Y tú, ¿aprendes o lo simulas? El debate de la IA y la universidad

"La IA ha llegado para quedarse". "Prohibir no es la solución". "La tecnología no es el problema, sino enseñar a usarla bien". "Lo que importa es el aprendizaje y la IA puede ayudar". "No podemos convertirnos en policías de IA". Las anteriores afirmaciones se están convirtiendo en mantras habituales en el debate sobre la inteligencia artificial (IA) en educación, especialmente en la enseñanza universitaria pública. Pero ninguno de ellos ayuda a abordar el problema de fondo que la IA nos plantea a los académicos: cómo seguir garantizando, en su presencia, que las credenciales que expide la universidad capturan efectivamente las competencias y conocimientos que pretenden capturar y son, por tanto, confiables para el resto de la sociedad, que es la destinataria final de los bienes públicos que la universidad supuestamente produce. Porque, le guste o no a todo el profesorado, esa es una de las funciones básicas de una universidad, especialmente si es pública: tenemos la responsabilidad ante la sociedad de asegurar al máximo que los egresados han adquirido los conocimientos y capacidades que se supone que deben tener para ejercer su profesión, y han merecido las calificaciones obtenidas en su expediente académico. ¿Quién, si no, debe garantizar tal cosa?

Hoy en día, la IA permite a cualquier estudiante simular el rendimiento y el aprendizaje real, incluso en exámenes tradicionales, sin que el profesorado pueda detectarlo o, si lo sospecha, sin que pueda demostrarlo en caso de reclamaciones: tecnologías baratas y accesibles como gafas, cámaras y pinganillos conectados a la IA ya operan como "chuletas" digitales invisibles. Las imperfecciones que sin duda tienen los métodos de evaluación usados hasta la fecha no hacen menos perentoria la cuestión de la irrupción de la IA ni pueden servir como excusa para la inacción. No existe prueba o sistema de evaluación perfecto, pero eso no ha impedido que en la universidad siempre se hayan establecido medidas de control y sanción para quienes intenten hacer trampa, simulando un nivel de aprendizaje que en realidad no han adquirido: ha pasado con otras tecnologías, como la calculadora, el ordenador personal o el móvil.

"Tenemos la responsabilidad ante la sociedad de asegurar al máximo que los egresados han adquirido los conocimientos y capacidades que se supone que deben tener "

Por supuesto que el debate no es si "prohibir" o no la IA (ni ninguna otra tecnología), dado que esta puede ser una herramienta útil en muchos sentidos, sino cómo garantizar que no se usa para hacer trampas, falseando el desempeño real y engañando a la universidad y a la sociedad. Y esa garantía compete a la universidad, que, en este sentido, ejerce una función similar a la de los examinadores del permiso de conducir, los notarios, los inspectores de hacienda o de trabajo, o cualquier funcionario público que debe comprobar la veracidad y autenticidad de un documento o solicitud. Todos sabemos que la cuestión no es la tecnología en sí, sino su uso: el problema es cuál es ese uso legítimo de la IA y cómo se garantiza.

Pero la IA ha dado al traste con todos los métodos tradicionales de control y detección del fraude académico, ante la virtual imposibilidad de garantizar la validez de las pruebas y de evitar un nivel masivo de falsos positivos. Actualmente, si usamos métodos tradicionales (como ensayos, trabajos, exámenes o ejercicios escritos), la incómoda verdad es que no podemos saber cómo de fiables son nuestras evaluaciones, o lo sabemos aún menos que antes. Negar que existe el problema y mirar hacia otro lado no parece de recibo.

Los incentivos que favorecen el fraude académico con IA

La tentación más evidente, ante esta situación, es fiarlo todo a los valores y al cumplimiento voluntario del estudiantado. Pero la ciencia social sabe ya suficiente sobre en qué condiciones es más o menos probable esperar ese cumplimiento voluntario como para no dejarse encerrar en discusiones estereotipadas y especulativas entre Rousseau y Hobbes. Por resumir: cabe esperar cumplimiento voluntario cuando hay poco en juego o existen incentivos que lo recompensan; es necesario, a la inversa, controlar y sancionar el incumplimiento cuando hay mucho en juego y los posibles incentivos no compensen el coste de cumplir. Sería iluso pretender que pagar impuestos fuese voluntario.

"La IA ha dado al traste con todos los métodos tradicionales de control y detección del fraude académico"

Desafortunadamente, la llegada de la IA plantea a las universidades una combinación demoníaca en este sentido. Es difícil ignorar que los estudiantes se juegan mucho cuando intentan aprobar asignaturas y conseguir el título de grado a un mínimo coste de tiempo y esfuerzo; el aprendizaje real puede ser una compensación suficiente del coste del cumplimiento solo en casos vocacionales que en muchos grados tienden a ser minoritarios, y a ello se añade que la IA permite simular competencias indefinidamente en el tiempo. Si, además, las propias universidades repiten abiertamente que les resulta imposible detectar y demostrar el uso de IA, ello refuerza una estrategia dominante en esa dirección por parte de los estudiantes.

Por el contrario, las universidades se juegan poco: si los estudiantes aprueban y egresan sin haber aprendido suficiente o con una formación de baja calidad, los costes los asume el resto de la sociedad, no ellas, mientras que los costes de controlar y "hacer de policías", que se asumían más o menos sin problemas antes de la IA, resultan prohibitivos en el presente contexto, donde además las reclamaciones podrían crecer exponencialmente. Incrementar la exigencia, el control y la detección de los usos fraudulentos de la IA tiene altos costes. Las universidades pierden poco o nada siendo permisivas con el uso de la IA: sus estudiantes siguen egresando y ellas, ingresando. Compárese esta permisividad con el control burocrático rayano en la paranoia que aplican a cada euro que gasta un investigador en sus proyectos competitivos: aquí hay dinero y posibles sanciones económicas del Ministerio, mucho en juego.

"Las universidades pierden poco o nada siendo permisivas con el uso de la IA: sus estudiantes siguen egresando y ellas, ingresando"

Podría objetarse que las universidades son también un cuasimercado reputacional, y si sus estudiantes han simulado su aprendizaje, eso las perjudicará en ese mercado. Pero en muchos países, como el nuestro, la asignación de estudiantes y recursos no depende tanto de la reputación. Además, los profesores tienden a conseguir reputación por su investigación y transferencia más que por su docencia. Como guinda, la simulación de competencias puede continuar indefinidamente en muchas profesiones, con lo que el daño reputacional se contiene.

En esta situación, el equilibrio al que se tenderá resulta diáfano: libertad total en la práctica, tanto para estudiantes como profesores a la hora de usar y permitir usar IA, y ello aunque se hagan recomendaciones o seudoprohibiciones meramente declarativas que nadie implementa efectivamente. Esa es aproximadamente la situación que estamos viviendo en el momento presente en numerosos campus universitarios. La obvia pregunta es si esto es sostenible sin un colosal (auto)engaño colectivo y sin desatar una espiral hacia el absurdo: ¿por qué no podrían, entonces, los profesores delegar la evaluación y la asignación de calificaciones a la IA? (De hecho, ya están produciendo masivamente artículos científicos mayormente elaborados con IA). Es inevitable cuestionarse cuál sería el valor añadido específico de la universidad en este contexto.

¿Cómo puede la universidad evaluar el aprendizaje real en tiempos de IA?

A mi modo de ver, hay dos alternativas posibles y compatibles entre sí a este neolibertarismo universitario con la IA: o aplicar una tecnología capaz de detectar con fiabilidad el uso fraudulento de IA, o dar con una prueba de aprendizaje fiable que sea inmune a dicho uso. Hasta hace poco se aseguraba que la primera no existía, pero Pangram puede estar cambiando eso. En cuanto a la segunda, la única de la que disponemos es la interacción oral cara a cara entre estudiante y docente, pero cabe dudar de su viabilidad como método generalizado: primero, porque las tecnologías que usan IA pueden adaptarse rápidamente para afrontar fraudulentamente también esa opción; segundo, porque para su implementación se requieren muchos más recursos en la universidad pública, que posibiliten grupos más pequeños y atención personalizada; finalmente, la validez de la prueba estaría condicionada por sesgos de personalidad, como la desenvoltura oral o la timidez de cada estudiante.

"En esta situación, el equilibrio al que se tenderá resulta diáfano: libertad total en la práctica, tanto para estudiantes como profesores a la hora de usar y permitir usar IA"

En definitiva, la universidad necesita explorar urgente y decididamente las dos alternativas mencionadas: tecnologías de detección y tests inmunes a la IA, pero, en su lugar, me temo que lo que presenciaremos es una tendencia al equilibrio estratégico que he descrito: el estudiante simula que aprende mientras usa IA, y la universidad finge que se lo cree, lo aprueba y lo gradúa. ¿Nos arrepentiremos?