El autor de esta columna sostiene que el desafío que plantea la inteligencia artificial para las universidades no es únicamente tecnológico, sino curricular: definir en qué momento los estudiantes deben aprender sin ella y cuándo esta herramienta puede incorporarse para potenciar capacidades ya desarrolladas. Concluye que «esa decisión no es administrativa: es ética y formativa, define qué profesionales tendrá el país. Un profesional bien formado puede respaldar lo que firma; el desafío de las carreras es poder respaldar, ellas mismas, los diplomas que estampan».

Imagen de portada: Supatman / Getty Images / Canva

En alguna sala u oficina de una universidad chilena, una profesora está decidiendo por sí misma si el ensayo que va a pedir este semestre puede escribirse en casa, presumiblemente con inteligencia artificial, o tendrá que hacerse en clase, en papel o sin conexión. Su colega unas puertas más allá decide lo contrario, y nadie está equivocado: la regla común que necesitan no existe todavía. Nuestras mallas curriculares no fueron diseñadas para una herramienta que no existía cuando se aprobaron. Pero mientras la responsabilidad recaiga en cada docente, las repercusiones también: menos estudiantes inscritos por reglas más rigurosas, peor evaluación docente por poner condiciones restrictivas, más quejas por imponer lineamientos “arbitrarios”. Y mientras esa decisión siga huérfana, sin dueño efectivo, cada docente decide por su cuenta y las y los estudiantes hacen lo razonable a corto plazo: elegir el camino que más les facilite aprobar.

Mientras tanto, lo que está en juego es la formación misma: con la IA sin gobernar, nuestros estudiantes pueden estar no sólo perdiendo capacidades que ya delegan, sino dejando de desarrollar las que constituyen el corazón de su futuro oficio profesional. La asimetría es conocida: al profesional formado, delegar le atrofia por desuso una capacidad que ya tenía; a quien está en formación, le impide formarla.

ABSTENERSE PRIMERO, AMPLIFICAR DESPUÉS

Esa decisión, la de cuándo y cómo entra la IA en la formación universitaria, necesita una forma concreta: un arco formativo. El que propongo aquí es abstenerse primero, amplificar después. ¿Qué quiere decir esto? Mientras una capacidad profesional se está formando, la IA queda fuera de la línea de trabajo que la forma, no por castigo, sino porque el esfuerzo que la IA ahorra es justamente el que deja la capacidad instalada. Una vez que la capacidad se ha formado, la IA se introduce o reintroduce como herramienta que amplifica las capacidades de quienes ejercerán la profesión. Entre la abstención inicial y la amplificación que la sigue, hay una bisagra, un checkpoint de dominio, una evaluación difícil de burlar o falsear, que corrobora que la capacidad ya existe en la persona. Así sabemos que la IA entra como amplificador de productividad, no como un sustituto al que se le delega el trabajo. Y este arco es el que necesitamos definir y diseñar a nivel curricular, no docente a docente, como una forma de hacerse cargo de esta tecnología que ha puesto en jaque lo que significa ser y formar profesionales.

Subyace aquí una sola pregunta que ordena todo lo demás: si nuestras carreras seguirán formando profesionales con oficio, capaces de pensar y juzgar lo que hacen y firman, y responder por ello, o terminaremos titulando “operarios de IA”.

La pregunta del arco puede hacerse etapa por etapa, y vale igual para la IA generativa y para los dispositivos en el aula, el celular y el computador incluidos: ¿esta tecnología ayuda a formar una capacidad, o hace el trabajo en lugar de la o el estudiante? Y tiene una pregunta hermana, que decide tanto como ella: ¿involucra en la instancia formativa, o distrae y desengancha de ella?

La escala del desafío no sólo parece grande; hemos visto que lo es. El mayor estudio disponible sobre uso de IA generativa en pregrado encuestó a 95.513 estudiantes de 20 universidades estadounidenses: dos tercios reconocen usarla en sus estudios, mal o bien, y las formas de uso y mal uso varían notoriamente por disciplina. La conclusión del estudio traza una hoja de ruta: la reforma de la evaluación tiene que ser específica por carrera o área, no una política uniforme. Y eso nadie puede lograrlo desde un solo curso.

Las universidades chilenas no se han dejado estar: están dictando lineamientos sobre inteligencia artificial, actualizando sus reglamentos y sosteniendo el tema en la agenda. Son pasos genuinos y en la dirección correcta. La conversación que suele faltar, y que necesitamos abrir, es la curricular: qué capacidades se propone formar cada carrera, en qué orden, y (esto es lo que nos convoca) cuándo entra la IA generativa en cada una. Esa conversación se resuelve al nivel donde se diseña la malla y se certifica el título: en la carrera, la escuela, la facultad, sea cual sea la forma en que cada universidad tome esas decisiones. Al sistema de educación superior y a las instituciones les corresponden las reglas y los lineamientos fundamentales; a la carrera, dibujar la trayectoria. Y esta distribución protege y potencia la docencia: el programa fija la secuencia y la integridad de los checkpoints; el método pedagógico queda en manos de cada docente.

La mejor ilustración de por qué la bisagra necesita un checkpoint la dio, sin proponérselo, un profesor estadounidense de la Universidad de Brown. En marzo, Roberto Serrano, quien lleva casi dos décadas enseñando allí economía del bienestar, aplicó su primera prueba parcial para la casa: el promedio fue 96 de 100, en una prueba deliberadamente más difícil que las de años anteriores. Sospechó lo obvio y anunció que el examen final sería presencial: el promedio cayó a 48,6, con 27 estudiantes menos en la sala. Sin planearlo, Serrano montó un checkpoint: una evaluación del dominio sin asistencia, difícil de burlar. Y el resultado no midió cuánta gente copió: midió cuánto de lo que esas notas decían no existía. Ese riesgo acompaña a cualquier evaluación para la casa, por supuesto; lo nuevo es la escala con que el uso de IA está contaminando nuestras formas de evaluar, empezando a vaciar de significado las notas que producen. El checkpoint es la evaluación que no se puede vaciar. Por eso pertenece al diseño de la carrera, y no al heroísmo improvisado de un docente que prefirió aceptar que su curso fracasó antes que pasar a estudiantes que no habían aprendido.

Un checkpoint no es un instrumento policial ni exige reinventar la evaluación: puede ser una prueba presencial sobre un caso nunca visto, una interrogación oral donde cada estudiante defiende su propio trabajo, o la tarea de encontrar el error escondido en un producto hecho con IA. Lo que exige es estar en la malla: previsto en la bisagra de cada capacidad, no diseñado una y otra vez por cada docente independientemente, ni menos improvisado a mitad de semestre.

Para Chile la secuencia importa especialmente. Tenemos un sistema masificado, estudiantes que llegan con preparaciones dispares y títulos que funcionan como señal de empleabilidad: aquí, que el título certifique el juicio profesional que su campo requiere no es un lujo académico, es la promesa que sostiene al sistema. El riesgo compartido es que los lineamientos se queden sin su segunda mitad: el cómo se verifica, carrera por carrera, que cada capacidad se formó antes de que la IA empiece a amplificarla.

Esa decisión no es administrativa: es ética y formativa, define qué profesionales tendrá el país. Un profesional bien formado puede respaldar lo que firma; el desafío de las carreras es poder respaldar, ellas mismas, los diplomas que estampan. Y la diferencia entre formar profesionales con oficio y terminar titulando “operarios de IA” no la va a decidir la tecnología: la va a decidir cada malla curricular.