo exige comprender lo que se ha construido. La infraestructura también cuenta, y así algunas universidades habilitan aulas con la conexión cortada donde examinarse en ordenador sin IA. Conviene recordar que los exámenes, incluidos los tradicionales, siguen formando parte de la caja de herramientas y son valiosos; el problema aparece cuando se convierten en la única o la principal herramienta, y si se quieren utilizar existen enfoques adecuados para que sigan siendo robustos. Para el lector en español existe una panorámica reciente de estas estrategias, de la evaluación situada a la defensa oral.
Coevaluación con errores sintéticos, o aprender criticando. Quien evalúa también aprende, porque no se aprende solo haciendo una tarea sino juzgando la de un tercero. Esta es la base de los procesos de autoevaluación y coevaluación entre pares, y por eso suelen funcionar bien cuando se diseñan para aumentar el aprendizaje y mal cuando se enfocan solo a generar notas por vías alternativas, entre otras razones porque se pierde el interés y la capacidad crítica del estudiante. En este terreno la IA juega a favor del profesor, porque hoy resulta fácil generar errores sintéticos por diseño en ensayos, respuestas o código, estableciendo además los tipos de sesgos, vacíos y errores que el docente elija, para que el estudiante los detecte y corrija. La ventaja es doble, ya que criticar un error exige comprender la materia y, de paso, entrena el análisis crítico del estudiante hacia los productos de la IA. Sobre todo, ofrece al docente un alto grado de control por diseño sobre aquello que quiere entrenar.
Transparencia, declarar en lugar de delatar. La transparencia es, más que una herramienta, un estado psicológico. Hoy en día, en la mayor parte de los contextos sociales, declarar que un trabajo se ha realizado con IA tiene una connotación negativa. Si la única consecuencia de admitir el uso es la penalización, el sistema empuja hacia la ocultación y se pierde el espacio compartido de diálogo. El movimiento necesario va del “lo voy a ocultar” al “lo voy a declarar, explicar cómo lo hice y, a partir de ahí, discutir qué aporta y qué no”. Una profesora de ingeniería mecánica lo resume bien. Tras un primer curso de trabajos vaciados de sentido a causa del uso inadecuado de la IA pasó a permitirla, exigir que se declare e identificar dónde falla (por ejemplo, en la generación de citas bibliográficas inexistentes), y resumía el cambio en la forma de trabajar de los estudiantes en esta frase: “ahora lo hacen bien, pero lo declaran; son conscientes de que lo que hay ahí [la producción, el entregable] es de ellos [son autores y responsables]”. Conviene reconocer que el proceso de declaración y sus detalles siguen siendo inciertos y confusos para el profesorado, con dudas evidentes sobre el alcance (si basta una nota o si debe adjuntarse la conversación completa con la herramienta) y sobre dónde queda la frontera entre el uso lícito y el que vacía el aprendizaje. Es, por tanto, un terreno por experimentar para definir las prácticas efectivas.
Subir el nivel de exigencia. Si la IA multiplica exponencialmente la capacidad del estudiante, el estándar del entregable, en forma y especialmente en contenido y alcance, debe subir en una escala comparable. Quizás el primer lugar donde se empezó a experimentar con este enfoque fueron los programas de las escuelas de negocio que utilizan proyectos de consultoría como herramienta de aprendizaje. En ese tipo de proyectos antes se exigía a los estudiantes un estándar de calidad equivalente al esperable de un perfil junior en un proyecto real, mientras que ahora se exige un nivel equivalente al de un senior. Este recurso tiene un límite que conviene reconocer, pues solo funciona con quien ya ha vivido la fricción cognitiva en otro momento, y en general no resulta aplicable en materias básicas, donde el objetivo es desarrollar los fundamentos del pensamiento y de la resolución de problemas.
3. Las tensiones del rediseño
Rediseñar no es indoloro, y es necesario reconocer los problemas emergentes que puede generar para poder incorporarlos y resolverlos de forma equilibrada con el resto del rediseño. En concreto, tres tensiones destacan sobre las demás.
La equidad en el acceso a las herramientas y a las infraestructuras. No todos los estudiantes disponen de la misma IA ni de las mismas destrezas para usarla. Como señalan los propios docentes, “la diferencia a veces está en la capacidad de pago”, y esa brecha crece. Rediseñar la evaluación tiene también esta dimensión de equidad, que debe resolverse asegurando una infraestructura institucional adecuada y accesible e incorporando el uso de estas herramientas en los procesos de aprendizaje (algo que además es parte de la evolución de los objetivos de aprendizaje que provoca la IA... y por tanto parte del abordaje de la crisis de significado).
Los estudiantes no son pasivos. Conviven ahora mismo, en general de manera incipiente, en los campus el activismo contrario a la IA de estudiantes que la rechazan por motivos éticos o ecológicos y la exigencia de responsabilidad hacia las instituciones por parte de quienes reclaman que las trampas no salgan gratis. Estas voces deben ser parte de la reflexión, y sus críticas deben tener respuesta en el propio rediseño o, cuando no la tengan, en argumentos sólidos.
La sostenibilidad del rediseño. Una prueba robusta mal dimensionada puede absorber una parte desproporcionada del curso y del tiempo docente. Tres lentes ayudan a revisar cualquier rediseño antes de aplicarlo: la carga de trabajo que implica para el profesor, la carga que traslada al estudiante y la factibilidad de su implementación alineada con la realidad en términos de grupos, disponibilidad de recursos (físicos, como aulas o laboratorios, y digitales) y calendario. Un rediseño impecable sobre el papel que no sea factible desde cualquiera de las tres lentes no sobrevivirá al primer cuatrimestre. De hecho, en Eutika estamos trabajando en una herramienta para apoyar el análisis de la sostenibilidad y la coherencia educativa del rediseño de la evaluación, que publicaremos en breve.
4. La ética como brújula, no como freno
La ética es una dimensión que atraviesa todo lo anterior y que aquí solo dejo apuntada, porque requiere un tratamiento en profundidad que excede este texto. Lo regulado por la universidad o por los gobiernos (como el marco de la propia Unión Europea) se configura como parte del contexto de uso de la IA por los estudiantes y por los profesores, pero deja amplias zonas grises, y está bien que así sea porque obliga a construir un criterio propio. La idea que debería ordenar ese criterio es simple y se basa en que la ética no debe ser el freno del rediseño sino su brújula; sin ella la tecnología avanza, pero nadie sabe hacia dónde, y el norte siempre debería ser el aprendizaje de los estudiantes.
En el terreno de este artículo, esa brújula se orienta sobre todo en dos ámbitos. El primero es la transparencia. Si se pide al estudiante que declare su uso de IA, la declaración tiene que funcionar como aprendizaje ético y no como delación, lo que exige desactivar el estigma de declarar. El segundo es la equidad, porque rediseñar la evaluación implica también decidir que la herramienta no amplíe la desigualdad de acceso y de destrezas que ya existe.
Un ejercicio útil para aterrizar este criterio consiste en escribir dos o tres compromisos con el formato «me comprometo a [acción], porque [razón], para que [resultado para el estudiante]». Dos ejemplos reales de profesores con los que hemos trabajado: «me comprometo a explicar en la guía docente cómo uso yo la IA al evaluar, porque la transparencia no puede ser unidireccional, para que declarar resulte tan natural para el estudiante como para el profesor», y «me comprometo a que toda actividad con IA pueda resolverse con las herramientas institucionales (gratuitas para el estudiante), porque el acceso desigual existe, para que la nota nunca dependa de quién puede pagar».
Por dónde empezar
En las conversaciones con profesores que están rediseñando su evaluación emerge, una y otra vez, una misma secuencia práctica que dejo aquí como síntesis operativa. Validar lo que ya funciona y evitar el repliegue defensivo; desacoplar la evaluación de la calificación; estructurar el aprendizaje como un proceso con hitos, que son oportunidades de retroalimentación; introducir coevaluación y documentación del proceso; asegurar una o más pruebas robustas; y simplificar y declarar las reglas de juego, con su argumentación, desde el primer día. No hace falta rediseñarlo todo de golpe. Basta con elegir el punto más vulnerable de la asignatura y convertirlo en robusto combinando recursos de la caja de herramientas.
El rediseño no va de cazar tramposos sino de volver a pedir la evidencia que solo se produce aprendiendo, y termina abriendo una puerta más importante e interesante que el problema que lo motivó. Desacoplar la nota del entregable devuelve al primer plano aquella evaluación formativa de la que hablaba el marco inicial, la palanca de aprendizaje que el sistema universitario había relegado. El error deja de ser un fallo que se penaliza y vuelve a ser el material con el que se construye el aprendizaje, y acompañar recupera su sentido original, que nunca fue simplificar la tarea ni ahorrar la fricción. Acompañar es lo que hace un entrenador, que no levanta el peso por el deportista pero lo observa, lo corrige y le da criterio para mejorar con su propia práctica. Una evaluación rediseñada así no es una respuesta defensiva contra la IA. Es una evaluación mejor, más alineada con el aprendizaje, y que resiste a la IA porque exige lo único que no se puede delegar, que sea el propio estudiante quien comprenda y piense de forma autónoma.
Queda la otra cara del fenómeno, la oportunidad. La misma tecnología que permite al estudiante falsificar evidencias puede amplificar el trabajo del docente justo donde siempre faltó tiempo, la retroalimentación. De ella me ocuparé en el próximo artículo. Y quedan, sobre todo, las dos crisis de fondo que el primer artículo dejó planteadas, las de método y significado, a las que dedicaré el cierre de esta serie.
Referencias
Todas las citas del texto, en orden alfabético.
Black, P. & Wiliam, D. (1998). Assessment and Classroom Learning. Assessment in Education, 5(1), 7–74 (y su versión divulgativa Inside the Black Box).
Eutika. El profesor en el centro de la transformación: el Plan IMPULSO Docente UC3M. Blog de Eutika.
Eutika. Nuestros ocho principios para la innovación educativa. Blog de Eutika.
Freire, J. (2026). Aprender lento para pensar rápido. Substack. Y el trabajo que lo sustenta: Rodríguez-López, J. & Freire, J. (2026). Slow First, Smart Later: Building the Cognitive Architecture for AI Integration Across Generations. SSRN.
Freire, J. (2026). La inminente crisis de credibilidad de la universidad. Substack.
Hardman, P. Post-AI Assessment Design: A Simple Three-Step Guide. Substack.
Hattie, J. & Timperley, H. (2007). The Power of Feedback. Review of Educational Research, 77(1).
Hsu, H. (2025). What Happens After A.I. Destroys College Writing? The New Yorker (título impreso: The End of the English Paper). Versión abierta.
Minerva Project (2024). A Systematic Approach to Authentic Assessment.
Universidad de Sídney, Teaching@Sydney. Aligning our assessments to the age of generative AI (el enfoque de los dos carriles).
Vinueza Garcés, A. B., Cedeño Gendes, J. C., Vera Sandoval, J. M. & Montoya Intriago, W. S. (2026). Evaluación auténtica en la era de la IA: estrategias para la integridad académica. Arandu UTIC, 13(1). Evaluación situada, defensa oral y rúbricas analíticas, en español.
Estaba pensando que... una excelente idea sería empezar a apoyarse en este newsletter para tener un inventario constante de prácticas e ideas para resolver este problema (y otros). Sigo un NL americano sobre medios que está creando una especie de base de datos de empresas que patrocinan NL. Si para autores, escritores, periodistas que quieren monetizar su contenido el reto es quién les monetiza, la información de qué persigue el dinero se vuelve esencial. Es decir: el modelo de negocio para el autor independiente ya está definido, lo que falta es entender la implementación. De ahí el traslado de la misma idea: todo el mundo va a asumir o asume que la evaluación se transforma. ¿Dónde tengo algo vivo donde tenga los ejemplos que me guíen para (re)diseñar el mío?