AI obliga a las universidades a replantear los trabajos de curso: el problema de las trampas académicas es anterior a ChatGPT

La aparición de ChatGPT y otros modelos generativos no creó el problema del trabajo universitario deshonesto de la nada. Según la Dra. Nafisa Baba-Ahmed, la IA simplemente hizo masivo y conveniente un método de "externalizar el pensamiento" que existía en las universidades mucho antes del auge actual.

El Problema No es Nuevo

La frustración de los profesores por el impacto de la IA en el pensamiento crítico es fácil de entender. Muchas universidades ya están manteniendo una conversación ansiosa sobre cómo preservar el trabajo independiente de los estudiantes cuando un bot puede rápidamente armar un ensayo, una estructura de argumentación e incluso un estilo académico pulido. Pero Baba-Ahmed sugiere mirar no solo la nueva tecnología, sino el viejo modelo de evaluación, en el que el texto final podría obtenerse hace mucho tiempo no totalmente por el propio ingenio.

En su trabajo con estudiantes sobre escritura académica, ella esencialmente describe un cuadro familiar de la era anterior a la IA generativa. Cuando el formato de la tarea lo permite, el pensamiento comienza a externalizarse: algunos encargan ensayos, otros usan archivos de años anteriores, otros aún pasan respuestas modelo exitosas entre cohortes, cuartos usan demasiado tutores, amigos o colegas mayores. Es decir, el problema no es que la IA corrompió un sistema ideal, sino que llegó a un sistema con brechas ya abiertas.

Cómo la IA lo Aceleró

El cambio principal, en su opinión, no está en la naturaleza de la violación en sí, sino en su escala. Antes, tal atajo requería dinero, conexiones, tiempo para buscar o una plantilla lista de una cohorte anterior. Ahora mucho puede obtenerse en minutos: generar un borrador, pedirle al modelo que reestructure el argumento, pulir el estilo o adaptar texto antiguo para una nueva tarea. La IA no inventó el atajo, pero redujo drásticamente su costo y umbral de entrada.

"La IA no inventó este comportamiento.

Simplemente agilizó una forma ya existente de cortar camino."

Por eso, el debate sobre si "la IA mata el pensamiento" se vuelve demasiado estrecho. Si una universidad evalúa principalmente la suavidad del texto final en lugar de la independencia del razonamiento, la tecnología simplemente hace la vieja vulnerabilidad más visible. El problema se manifiesta no porque los estudiantes de repente dejaron de pensar, sino porque el sistema demasiado frecuentemente aceptaba un resultado bien formateado como prueba de comprensión genuina. Es exactamente por eso que el pánico actual parece no una nueva enfermedad, sino un diagnóstico tardío.

Qué Deben Verificar las Universidades

De esto surge una pregunta más incómoda pero también más útil para las universidades: qué exactamente debe demostrar un trabajo de curso, ensayo u otro trabajo escrito. Si la tarea es ver si un estudiante entendió el material, puede conectar ideas, construir un argumento y sacar conclusiones, un texto bien formateado por sí solo puede no ser suficiente. La IA simplemente fuerza que esto se diga en voz alta y deja de fingir que el formato anterior medía todo de manera confiable por sí solo.

Baba-Ahmed sugiere no romantizar el pasado pre-IA. En lugar de intentar "volver a cómo era", las universidades tendrán que redefinir qué exactamente quieren ver en el trabajo del estudiante y dónde está el límite entre la asistencia de herramientas y la sustitución del pensamiento original. En términos prácticos, esto significa revisar no solo las reglas sino la lógica misma de la tarea.

Ya no se trata de prohibiciones cosméticas, sino de una respuesta más honesta a la pregunta de qué exactamente cuenta aquí como evidencia de aprendizaje.

• Comprensión del tema, no solo presentación pulida
• Argumento independiente, no ensamblaje de frases hechas
• Capacidad de analizar, no reescribir una plantilla
• Coherencia personal del razonamiento, no tono impecable
• Demostración real del pensamiento, no solo el archivo final

Qué Significa Esto

Para las universidades, la IA resultó ser no tanto la causa raíz de una crisis, sino una prueba de estrés para los viejos métodos de evaluación. Mostró que la pregunta ya no es sobre prohibir la próxima herramienta, sino sobre qué asignaciones realmente requieren pensamiento independiente y permiten distinguir la comprensión genuina de la imitación cuidadosamente montada.