El Instituto Tecnológico de Massachusetts (MIT) publicó un informe en el que propone rediseñar su enseñanza, sus evaluaciones y la vida en el campus ante el avance de la inteligencia artificial generativa, una tecnología que ya puede resolver ensayos, problemas de matemáticas y ciencias, demostraciones y tareas de programación de nivel universitario. El plan busca evitar que la automatización sustituya el esfuerzo intelectual, los vínculos entre estudiantes y docentes, y las experiencias prácticas que caracterizan a la formación presencial.
La inteligencia artificial generativa se volvió de uso público con el lanzamiento de ChatGPT a fines de 2022 y, en menos de cuatro años, superó los mil millones de usuarios. Su adopción acelerada impide que las instituciones observen sus efectos y se adapten gradualmente, advierte el Comité Ad Hoc sobre el Uso de IA en Enseñanza, Aprendizaje y Formación en Investigación del MIT en el reporte publicado el pasado 13 de agosto.
PUBLICIDAD
El comité fue convocado en enero por la rectora Melissa Nobles, el vicerrector Anantha Chandrakasan y el presidente del cuerpo docente Roger Levy. Durante cinco meses reunió a estudiantes de grado y posgrado, profesores de todas las escuelas y empleados de unidades como las Bibliotecas del MIT y el Laboratorio de Enseñanza y Aprendizaje.
La propuesta parte de una tensión central: los sistemas pueden ofrecer tutorías personalizadas, facilitar la investigación, analizar datos y permitir proyectos de software antes imposibles dentro de un semestre. Al mismo tiempo, su uso sin límites puede debilitar la confianza en las calificaciones, reducir la asistencia a tutorías, las discusiones en línea y los grupos de estudio presenciales.
A partir de ese trabajo, el grupo concluyó que la comunidad del MIT, y en especial el profesorado, debe afrontar preguntas más profundas sobre la estructura, el sentido y el valor de una educación del instituto en una época en que la IA es uno de varios factores que complican su misión.
PUBLICIDAD
Una enseñanza centrada en la práctica
Las tareas realizadas fuera del aula dejaron de ser un indicador suficiente del aprendizaje individual cuando una herramienta puede completarlas con resultados plausibles. El comité recomendó que cada materia revise qué espera que los estudiantes sepan, puedan hacer y valoren al finalizar el curso antes de decidir si permite, limita o exige el uso de inteligencia artificial.
La estrategia sugerida es diseñar desde los objetivos de aprendizaje hacia las actividades y las formas de evaluación. Así, la tecnología podría incorporarse cuando ayude a alcanzar una meta pedagógica concreta, pero no cuando permita eludir la adquisición de capacidades fundamentales.
El MIT rechazó una regla única para toda la institución porque una clase de poesía, un curso de demostraciones matemáticas y un taller de arquitectura requieren relaciones distintas con estos sistemas. También distinguió entre un estudiante de primer año, que aún desarrolla conocimientos y criterio básicos, y un doctorando que usa herramientas para acelerar la revisión bibliográfica en un área que ya domina.
PUBLICIDAD
Los departamentos deberían definir marcos compartidos, con un menú común de políticas, reglas de divulgación y criterios de responsabilidad. Cada programa tendría que explicar con claridad cuándo la inteligencia artificial está prohibida, permitida o requerida, tanto en el programa de la materia como en su sitio web.
El informe aconsejó ampliar las evaluaciones orales, los portafolios semestrales y las tareas fuera de clase acompañadas por conversaciones presenciales. Estas modalidades exigirían más tiempo de docentes auxiliares y más espacios de trabajo, pero permitirían observar el proceso de razonamiento, no solo el resultado final.
También recomendó aumentar el peso de proyectos, laboratorios y actividades basadas en la experiencia. En ingeniería de software, por ejemplo, las herramientas de programación asistida permiten que los alumnos construyan en un semestre productos cercanos a un nivel de producción, lo que abre espacio para analizar cómo funcionan los diseños en situaciones reales y comparar sus resultados.
PUBLICIDAD
La inteligencia artificial también amplía las posibilidades de los estudiantes de arquitectura para visualizar y poner a prueba ideas con rapidez. Sin embargo, el comité señaló que esto vuelve todavía más necesario preservar las capacidades conceptuales, técnicas y sociales que permiten a los alumnos conservar el control sobre sus decisiones.
La protección del trabajo compartido y de la investigación estudiantil
La preocupación no se limita a la copia o al fraude académico. El comité advirtió que depender de asistentes conversacionales puede generar una “rendición cognitiva”: recurrir a la herramienta apenas aparece una dificultad y confundir la obtención de una respuesta con el aprendizaje real.
Esa dependencia puede reducir el pensamiento crítico, debilitar la memoria, erosionar la confianza y afectar el dominio profundo de una disciplina. El desafío, según el MIT, es usar la inteligencia artificial para ampliar la curiosidad, la creatividad y la capacidad de resolver problemas, no para automatizarlas.
PUBLICIDAD
El reporte pidió que todas las materias incluyan una instancia social presencial regular, más allá de asistir en silencio a una clase magistral. Los proyectos colaborativos, las discusiones, los laboratorios y los grupos de trabajo deberían tener objetivos definidos y estructuras que ayuden a los estudiantes a comunicarse, recibir críticas y construir soluciones con otros.
La formación residencial también está en juego. El comité sostuvo que los aprendizajes decisivos no se reducen al contenido de un programa: se construyen en residencias, equipos deportivos, grupos artísticos, clubes, laboratorios y reuniones de investigación, donde los estudiantes aprenden a perseverar, debatir, compartir reconocimiento y formar parte de una comunidad intelectual.
El Programa de Oportunidades de Investigación para Estudiantes de Grado, conocido como UROP, ocupa un lugar especial en esa propuesta. Creado en 1969, involucra directamente al 93% de los estudiantes de grado y al 58% del profesorado, y permite que los alumnos se integren a proyectos dirigidos por docentes.
PUBLICIDAD
El comité alertó que algunos profesores contemplan usar agentes de inteligencia artificial como asistentes de investigación en lugar de contratar estudiantes de UROP. Aunque esa decisión podría acelerar tareas y reducir costos, pondría en riesgo una experiencia concebida para educar: la participación en laboratorios, la relación con mentores, el contacto con investigadores de distintas etapas y el aprendizaje sobre cómo se construye conocimiento de forma colectiva.
La institución debería preservar, renovar y ampliar UROP, facilitar su acceso y evaluar la posibilidad de extender experiencias similares más allá de los laboratorios. Entre las alternativas mencionadas figuran los programas cooperativos de trabajo y estudio, el reconocimiento de estas prácticas para cumplir requisitos de graduación y la expansión de proyectos de investigación de posgrado vinculados con la industria.
Transparencia para docentes, estudiantes e investigación
El MIT desaconsejó basar las decisiones disciplinarias en detectores automáticos de contenido generado por inteligencia artificial. Esas herramientas pueden identificar textos creados íntegramente por un modelo, pero tienen menos eficacia cuando el estudiante utilizó el sistema para hacer un esquema, revisar un párrafo o depurar una función de código.
PUBLICIDAD
Además, los detectores pueden confundir la escritura de personas cuya lengua materna no es el inglés o de estudiantes neurodivergentes con contenido sintético. El Comité de Disciplina del MIT ya considera insuficiente el resultado de un detector como única prueba para abrir un caso de integridad académica.
El reporte propuso alternativas como escribir a mano los primeros borradores dentro del aula, establecer entregas parciales, organizar reuniones de seguimiento y usar plataformas que registren el historial de versiones. Ese registro permitiría examinar la evolución de un trabajo y, al mismo tiempo, ayudaría a los estudiantes a reflexionar sobre el desarrollo de sus ideas.
Las exigencias de transparencia también deberían alcanzar a los docentes. Si un profesor emplea sistemas generativos para producir materiales de clase, calificar, ofrecer devoluciones o diseñar evaluaciones, tendría que explicar a los alumnos cómo y por qué los utiliza.
Los estudiantes expresaron incomodidad con la idea de asistentes docentes automatizados y señalaron que una clase construida en exceso con inteligencia artificial puede transmitir que la enseñanza no es prioritaria. El uso de estas herramientas para revisar trabajos según una rúbrica podría ser útil como devolución preliminar para los alumnos, pero no debería reemplazar la intervención humana en la evaluación final.
En una encuesta realizada en el otoño de 2025 por The Tech, más de dos tercios de los estudiantes consultados consideraron que la inteligencia artificial será importante para sus carreras. Solo el 25% afirmó que el MIT los preparaba adecuadamente para usarla.
Por eso, el comité pidió incorporar desde la orientación de grado y posgrado contenidos sobre uso efectivo, responsable y ético de estos sistemas. Las materias de comunicación deberían abordar la manera de utilizar —y cuándo evitar— la inteligencia artificial en la escritura, incluidos los riesgos de citas inventadas y de homogeneización del lenguaje y las ideas.
Las tesis también deberían incluir una declaración sobre el uso de inteligencia artificial durante su elaboración. Los modelos no podrán figurar como coautores y los investigadores deberán verificar la exactitud de sus resultados antes de incorporarlos a trabajos académicos o publicaciones.
Acceso equitativo, privacidad y costos ambientales
La brecha económica es otro de los problemas identificados. Los planes comerciales más avanzados de OpenAI, Google y Anthropic podían costar hasta USD 200 mensuales en junio de 2026, mientras que algunos investigadores gastaban miles de dólares más por mes en accesos específicos para programación y otras aplicaciones.
Esa desigualdad puede afectar el rendimiento académico si algunos alumnos acceden a modelos capaces de resolver proyectos complejos o ejercicios avanzados de matemáticas y código durante la noche, mientras otros solo pueden usar versiones menos potentes. El impacto también alcanza a investigadores y empleados cuya productividad se mide frente a colegas con recursos tecnológicos distintos.
El sistema Parley, administrado por el área de Sistemas de Información y Tecnología del MIT, ofrece acceso a distintos modelos comerciales y abiertos con hasta USD 30 mensuales en créditos por usuario. El comité valoró el enfoque que no ata a la universidad a un único proveedor, aunque sugirió ampliar los recursos para ciertas materias y proyectos que requieran una utilización más intensiva.
La institución también debería garantizar que las herramientas disponibles incluyan sistemas de programación autónoma y recursos de computación suficientes para entrenar o ajustar modelos. El objetivo es ofrecer acceso de primer nivel sin comprometer la privacidad de las conversaciones, los datos o las aplicaciones de la comunidad.
El reporte pidió definir reglas claras sobre el registro y la auditoría de las interacciones en Parley. La plataforma podría permitir al MIT observar consultas y respuestas, una capacidad que abre dilemas entre la confidencialidad de quienes plantean asuntos de salud, relaciones o bienestar emocional y el interés docente por revisar el uso de la herramienta en actividades académicas.
También planteó la necesidad de resolver cómo se conservarán los datos, cómo se responderá ante conversaciones que indiquen riesgo de daño a sí mismo o a terceros y de qué modo se comunicarán esas políticas a la comunidad universitaria.
El impacto ambiental forma parte de las preocupaciones. La capacitación y el uso cotidiano de los modelos consumen energía, agua y materiales vinculados con los centros de datos, aunque cuantificar esos costos resulta difícil por la falta de información pública de las empresas y por la diversidad de etapas involucradas.
El MIT propuso informar el costo ambiental y financiero estimado de los modelos disponibles en Parley, auditar su propia huella tecnológica e impulsar investigaciones para reducir el consumo energético de la inteligencia artificial. Grupos como la Iniciativa de Energía del MIT, el Proyecto Climático del MIT y el Consorcio de Clima y Sostenibilidad del MIT ya estudian alternativas para los centros de datos y las comunidades donde se instalan.
El informe concluye que este esfuerzo no es opcional y que el instituto debe iniciar los cambios desde ahora, sin dar por sentado que eso implica incorporar IA a todo. La exigencia, plantea, es no permanecer ajenos a una tecnología que ya modifica qué aprenden los estudiantes y cómo lo aprenden.
PUBLICIDAD