La inteligencia artificial está transformando rápidamente muchas áreas de nuestra sociedad. En el ámbito educativo, sin embargo, el enfoque sigue siendo más cauteloso que entusiasta. A pesar del potencial de la IA para revolucionar el aprendizaje, muchas universidades e instituciones académicas continúan imponiendo restricciones que, en lugar de fomentar un uso crítico y consciente, la tratan como una amenaza.

Muchas instituciones ven en la IA una amenaza a la integridad académica y, por ello, han adoptado enfoques restrictivos que limitan su uso en las aulas. Este tipo de respuesta refleja una resistencia al cambio, más que un intento serio de explorar las oportunidades que la IA puede ofrecer. Recientemente, hemos visto que algunas universidades en Estados Unidos han comenzado a rechazar solicitudes de admisión tras detectar el uso de IA en los ensayos de los estudiantes. Sin embargo, estudios recientes, como el publicado por …, han señalado un sesgo preocupante en estas herramientas contra estudiantes no nativos en inglés. Más del 61% de los ensayos escritos por hablantes no nativos fueron clasificados erróneamente como generados por IA, mientras que los textos de hablantes nativos fueron clasificados casi perfectamente. Este sesgo no solo limita el desarrollo de habilidades críticas, sino que también corre el riesgo de marginar a estudiantes internacionales en contextos evaluativos y educativos, perpetuando desigualdades en el acceso a oportunidades académicas.

Esta situación pone de manifiesto no solo el desafío de integrar la inteligencia artificial en entornos educativos, sino también un fenómeno más amplio conocido como delegación automática. Este concepto se refiere a la tendencia a depender completamente de la IA para realizar tareas, dejando de lado la supervisión crítica. En el contexto educativo, esta delegación automática puede tomar la forma de estudiantes que confían en la IA para redactar ensayos o resolver problemas sin entender completamente el proceso. Pero también ocurre a nivel institucional, cuando las universidades confían en detectores de IA para evaluar trabajos académicos sin considerar sus limitaciones y sesgos. Este artículo analiza cómo este fenómeno impacta tanto en el aprendizaje como en el desarrollo de habilidades críticas, y plantea la importancia de un enfoque equilibrado y consciente.

Integración en lugar de prohibición

En muchas universidades, la respuesta más común al avance de la IA ha sido la prohibición. Las políticas universitarias han comenzado a multiplicar los mensajes de “prohibido utilizar IA” en la entrega de trabajos académicos, con la insistencia de que todo contenido debe ser completamente original. Estas posturas parten de preocupaciones legítimas sobre la integridad académica y el riesgo de plagio, pero ignoran el potencial de la IA como una herramienta educativa.

En lugar de prohibir su uso, las universidades deberían enfocarse en enseñar a los estudiantes cómo utilizar la IA para potenciar sus habilidades, no para reemplazarlas. Cuando se emplea de manera ética, como en el caso de usarla como asistente de estilo, no debería ser motivo de penalización. Evaluar ensayos con detectores de IA presenta dificultades, especialmente para estudiantes que no dominan perfectamente el inglés. Algunos expertos sugieren que la evaluación debería centrarse en el contenido y en lo que el ensayo revela sobre el estudiante, más que en su estructura formal.

¿Nos volvemos mediocres al utilizar IA?

En el campo de la programación, el uso de IA ha generado otra preocupación importante relacionada con la calidad de los resultados generados. Los modelos de lenguaje, como los utilizados en herramientas de generación de código, se entrenan principalmente con datos disponibles públicamente. Esto significa que el código que producen está basado en soluciones existentes que están ampliamente accesibles en repositorios públicos, foros de programación o documentación general. Sin embargo, las soluciones más avanzadas, innovadoras o altamente especializadas suelen ser propietarias y están protegidas por restricciones de acceso, lo que las excluye del alcance de los modelos de IA. Como resultado, las propuestas generadas por estos sistemas tienden a ser soluciones más “convencionales”, que reflejan las prácticas estándar en lugar de ofrecer un enfoque creativo. Esto plantea inquietudes sobre la capacidad de estas herramientas para impulsar la innovación, resolver problemas complejos o satisfacer las necesidades específicas de entornos técnicos altamente especializados.

La IA puede aliviar la carga de las tareas más básicas de programación, como la depuración de errores, la escritura de código de scaffolding o codigo repetitivo. Sin embargo, esta automatización debe ir acompañada de una supervisión cuidadosa para garantizar que el código generado no sea “laxo” en calidad ni poco optimizado. Esta supervisión debe permitir a los programadores aprovechar la IA como una herramienta complementaria, manteniendo estándares de calidad y evitando que el uso excesivo de IA comprometa la calidad del trabajo o fomente una dependencia que limite el desarrollo de habilidades críticas.

Es importante enseñar a los desarrolladores a reconocer las limitaciones del código generado por IA y a saber cuándo es necesario optimizarlo o incluso descartar la solución propuesta por la máquina. La IA puede ser una excelente herramienta para tareas simples o para aprender los fundamentos de la programación, pero su verdadero valor surge cuando se desarrollan habilidades críticas y saben cómo mejorar lo que la IA les ofrece.

La colaboración activa con la IA

En el ámbito profesional, la IA está redefiniendo cómo se trabaja y se colaborará en el futuro. En lugar de simplemente utilizar la IA como una herramienta, empresas y profesionales han comenzado a abordarla como un “colega” con el que se co-crea, en lugar de delegar a ciegas. La clave está en que los usuarios aporten contexto, instrucciones detalladas y retroalimentación continua. Tal como explica el líder de Microsoft Jared Spataro, la IA representa un cambio profundo en la relación entre personas y tecnología, moviéndose hacia una colaboración activa que requiere habilidades de supervisión y dirección, no solo de uso instrumental. Este modelo de co-creación, más común en el mundo profesional, es un concepto que también debería implementarse en la educación para aprovechar el potencial de la IA sin que los estudiantes pierdan sus habilidades fundamentales.

Soluciones para un uso crítico de la IA

Para aprovechar los beneficios de la IA sin sacrificar el desarrollo de habilidades cognitivas clave, es necesario implementar varias estrategias en el sistema educativo:

• Educación sobre la IA y su funcionamiento: Los estudiantes deben aprender cómo funcionan las IA, los algoritmos detrás de ellas y sus limitaciones. Este conocimiento es fundamental para utilizarlas de manera crítica y eficaz, tanto en el aula como en el ámbito laboral.

• Fomentar el pensamiento crítico: La IA no siempre produce soluciones óptimas, por lo que es esencial enseñar a los estudiantes a evaluar críticamente las respuestas generadas. En lugar de aceptar ciegamente las soluciones proporcionadas, los estudiantes deben aprender a analizarlas y mejorarlas.

• Uso complementario de la IA: La IA no debe reemplazar el esfuerzo humano, sino complementarlo. Por ejemplo, en la redacción o programación, la IA puede ayudar con ideas iniciales o con tareas rutinarias, pero los estudiantes deben refinar el trabajo final y añadir su propia creatividad.

• Evaluaciones híbridas: Las tareas académicas deberían diseñarse de manera que requieran tanto el uso de la IA como la aplicación de habilidades humanas. Esto garantiza que los estudiantes no solo usen la IA para automatizar el trabajo, sino que también desarrollen habilidades críticas y analíticas.

• Desarrollo de habilidades para la delegación de IA: Tal como sugiere Marr, aprender a delegar tareas de manera efectiva a la IA será una habilidad crucial en el futuro. Esto incluye la capacidad de entender qué tareas pueden ser delegadas y cuáles requieren la intervención humana.

• Ética y responsabilidad en el uso de IA: Los estudiantes también deben aprender sobre los aspectos legales y éticos del uso de la IA, incluyendo la privacidad, el manejo de datos y la necesidad de evitar sesgos en los algoritmos. El uso responsable de la IA es clave para garantizar que estas herramientas sean utilizadas de manera justa y ética.

El futuro de la IA en la educación

La integración de la IA en la educación es inevitable. Las universidades no pueden permitirse ignorar una tecnología que está cambiando radicalmente la forma en que trabajamos y aprendemos. En lugar de prohibir la IA, deberían centrarse en formar a estudiantes capaces de utilizarla de manera crítica y creativa, aprovechando sus fortalezas sin perder de vista la importancia del juicio humano.

Como bien señala Bernard Marr, la delegación de tareas a la IA no es solo una cuestión de productividad; es también una forma de liberar tiempo para actividades que realmente requieren habilidades humanas, como la innovación, la creatividad y la resolución de problemas complejos. La clave no es evitar la IA, sino aprender a utilizarla de manera que complemente y potencie nuestras capacidades. Solo así podremos formar a la próxima generación de líderes y profesionales, preparados para enfrentar un mundo donde la IA será una parte integral de sus vidas.

Referencias

• The Right Way to Co-Create With AI
• AI Delegation: The One Skill You Will Need To Succeed In The Future Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. Published online July 10, 2023. https://doi.org/10.1016/j.patter.2023.100779