No, la IA no hizo trampa sola, Parte II. La UNAM frente al espejo

 

Crédito: Fundación UNAM (https://www.fundacionunam.org.mx/unam-al-dia/repensar-a-la-universidad-es-una-tarea-que-todos-debemos-asumir-rector-lomeli/)

Como mencioné en mi artículo anterior, es fácil convertir esta historia en un debate sobre estudiantes que hicieron trampa. Es un tema que vende titulares y despierta indignación, y con razón. Sin embargo, si queremos entender, o, mejor dicho, superar realmente lo que ocurrió, la conversación debe ir mucho más allá y pensar que la crisis también es institucional.

Porque la inteligencia artificial no puso a prueba únicamente a miles de aspirantes, también puso a prueba la capacidad de adaptación de la universidad más importante del país.

Y esa prueba, hay que decirlo, todavía está en curso.

La UNAM ha sido históricamente uno de los mayores referentes académicos de América Latina. Su prestigio no proviene únicamente de su tamaño o de su producción científica, sino de algo mucho más importante: la confianza que la sociedad deposita en ella.

Cada año, cientos de miles de jóvenes presentan un examen convencidos de que el proceso será justo, transparente y basado en el mérito. Entonces, ese capital de confianza vale muchísimo más que cualquier edificio o laboratorio. Por eso esta crisis resulta tan delicada.

Cuando una universidad duda de los resultados de su propio proceso de admisión, no solamente enfrenta un problema operativo, enfrenta un problema de legitimidad. Y recuperar la confianza suele ser mucho más difícil que construirla.

Sin embargo, también sería injusto exigirle a la UNAM que resolviera un problema que prácticamente ninguna universidad del mundo ha terminado de resolver; la inteligencia artificial está haciendo obsoletos muchos de los mecanismos tradicionales de evaluación.

Es la realidad, incómoda, pero realidad al fin.

Durante décadas hemos diseñado exámenes bajo un supuesto muy simple: el estudiante estaba solo frente al problema y lo tenía que resolver. Esa era la prueba final.

Ese supuesto dejó de existir, o se está diluyendo con rapidez.

Hoy un aspirante puede tener acceso, desde un teléfono o una computadora, a modelos capaces de resolver problemas complejos, redactar ensayos, interpretar textos, programar e incluso explicar su razonamiento; así es, no hablamos de copiar respuestas de internet, hablamos de sistemas que generan ”nuevas” respuestas en tiempo real.

Eso cambia completamente las reglas del juego. Y obliga o va a obligar a las universidades a hacerse una pregunta que hasta hace poco parecía impensable:

¿Qué significa realmente evaluar conocimiento en la era de la inteligencia artificial?

Y todo indica que esta vez quizá la respuesta no sea fortalecer únicamente los sistemas de vigilancia. Quizá el verdadero cambio tenga que ocurrir en el diseño mismo de las evaluaciones.

Durante años hemos confundido evaluar memoria con evaluar capacidad; la IA acaba de demostrar que ambas cosas no eran, y no son equivalentes.

Si una máquina puede responder un examen de opción múltiple con enorme precisión, tal vez el problema no sea únicamente la máquina; tal vez también sea el examen.

Por supuesto, esto no significa abandonar las pruebas estandarizadas de la noche a la mañana; la UNAM enfrenta un desafío enorme: evaluar a cientos de miles de aspirantes de manera eficiente y equitativa no es comparable con los procesos de admisión de universidades mucho más pequeñas. Pero sí significa reconocer que el modelo actual necesitará evolucionar.

Probablemente veremos procesos híbridos, combinaciones de evaluaciones presenciales, ejercicios prácticos, entrevistas, resolución de casos y mecanismos donde el razonamiento importe más que la respuesta final.

Paradójicamente, la IA podría obligar a las universidades a volver a valorar aquello que resulta más humano: explicar, argumentar, crear y defender ideas.

Por otro lado, creo que hay otro aspecto que merece nuestra atención. La UNAM no solo forma profesionistas. A propósito, o no, también marca tendencias para buena parte del sistema de educación superior mexicano.

Lo que haga ahora será observado por universidades públicas, privadas, organismos acreditadores y autoridades educativas de todo el país. En cierto sentido, la respuesta institucional de la UNAM podría convertirse en el primer gran laboratorio mexicano de gobernanza académica frente a la inteligencia artificial.

Y eso representa una enorme responsabilidad, porque esta crisis no terminará cuando concluyan las investigaciones o se publiquen nuevos resultados. La verdadera prueba vendrá después.

¿Invertirá la universidad en nuevas metodologías de evaluación? ¿Desarrollará investigación propia sobre IA aplicada a la educación? ¿Creará capacidades técnicas para anticipar futuros escenarios? ¿O simplemente endurecerá los mecanismos de vigilancia esperando que el problema desaparezca?

Porque la diferencia entre una reacción y una transformación será enorme.

En AI Güey hemos insistido en que la inteligencia artificial está obligando a rediseñar industrias completas; la educación superior no será la excepción.

Quizá el mayor aprendizaje que deja esta crisis es que las universidades ya no pueden limitarse a enseñar inteligencia artificial. También tendrán que aprender a convivir con ella.

A fin de cuentas, parece que el verdadero examen ya no consiste solamente en detectar quién hizo trampa. Consiste en demostrar que las instituciones educativas son capaces de reinventarse cuando la tecnología cambia las reglas del conocimiento.

Y ese examen, honestamente, apenas comienza.

Pero tú, estimado lector, ¿qué opinas?

Hasta la próxima,

—Jorge García, AI Güey