Una investigación publicada por The New York Times el 15 de noviembre de 2025 describió agentes de inteligencia artificial capaces de ingresar a plataformas educativas, reproducir clases, resolver cuestionarios, entregar tareas y completar cursos online con una intervención humana mínima. El hallazgo plantea una preocupación que va más allá del uso de ChatGPT para redactar trabajos: si una máquina puede atravesar un curso diseñado para humanos, ¿qué capacidades estamos evaluando? (The New York Times, 15/11/2025).
La respuesta no debería limitarse a prohibir estas herramientas ni a perfeccionar los mecanismos para detectar su uso. La inteligencia artificial obliga a transformar la evaluación universitaria: las instituciones deberían dejar de concentrarse en productos fáciles de automatizar y evaluar, en cambio, la capacidad de comprender, formular problemas, verificar información, justificar decisiones y defender ideas, incluso mediante un uso regulado de la propia IA. La transformación educativa plantea que el sistema debe garantizar los conocimientos básicos y desarrollar estudiantes capaces de utilizar la tecnología con autonomía y juicio crítico.
Los que construyen el futuro están educando diferente
Algunas figuras centrales de la industria tecnológica impulsaron modelos educativos alternativos, aunque sus experiencias no constituyen, por sí mismas, evidencia de que esos modelos sean superiores.
Elon Musk creó Ad Astra en 2014, una escuela privada inicialmente destinada a sus hijos y a los de algunos empleados de SpaceX. Según explicó, la institución organizaba el aprendizaje alrededor de problemas y capacidades, en lugar de priorizar la división por edades y las materias tradicionales.
Ad Astra luego fue rebautizada como Astra Nova. Actualmente se presenta como una escuela online basada en problemas, con estudiantes de distintos países y actividades orientadas al razonamiento, la colaboración y la resolución de desafíos. Synthesis, otra iniciativa vinculada al ecosistema educativo de SpaceX, también promueve el pensamiento sistémico, la resolución de problemas y el trabajo en equipo. (Astra Nova, “About”; Synthesis, “About”)
Jeff Bezos eligió otro camino. Creada en 2020, Bezos Academy administra centros preescolares gratuitos para niños de familias de bajos ingresos. Su modelo, inspirado en Montessori, pone el acento en la autonomía, la exploración y el aprendizaje activo.
Peter Thiel creó en 2010 la Thiel Fellowship, un programa que ofrece a jóvenes menores de 23 años una beca de 100.000 dólares durante dos años para desarrollar una empresa, una investigación o un proyecto, con la condición de abandonar temporalmente —o no iniciar— la universidad.
Estas iniciativas comparten una crítica a ciertos rasgos de la educación tradicional: la organización rígida por edades, la centralidad de las materias convencionales y la asociación automática entre formación y título universitario. Sin embargo, no permiten concluir que exista un único modelo alternativo ni que la educación tradicional haya dejado de cumplir funciones relevantes.
Sí muestran que una parte del sector tecnológico está experimentando con formas de aprendizaje centradas en problemas, autonomía y aplicación práctica. La pregunta clave es si esos enfoques pueden trasladarse a sistemas educativos amplios, diversos y sujetos a objetivos públicos.
¿Qué vale la pena aprender cuando podemos saber casi todo?
Durante décadas, muchos sistemas educativos otorgaron un peso considerable a la memoria, la repetición, el cumplimiento de instrucciones y la capacidad de encontrar una respuesta correcta. Esas habilidades siguen siendo necesarias en numerosos contextos, pero algunas pueden ser automatizadas con mayor facilidad por los sistemas de inteligencia artificial.
Por eso, la expansión de estas herramientas reabre el debate sobre el equilibrio entre conocimientos básicos y capacidades de orden superior. Entre estas últimas se encuentran formular problemas, conectar disciplinas, evaluar fuentes, defender una idea, revisarla frente a nueva evidencia y decidir bajo incertidumbre. También adquiere importancia saber qué preguntar y cómo verificar una respuesta.
La prohibición general de la inteligencia artificial en las aulas no parece una respuesta suficiente. La cuestión central es establecer en qué actividades su uso favorece el aprendizaje y en cuáles lo sustituye. Un estudiante puede pedirle a ChatGPT que escriba un ensayo completo; otro puede redactar su propio texto y utilizar la herramienta para identificar objeciones, errores o argumentos alternativos. La herramienta es la misma, pero el proceso intelectual es diferente.
Esto puede generar una nueva forma de desigualdad educativa. No se trataría únicamente de tener o no acceso a la tecnología, sino de contar con los conocimientos necesarios para utilizarla, evaluar sus resultados y reconocer sus errores. Cuanto más convincente sea una respuesta automática, mayor será la importancia de verificarla.
¿Y entonces para qué sirve una universidad?
Durante siglos, las universidades concentraron tres funciones principales: producir y transmitir conocimiento, reunir a docentes y estudiantes, y certificar capacidades mediante títulos. Internet amplió el acceso a la información, mientras que la inteligencia artificial empieza a modificar la forma en que se produce, organiza y explica el conocimiento.
La certificación, sin embargo, sigue siendo una función central. Un diploma pretende indicar que una persona atravesó un proceso de formación y adquirió determinadas capacidades. Si un agente puede completar parte de ese proceso en nombre de un estudiante, las instituciones deberán reforzar los mecanismos que permiten comprobar qué sabe hacer efectivamente esa persona.
El problema no se limita al cheating. También afecta la credibilidad de las evaluaciones y de los títulos. Si las tareas pueden ser producidas por sistemas automáticos, una institución debe demostrar que sus métodos de evaluación distinguen entre la generación de un resultado y la comprensión necesaria para producirlo, revisarlo y defenderlo.
Una posible respuesta consiste en evaluar con mayor frecuencia capacidades difíciles de delegar por completo: defender una idea, resolver un problema nuevo, detectar errores en una respuesta de inteligencia artificial, conectar conocimientos, argumentar, crear y tomar decisiones justificadas.
También podría considerarse el uso regulado de inteligencia artificial durante algunos exámenes. En ese caso, las preguntas deberían exigir interpretar información, comparar alternativas, justificar decisiones y evaluar críticamente las respuestas de la herramienta. No se trataría de asumir que la IA vuelve innecesario el conocimiento, sino de comprobar si el estudiante puede utilizarla con criterio.
La tesis es, entonces, concreta: la universidad no debería evaluar si un estudiante puede producir sin ayuda un texto o una respuesta que una máquina genera en segundos, sino si puede comprender un problema, orientar una herramienta, controlar sus resultados y asumir la responsabilidad de sus decisiones. La IA no elimina la necesidad de evaluar; obliga a evaluar mejor.
¿Y Argentina?
Mientras en algunos sectores tecnológicos se discuten modelos educativos adaptados a un futuro con tutores de inteligencia artificial, Argentina enfrenta problemas previos de pobreza, permanencia escolar y aprendizaje.
Según Unicef Argentina, el 42,3 % de los niños y adolescentes vivía en hogares pobres durante el segundo semestre de 2025. El informe estimó que esa situación alcanzaba a unos 5,1 millones de menores de 18 años.
Además, un informe de Argentinos por la Educación indicó que 22 de cada 100 jóvenes de 15 años llegan en el tiempo esperado y alcanzan simultáneamente los conocimientos básicos en Matemática y Lectura. El cálculo combinó información sobre trayectoria escolar y resultados de las pruebas Aprender.
Estos datos no describen exactamente el mismo fenómeno. La pobreza refiere a las condiciones económicas de los hogares; el indicador educativo combina trayectoria y desempeño; y ninguno de los dos permite medir por sí solo la calidad de la experiencia cotidiana en el aula.
También es necesario distinguir entre matrícula, asistencia y aprendizaje. Las estadísticas disponibles permiten observar parte de las trayectorias escolares, pero no siempre muestran con precisión cuánto tiempo pasa cada estudiante en el aula ni qué aprende durante ese período. (Ministerio de Capital Humano, Secretaría de Educación, “Sistema Integrado de Consulta de Datos e Indicadores Educativos”).
Carlos Torrendell impulsó la alfabetización y la Matemática como prioridades nacionales durante su gestión al frente de la Secretaría de Educación. Dejó el cargo en febrero de 2025 y fue reemplazado por María Inés Baragatti.
En este contexto, la discusión sobre inteligencia artificial no puede reducirse a decidir si las escuelas deben incorporar una nueva herramienta. Argentina necesita una política con dos prioridades inseparables: garantizar que todos los estudiantes adquieran los conocimientos fundamentales y enseñarles a utilizar la IA para investigar, contrastar, crear y resolver problemas sin delegarle por completo su juicio.
La misma regla debería orientar a las universidades. Allí donde la IA pueda producir una respuesta, la evaluación debe trasladarse hacia el razonamiento que la sostiene: qué entiende el estudiante, qué pregunta formula, qué evidencia acepta, qué errores detecta y por qué decide una cosa y no otra. En la escuela, esto exige construir las bases; en la universidad, comprobar que esas bases se convierten en criterio profesional.
La pregunta ya no es solamente cómo incorporar inteligencia artificial a la educación. Es cómo rediseñar la educación para que la IA amplíe las capacidades humanas en lugar de reemplazarlas.
La inteligencia artificial debería transformar la evaluación universitaria: menos énfasis en productos automatizables y más en comprensión, verificación, argumentación y decisiones justificadas. Para Argentina, esa transformación solo será educativa si empieza por garantizar los aprendizajes básicos y forma estudiantes capaces de usar la tecnología con criterio propio.
