La ilusión del aprendizaje: ocho soluciones para salvar la Universidad en la era de la IA

Artículo

La IA puede resolver casi cualquier tarea escrita de un estudiante universitario, pero obtener una respuesta correcta no equivale a aprender. Con este punto de partida, el comité formado por el MIT propone rediseñar la enseñanza alrededor del esfuerzo intelectual, la comunidad y el juicio humano. Su informe final, publicado el 13 de agosto de 2026, llega «en un momento decisivo para toda la educación superior», según afirma la presidenta del MIT, Sally Kornbluth. Todas estas dudas se las planteaba Ernesto Baltar en un artículo reciente en Nueva Revista, por cierto, en el que proponía volver a Sócrates en busca de respuestas.

El documento del MIT no fue bien recibido (o entendido). Hubo quien lo interpretó como una especie de «¿Para qué sirve la universidad?». El Boston Globe llegó a titular en respuesta: «¿Para qué sirve el MIT?», en un artículo que destacaba la inquietud de los estudiantes de Matemáticas ante los avances de los sistemas de IA. Su conclusión fue que las tutorías presenciales están «prácticamente obsoletas» para algunos alumnos, que las sustituyen por chatbots. The Washington Post fue más equilibrado y afirmó que el comité no declara obsoleta la universidad, sino que pide cambios para que no llegue a estarlo y para preservar aquello que la hace valiosa.

También hubo respuestas entusiastas: Josh Eyler, director del centro de excelencia docente de la Universidad de Misisipi, celebró que una gran institución pidiera un cambio de esa magnitud, según recoge Inside Higher: «No puedo decirles cuánto tiempo llevamos muchos de los que estudiamos este tema esperando que una gran universidad adopte una postura y pida con claridad un cambio de estas dimensiones».

La «ilusión del aprendizaje»

Una de las preocupaciones más profundas desde que se extendió el uso de la IA es que los estudiantes hagan trampas y, como consecuencia, que crean que aprenden cuando solo están consiguiendo resultados que parecen demostrarlo. El documento lo define como «la ilusión del aprendizaje», que se produce cuando el estudiante recibe una respuesta convincente, aunque no pueda explicar cómo se llegó a ella ni resolver por sí mismo un problema parecido. La IA puede convertirse en un atajo que proporciona una apariencia de competencia. El «abandono cognitivo» que se produce es una consecuencia evidente, pero en lugar de prohibir la herramienta por principio o aceptarla sin condiciones, los autores proponen ocho vías para rediseñar la universidad.

1. Ser humildes

La primera recomendación es reconocer que todavía no sabemos cuáles serán todos los efectos de la IA. La tecnología cambia deprisa y la educación necesita tiempo para observar, evaluar y corregir sus decisiones. El informe lo expresa así: «Ofrecemos nuestras propuestas con espíritu de humildad. Las correcciones —quizá incluso importantes— serán inevitables».

La humildad no es pasividad, en todo caso. Significa diseñar políticas y prácticas que puedan ser revisadas, en vez de presentar como definitiva una solución provisional. El comité advierte que las instituciones deben aprender mientras actúan: observar qué usos ayudan a comprender, cuáles fomentan dependencia y cómo varían los efectos entre disciplinas y estudiantes. Ningún reglamento podrá anticipar cada cambio de los modelos ni cada práctica que aparezca en las aulas.

Esta cautela es especialmente importante porque el informe se apoya en encuestas y consultas dentro del MIT, no en una respuesta universal para toda la educación superior. Sus autores reconocen que otras universidades también experimentan y que «nadie parece tenerlo todo resuelto». La primera solución, por tanto, es evitar la falsa seguridad: probar, medir y corregir.

2. Ser audaces

Si la humildad obliga a admitir incertidumbre, la audacia impide usarla como excusa para no hacer nada. «La incertidumbre no puede ser un pretexto para la inacción», afirma el comité. El reto no consiste en añadir una nota sobre ChatGPT al programa y continuar como antes, sino en revisar las prácticas que han dejado de demostrar con claridad que el alumno aprendió.

El informe propone que los cursos se adapten a un contexto en el que la IA puede completar ensayos, problemas de matemáticas, demostraciones y trabajos de programación. La audacia también implica aprovechar sus posibilidades: tutores personalizados, nuevas formas de practicar y proyectos que antes resultaban demasiado complejos dentro de una asignatura.

El comité pide además revisar la mayoría de las clases y cambiar muchas evaluaciones. Todo ello, con cierta agilidad, sin caer en la burocracia. Los departamentos necesitan poder modificar los currículos sin «procesos de revisión de varios comités que duren un año».

3. Poner a las personas en el centro

La eficiencia tampoco puede convertirse en el criterio principal de la educación. El informe recuerda que investigar no consiste solo en producir resultados: en una universidad, la investigación también forma a quienes participan en ella. Si un agente de IA sustituye a un estudiante en una tarea, se gana velocidad, pero puede desaparecer una oportunidad de aprender junto a un investigador, equivocarse, recibir orientación y formar parte de una comunidad académica.

El comité formula una pregunta de fondo ante la tentación de reemplazar a los estudiantes en los laboratorios: «¿Qué hemos venido a hacer aquí?». Esa cuestión se extiende a las aulas. Si el alumno usa un chatbot para evitar hablar con compañeros, acudir a tutorías o defender una idea ante el profesor, no solo cambia el modo de resolver una tarea: se empobrece el entramado de relaciones, en el que también se aprende. La universidad debe decidir qué actividades tienen valor precisamente porque son compartidas. La pregunta no es si una máquina puede dar una explicación, sino qué se pierde cuando esa explicación sustituye a una relación educativa.

4. Apostar por el aprendizaje

El cuarto principio pone en el centro el proceso, no la nota ni la apariencia de competencia. «Lo que más debería preocuparnos como comunidad es que muchos usos de la IA privan a los estudiantes de la oportunidad de aprender», sostiene el informe. El esfuerzo de resolver una dificultad, revisar un razonamiento y corregir un error no es una ineficiencia que haya que eliminar, sino que puede ser la parte formativa de la tarea.

El comité propone crear un nuevo «contrato social» entre profesores y alumnos: explicar que la educación exige una lucha productiva y que su resultado más importante no es solo un expediente, sino el crecimiento intelectual y personal del estudiante. Dicho de otro modo, obtener una respuesta inmediata no equivale a adquirir la capacidad de producirla o evaluarla.

El informe recomienda revisar las evaluaciones para que tengan en cuenta ese aprendizaje duradero. Exámenes orales, proyectos y conversaciones en clase sobre trabajos realizados fuera de ella pueden ayudar a comprobar lo que el estudiante sabe y cómo llegó a saberlo.

5. Enseñar con intención

La IA no debería incorporarse a una asignatura por moda ni prohibirse por reflejo. El principio de enseñar con intención exige comenzar por los objetivos: qué queremos que el estudiante sepa, haga y valore, y qué métodos permiten alcanzar esas metas. Solo entonces se decide si la IA debe estar permitida, limitada o incluso fomentada.

El documento propone aplicar el diseño inverso: establecer primero los resultados de aprendizaje y diseñar después tareas y evaluaciones que los desarrollen y midan. «Las estructuras, evaluaciones y políticas futuras deben construirse con una intención clara y un sentido de propósito», dice el informe. Y debe explicarse siempre la política adoptada: no basta con decir «se permite» o «está prohibido», hay que aclarar qué aprendizaje se busca proteger o ampliar.

6. No hay una solución única

«La manera en que aprendemos varía en función del tema», sostiene el comité. Las necesidades de una clase de programación no son las mismas que las de un laboratorio, un seminario de escritura o un curso de historia. Eso no significa dejar a cada profesor sin orientación. Todas las asignaturas deben publicar políticas claras y visibles, con un formato comprensible, y el MIT tiene que ofrecer un menú de opciones a cada docente. La autonomía debe ir acompañada de claridad y de una justificación vinculada a los objetivos del curso.

El comité también pide tomar en serio a quienes, por razones éticas, pedagógicas o personales, prefieren no usar IA. En la medida en que los objetivos lo permitan, deberían ser formados con un uso mínimo de estas herramientas. La diversidad de enfoques no es una contradicción: es la forma de evitar que una norma uniforme perjudique aprendizajes que requieren condiciones distintas.

7. Aumentar, no automatizar

El informe distingue entre usar la IA para ampliar lo que una persona puede hacer y delegar en la máquina el acto de «aprender». Su propuesta es una IA «proestudiante»: que ayude a pensar, crear y resolver problemas más ambiciosos, pero que no elimine el trabajo intelectual que permite desarrollar esas capacidades.

«La IA debería aumentar y enriquecer la curiosidad, la creatividad y el aprendizaje, no automatizarlos», dice el comité. Un tutor conversacional puede ofrecer una explicación adicional cuando el profesor no está disponible; una herramienta de programación puede ayudar a construir un proyecto más amplio. Pero si el alumno entrega un código que no puede explicar o un ensayo que no puede defender, la automatización ha producido un resultado sin garantizar el aprendizaje.

8. Pensar más allá del aula y del campus

La educación no prepara solo para aprobar una asignatura. También forma personas capaces de participar en la sociedad, trabajar con otros y decidir cómo se utilizan las tecnologías. Por eso, el informe pide pensar en las consecuencias de la IA para el empleo, la privacidad, la equidad, el medioambiente y la propiedad intelectual.

Existe otro riesgo: el acceso a los modelos más potentes puede depender de la capacidad económica del estudiante. También es necesario enseñar a verificar las respuestas, reconocer errores y sesgos, declarar cuándo se ha utilizado IA y entender los costes de las herramientas utilizadas. «La IA debe integrarse en la educación de manera que aumente, y no reduzca, las capacidades de los estudiantes para crecer como seres humanos completos».

El documento explica asimismo por qué la universidad no puede delegar su respuesta en las empresas que fabrican los modelos: debe ayudar a formar criterios sobre una tecnología que influirá en la vida profesional y pública.

El informe del MIT, por último, no promete que estos ocho principios vayan a salvar por sí solos la universidad, ni afirma que todas las instituciones deban copiar sus propuestas. Sí plantea una reflexión que debería ser común a todos los centros de enseñanza: si la IA puede producir la respuesta, ¿qué experiencia debe ofrecer la universidad para que el estudiante aprenda a pensar, juzgar y actuar por sí mismo?

La universidad no conservará su valor compitiendo con un chatbot en rapidez. El comité propone que encuentre dicho valor en la dificultad productiva, la orientación de los docentes, el trabajo compartido y la responsabilidad intelectual. Es lo que se define como educación «de humanos, por humanos». La cuestión ya no es solo qué puede hacer la IA por el estudiante, sino qué debe seguir haciendo el estudiante para llegar a ser alguien capaz de usarla sin depender de ella.