La pregunta que la universidad no se hace sobre la inteligencia artificial

Las versiones más aggiornadas pueden incluir la exposición en video o un simulacro de conversación en un foro o mural interactivo. Pero sin embargo seguimos sin poder encontrar maneras en las que responder ¿En qué momento de ese recorrido el estudiante ejercita pensamiento crítico? ¿Dónde práctica tomar decisiones con información incompleta? ¿Cuándo desarrolla la capacidad de hacer buenas preguntas?

La respuesta incómoda es: casi nunca. Y no porque los docentes seamos negligentes, sino porque diseñamos la enseñanza desde lo que nosotros hacemos y no desde lo que ellos necesitan hacer para aprender. Ahora llega la IA y desnuda esa falencia. Si un estudiante puede pedirle a Chat GPT que escriba el trabajo práctico, y el trabajo práctico era "escribir un informe", ¿qué estaba aprendiendo realmente? ¿A escribir? ¿A pensar? ¿A cumplir una consigna?

Del qué al cómo

La tentación fácil es prohibir la IA. "Que escriban a mano, sin ayudas, como antes." Pero eso es preparar estudiantes para un mundo que ya no existe. Es como si en los '90 hubiéramos prohibido las calculadoras en ingeniería porque "tienen que saber hacer cuentas". Spoiler: los ingenieros tienen que saber qué cuentas hacer, no hacerlas manualmente. La otra tentación es permitir todo y cruzar los dedos. "Son nativos digitales, se las arreglan." Pero sin marco didáctico claro, la IA se convierte en una máquina de producir trabajos que nadie lee y que nadie sabe bien para qué sirvieron. La pregunta real es: ¿qué experiencia de aprendizaje necesita atravesar un estudiante para desarrollar las capacidades que las profesiones demandan?

Aprender no es acumular información. Aprender es transformarse a través de la práctica deliberada. Para pensar críticamente, hay que practicar pensamiento crítico. Para tomar buenas decisiones, hay que tomar decisiones (y equivocarse, y reflexionar sobre eso). Para ser creativo, hay que crear (no consumir contenido sobre creatividad).Entonces, ¿qué cambia con la IA? Cambia qué le pedimos a los estudiantes que hagan. Si antes el desafío era "escribir un informe de 10 páginas sobre un tema", ahora el desafío es otro: "Usá IA para generar tres propuestas de solución a tal problema. Evalúa cuál es más viable y por qué. Identificá qué supuestos tiene cada propuesta y qué información adicional necesitarías para decidir. "¿Ven la diferencia? En el primer caso, el estudiante produce un entregable. En el segundo, ejercita criterio profesional, pensamiento crítico, toma de decisiones. La IA puede ayudarlo a generar las propuestas, pero no puede hacer el análisis crítico, no puede sopesar trade-offs, no puede decidir.

Diseñar para el aprendizaje real

Si tomamos en serio la pregunta "¿qué tienen que hacer los estudiantes para aprender?", tenemos que rediseñar la enseñanza. Algunas pistas: Problemas auténticos, no ejercicios prefabricados. Los problemas reales son ambiguos, tienen información incompleta, no tienen una sola respuesta correcta. Justamente por eso la IA no los resuelve sola: necesita un humano que interprete, que decida, que justifique. Proceso visible, no sólo producto final. Que los estudiantes documenten su razonamiento: qué preguntas hicieron, qué descartaron y por qué, dónde usaron IA y para qué, qué decisiones tomaron. El aprendizaje está en ese proceso, no en el informe final.

Trabajo iterativo, con retroalimentación. Nadie aprende a pensar críticamente en un intento. Necesitamos estructuras donde los estudiantes prueben, reciban feedback, ajusten, vuelvan a intentar. Como en cualquier práctica profesional real. Evaluación de la capacidad de análisis, no de la memoria. Exámenes donde puedan usar IA, donde puedan consultar materiales, donde el desafío sea analizar, sintetizar, argumentar. Como en el mundo real.

La conversación pendiente

Claro, esto es más difícil que dar clases magistrales y tomar exámenes múltiple choice. Requiere más tiempo de preparación, grupos más chicos, seguimiento personalizado. Requiere repensar desde los programas hasta los sistemas de evaluación. La IA no es el problema. Es el espejo que nos muestra algo que veníamos evitando: que durante demasiado tiempo confundimos enseñar con transmitir información, y aprender con repetirla. Que diseñamos la universidad desde la lógica de la eficiencia administrativa (cursos masivos, exámenes estandarizados) y no desde la lógica del aprendizaje. La pregunta "¿qué tienen que hacer los estudiantes para aprender?" es incómoda porque nos obliga a repensar todo.

Pero es la única pregunta que importa. Y la buena noticia es que, si la respondemos bien, la IA no es una amenaza. Es una oportunidad: libera tiempo que antes gastábamos en tareas mecánicas para dedicarlo a lo que realmente importa: pensar juntos, analizar críticamente, desarrollar criterios profesionales. Pero primero, tenemos que atrevernos a hacer la pregunta. Este y otros interrogantes seguramente sean retomados en el VI Congreso Latinoamericano y Caribeño de Ciencias Sociales de la Flacso “Pensar el futuro. Transformaciones sociales en América Latina y el Caribe” que aspira a ofrecer un espacio de intercambio de ideas plural, informado, transdisciplinar e intergeneracional.

* Valeria Odetti. Coordinadora del Programa Educación a Distancia (PED), Flacso Argentina.