El problema no es la inteligencia artificial. El problema es la nota.

Esta es una de las conclusiones más interesantes que deja un informe interno del Instituto Tecnológico de Massachusetts (MIT) sobre el uso de la inteligencia artificial en la docencia, el aprendizaje y la investigación.

El informe advierte sobre lo que denomina “rendición cognitiva”, desde que el estudiante enfrenta una dificultad, recurre inmediatamente a un chatbot y obtiene una respuesta correcta y puede terminar con la sensación de que aprendió, cuando en realidad simplemente consiguió resolver el problema.

Pero el MIT no plantea que la herramienta sea el enemigo. El problema está en el incentivo.

Si al estudiante se le premia fundamentalmente por entregar una tarea y obtener una buena calificación, utilizar la herramienta que le permita hacerlo más rápido y con menos esfuerzo puede ser, desde su perspectiva, una decisión perfectamente racional.

Y aquí aparece la contradicción.

En una encuesta realizada por el propio MIT en el segundo trimestre de este 2026, el 75 % de los participantes dijo que la inteligencia artificial le permite hacer más trabajo y el 61 % afirmó que le ayuda a aprender. Sin embargo, el 68 % manifestó temor de volverse dependiente de ella para realizar sus asignaciones.

Es decir: la misma herramienta que los estudiantes consideran útil para aprender también les preocupa como posible sustituta de su propio esfuerzo intelectual.

El informe señala que esa dependencia puede estar asociada con menos pensamiento crítico, menor retención de información, menor confianza y un dominio más superficial de la materia. Pero el propio comité evita presentar esto como una sentencia definitiva. Habla de señales tempranas y de un problema que las universidades deben observar.

Y aquí está lo verdaderamente importante para los docentes.

¿Qué se está evaluando?

Porque si una tarea puede ser completamente tercerizada a una inteligencia artificial y el estudiante puede obtener la misma calificación que quien pasó horas investigando, razonando y escribiendo, entonces quizás el problema no está únicamente en el estudiante ni en la tecnología.

Está en el diseño de la evaluación.

El propio comité del MIT plantea algo incómodo: mientras las calificaciones sean el principal incentivo, los estudiantes tendrán razones para buscar el medio que consideren más eficaz para obtenerlas.

Incluso plantea que, en un escenario sin calificaciones, buena parte de los incentivos para delegar el trabajo intelectual en una IA desaparecería.

Esto cambia completamente la discusión.

No se trata de preguntarnos solamente cómo impedir que un estudiante utilice ChatGPT para hacer una tarea. La pregunta debería ser: ¿por qué se sigue asignando tareas que una máquina puede resolver completamente y que se puede calificar sin comprobar si el estudiante realmente aprendió?

La respuesta de las universidades tampoco debería ser una guerra contra la tecnología.

El MIT recomienda repensar las evaluaciones: utilizar más defensas orales, portafolios, proyectos, ejercicios realizados en el aula y trabajos en los que el estudiante tenga que explicar y defender lo que hizo.

También advierte contra confiar demasiado en los detectores de inteligencia artificial. Estas herramientas pueden equivocarse y terminar convirtiendo al docente en una especie de policía digital, mientras los estudiantes compiten con nuevas herramientas para evadirlas.

La solución puede ser mucho más sencilla: enseñar a utilizar la IA como una herramienta intelectual, de la misma manera que enseñamos a utilizar una fuente bibliográfica.

Verificar. Contrastar. Citar cuando corresponda. Cuestionar la respuesta. Y, sobre todo, no presentar como propio aquello que el estudiante no puede explicar.

El debate sobre inteligencia artificial en las universidades necesita menos alarmismo y más rigor.

La IA no va a desaparecer de las aulas. Tampoco tiene sentido formar profesionales para un mundo en el que estas herramientas no existen.

Lo que sí se puede cambiar es aquello que se premia.

Si el estudiante que busca comprender y el que simplemente consigue la respuesta reciben exactamente la misma nota, se está enviando un mensaje bastante claro sobre qué valoramos.

Quizás el problema no sea que lo estudiantes estén utilizando demasiado la inteligencia artificial.

Quizás el problema sea que todavía se está evaluando de una manera que hace demasiado fácil dejar de pensar.

El problema no es la IA. El problema es la nota.

Ing. Edgar Caraballo

Fuente:
Massachusetts Institute of Technology (MIT), AI Committee Final Report: Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training, 13 de agosto de 2026.
BPB
MIT, AI and Education — Report. MIT AI and Education⁠