La IA obliga a las universidades a replantear los trabajos de curso: el problema de copiar es anterior a ChatGPT

La llegada de ChatGPT y de otros modelos generativos no creó desde cero el problema de los trabajos universitarios deshonestos. Según la doctora Nafisa Baba-Ahmed, la IA solo volvió masiva y cómoda una forma de «sacar el pensamiento fuera» que existía en las universidades mucho antes del auge actual.

El problema no es nuevo

Es fácil entender la irritación del profesorado por el efecto de la IA en el pensamiento crítico. En muchas universidades ya se mantiene una conversación inquieta sobre cómo preservar el trabajo autónomo de los estudiantes si un bot puede armar rápidamente un ensayo, la estructura de un argumento e incluso un estilo académico pulido. Pero Baba-Ahmed propone mirar no solo la nueva tecnología, sino el viejo modelo de evaluación, en el que el texto final se podía obtener desde hacía tiempo sin usar del todo la propia cabeza.

En su trabajo con estudiantes de escritura académica, describe en esencia un panorama conocido de la era previa a la IA generativa. Cuando el formato de la tarea lo permite, el pensamiento se externaliza: unos encargan ensayos, otros recurren a archivos de años anteriores, otros se pasan de una promoción a otra respuestas modelo exitosas, y otros se apoyan demasiado en tutores, amigos o estudiantes mayores. Es decir, el problema no es que la IA corrompiera un sistema perfecto, sino que llegó a un sistema con las rendijas ya abiertas.

Cómo la IA lo aceleró

A su juicio, el cambio principal no está en la naturaleza de la infracción, sino en su escala. Antes, ese atajo requería dinero, contactos, tiempo de búsqueda o una plantilla lista de la promoción anterior. Ahora gran parte se consigue en minutos: generar un borrador, pedir al modelo que reestructure un argumento, pulir el estilo o adaptar un texto antiguo a una tarea nueva. La IA no inventó el atajo, pero redujo bruscamente su coste y su barrera de entrada.

«La IA no inventó este comportamiento.

Solo puso en cadena de montaje una forma ya existente de saltarse el esfuerzo».

Por eso, el debate sobre si «la IA mata el pensamiento» se queda demasiado estrecho. Si la universidad valora ante todo la fluidez del texto final y no la autonomía del razonamiento, la tecnología simplemente deja más a la vista una vulnerabilidad antigua. El problema aflora no porque los estudiantes hayan dejado de pensar de repente, sino porque el sistema confundió con demasiada frecuencia un resultado bien presentado con una prueba de comprensión real. Por eso el pánico actual parece menos una enfermedad nueva que un diagnóstico tardío.

Qué deben evaluar las universidades

De ahí surge para las universidades una pregunta más incómoda, pero también más útil: qué debe demostrar exactamente un trabajo de curso, un ensayo u otro trabajo escrito. Si el objetivo es comprobar si el estudiante entendió la materia, si sabe relacionar ideas, construir un argumento y extraer conclusiones, un texto pulcro puede no bastar. La IA simplemente obliga a decirlo en voz alta y a dejar de fingir que el formato anterior lo medía todo de forma fiable.

Baba-Ahmed propone no idealizar el pasado previo a la IA. En lugar de intentar «volver a como era antes», las universidades tendrán que redefinir qué quieren ver en un trabajo estudiantil y dónde está el límite entre la ayuda de una herramienta y la sustitución del pensamiento propio. En la práctica, esto implica revisar no solo las normas, sino la propia lógica de la tarea. Ya no se trata de prohibiciones cosméticas, sino de responder con más honestidad qué se considera aquí prueba de aprendizaje.

• Comprensión del tema, no solo una presentación vistosa
• Un argumento propio, no un ensamblaje de frases hechas
• Capacidad de analizar, no de reescribir una plantilla
• Coherencia personal del razonamiento, no un tono impecable
• Una demostración real de pensamiento, no solo el archivo final

Qué significa

Para las universidades, la IA ha sido menos la causa original de una crisis que una prueba de estrés para los viejos métodos de evaluación. Ha mostrado que la cuestión ya no es prohibir otra herramienta, sino qué tareas exigen de verdad pensamiento autónomo y permiten distinguir la comprensión de una imitación cuidadosamente ensamblada.