La inteligencia artificial ya entró al aula y, con ella, apareció una pregunta incómoda para colegios y universidades: ¿cómo evaluar cuando producir un texto dejó de ser prueba suficiente de aprendizaje? El Student Generative AI Survey 2025 de HEPI encontró que 92 % de estudiantes había usado esta tecnología emergente para estudiar y 64 % para generar texto en trabajos académicos. La UNESCO, por su parte, advirtió que la IA generativa puede apoyar la educación, pero también debilitar habilidades críticas si se usa sin supervisión pedagógica y sin claridad sobre sus límites.
Ese dato coincide con otro hallazgo del mismo estudio: 88 % dijo haber usado esta herramienta en evaluaciones, una señal de que el debate ya no es futuro sino presente. Por eso, diseñar tareas resistentes a la copia automática dejó de ser una preocupación de nicho y se volvió una decisión pedagógica básica para docentes de cualquier nivel.
Para Carolina Remolina Luna, directora de la Maestría virtual en Educación para la Innovación Pedagógica, el cambio obliga a revisar de raíz la lógica evaluativa: menos tareas memorísticas y más evidencias de comprensión, aplicación y autoría. El problema no es que el estudiante use tecnología, sino que la tarea pueda resolverse solo con copiar, pegar y entregar.
Ahí aparece el primer ajuste de fondo. Las evaluaciones basadas únicamente en trabajos escritos, sobre todo si piden resumir, definir o repetir contenidos, son las más fáciles de sustituir con IA. Por eso Remolina propone mover la mirada hacia resultados de aprendizaje más amplios: articulación de ideas, aplicación a contextos, interpretación, toma de postura, justificación de decisiones y capacidad de relacionar conceptos con situaciones reales.
Esto no significa sacar la escritura del aula. “No hay que descartar la producción de texto; hay que replantear el fin y el cómo se hace”, explica. Escribir sigue siendo clave para formar pensamiento, pero ya no basta con pedir un texto como producto aislado. Hoy importa más saber cómo se construyó, qué preguntas guiaron el proceso, qué fuentes se contrastaron y qué decisiones tomó el estudiante.
Menos detección automática, más seguimiento del proceso
Una estrategia útil es diseñar entregas por etapas: propuesta inicial, borrador, retroalimentación intermedia, versión revisada y defensa final. Ese modelo permite ver la evolución del pensamiento y no solo la pieza terminada. También abre espacio para evaluar comprensión en exposiciones, debates, análisis de caso, mapas conceptuales explicados por el estudiante o resolución de problemas en clase. “Cuando el docente observa el proceso, la autoría se vuelve mucho más visible y la IA deja de ser un atajo para convertirse en apoyo”, señala Remolina.
Esto conecta con otra alerta importante: confiar solo en detectores de IA o software antiplagio puede ser un error. Estas herramientas no distinguen siempre con precisión entre escritura humana y contenido generado artificialmente, y pueden producir falsos positivos. La consecuencia es seria: acusaciones injustas o decisiones pedagógicas equivocadas. Por eso la alternativa más sólida es combinar revisión de borradores, conversaciones sobre el trabajo, actividades en clase y momentos de explicación oral.
En 2026, cuando casi cualquier estudiante tiene acceso a una IA desde el celular o el computador, la pregunta ya no es cómo prohibirla, sino cómo integrarla sin reemplazar el pensamiento crítico. Remolina plantea una distinción útil: la IA puede ser sustitutiva cuando hace todo por el estudiante, o complementaria cuando ayuda a buscar información, explorar ideas, ensayar preguntas o recibir retroalimentación. “La clave está en diseñar evaluaciones que fomenten un uso complementario y no sustitutivo”, afirma la docente de Areandina.
Para lograrlo, los docentes pueden seguir cinco principios prácticos: definir con claridad el propósito de la tarea, pedir aplicación y no solo repetición, exigir justificación del proceso, combinar escritura con oralidad y hacer explícitas las reglas de uso de IA. Si el estudiante debe analizar, adaptar, cuestionar y defender lo producido, la herramienta deja de reemplazar y empieza a acompañar.
Evaluar en tiempos de IA no consiste en perseguir estudiantes con software dudoso ni en prohibir una tecnología que ya circula por fuera del aula. Consiste en volver a poner el foco donde siempre debió estar: comprender, argumentar, decidir y aprender con criterio propio. Ahí sigue estando la verdadera evidencia del aprendizaje.