Repensar la evaluación cuando casi todo es "chat gepeteable"

Estamos viviendo un momento particular en educación. Ya prácticamente no hay actividad que no sea "chat gepeteable". Uso el término a propósito, medio en chiste, medio en serio. Cualquier consigna, desde un resumen hasta un trabajo práctico complejo, puede ser resuelta por una inteligencia artificial generativa con apenas un par de indicaciones bien escritas.

Y acá aparece el primer problema real. Las actividades que proponemos muchas veces son excelentes. Están bien pensadas, bien formuladas, alineadas con los contenidos y con buenas intenciones pedagógicas. El tema es que hoy eso ya no garantiza aprendizaje. Garantiza, en el mejor de los casos, una buena respuesta.

Con suerte, en algunos casos el docente se da cuenta de que ese trabajo fue hecho con ayuda de una IA. Hay indicios, hay frases raras, hay un salto de calidad sospechoso. Pero en muchos otros casos, y esto es lo más preocupante, no se da cuenta. Y corrige, valora y califica como si ese texto fuera el reflejo genuino del proceso cognitivo del estudiante.

"Estamos corrigiendo trabajos excelentes de alumnos mediocres."

No porque los alumnos no puedan aprender, sino porque el producto final ya no es una evidencia confiable del proceso.

Cuando el resultado dejó de decirnos algo

Durante décadas, evaluar fue sinónimo de mirar el resultado: el examen, el informe, el texto final. Pero hoy ese resultado puede ser perfectamente correcto, coherente, bien escrito y hasta brillante… sin que haya habido comprensión real detrás.

La inteligencia artificial generativa puede escribir mejor que muchos estudiantes, argumentar con más claridad y ordenar ideas de forma impecable. El problema no es la herramienta. El problema es que el resultado dejó de ser una prueba de aprendizaje.

Y esto cambia todo. Porque si cualquier alumno puede pedirle a una IA que resuelva la consigna, entonces lo que estamos evaluando no es conocimiento, sino habilidad para delegar. O peor aún: suerte de que nadie note la delegación.

El espejismo de la respuesta perfecta

Acá aparece otra ilusión peligrosa: creer que si el trabajo está bien, entonces hubo aprendizaje. Pero aprender no es entregar algo prolijo. Aprender implica equivocarse, revisar, dudar, reformular, entender por qué algo funciona y por qué algo no. La IA puede entregar respuestas. Pero no puede atravesar el proceso por el estudiante.

Cuando evaluamos solo el producto final, corremos el riesgo de confundir calidad de salida con calidad de pensamiento. Y en ese error, la evaluación pierde sentido.

Entonces… ¿cómo evaluamos hoy?

La pregunta ya no es si los estudiantes usan IA. Eso ya es un hecho. La pregunta real es qué estamos evaluando cuando evaluamos. Algunas pistas empiezan a ser claras:

• Evaluar procesos, no solo productos: Pedir que expliquen cómo llegaron a una respuesta, qué decisiones tomaron, qué descartaron y por qué.
• Hacer visible el pensamiento: La metacognición pasa a ser más importante que la respuesta correcta.
• Diseñar instancias donde la IA no pueda reemplazar la experiencia: Debates, defensas orales, trabajos en clase, análisis situados, reflexiones personales.
• Incorporar la IA de forma explícita: No esconderla. Usarla como objeto de análisis: comparar una respuesta propia con la de la IA, detectar errores, sesgos o supuestos.

Evaluar ya no puede ser un acto automático. Tiene que ser un diseño consciente.

El rol del docente en tiempos "gepeteables"

El docente no desaparece. Al contrario, se vuelve más necesario que nunca. Pero su rol cambia. Ya no alcanza con corregir respuestas. Hay que leer entre líneas, diseñar mejor las consignas y acompañar procesos.

Y también aceptar algo incómodo: que muchas de las formas tradicionales de evaluar quedaron viejas. No porque estén mal intencionadas, sino porque fueron pensadas para un mundo que ya no existe.

Ciudadanía digital y aprendizaje real

Esta discusión no es solo pedagógica. Es profundamente cultural. Evaluar hoy también es enseñar ciudadanía digital: ayudar a entender cuándo una herramienta potencia el aprendizaje y cuándo lo reemplaza; cuándo suma y cuándo vacía.

Aprender en la era de la inteligencia artificial no es saber usarla para que haga todo por nosotros. Es saber cuándo usarla, cómo usarla y, sobre todo, cuándo no hacerlo.

Porque si todo es chat gepeteable, entonces la verdadera pregunta no es si una actividad puede resolverse con IA. La pregunta es otra, mucho más incómoda y urgente: ¿Qué evidencias de pensamiento estamos buscando cuando decimos que estamos evaluando aprendizaje?

Y esa pregunta, hoy, no se puede esquivar.