La desesperación silenciosa de los profesores en la era de la inteligencia artificial
La inteligencia artificial llegó a las aulas y, con ella, vino una sensación que muchos profesores todavía están intentando nombrar.
No es exactamente rabia.
No es resistencia a la tecnología.
Es algo más parecido al duelo.
Durante décadas, el corazón de la enseñanza estuvo en un lugar muy específico: ese momento en que un alumno tropieza con una idea difícil, lucha con ella y finalmente llega a algún entendimiento que es genuinamente suyo.
Ese proceso — desordenado, lento, a veces frustrante — siempre fue el punto.
Y ahora está desapareciendo.
La llegada de los large language models como ChatGPT transformó la relación entre estudiantes y el propio aprendizaje de una forma que ni optimistas ni pesimistas supieron predecir del todo.
Los trabajos llegan bien escritos, bien estructurados, con argumentos coherentes.
Pero algo esencial se perdió en el camino.
Este artículo se sumerge en esa tensión real, contada por quienes están dentro de las aulas todos los días, enfrentando una pregunta que no tiene respuesta fácil: ¿qué es la educación cuando el producto final puede ser generado por una máquina? 🤔
El lamento de Arjuna y la misión de enseñar
Existe un pasaje del Bhagavad Gita, un texto sagrado del hinduismo, en el que el guerrero Arjuna observa el campo de batalla de Kurukshetra y se da cuenta de que tendrá que luchar contra amigos y familiares. Tomado por la desesperación, cuestiona cuál es su deber ante una situación tan extraordinaria. Krishna entonces responde con una enseñanza que atraviesa siglos: cumple con tu deber sin apegarte al resultado.
Reciba el mejor contenido sobre innovación en su correo electrónico.
Todas las noticias, consejos, tendencias y recursos que buscas, directamente en tu bandeja de entrada.
Al suscribirte al boletín informativo, aceptas recibir comunicaciones de Método Viral. Nos comprometemos a proteger y respetar siempre tu privacidad.
El autor del artículo original de The New Yorker cuenta que descubrió esta historia en una clase de hinduismo en la universidad. No era exactamente un alumno dedicado, faltaba con frecuencia y sus notas no eran brillantes. Pero un profesor paciente, de esos que se encuentran en departamentos de religión en universidades del noreste de Estados Unidos, explicó el texto de forma accesible y generosa. Y esa explicación se quedó. Veinticinco años después, el autor todavía piensa en la desesperación de Arjuna y el mandato de Krishna.
Ese es exactamente el tipo de experiencia que está en el centro del debate sobre inteligencia artificial en la educación. La preocupación no es solo por el futuro del título o por el costo absurdo de las universidades estadounidenses. Es por ese instante en que un estudiante de diecinueve años se ve obligado a leer algo que jamás elegiría por cuenta propia y, guiado por un profesor, llega a un descubrimiento que cambia su forma de ver el mundo. ¿Cómo ponerle un valor a eso? ¿Cómo proteger esa experiencia cuando la IA puede entregar respuestas listas en segundos?
Lo que realmente cambió en el aula
Durante mucho tiempo, los profesores evaluaron a los estudiantes tanto por el proceso como por el resultado. Una redacción llena de tachaduras, una resolución de problema con el razonamiento explícito, un argumento mal construido que aun así mostraba que alguien estaba intentando pensar — todo eso decía algo. Decía que había un cerebro en desarrollo detrás de ese papel. Hoy, cuando un alumno entrega un texto impecable sobre un tema complejo, la primera reacción de muchos educadores no es admiración. Es sospecha. Y esa inversión, por sí sola, ya es una señal de que algo profundo cambió en la dinámica entre quien enseña y quien aprende.
La inteligencia artificial, especialmente los modelos de lenguaje de gran escala, llegó no como una herramienta opcional en un rincón del aula, sino como una presencia constante en la rutina de quien estudia. Investigaciones recientes indican que una proporción significativa de los estudiantes universitarios ya utiliza herramientas de IA para redactar, resumir o estructurar trabajos académicos con regularidad. No estamos hablando de casos aislados ni de trampas ocasionales. Estamos hablando de un comportamiento que se normalizó tan rápidamente que muchos jóvenes ni siquiera lo ven como problemático — al fin y al cabo, si la herramienta está disponible, ¿por qué no usarla?
Jane Sloan Peters, profesora de estudios religiosos en la University of Mount Saint Vincent, lo vivió en la práctica. Ella creó un curso llamado Letters from Prison, sobre lo que las personas a lo largo de la historia fueron capaces de soportar por causa de su fe. El punto culminante del curso era el momento en que los alumnos intentaban sintetizar un tema general a partir de todo lo que habían leído. Cuando comenzó a impartir esta materia hace cuatro años, los estudiantes luchaban para llegar a sus propias conclusiones. A través de lluvias de ideas y revisiones, eventualmente llegaban a un entendimiento que era personal y demostraba una implicación real con los textos.
El año pasado, todo cambió. Ninguno de los sesenta alumnos pareció tener dificultad con la tarea. Peters recibió resúmenes elegantes, del tipo que encontrarías en la contraportada de un libro, y temas de curso perfectamente genéricos que de alguna manera abarcaban todo sin decir casi nada. La sospecha de que la IA estaba detrás la llevó a añadir procesos de lluvia de ideas manuscritos al curso, con la esperanza de hacerlo a prueba de IA. Pero cuando presentó estas nuevas expectativas a la clase, algo inesperado ocurrió. Una ola de tristeza la invadió y se emocionó frente a los alumnos. Peters les contó que, antes de la IA, los estudiantes trabajaban duro para llegar a sus propias ideas. Ella ayudaba, ellos luchaban, pero llegaban a algo que era genuinamente suyo. Y que eso ya no ocurría.
La desesperación no es sobre tecnología
Conviene dejarlo claro: la desesperación que muchos educadores relatan no es tecnofobia. No es esa vieja historia de profesor resistiéndose al ordenador en los años 90 o a Google en los 2000. Es algo diferente y, de cierta forma, más perturbador. Porque esta vez, la tecnología en cuestión no solo facilita el acceso a la información. Sustituye el acto de pensar, al menos en su forma más aparente. Y eso plantea un desafío de orden filosófico antes incluso de ser un desafío pedagógico.
Peters y otros profesores consultados no culpan a los estudiantes, y dejan claro que no todos los alumnos acogen los cambios traídos por la nueva tecnología. Algunos estudiantes demuestran incluso indignación con profesores que simplemente permiten el uso irrestricto de IA. La frase que Peters escuchó de alumnos resume bien el sentimiento: ¿por qué no esperan más de nosotros que eso? Incluso aquellos que usan la herramienta, en algún nivel, quieren que se les exija un estándar más alto.
El problema, como Peters identifica, es que la IA llegó sobre un modelo transaccional de educación que ya existía desde hacía mucho tiempo. A los estudiantes se les dice que están en la escuela para obtener un título, un título que viene con un precio alto y, para muchos, una carga de deuda considerable. Son evaluados por el trabajo que entregan. Y como la IA permite que entreguen material que, en la superficie, parece de calidad razonable, muchos no entienden por qué es un problema tan grande cuando no pueden explicar lo que generaron. Peters confesó que siente oleadas de alivio cuando ve errores ortográficos y estructura gramatical precaria en los trabajos — porque eso significa que el alumno realmente está pensando por cuenta propia. 😔
Voces del frente: cómo la IA está transformando la enseñanza en Estados Unidos
El artículo original de The New Yorker recoge testimonios de doce profesores de universidades estadounidenses, cada uno ofreciendo su perspectiva sobre cómo la inteligencia artificial alteró su trabajo. Lo que emerge de estos relatos es un retrato complejo, a veces contradictorio, pero siempre cargado de emoción.
El miedo al fin de la carrera
Susanna F. Boxall, profesora de filosofía en la California State University en Chico, es directa: si su empleo todavía existe cuando cumpla cincuenta años, se considerará afortunada. Tiene cuarenta y cinco ahora. Para Boxall, la combinación de IA con el llamado demographic cliff — la caída demográfica que está reduciendo el número de estudiantes potenciales — está devastando la educación superior. Las grandes universidades de investigación pueden sobrevivir, pero instituciones más pequeñas como la suya van a encogerse o desaparecer.
Boxall describe las clases en línea post-IA como un simulacro de educación: los estudiantes fingen que aprenden y ella finge que está enseñando algo. Las clases presenciales todavía mantienen algo de rigor, pero ya no puede asignar trabajos para casa porque entre el setenta y el cien por cien de los alumnos usarán IA. En un semestre reciente, logró hacer una evaluación oral final con una clase de once alumnos, reservando un aula durante seis horas seguidas. Escalar eso para clases de ciento cincuenta estudiantes es simplemente imposible.
El cambio en la enseñanza de ciencias de la computación
Kevin Sun, profesor de ciencias de la computación en la University of North Carolina en Chapel Hill, también se muestra pesimista. El cambio más obvio en su enseñanza fue la eliminación de problemas difíciles en las tareas para casa, que solían ser un componente esencial del curso. Ha intentado usar la presión social como motivación, con cuestionarios en grupo y presentaciones en el aula, pero reconoce que hay límites para lo que un profesor individual puede hacer frente a fuerzas sistémicas como la inflación de notas, el mercado laboral y las evaluaciones de profesores hechas por alumnos.
Por otro lado, Sun reconoce beneficios: la IA le ayudó a crear programas de curso, planes de clase y exámenes. También creó actividades en las que los estudiantes evalúan código generado por IA, que puede estar correcto o contener errores sutiles. En las ciencias de la computación, la IA desplazó el énfasis de escribir código a evaluar código — y entrenar a los alumnos para eso es el nuevo desafío.
La reinvención de la sociología
Daniel Silver, profesor de sociología en la University of Toronto, relata que la IA cambió fundamentalmente cómo enseña. Invirtió tiempo creando simulaciones con múltiples agentes donde los alumnos crean representaciones de teorías de pensadores como Adam Smith y Max Weber, experimentando con ellas. El compromiso fue enorme para todos los involucrados, pero los mejores proyectos finales mostraron más creatividad y trabajo intelectual que el típico ensayo de segundo año.
Silver también adoptó un enfoque directo cuando detecta uso irreflexivo de IA. Convoca a los alumnos a conversaciones individuales de treinta a cuarenta y cinco minutos, les pone cero en el trabajo y les permite rehacerlo después de la conversación. Para él, lo más importante es que el estudiante sienta que alguien, especialmente un profesor, le está prestando atención a él y a lo que produce — algo que, desafortunadamente, es raro en universidades más grandes.
También muestra a los alumnos lo que llama trabajo de nivel de reemplazo, inspirado en el concepto de análisis deportivo de victorias por encima del reemplazo. Son variaciones de respuestas generadas por IA para los trabajos. Los estudiantes pueden ver claramente cómo todas se parecen. Esas son respuestas de nivel C, como máximo, y los alumnos entienden que necesitan producir algo mejor de lo que la máquina haría.
El drama de la enseñanza en línea
Elizabeth Strom, profesora de la School of Public Affairs en la University of South Florida, imparte muchas clases totalmente en línea y admite que no hay forma de impedir el uso de IA en ese formato. La mayoría de los alumnos no la conoce personalmente, ni conoce a sus compañeros, así que las normas sociales que refuerzan la autoría del propio trabajo simplemente no existen. Ella intenta formular actividades que dificulten evitar la lectura — pide citas, números de página, opiniones personales — pero reconoce que es posible sortear esas exigencias. Y con cincuenta alumnos, no quiere gastar su tiempo jugando a ser investigadora de quién escribió cada trabajo.
El profesor de teatro se convirtió en policía de plagio
Neal Hebert, profesor de teatro en la Grambling State University, quizás tiene uno de los relatos más impactantes. Él no analiza obras como literatura, sino que pide a los alumnos que las imaginen como los huesos de un cuerpo humano, que solo cobran vida cuando se realizan en el escenario. Los trabajos que solicita piden reflexión personal, como elegir dos palabras que describan el mundo físico de una obra y explicar por qué.
Cuando leyó los trabajos sobre la obra Fences, de August Wilson, la decepción fue inmediata. De cuarenta alumnos, la mayoría eligió palabras, frases y conceptos similares, todos escritos en ese estilo inconfundible de ChatGPT. Hebert compara el resultado a música de ascensor, pero en palabras.
¿La solución? Pasó a seleccionar obras demasiado oscuras para que ChatGPT tuviera información sobre ellas. Cuando la IA se usa en esos trabajos, alucina — inventa personajes, líneas argumentales, simplemente fabrica información. Pero Hebert lamenta haber dejado de ser un colaborador creativo para convertirse en un policía de plagio. Él quería ser el tipo de profesor que sus profesores fueron para él.
Alumnos de honor tercerizando sus propios pensamientos
Beth Ritter-Conn, profesora de religión en la Belmont University, describe el punto de quiebre: cuando descubrió que alumnos del programa de honor estaban usando IA para escribir diarios de reflexión. La única tarea era decir qué estaban pensando dentro de su propia cabeza. No había respuesta correcta ni incorrecta. Y aun así, algunos tercerizaron esa tarea a la máquina. Para Ritter-Conn, es imposible dar retroalimentación honesta cuando el trabajo no es honesto. Y es imposible ayudar a alguien a pensar sobre cómo quiere estar en el mundo si esa persona no está usando su propio cerebro para decir dónde se encuentra.
Fraude financiero y alumnos fantasma
David Song, profesor de estudios asiático-americanos en el East Los Angeles College, trae una dimensión preocupante que parece más específica de los colegios comunitarios. Además del uso rutinario de IA por parte de los alumnos reales, relata casos de fraude con ayuda financiera, en los que estudiantes falsos se matriculan en cursos y usan IA para completar los trabajos. Song recuerda haber notado algo extraño cuando, en su curso de introducción a la historia asiático-americana — en un colegio con alumnado predominantemente latino y asiático — aparecían tres o cuatro alumnos con nombres genéricos escribiendo publicaciones sobre cómo ya habían cursado otras asignaturas de estudios asiático-americanos. Para él, aquello simplemente no tenía sentido.
La esperanza todavía persiste en Houston
Jeremiah Croster, instructor de inglés en el Houston City College, trabaja en uno de los colegios comunitarios más internacionales de Estados Unidos, con alumnos procedentes de África, Asia, México, Centroamérica e incluso de Kazajistán. Estima que entre el cincuenta y el sesenta por ciento de sus alumnos presenciales y entre el ochenta y el noventa por ciento de los alumnos en línea estaban usando IA en el semestre de primavera de 2024.
Herramientas que usamos a diario
Croster pasó a usar exámenes escritos a mano en cuadernos azules, cambió respuestas escritas por vídeos en los que los alumnos hablan sobre los temas, y comenzó a deducir puntos por tropos comunes de la escritura de ChatGPT, como listas de tres ítems y uso excesivo de adjetivos. En su evaluación, ChatGPT todavía es un mal escritor, incapaz de lidiar con el riesgo existencial que implica crear una tesis realmente convincente.
Un colega de Croster solía decir que existen dos enfoques para la enseñanza universitaria: uno ayuda a los alumnos a obtener una educación y el otro ayuda a obtener un título. El enfoque del título ya estaba ganando antes de la IA. Ahora que ella llegó, la parte de la educación empieza a parecer algo que alguien va a escribir en un libro de historia. O quizás la IA lo haga.
Lo que los estudiantes están perdiendo sin darse cuenta
Los estudiantes que crecen delegando tareas cognitivas a la inteligencia artificial corren un riesgo que todavía no aparece en las notas ni en las evaluaciones, pero que va a aparecer en algún momento. La capacidad de razonar bajo presión, de construir argumentos sin apoyo externo, de lidiar con la frustración de no entender algo de inmediato — todo eso se desarrolla exactamente en las situaciones difíciles que la IA elimina con tanta eficiencia. Es como usar un GPS para cada desplazamiento y después descubrir que perdiste completamente la habilidad de orientarte en el espacio. El atajo funciona, pero el músculo se atrofia.
Existe además una cuestión de identidad intelectual en juego. Parte de lo que la educación siempre hizo fue ayudar a los jóvenes a descubrir cómo piensan, qué valoran, cómo estructuran sus ideas sobre el mundo. Un texto escrito por un alumno, aunque sea imperfecto, lleva las marcas de ese proceso de autodescubrimiento. Un texto generado por IA, por más sofisticado que sea, es una simulación estadística de cómo alguien podría pensar sobre ese tema. No es la voz del estudiante. Es una aproximación bien calibrada, pero vacía de experiencia personal. Y cuando esos textos se acumulan a lo largo de años de formación, ¿qué queda? ¿Cuál es el repertorio intelectual que ese joven lleva consigo cuando sale de la escuela o de la universidad?
Lauren Aulet, profesora de ciencias psicológicas y cerebrales en la University of Massachusetts en Amherst, resume bien la tensión. Para ella, la IA expandió lo que es posible hacer científicamente, reduciendo el costo de experimentar cosas computacionalmente. Pero esa misma herramienta que es genuinamente útil para la investigación puede ser desestabilizadora para la educación. La frase de Aulet es precisa: la IA me ayuda a programar no se traduce directamente en la IA es buena para las universidades. 🧠
El pájaro está en nuestras manos
Jane Sloan Peters cierra su testimonio con una referencia al discurso del Nobel de Toni Morrison en 1993. Morrison recuenta una fábula en la que unos jóvenes le preguntan a una anciana sabia si el pájaro que esconden detrás de sus espaldas está vivo o muerto. Ella responde: está en sus manos. El pájaro es el lenguaje.
En la relectura de Morrison, los jóvenes no son tontos ni burlones. Detrás de su provocación hay una petición genuina: que la vieja generación los tome en serio, que reconozca las formas en que les ha fallado. Peters ve un paralelo directo con la situación actual. Los estudiantes usan IA incluso cuando están aprensivos sobre lo que la tecnología significará para sus vidas. Y en algún nivel, están mirando a sus profesores en busca de orientación sobre cómo usarla — y, más que eso, en busca de afirmación de que sus palabras todavía importan. De que ellos todavía importan.
Caminos posibles en medio del caos
Algunos educadores e instituciones ya están experimentando enfoques que intentan coexistir con la inteligencia artificial sin renunciar a lo que hace que la educación sea significativa. Las evaluaciones orales volvieron a ganar espacio en universidades que las habían abandonado hace años. Procesos de escritura en múltiples etapas, con borradores, revisiones y justificaciones para cada elección, están siendo reintroducidos como forma de hacer visible el razonamiento. Algunas escuelas están apostando por discusiones en el aula, proyectos colaborativos presenciales y presentaciones en vivo como formas de evaluar lo que el alumno realmente internalizó.
Auyon Siddiq, profesor en la Anderson School of Management de la UCLA, representa el otro lado del espectro. Él incentiva el uso de IA para los detalles técnicos, como la codificación, para que los alumnos puedan concentrarse en los conceptos. Su clase hizo un examen totalmente abierto a la IA como experimento, con la única restricción de no poder fotografiar el examen con el teléfono. La media de la clase aún quedó en el setenta y cinco por ciento, porque los alumnos que estaban verdaderamente perdidos no fueron salvados por la IA. Para Siddiq, la herramienta liberó espacio mental para pensar más sobre estructura de clase, ritmo, anécdotas y estudios de caso, en vez de quedarse consumido por la mecánica de crear diapositivas y tareas.
La idea detrás de estos cambios, en sus diversas formas, es simple pero poderosa: si la IA puede hacer el producto final, entonces el producto final ya no puede ser el único criterio de evaluación. El proceso necesita volver al centro. Y eso exige una reconfiguración profunda no solo de las metodologías de enseñanza, sino de la propia cultura escolar en torno a lo que significa aprender bien y lo que significa entregar un buen trabajo. Ese cambio no ocurre de un semestre para otro. Requiere tiempo, experimentación y una dosis considerable de paciencia por parte de todos los involucrados.
Lo que está claro es que la desesperación de los profesores, cuando se canaliza de forma productiva, puede ser el motor de una transformación necesaria en la educación. No una transformación que rechace la tecnología, sino una que insista en preguntar para qué sirve y qué no puede sustituir. La inteligencia artificial va a seguir evolucionando, eso no está en discusión. La cuestión es si las instituciones educativas van a conseguir evolucionar junto con ella, manteniendo en el centro lo que siempre fue insustituible: la experiencia de un ser humano aprendiendo a pensar por cuenta propia. ✨
