He tenido la suerte de volver a estudiar en el último tiempo. Dos años en Singapur y ahora en Oxford. Como ChatGPT irrumpió en noviembre de 2022, me tocó ver el impacto de la IA como estudiante en universidades de primer nivel, en Oriente y en Occidente. En Singapur apelaban a la ética personal y promovían la autoconciencia de cuándo la IA te ayuda a aprender y cuándo no. En Oxford son más estrictos e intentan no permitir su uso en absoluto, lo que parece más una estrategia de disuasión que otra cosa. Aunque no lo admitirían públicamente, los dos enfoques revelan lo mismo. Ni siquiera las mejores universidades del mundo saben todavía qué hacer con esto.
La IA está haciendo cada vez más fácil hacer las cosas. Escribir informes, preparar presentaciones, crear ilustraciones, hasta componer canciones. Uno escribe un prompt, la IA lo hace, nosotros lo evaluamos, editamos y listo. Las pruebas corren poco riesgo, porque su formato presencial, sin internet y con supervisión, hace que la evaluación siga siendo fidedigna. El problema está en los trabajos. Ahí, por más que se apele a la ética o se intente disuadir, la IA termina metiéndose igual. En la Universidad de Reading infiltraron respuestas escritas íntegramente por IA en exámenes para la casa. El 94% pasó inadvertido, con mejores notas que los estudiantes reales.
Para pensarlo bien conviene distinguir tres cosas, en línea con lo que plantea Alina von Davier, jefa de evaluación de Duolingo. Habilidades humanas, habilidades de interacción humano-IA, y simple automatización. En las primeras, la pregunta es cuáles son precondición para saber juzgar y cuáles no. En básica se enseñan habilidades tan fundamentales que es fácil argumentar que todas seguirán siendo necesarias, como aprender a leer y escribir. En media, y más todavía en la universidad, la respuesta se complica. Uno podría defender que un diseñador gráfico necesita aprender a dibujar para poder evaluar y editar una ilustración hecha por IA. Para un contador o un abogado, no está tan claro.
Y hay algo más. Especialmente en la etapa escolar, saber hacer sigue siendo, en muchos casos, condición para saber juzgar. Los psicólogos Kruger y Dunning lo plantearon en 1999. Las destrezas que permiten producir una respuesta correcta son las mismas que permiten reconocerla. Un ensayo argumentativo de Lengua y Literatura, un informe de laboratorio de Ciencias o una disertación de Historia cumplen esa función. Históricamente los hemos evaluado con trabajos fuera del aula y sin supervisión. Hoy esos trabajos ya no permiten distinguir entre lo que hizo el estudiante, lo que hizo con ayuda y lo que simplemente delegó.
Al mismo tiempo irrumpe una serie de habilidades que antes no existían, o que eran privilegio de unos pocos. Saber qué preguntarle a la IA y cómo, guiarla hacia un objetivo, juzgar cuándo confiar en lo que entrega y cuándo corregirlo, revisar el resultado y hacerse responsable de él. Se parecen a las que un jefe desarrolla para dar instrucciones a su equipo, con la diferencia de que ahora cualquiera tiene a los mejores talentos del mundo al alcance de la mano. Un profesor podría evaluar la redacción de prompts, pedir una crítica a un texto hecho con IA, o incluir en la entrega los chats que el alumno usó para llegar al resultado.
Nada de esto se resuelve con un reglamento. Hay que rediseñar las evaluaciones sin supervisión desde cero, tanto para medir estas nuevas habilidades como para no terminar generando trabajo adicional sin sentido. Si no lo hacemos, lo único que vamos a conseguir es ampliar la brecha entre lo que evaluamos y lo que los estudiantes realmente aprenden. Según la OCDE, hoy el 51% de los estudiantes de 15 años usan IA con fines escolares, y ese número va en aumento. Para enseñar contenidos y evaluar conocimientos, la IA, usada a la edad y en el momento adecuados, no sólo es inofensiva, sino también beneficiosa. Para desarrollar y evaluar habilidades, pone en riesgo la existencia misma de los trabajos y proyectos tal como los conocemos.
Salvo algunas columnas aisladas, poco hemos discutido esto en Chile. Raúl Madrid, profesor de Derecho de la UC, se pregunta si corresponde prohibir la IA en las aulas y advierte, citando al MIT, sobre la deuda cognitiva de dejar de practicar. En básica yo sí la restringiría. En media sería tapar el sol con un dedo, y el costo político de imponer una prohibición y después levantarla sería mayor que el de orientar su uso desde el principio. Juan Pablo Figueroa, director de LAB·CIV, propone separar evaluaciones seguras, supervisadas y sin IA, de evaluaciones abiertas con IA regulada. Estoy de acuerdo, pero su foco está en la universidad, y deja abiertas las dos preguntas que más importan. Qué habilidades deben permanecer humanas, cuáles son nuevas, y cómo enseñarlas y evaluarlas en un mundo con IA.
La IA llegó para quedarse. En cuatro años hemos sido testigos y protagonistas de cómo cambió todo. Y lo que promete es bastante más grande todavía. La adopción humana sigue siendo más lenta que el desarrollo de los modelos, así que adaptarnos va a ser una tarea permanente. Pero en educación su uso ya es una realidad, y decidir qué habilidades deben seguir siendo nuestras y cuáles son nuevas es una de las preguntas más importantes que tenemos por delante. Primero identificarlas, después aprender a enseñarlas, y por último saber medirlas. Un metaanálisis de 54 estudios mostró que, cuando las calculadoras se integraron a la enseñanza y a las pruebas, las habilidades operatorias y de resolución de problemas mejoraron. Si pudimos hacerlo entonces, podemos hacerlo ahora.