Una investigación divulgada a mediados de noviembre de 2025 describió sistemas de inteligencia artificial capaces de acceder a plataformas educativas, seguir clases virtuales, resolver pruebas, entregar trabajos y finalizar cursos en línea con una intervención humana casi nula. Este hallazgo plantea una inquietud que va más allá del uso de herramientas como ChatGPT para redactar ensayos: si una máquina puede recorrer un programa diseñado para personas, ¿qué capacidades estamos realmente evaluando?
La respuesta no debería limitarse a vetar estas tecnologías ni a mejorar los mecanismos de detección. La inteligencia artificial exige repensar la evaluación universitaria: las instituciones tendrían que dejar de enfocarse en productos fácilmente automatizables y, en cambio, medir la capacidad de comprender, plantear problemas, verificar información, justificar decisiones y defender ideas, incluso utilizando la propia IA de forma regulada. La transformación educativa propone que el sistema debe asegurar los conocimientos fundamentales y formar estudiantes capaces de emplear la tecnología con autonomía y criterio crítico.
Los referentes tecnológicos y sus apuestas educativas
Algunas figuras destacadas del mundo tecnológico han impulsado modelos educativos alternativos, aunque sus experiencias no constituyen, por sí solas, prueba de que esos modelos sean superiores.
Elon Musk fundó Ad Astra en 2014, una escuela privada pensada inicialmente para sus hijos y los de ciertos empleados de SpaceX. Según explicó, la institución organizaba el aprendizaje en torno a problemas y habilidades, en lugar de priorizar la división por edades y las materias tradicionales.
Ad Astra luego pasó a llamarse Astra Nova. Actualmente se presenta como una escuela virtual basada en desafíos, con estudiantes de diversos países y actividades centradas en el razonamiento, la colaboración y la resolución de problemas. Synthesis, otra iniciativa vinculada al ecosistema educativo de SpaceX, también promueve el pensamiento sistémico, la solución de problemas y el trabajo en equipo. (Astra Nova, “About”; Synthesis, “About”)
Jeff Bezos optó por un enfoque distinto. Creada en 2020, Bezos Academy gestiona centros preescolares gratuitos para niños de familias con bajos ingresos. Su modelo, inspirado en Montessori, enfatiza la autonomía, la exploración y el aprendizaje activo.
Peter Thiel lanzó en 2010 la Thiel Fellowship, un programa que ofrece a jóvenes menores de 23 años una beca de 100.000 dólares durante dos años para desarrollar una empresa, un proyecto de investigación o una iniciativa, a cambio de abandonar temporalmente —o no iniciar— la universidad.
Estas iniciativas comparten una crítica a ciertos aspectos de la educación tradicional: la organización rígida por edades, el predominio de las materias convencionales y la vinculación automática entre formación y título universitario. Sin embargo, no permiten concluir que exista un único modelo alternativo ni que la educación tradicional haya dejado de cumplir funciones importantes.
Sí evidencian que una parte del sector tecnológico está experimentando con formas de aprendizaje centradas en problemas, autonomía y aplicación práctica. La pregunta clave es si esos enfoques pueden trasladarse a sistemas educativos masivos, diversos y sujetos a objetivos públicos.
¿Qué merece la pena aprender cuando podemos saber casi todo?
Durante décadas, muchos sistemas educativos dieron un peso considerable a la memoria, la repetición, el seguimiento de instrucciones y la capacidad de hallar una respuesta correcta. Esas habilidades siguen siendo necesarias en muchos contextos, pero algunas pueden ser automatizadas con mayor facilidad por los sistemas de inteligencia artificial.
Por eso, la expansión de estas herramientas reabre el debate sobre el equilibrio entre conocimientos básicos y capacidades de orden superior. Entre estas últimas se encuentran formular problemas, conectar disciplinas, evaluar fuentes, defender una idea, revisarla frente a nueva evidencia y decidir bajo incertidumbre. También adquiere relevancia saber qué preguntar y cómo verificar una respuesta.
La prohibición general de la inteligencia artificial en las aulas no parece una respuesta suficiente. La cuestión central es determinar en qué actividades su uso favorece el aprendizaje y en cuáles lo sustituye. Un estudiante puede pedirle a ChatGPT que redacte un ensayo completo; otro puede escribir su propio texto y utilizar la herramienta para identificar objeciones, errores o argumentos alternativos. La herramienta es la misma, pero el proceso intelectual es diferente.
Esto puede generar una nueva forma de desigualdad educativa. No se trataría únicamente de tener o no acceso a la tecnología, sino de contar con los conocimientos necesarios para utilizarla, evaluar sus resultados y reconocer sus fallos. Cuanto más convincente sea una respuesta automática, mayor será la importancia de verificarla.
¿Y entonces para qué sirve una universidad?
Durante siglos, las universidades concentraron tres funciones principales: producir y transmitir conocimiento, reunir a docentes y estudiantes, y certificar capacidades mediante títulos. Internet amplió el acceso a la información, mientras que la inteligencia artificial empieza a modificar la forma en que se produce, organiza y explica el conocimiento.
La certificación, sin embargo, sigue siendo una función central. Un diploma pretende indicar que una persona atravesó un proceso de formación y adquirió determinadas capacidades. Si un agente puede completar parte de ese proceso en nombre de un estudiante, las instituciones deberán reforzar los mecanismos que permiten comprobar qué sabe hacer efectivamente esa persona.
El problema no se limita al cheating. También afecta la credibilidad de las evaluaciones y de los títulos. Si las tareas pueden ser producidas por sistemas automáticos, una institución debe demostrar que sus métodos de evaluación distinguen entre la generación de un resultado y la comprensión necesaria para producirlo, revisarlo y defenderlo.
Una posible respuesta consiste en evaluar con mayor frecuencia capacidades difíciles de delegar por completo: defender una idea, resolver un problema nuevo, detectar errores en una respuesta de inteligencia artificial, conectar conocimientos, argumentar, crear y tomar decisiones justificadas.
También podría considerarse el uso regulado de inteligencia artificial durante algunos exámenes. En ese caso, las preguntas deberían exigir interpretar información, comparar alternativas, justificar decisiones y evaluar críticamente las respuestas de la herramienta. No se trataría de asumir que la IA vuelve innecesario el conocimiento, sino de comprobar si el estudiante puede utilizarla con criterio.
La tesis es, entonces, concreta: la universidad no debería evaluar si un estudiante puede producir sin ayuda un texto o una respuesta que una máquina genera en segundos, sino si puede comprender un problema, orientar una herramienta, controlar sus resultados y asumir la responsabilidad de sus decisiones. La IA no elimina la necesidad de evaluar; obliga a evaluar mejor.
¿Y Argentina?
Mientras en algunos sectores tecnológicos se discuten modelos educativos adaptados a un futuro con tutores de inteligencia artificial, Argentina enfrenta problemas previos de pobreza, permanencia escolar y aprendizaje.
Según Unicef Argentina, el 42,3 % de los niños y adolescentes vivía en hogares pobres durante el segundo semestre de 2025. El informe estimó que esa situación alcanzaba a unos 5,1 millones de menores de 18 años.
Además, un informe de Argentinos por la Educación indicó que 22 de cada 100 jóvenes de 15 años llegan en el tiempo esperado y alcanzan simultáneamente los conocimientos básicos en Matemática y Lectura. El cálculo combinó información sobre trayectoria escolar y resultados de las pruebas Aprender.
Estos datos no describen exactamente el mismo fenómeno. La pobreza refiere a las condiciones económicas de los hogares; el indicador educativo combina trayectoria y desempeño; y ninguno de los dos permite medir por sí solo la calidad de la experiencia cotidiana en el aula.
También es necesario distinguir entre matrícula, asistencia y aprendizaje. Las estadísticas disponibles permiten observar parte de las trayectorias escolares, pero no siempre muestran con precisión cuánto tiempo pasa cada estudiante en el aula ni qué aprende durante ese período. (Ministerio de Capital Humano, Secretaría de Educación, “Sistema Integrado de Consulta de Datos e Indicadores Educativos”).
Carlos Torrendell impulsó la alfabetización y la Matemática como prioridades nacionales durante su gestión al frente de la Secretaría de Educación. Dejó el cargo en febrero de 2025 y fue reemplazado por María Inés Baragatti.
En este contexto, la discusión sobre inteligencia artificial no puede reducirse a decidir si las escuelas deben incorporar una nueva herramienta. Argentina necesita una política con dos prioridades inseparables: garantizar que todos los estudiantes adquieran los conocimientos fundamentales y enseñarles a utilizar la IA para investigar, contrastar, crear y resolver problemas sin delegarle por completo su juicio.
La misma regla debería orientar a las universidades. Allí donde la IA pueda producir una respuesta, la evaluación debe trasladarse hacia el razonamiento que la sostiene: qué entiende el estudiante, qué pregunta formula, qué evidencia acepta, qué errores detecta y por qué decide una cosa y no otra. En la escuela, esto exige construir las bases; en la universidad, comprobar que esas bases se convierten en criterio profesional.
La pregunta ya no es solamente cómo incorporar inteligencia artificial a la educación. Es cómo rediseñar la educación para que la IA amplíe las capacidades humanas en lugar de reemplazarlas.
La inteligencia artificial debería transformar la evaluación universitaria: menos énfasis en productos automatizables y más en comprensión, verificación, argumentación y decisiones justificadas. Para Argentina, esa transformación solo será educativa si empieza por garantizar los aprendizajes básicos y forma estudiantes capaces de usar la tecnología con criterio propio.
Fuente: Infobae