Por: Ing. Miguel Martín Cárdenas Agreda
Publicación: 11/10/2026
Nos encontramos en un punto de inflexión histórico. Los cambios en el entorno normativo y tecnológico en el Perú, avanzan a un ritmo acelerado. Con la promulgación del marco legal sobre el uso de la Inteligencia Artificial y las regulaciones de dispositivos móviles en las aulas para el nivel escolar, el mensaje para las instituciones educativas es claro: no podemos seguir enseñando ni evaluando como lo hacíamos hace una década. Esta transformación no atañe solo a la educación básica; interpela de manera directa y urgente a la formación de pregrado y postgrado.
El diagnóstico: el riesgo de perder procesos cognitivos esenciales
En las aulas universitarias observamos con frecuencia un fenómeno preocupante. Muchos estudiantes están delegando en la IA los procesos cognitivos fundamentales de cualquier ser humano: la elección de un tema, la búsqueda de información, la selección de fuentes de calidad, el análisis crítico, la síntesis y la comunicación de ideas. Cuando el algoritmo ejecuta todo este recorrido de forma automática, no está potenciando al alumno, lo está sustituyendo.
La pregunta clave que debemos hacernos como docentes es: ¿cómo evitar que la tecnología reemplace el pensamiento humano en nuestras aulas?
La respuesta no radica en la prohibición, sino en el rediseño de las rutas de aprendizaje. Necesitamos incorporar la IA dentro de los procesos de pensamiento del estudiante para amplificar su capacidad intelectual y no para anularla. Para ello, el cambio estructural debe iniciar en la evaluación: debemos dejar de medir únicamente el producto final y centrar la atención en el proceso de aprendizaje.
Respaldos teóricos: lo que nos dicen los expertos
Esta visión sobre la necesidad de reestructurar la pedagogía universitaria encuentra un sólido respaldo en las investigaciones globales sobre tecnología y educación:
Mike Sharples, profesor emérito de Tecnología Educativa en The Open University, advierte sobre la necesidad de redefinir las tareas tradicionales y aprovechar la IA para potenciar el juicio propio:
«Debemos replantearnos la evaluación escrita tradicional. Las herramientas de IA deben utilizarse para generar diálogos socráticos, investigar y construir debates donde los estudiantes critiquen y evalúen las respuestas producidas por el algoritmo, desarrollando así habilidades de pensamiento crítico que la máquina no posee» (Sharples, 2023).
Rose Luckin, profesora del UCL Knowledge Lab y experta en inteligencia artificial y aprendizaje, enfatiza el impacto de la tecnología en las capacidades cognitivas del estudiante:
«El verdadero desafío de la IA en la educación es metacognitivo. Si permitimos que los estudiantes entreguen su procesamiento cognitivo a las máquinas, perderán la capacidad de autorregular su propio pensamiento. La educación debe formar estudiantes capaces de auditar y cuestionar conscientemente lo que la tecnología produce» (Luckin, 2023).
Ethan Mollick, profesor de la Escuela de Negocios Wharton de la Universidad de Pensilvania y autor de Co-Intelligence, plantea la obsolescencia de las tareas convencionales y la urgencia de evaluar la iteración:
«Las tareas para la casa en su forma tradicional han terminado. Cualquier tarea convencional puede ser resuelta por una IA. El nuevo modelo exige obligar al estudiante a interactuar con la IA de forma transparente, evaluando cómo formula sus prompts, cómo corrige las respuestas del modelo y cómo demuestra ser el ‘humano a cargo’ del resultado final» (Mollick, 2024).
UNESCO, en su Guía para el uso de la IA generativa en la educación y la investigación, recalca la importancia de priorizar el agenciamiento humano:
«La integración de la IA generativa en la educación superior debe centrarse en proteger la agencia humana y fomentar el pensamiento de orden superior. Los sistemas de evaluación deben transformarse para medir el proceso de indagación, la reflexión crítica y la comprensión profunda, en lugar de la mera reproducción de contenidos» (UNESCO, 2023).
Los 4 ejes para transformar nuestra práctica docente
A partir de estas evidencias y de las necesidades inmediatas de nuestras instituciones, propongo estructurar la práctica pedagógica universitaria sobre cuatro pilares esenciales:
El ensayo impreso entregado a última hora ha dejado de ser una prueba fehaciente de aprendizaje. Lo que realmente demuestra el dominio conceptual es la matriz de trazabilidad: la bitácora de prompts empleados, el historial de borradores, la corrección de errores algorítmicos y la defensa oral del trabajo. Evaluar el proceso permite comprobar cómo el estudiante construye su conocimiento paso a paso.
Formar profesionales éticos exige enseñar a dudar de la máquina. Usar IA requiere rastrear fuentes primarias reales, verificar datos estadísticos y detectar sesgos o alucinaciones del modelo. La IA proporciona un borrador inicial; el criterio, el rigor y la validación final deben provenir siempre de la mente del estudiante.
Si un examen o trabajo se resuelve con una consulta simple a un chat de IA, el problema no reside en el estudiante, sino en el diseño de la consigna. Debemos plantear retos vinculados a problemas reales de nuestro contexto local, análisis de casos vivos, trabajo de campo e interacción humana directa, entornos donde la experiencia práctica no puede ser automatizada.
En un escenario donde la información es abundante y accesible, la función docente no es la transmisión pasiva de datos, sino la facilitación del pensamiento complejo. Nuestra labor principal es formular preguntas desafiantes, cuestionar premisas, moderar debates profundos y orientar al estudiante para que analice y sintetice con rigor académico.
Compromiso con el futuro universitario
La inteligencia artificial no debe ser vista como una amenaza para la formación académica, sino como una oportunidad para liberar al estudiante y al docente de tareas repetitivas, permitiéndonos concentrar el esfuerzo en el razonamiento de alto nivel. Si asumimos la responsabilidad de transformar nuestros modelos de enseñanza y evaluación, lograremos que la IA deje de ser un mecanismo para el plagio y se convierta en una catapulta para el talento y la calidad educativa.
Referencias:
- Luckin, R. (2023). Machine Learning and Human Intelligence: The Future of Education for the 21st Century. UCL Institute of Education Press. https://www.ucl-ioe-press.com/books/education-and-technology-machine-learning-and-human-intelligence/
- Mollick, E. (2024). Co-Intelligence: Living and Working with AI. Portfolio / Penguin Business. https://www.researchgate.net/publication/380767285_Book_review_Ethan_Mollick_Co-Intelligence_Living_and_Working_with_AI_PortfolioPenguin_2024
- Sharples, M. (2023). Towards social generative AI for education: theory, practices and ethics. Learning, Media and Technology, 48(4), 580-596. https://arxiv.org/abs/2306.10063
- UNESCO. (2023). Guidance for generative AI in education and research. Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura. París, Francia. https://unesdoc.unesco.org/ark:/48223/pf0000389227
I am text block. Click edit button to change this text. Lorem ipsum dolor sit amet, consectetur adipiscing elit. Ut elit tellus, luctus nec ullamcorper mattis, pulvinar dapibus leo.
