Si la IA puede hacer el producto, ¿qué estamos calificando?

Llega el trabajo final y está impecable. La portada, ordenada; la redacción, limpia; las ideas, bien hiladas. Le pones diez sin dudarlo. Y a los pocos segundos te queda una molestia rara, de esas que no sabes nombrar: no tienes forma de saber si ese diez es del alumno o de la máquina que lo ayudó a hacerlo.

Durante años ese diez me bastaba. Yo evaluaba lo que tenía enfrente: el producto. Si el producto estaba bien, el aprendizaje estaba probado. Parecía lo más objetivo del mundo —calificar lo que se ve, no lo que uno supone—. Y funcionó, mientras hacer el producto y aprender fueran la misma cosa.

Ese amarre se rompió, y casi nadie lo anunció. La calificación de tu salón puede estar subiendo, los productos pueden verse mejor que nunca, y aun así probar cada vez menos. No porque tus alumnos hagan trampa. Por algo más incómodo: la evidencia con la que siempre calificamos dejó de ser evidencia.

Por qué el producto dejó de probar nada

Piénsalo con calma. Cuando calificas un producto final —un ensayo, una maqueta, una presentación, un documento— no estás midiendo el aprendizaje directamente. Nunca se pudo. Lo que haces es mirar el resultado y confiar en un supuesto: que para llegar ahí el alumno tuvo que pensar, investigar, decidir, equivocarse y rehacer. El producto era el rastro de ese camino. Calificabas el rastro y dabas por hecho el camino.

La inteligencia artificial rompió justo ese supuesto. Hoy el resultado se puede fabricar sin recorrer el camino. Y no es una impresión mía de maestro desconfiado: un informe de la agencia australiana de calidad de la educación superior, la TEQSA, sobre evaluación en la era de la inteligencia artificial, lo dice con todas sus letras. La IA generativa produce trabajos con calidad suficiente para aprobar muchas tareas, y —esto es lo grave— resulta muy difícil detectar de forma confiable si una máquina participó en una entrega. Junta las dos cosas: el producto puede estar impecable y tú no tienes manera segura de saber quién lo hizo. El objeto dejó de decirte lo que creías que te decía.

Ahí está el “inflado”. No es que alguien haga trampa a propósito, ni que tú te hayas vuelto menos exigente. Es que la misma vara de siempre ahora mide otra cosa. Un producto de diez ya no significa “aprendió diez”; significa “el producto quedó en diez”, y ese producto lo pudo terminar la máquina. La nota se mantiene alta mientras lo que hay debajo se vacía, y desde tu escritorio no se ve. Por eso es tan traicionero: no da la cara como un problema. Da la cara como un buen resultado.

Y no se queda en tu salón. Una calificación no es un número privado entre tú y el alumno; es una señal que leen otros. El regulador de exámenes de Inglaterra, Ofqual, lo plantea justo así: una nota y un título valen porque comunican lo que una persona realmente sabe hacer. Cuando un trabajo hecho con IA recibe una calificación como si probara la capacidad del alumno, esa correspondencia —entre la nota y lo que la nota promete— se debilita. Traducido: el que sigue en la cadena, el maestro del año que entra, la escuela, la familia, el trabajo que un día lo contrate, recibe un número que ya no respalda lo que dice respaldar. El inflado no te roba a ti; le miente a todos los que confían en esa nota después.

No se arregla cazando a la máquina

La primera reacción, la que yo también tuve, es querer atrapar a la máquina: detectores, programas que “adivinan” si un texto es de IA, olfato de maestro veterano. Es tentador y es un callejón sin salida. Si ni siquiera los especialistas pueden reconocer de forma confiable esa participación, montar toda la evaluación sobre la caza es construir sobre arena.

Lo interesante es que, cuando uno mira hacia dónde se está moviendo la gente que estudia esto en serio, casi nadie apuesta por el detector. Una revisión reciente de Ncube y sus colegas juntó los estudios sobre evaluación en entornos atravesados por inteligencia artificial y encontró que las respuestas que se repiten van por otro lado: evaluar el proceso, trabajar en varias etapas, dar seguimiento continuo, pedir que el alumno explique su razonamiento, sumar momentos orales, hacerlo reflexionar sobre cómo usó la IA y combinar evidencias de distinto tipo. Ninguna de esas estrategias es un mejor policía. Todas son una mejor forma de reunir pruebas. El campo entero está haciendo el mismo giro: dejar de vigilar el objeto y empezar a mirar el camino.

Lo que sí se puede evaluar

Ese giro, para mí, es de puro sentido común de aula: si el producto final dejó de probar el aprendizaje, hay que probarlo en el proceso, que es lo único que la IA no puede recorrer por el alumno.

Suena grande, pero es concreto. Un proyecto no es un solo entregable que aparece al final: es una cadena de pasos, y cada paso deja su propia huella. En mi trabajo parto el proyecto en piezas —lo que hace cada clase, cada decisión, cada avance— y a cada pieza le pongo un instrumento ligero: una lista de cotejo breve, un semáforo de logro, un sello con una línea de retroalimentación, un boleto de salida. Nada pesado. No es una rúbrica monstruosa por actividad; es una marca rápida que deja constancia de que ese paso lo dio el alumno, cuándo lo dio y cómo.

Durante un tiempo me pregunté si no estaría inventando un remedio casero. Me tranquilizó descubrir que esta manera de evaluar tiene raíces mucho más viejas que ChatGPT. En la educación médica, Cees van der Vleuten y sus colegas llevan más de una década defendiendo lo que llaman evaluación programática: una decisión importante no debe descansar en una sola prueba, sino en muchos puntos pequeños de información, recogidos a lo largo del tiempo, donde cada uno sirve además para dar retroalimentación, y todos se juntan antes de emitir un juicio de peso. Dicho en mi idioma: una palomita, un semáforo o un boleto de salida no valen gran cosa por separado, y no tienen por qué ser una calificación definitiva cada uno. Valen cuando se acumulan. La solidez no está en cargar cada actividad con una rúbrica enorme; está en reunir muchas huellas ligeras. Eso, además, me quitó un peso de encima: no estaba reaccionando en pánico contra la IA, estaba llegando por otro camino a una idea que ya tenía cimientos.

El mismo informe de la TEQSA trae un ejemplo que podría ser el de cualquiera de nosotros: una evaluación de física que se parte en tramos y actividades para que se vea el cambio a lo largo del tiempo. Los estudiantes hacen visibles sus decisiones, incluso los caminos que no funcionaron, y cómo cada actividad se conecta con la siguiente. La entrega deja de ser un objeto único y se vuelve una colección de evidencias del proceso. Partir el proyecto, entonces, no es solo una manía organizativa: es lo que te permite tener varias pruebas en lugar de una sola, fácil de fabricar.

El portafolio: la historia clínica del aprendizaje

Todas esas huellas se guardan juntas en un portafolio. A mí me gusta pensarlo como la historia clínica del aprendizaje: no es un archivero de tareas, es el registro de cómo se construyó algo. Un producto final se puede fabricar en una noche; una historia clínica, no. El portafolio hace el proceso trazable, y esa traza es la que de verdad justifica la calificación. Cuando alguien te pregunte por qué ese alumno tiene diez, la respuesta ya no es “porque el trabajo quedó bonito”; es “porque aquí está el camino que lo hizo”.

Esto tampoco es una ocurrencia que se me haya cruzado a mí solo. Ya se está usando con ese propósito exacto. Laura Hancock documentó cómo, en proyectos finales de química —el tipo de trabajo que una IA podría escribir sin despeinarse—, incorporaron un portafolio para volverlos más resistentes a eso. Los estudiantes registraron la evolución del proyecto, sus reflexiones sobre lo que leían, las reuniones con quien los asesoraba, las decisiones que iban tomando. Y los profesores, al ser entrevistados, dijeron algo que a mí me resuena: el portafolio les dejaba ver mejor el progreso, acompañar el trabajo y —palabras mayores— sostener con más base la calificación que ponían, con una visión más completa que la que daba la entrega final. Es un estudio pequeño, universitario, hecho en otro país y con otra materia; no es una medición de lo que pasa en mi salón de telebachillerato. Pero es una voz más, desde muy lejos, diciendo lo mismo que yo veía de cerca: el proceso documentado cuenta una verdad que el producto solo esconde.

El producto final no desaparece: cambia lo que prueba

Nada de esto significa tirar el producto final a la basura. Significa cambiar lo que le pedimos probar. La rúbrica fuerte deja de mirar solo el objeto y suma criterios que la máquina no puede resolver en lugar del alumno: que lo explique con sus palabras, que lo exponga ante otros, que lo defienda, que diga qué aprendió y qué cambiaría.

Aquí la evaluación oral hace un trabajo que ninguna hoja entregada puede hacer. Samadi y Chee lo mostraron en cursos de análisis de datos: sumar una conversación breve al proyecto escrito les permitía preguntar por decisiones concretas, hurgar en el razonamiento y ver si el alumno de verdad entendía lo que había entregado. No reemplaza al proyecto; le pone encima una capa de evidencia que el papel no da. Y ahí está el punto fino: un alumno puede entregar un texto que no escribió, pero le cuesta muchísimo más sostener en voz alta, frente al grupo, un razonamiento que no hizo suyo. La socialización, la explicación y la reflexión no son adornos que se cuelgan al final. Son la parte de la evidencia que sigue siendo del alumno y de nadie más, la que no se puede subcontratar.

“Eso es más trabajo y más burocracia”

Sé lo que suena al leer todo esto, porque a mí me sonó igual: rúbricas, portafolios, orales, instrumentos por actividad… más papeleo para un oficio que ya vive ahogado en papeles. Si lo montas mal, sí, es una carga. Por eso el instrumento del proceso tiene que ser ligero de verdad. Evaluar el proceso no es escribir una rúbrica de diez criterios por cada paso; muchas veces es un sello, un color, una palomita, una frase. El peso de la evaluación se queda en pocos momentos fuertes; el proceso se acompaña con marcas rápidas que se acumulan.

Y no lo haces para atrapar a nadie. Ese es el cambio de fondo. No estás montando un operativo antitrampa; estás poniendo la evidencia donde todavía dice la verdad. La diferencia entre vigilar y evaluar es enorme: vigilar te pone en guerra con el grupo; evaluar el proceso te devuelve algo que la nota sola te estaba escondiendo —quién avanzó, quién se atoró, dónde y cuándo—. Eso, de paso, sirve para enseñar, no solo para calificar. Cada una de esas marcas ligeras es también una oportunidad de decirle algo al alumno mientras todavía puede corregir, no cuando ya entregó y no hay vuelta atrás.

Lo que una calificación debería certificar

Una calificación es una promesa que le haces a alguien más: al maestro que sigue, a la familia, a la institución, al propio alumno. Cuando pones un número estás diciendo “esto se aprendió”. Durante mucho tiempo el producto bastó para respaldar esa promesa. Ya no basta, y fingir que sí es firmar algo que no podemos cumplir.

Si el resultado se puede fabricar, la prueba del aprendizaje se muda al proceso. No es una moda pedagógica ni un castigo contra la tecnología: es lo que queda cuando el objeto deja de ser garantía, y es —lo hemos visto— hacia donde apuntan desde los reguladores hasta la gente que revisa la investigación. Y hay algo casi liberador en aceptarlo. Deja de pesar tanto si el alumno usó la máquina o no —eso vas a poder controlarlo cada vez menos— y empieza a pesar lo que sí decides tú: qué huellas le pides dejar por el camino. La calificación vuelve a certificar lo que siempre debió certificar: no la factura de un objeto terminado, sino el trayecto de quien lo hizo.