La educación superior se forjó durante generaciones sobre una premisa clara: el conocimiento era escaso y la universidad debía transmitirlo. Así, el docente explicaba, el estudiante tomaba apuntes, memorizaba contenidos y luego demostraba lo aprendido en un examen.
Sin embargo, la expansión de Internet empezó a erosionar este modelo. La inteligencia artificial generativa lo está haciendo con mayor velocidad.
Actualmente, un estudiante puede pedirle a una herramienta que resuma una lectura, redacte un ensayo, resuelva un ejercicio o proponga una respuesta en segundos. De esta forma, las universidades ya no solo están obligadas a digitalizar sus clases, sino también a redefinir qué significa aprender cuando el acceso a la información ha dejado de ser el principal problema.
La universidad ante el fin del monopolio del conocimiento
Para Luciano Velazco, CEO de Dionisio Romero University (DRU), casa de estudios 100% virtual, la educación fue diseñada para una realidad distinta, en la que los docentes concentraban el conocimiento y memorizar era una habilidad clave.
Hoy, la pregunta ya dejó de ser cuánto sabe un estudiante y pasó a ser qué puede hacer con esa información para resolver problemas.
Este es uno de los principales cambios que enfrenta el rol actual de la universidad. Sí, es verdad que la IA puede ofrecer explicaciones, sugerir ejercicios, detectar patrones de avance y entregar feedback inmediato.
Pero contar con una respuesta más rápida no es lo mismo que comprender mejor. La discusión de fondo no gira solo en torno a qué herramientas usarán los estudiantes, sino también a qué capacidades deberían desarrollar con ellas.
Personalización del aprendizaje: una promesa que no garantiza comprensión
Una de las mayores promesas de la transformación digital es la personalización del aprendizaje. La educación superior tradicionalmente funcionó bajo un esquema estándar: la misma clase, el mismo contenido, el mismo ritmo y la misma evaluación para todos los estudiantes.
Velazco afirma que una universidad diseñada desde el entorno digital busca romper esta lógica. Según explica a Sectoriales Tech, “la tecnología permite detectar brechas de aprendizaje, adaptar contenidos, recomendar ejercicios específicos y ajustar el ritmo de avance de cada alumno”. La meta es que la institución deje de trabajar sobre promedios y pueda responder con mayor precisión a las fortalezas y dificultades de cada estudiante.
Este enfoque puede atraer a muchos usuarios en América Latina, donde los estudiantes potenciales suelen alternar responsabilidades laborales y familiares. Sin embargo, si bien la modalidad virtual reduce barreras geográficas, de tiempo y de costo, también enfrenta un problema conocido: acceder a una plataforma no garantiza que el estudiante permanezca, complete un programa ni convierta el conocimiento en una oportunidad laboral.
Asimismo, la personalización tampoco está libre de riesgos. Una experiencia educativa puede parecer adaptativa porque ofrece respuestas rápidas, resúmenes o recomendaciones, pero quedarse en una capa superficial si no obliga al estudiante a analizar, contrastar y aplicar lo aprendido.
Javier More, docente de la Carrera de Ingeniería de Sistemas de la Universidad de Lima, advierte que la IA solo aporta valor educativo cuando acompaña el proceso formativo y no se limita a facilitar el acceso a respuestas. Para él, el rol docente es decisivo para evitar que estas herramientas se conviertan en mecanismos de consumo de información.
El riesgo es que el estudiante entregue trabajos mejor redactados, más extensos o técnicamente correctos, sin haber fortalecido su comprensión. En otras palabras, puede mejorar el resultado visible —una tarea, un ensayo o una presentación— sin que exista un aprendizaje proporcional detrás.
IA generativa en universidades: el riesgo de confundir desempeño con aprendizaje
La Organización para la Cooperación y el Desarrollo Económicos (OCDE) ha advertido que la IA generativa puede apoyar el aprendizaje cuando está guiada por principios pedagógicos claros. Sin ese acompañamiento, delegar tareas a una herramienta puede elevar el rendimiento inmediato, pero no generar avances reales en el aprendizaje.
Por ello, la discusión universitaria no debería reducirse a permitir o prohibir ChatGPT. La pregunta más relevante es qué tipo de actividades obligan al estudiante a demostrar criterio propio. Si una IA puede resolver una tarea en segundos, la evaluación necesita observar algo más que el producto final.
Evaluación universitaria con IA: del examen al juicio aplicado
La IA obliga a repensar la evaluación universitaria. Durante años, muchas instituciones usaron trabajos escritos, controles y exámenes como la principal evidencia de aprendizaje. Hoy, esas fórmulas enfrentan un problema evidente: resulta cada vez más difícil saber cuánto del resultado fue producido por el estudiante y cuánto fue delegado a una herramienta.
More plantea que las evaluaciones deberían dejar de medir principalmente la repetición de información y concentrarse en la aplicación del conocimiento para resolver problemas reales, justificar decisiones y defender propuestas.
Bajo esa lógica, los proyectos, los casos de negocio, las sustentaciones orales, las simulaciones y los trabajos colaborativos ganan relevancia. Un estudiante puede apoyarse en IA para analizar información o elaborar una primera propuesta, pero luego debería explicar por qué eligió una alternativa, qué supuestos utilizó, qué limitaciones detectó y cómo validó el resultado.
¿Cómo balancear la automatización con la personalización del aprendizaje?
Un curso de finanzas, por ejemplo, podría permitir el uso de IA para procesar información o construir escenarios, pero exigir al alumno que sustente su recomendación frente a un comité simulado. En una carrera de ingeniería, la herramienta puede ayudar a proponer soluciones técnicas, pero la evaluación debería centrarse en la capacidad de defender la arquitectura elegida, identificar riesgos y explicar sus implicancias.
La meta no es volver a una educación desconectada de la tecnología. Tampoco es convertir cada evaluación en una persecución para detectar el uso de IA. Se trata de rediseñar las actividades para que el estudiante no pueda completar el proceso sin demostrar comprensión, juicio y capacidad de decisión.
“Más que preguntarnos qué tareas hará la IA por nosotros, debemos cuestionar qué nuevas capacidades podremos desarrollar gracias a ella. La IA debe concebirse como un aliado que optimiza procesos y libera tiempo para que las personas se enfoquen en actividades de mayor valor, como la creatividad, la innovación, el pensamiento crítico y la resolución de problemas”, sostiene More.
