¡Noviembre está lleno! Las próximas clases despegan la semana del lunes 7 de diciembre.

Reserva tu lugar
Evaluación en la era de la IA: por qué rehacen el examen
Tabla de contenido

Evaluación en la era de la IA: por qué rehacen el examen

La evaluación en la era de la IA es el problema real: suben las tareas y bajan los exámenes. Así están rehaciendo las pruebas y qué puedes pedir en el colegio.

La evaluación en la era de la IA se rompió de una forma que apareció como número, no como discusión. Profesores citados por el Washington Post el 22 de septiembre de 2026 describieron alumnos que “entregan mejores tareas pero les va peor en los exámenes”. Le pusieron “ilusión de aprendizaje”. Si le quitas el drama a la frase, lo que queda es una falla de medición: el trabajo para casa y la prueba supervisada ya no coinciden en qué sabe el mismo alumno. Cuando dos instrumentos se contradicen, no se discute el alumno. Se arregla el instrumento.

Puntos clave

  • El desfase tarea-examen es un problema de validez. Un trabajo mide a un alumno solo si el alumno fue la única variable que cambió.
  • La guía del IES Organizing Instruction and Study to Improve Student Learning (Pashler y colegas, 2007) le da evidencia fuerte a los cuestionarios de reexposición y a las preguntas explicativas profundas. Las dos sobreviven al acceso a IA porque las dos exigen recuperar de memoria.
  • Hay cuatro diseños en juego: sustentación oral, producción supervisada en clase, evidencia de proceso desde el historial del documento, y tareas de desempeño con un producto físico.
  • Los pilotos de Cornell, con una donación de 2 millones de dólares, no reportan resultados de aprendizaje hasta 2028. Nadie tiene los datos comparativos todavía.
  • Los adolescentes ya trazan una línea que los adultos casi no notan: 54% le dijo a Pew que es aceptable usar ChatGPT para investigar un tema nuevo, y solo 18% dijo que es aceptable escribir un ensayo con él.

Qué tiene que hacer la evaluación en la era de la IA

Una evaluación es un instrumento para inferir lo que hay en la cabeza de un alumno a partir de algo que produce. Su validez depende por completo de que la distancia entre las dos cosas sea pequeña y predecible.

Ese vínculo se mantuvo por un siglo porque producir un ensayo competente requería tener pensamientos competentes. Ya no. El resultado puede producirse sin el estado interno, así que la inferencia se rompe. Esto no es un problema moral sobre honestidad. Un alumno perfectamente honesto que le pide a una IA ordenar sus párrafos también convirtió su ensayo en una peor medición de su capacidad de ordenar párrafos.

Así que los colegios tienen una decisión que en general han evitado: o controlan las condiciones de producción, o miden algo que la producción no puede falsear.

Por qué la recuperación de memoria es la parte que sigue funcionando

La investigación más útil aquí es casi veinte años anterior a la IA generativa.

La guía del IES Organizing Instruction and Study to Improve Student Learning (Pashler, Bain, Bottge, Graesser, Koedinger, McDaniel y Metcalfe, 2007) asigna niveles de evidencia a movimientos pedagógicos concretos. Dos tienen evidencia fuerte: usar cuestionarios para reexponer a los alumnos al contenido clave, y hacer preguntas explicativas profundas. Espaciar el repaso a lo largo de semanas o meses tiene evidencia moderada, igual que intercalar ejemplos resueltos con resolución de problemas.

Fíjate qué tienen en común. Cada uno exige que el alumno saque información de su memoria en lugar de reconocerla o producirla con ayuda. La recuperación es a la vez el mecanismo del aprendizaje durable y, convenientemente, lo más difícil de delegar. La guía lo plantea así: la recuperación “facilita directamente huellas de memoria duraderas”, y por eso evaluar es enseñar, no solo medir.

Eso le da a los colegios una regla de diseño con investigación detrás: las evaluaciones construidas sobre recuperación y explicación siguen funcionando con acceso a herramientas. Las construidas sobre producción, no.

Los cuatro rediseños que se están intentando

DiseñoQué mideCosto de operarDebilidad
Sustentación oralSi el alumno puede explicar y justificar su propio trabajo entregadoAlto: minutos de maestro por alumnoCastiga a los ansiosos y a quien estudia en segunda lengua, si no se adapta
Producción supervisada en claseEscritura o resolución sin ayuda, con tiempo limitadoMedio: tiempo de clase, sin tecnologíaMide velocidad y nervios junto con conocimiento; poca práctica de revisión
Evidencia de procesoEl camino de la hoja en blanco al borrador final, vía historial de versionesBajo de montar, alto de leerFácil de simular cuando los alumnos aprenden cómo; preguntas de privacidad
Tarea de desempeño con productoSi el alumno logra que una cosa funcione en el mundo físicoAlto: materiales, tiempo, espacioDifícil de calificar de forma consistente; mide mal el razonamiento escrito

La mayoría de los colegios va a mezclar. La pregunta útil para un papá no es cuál es mejor, sino si el colegio cambió algo, porque un régimen de evaluación intacto en 2026 está reportando números que no puede defender.

La sustentación oral merece una nota. Es el diseño más viejo de la lista, es lo que siempre han hecho las defensas de tesis, y es el único que prueba directamente el vínculo entre el trabajo y la persona. También es el más caro, y por eso suele aparecer como revisión corta y no como examen completo. Cinco minutos por alumno en un grupo de treinta son dos horas y media. Cuando un colegio dice que no puede rehacer su evaluación, normalmente este es el renglón del que habla.

Quién está financiando el rediseño, y cuándo llegan las respuestas

Cornell anunció sus pilotos el 17 de septiembre de 2026, con una donación de 2 millones de dólares de la familia Dake y apoyo de la oficina del rectorado, con investigadores adentro ayudando a identificar y evaluar formas de incorporar IA. A los decanos se les pidió identificar un aspecto central de la enseñanza en su facultad para probar. Los equipos pueden implementar cambios en la primavera de 2027, el otoño de 2027 o la primavera de 2028, y los resultados se evalúan y comparten en 2028. El vicerrector Steven Jackson describió a Cornell como “una de muy pocas instituciones que está tomando un enfoque tan deliberado y proactivo”.

Lee bien esa línea de tiempo. La investigación sobre evaluación mejor diseñada que se anunció ese otoño entrega sus primeros hallazgos en dos años. Todo lo que pase en los salones antes de eso es improvisación, incluida la buena improvisación.

Las escuelas profesionales se movieron más rápido porque su apuesta es más inmediata. Reuters reportó el 21 de septiembre de 2026 que al menos 12 facultades de derecho en EE. UU. cambiaron políticas ese otoño: 36 de 180 encuestadas ya exigen formación en IA y otras volvieron a prohibir las laptops en clase. Prohibir la laptop es una decisión de evaluación disfrazada de regla de salón: controla las condiciones de producción.

¿Y en América Latina?

Aquí hay una ventaja estructural que casi nadie está aprovechando: en la región el examen supervisado nunca se fue.

El ICFES en Colombia, la PAES en Chile, los exámenes de admisión de la UNAM y el IPN en México, las pruebas de Minedu en Perú: todos siguen siendo presenciales, con lápiz, con vigilancia y sin dispositivos. Eso significa que el desfase tarea-examen del que habla el Washington Post no hay que construirlo con un diseño nuevo. Ya existe, ya está medido todos los años y ya es público en varios países.

Esa es la herramienta de diagnóstico más potente que tiene un papá latinoamericano, y es gratis. Compara el promedio interno del colegio con sus resultados en la prueba nacional, año con año. Si el promedio interno sube y el resultado estandarizado no se mueve, el colegio está inflando notas, y la IA es ahora una de las razones posibles. Si los dos se mueven juntos, la enseñanza está funcionando.

Hay tres cosas concretas que puedes pedir con eso en la mano:

  1. Que una parte del peso de la nota venga de trabajo hecho en clase, sin aparatos. No hace falta prohibir nada en casa. Basta con que la calificación no dependa solo de lo que se produjo fuera de la vista.
  2. Que exista una sustentación corta. En la región el formato ya es culturalmente familiar: la exposición oral y la sustentación existen desde siempre en colegios de Argentina, Colombia y Chile. No hay que inventar un ritual nuevo, hay que volver a usar el que ya está.
  3. Que haya cuestionarios frecuentes de bajo peso. Esto es lo que la guía del IES respalda con evidencia fuerte, y es más barato que cualquier software. Un colegio que tiene solo un parcial y un final le está dando a tu hijo el calendario menos efectivo que describe la investigación.

Una advertencia específica para la región: ojo con los detectores de IA. Casi todos están entrenados mayoritariamente con texto en inglés, y su desempeño en español no está documentado públicamente con el mismo detalle. Un alumno que escribe en un español correcto pero formal, como el que enseñan muchos colegios, es justo el perfil que un detector puede marcar mal. Si el colegio de tu hijo usa uno, la pregunta no es sobre exactitud. Es sobre proceso: quién revisa una alerta, qué le muestran al alumno y cómo se apela. El marco completo está en portafolio de evaluación vs exámenes estandarizados.

Qué hacer en casa

Haz el chequeo de dos columnas una vez por periodo

Anota las notas de los trabajos hechos en casa y las de los hechos bajo supervisión. En columnas separadas. Un desfase consistente es la señal que describe la cobertura del Washington Post, y tú lo vas a ver antes que el colegio, porque ninguna libreta separa esas categorías sola.

Pídele que te explique un trabajo entregado, en voz alta

No como interrogatorio. Elige algo de lo que estuvo orgulloso y pídele que te cuente por qué tomó dos decisiones específicas. A un alumno que sí pensó le gusta esa conversación. Uno que no, va a redirigir hacia cuánto tiempo le tomó. Esa reacción es el dato.

Haz una sola pregunta sobre diseño de evaluación

“¿Cambió alguna evaluación de esta materia en el último año por la IA, y cómo?”. Si la respuesta es una herramienta de detección, el colegio está vigilando la producción. Si la respuesta es un cambio en el diseño de la tarea, el colegio está rehaciendo la medición. Lo segundo es más difícil y mucho más probable que ayude a tu hijo.

Pide recuperación, no más tarea

Dada la evidencia del IES, los cuestionarios de bajo peso repartidos a lo largo de semanas hacen más por la retención que los trabajos largos. Pedir chequeos más frecuentes y de menor peso es una solicitud legítima con una cita detrás. En el debate sobre la tarea escolar está el resto de la evidencia.

Lo que no debes hacer: usar un detector de IA como prueba

Las herramientas de detección producen probabilidades, no hallazgos, y un falso positivo cae sobre un niño que no tiene manera de probar una negación.

Qué observar en los próximos 3 meses

  • Semana 4: Observa cambios en el programa de la materia, no anuncios de política. Una materia que mueve el peso de la nota de ensayos para casa hacia trabajo en clase ya tomó la decisión de fondo, normalmente sin comunicado.
  • Mes 2, señales de alarma: Un colegio que reporta mejores resultados usando solo notas de tarea. Una política nueva de IA sin ningún cambio en ninguna evaluación. Un proceso disciplinario donde el puntaje del detector se trata como el hallazgo.
  • Mes 3, autoevaluación: Pídele a tu hijo que haga un examen viejo, a libro cerrado, en la mesa de la cocina. Compáralo con su nota actual. Si se contradicen por mucho, ya encontraste el desfase en tu propia casa y puedes actuar sin esperar a 2028.

Preguntas frecuentes

¿El desfase tarea-examen prueba que la IA daña el aprendizaje?

No. La cobertura del Washington Post es observacional, viene de reportes de docentes y no de una comparación controlada, y habla de universitarios. Alcanza para usarla como diagnóstico y no para llamarla hallazgo. Lo honesto es decir que los dos instrumentos no coinciden, y que eso es un problema sin importar la causa.

¿La sustentación oral es justa con un niño tímido?

Solo si se diseña pensando en él. Mal hecha, mide confianza. Bien hecha, es corta, se agenda con anticipación, usa preguntas cuyo formato el alumno ya conoce y permite notas. Pregunta si hay alternativa escrita para alumnos con adaptaciones por ansiedad.

¿Mi hijo debería evitar la IA por completo para proteger sus notas?

No es lo que respalda la investigación, y los adolescentes ya distinguen. En la encuesta de Pew a 1,391 jóvenes, 54% dijo que investigar un tema nuevo con ChatGPT era aceptable, mientras solo 18% dijo lo mismo de escribir ensayos y 42% dijo que no era aceptable.

¿Por qué los colegios compran detectores en lugar de cambiar los exámenes?

Porque la detección es barata y se compra este trimestre, mientras rediseñar la evaluación cuesta horas de maestro y capacitación. La revisión de Instruction Partners del 14 de septiembre de 2026 encontró que las herramientas con un rol instruccional claro superaban a los chatbots de uso general, y la misma lógica aplica aquí: la intervención barata rara vez es la efectiva.

¿Cuándo vamos a saber qué funciona?

Los pilotos con investigación de Cornell reportan en 2028. Esa es la fecha creíble más cercana para evidencia diseñada. Trata todo lo anterior como hipótesis, incluidas las de este artículo.


Sobre el autor

Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.


Fuentes

  1. The Washington Post. (22 de septiembre de 2026). “‘It’s an illusion of learning’: How some educators say AI is hurting students.” https://www.washingtonpost.com/education/2026/09/22/its-illusion-learning-how-some-educators-say-ai-is-hurting-students/
  2. Pashler, H., Bain, P., Bottge, B., Graesser, A., Koedinger, K., McDaniel, M. y Metcalfe, J. (2007). “Organizing Instruction and Study to Improve Student Learning.” IES Practice Guide. https://ies.ed.gov/ncee/wwc/practiceguide/1
  3. Cornell Chronicle. (17 de septiembre de 2026). “AI Education Initiatives Emphasize Experimentation, Balanced Use.” https://news.cornell.edu/stories/2026/09/ai-education-initiatives-emphasize-experimentation-balanced-use
  4. Reuters. (21 de septiembre de 2026). “Laptop Bans, New Tech Courses: US Law Schools Grapple With AI.” https://www.reuters.com/legal/litigation/laptop-bans-new-tech-courses-us-law-schools-grapple-with-ai-2026-09-21/
  5. Education Week. (14 de septiembre de 2026). “New Project Identifies Strengths and Weaknesses of a Collection of AI Learning Tools.” https://www.edweek.org/technology/new-project-identifies-strengths-and-weaknesses-of-a-collection-of-ai-learning-tools/2026/09
  6. Pew Research Center. (15 de enero de 2025). “About a Quarter of U.S. Teens Have Used ChatGPT for Schoolwork.” https://www.pewresearch.org/short-reads/2025/01/15/about-a-quarter-of-us-teens-have-used-chatgpt-for-schoolwork-double-the-share-in-2023/
  7. Stanford Institute for Human-Centered AI. (2025). “AI Index Report 2025.” https://hai.stanford.edu/ai-index/2025-ai-index-report
  8. UNESCO. (2023). “Guidance for Generative AI in Education and Research.” https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research
Ricky Flores
Escrito por Ricky Flores

Fundador de HiWave Makers e ingeniero eléctrico con más de 15 años trabajando en proyectos con Apple, Samsung, Texas Instruments y otras empresas Fortune 500. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo impulsado por la tecnología.