La llegada de la inteligencia artificial generativa ha provocado una preocupación comprensible en muchos centros educativos: ¿y si el alumnado la utiliza para hacer los trabajos?
La pregunta es legítima.
Cuando una herramienta puede redactar un ensayo, resolver una actividad, resumir un texto, generar una presentación, proponer argumentos, traducir, corregir o completar una respuesta en cuestión de segundos, es normal que aparezca la inquietud. Especialmente si seguimos evaluando muchas tareas que se entregan fuera del aula, sin demasiada trazabilidad del proceso y con un producto final que puede ser generado, al menos en parte, por una herramienta externa.
Pero quizá la pregunta necesita ampliarse.
No se trata solo de preguntarnos si el alumnado puede usar IA para hacer una tarea.
También deberíamos preguntarnos qué tipo de tarea hemos diseñado si puede ser resuelta casi por completo sin que el alumnado tenga que pensar demasiado. Porque la IA no ha creado todos los problemas de la evaluación. En muchos casos, simplemente los ha hecho más visibles.
Había tareas que ya eran frágiles antes de la IA. Tareas centradas en reproducir información, rellenar apartados previsibles, copiar definiciones, resumir contenidos sin apropiación real, elaborar presentaciones superficiales o entregar productos finales muy vistosos, pero con poco rastro del proceso de pensamiento.
Esta reflexión conecta con una idea que ya abordé en una entrada anterior, “IA generativa en educación: lo importante ya no es si se usa, sino cómo evitar que dejemos de pensar”. Allí planteaba que el debate educativo no debería quedarse en si usamos o no usamos IA, sino en cómo evitar que la tecnología sustituya procesos de pensamiento que siguen siendo esenciales para aprender. En esta nueva entrada, esa misma preocupación se concreta en el diseño de tareas: si una actividad puede resolverse casi por completo sin comprensión, quizá no basta con vigilar el uso de IA; quizá toca revisar qué estamos pidiendo y qué aprendizaje queremos hacer visible.
La IA no ha inventado esa fragilidad. La ha acelerado.
Y quizá también nos ha obligado a mirarla de frente.
La cuestión no es solo controlar más
Ante este escenario, una reacción posible es intentar controlar más. Más detectores. Más restricciones. Más sospecha. Más normas. Más vigilancia. Más instrucciones para evitar que el alumnado “haga trampa”.
Algunas medidas serán necesarias. Los centros necesitan criterios claros sobre el uso permitido de la IA, sobre la autoría, sobre la transparencia y sobre los límites. No se trata de ingenuidad. La integridad académica importa.
Pero si la respuesta se queda solo en controlar, llegaremos tarde. Porque el problema no es únicamente si el alumnado usa IA. El problema es si nuestras tareas permiten comprobar qué comprende, cómo piensa, cómo argumenta, cómo decide, cómo revisa y cómo transfiere lo aprendido a una situación nueva.
Ahí está el centro de la cuestión. La IA nos obliga a desplazar la mirada desde el producto final hacia el proceso. No basta con preguntar: “¿Lo ha hecho él o ella?”. También hay que preguntar:
- Qué decisiones ha tomado.
- Qué borradores ha elaborado.
- Qué fuentes ha consultado.
- Qué errores ha detectado.
- Qué ha revisado.
- Qué argumentos puede defender oralmente.
- Qué conexiones puede explicar.
- Qué parte del trabajo muestra comprensión propia.
- Qué ha cambiado después de recibir retroalimentación.
- Qué puede transferir a una situación diferente.
Si la tarea solo pide producto, la IA encaja demasiado bien
Muchas tareas escolares y universitarias siguen diseñadas como encargos de producto:
- Haz una presentación.
- Entrega un resumen.
- Redacta un texto.
- Busca información.
- Completa una ficha.
- Elabora una infografía.
- Diseña una propuesta.
Estas tareas pueden tener valor, por supuesto. El problema aparece cuando el producto final se convierte en casi la única evidencia de aprendizaje. En ese caso, la IA entra con demasiada facilidad. Porque la IA es muy buena produciendo productos. Textos correctos. Estructuras ordenadas. Ideas plausibles. Argumentos verosímiles. Presentaciones limpias. Rúbricas aparentemente completas. Resúmenes bien redactados. Actividades con apariencia de profundidad.
Pero aprender no es solo producir algo que parezca correcto. Aprender implica comprender, relacionar, equivocarse, revisar, justificar, explicar, tomar decisiones, contrastar, aplicar y hacer propio un conocimiento.
Por eso, si la IA puede hacer la tarea, quizá la solución no sea únicamente prohibir la IA. Quizá la solución sea rediseñar la tarea para que haga más visible el aprendizaje.
No se trata de eliminar la IA, sino de diseñar mejor
Una tarea más resistente a la IA no es necesariamente una tarea sin tecnología. Tampoco es una tarea imposible de completar con ayuda externa. Es una tarea que exige más pensamiento propio, más contexto, más proceso y más capacidad de justificar decisiones.
| En lugar de pedir… | Podemos pedir… |
|---|
| “Haz un resumen del tema”. | “Selecciona tres ideas del tema que te ayuden a explicar un problema real trabajado en clase. Justifica por qué las has elegido y señala qué dudas te siguen generando”. |
| “Elabora una presentación sobre el cambio climático”. | “Diseña una explicación para alumnado de 5.º de Primaria sobre una consecuencia concreta del cambio climático. Antes de la presentación, entrega un esquema inicial, recibe retroalimentación, revisa tu propuesta y explica qué has cambiado y por qué”. |
| “Busca información sobre la Revolución Industrial”. | “Compara dos fuentes sobre la Revolución Industrial, identifica una coincidencia, una diferencia y una posible limitación de cada una. Después, defiende oralmente cuál te parece más útil para responder a la pregunta de investigación”. |
La diferencia no está solo en el tema. Está en el tipo de pensamiento que la tarea provoca.
Diseñar tareas con proceso
Si queremos que la evaluación siga siendo significativa en tiempos de IA, necesitamos diseñar tareas donde el proceso importe más. Eso implica incorporar evidencias intermedias.
Evidencias que hacen visible el proceso
Ayudan a mostrar cómo piensa, revisa, decide y aprende el alumnado.
La IA puede participar en algunos de esos procesos, pero ya no puede sustituirlos por completo sin dejar rastro. Y, sobre todo, el alumnado tiene que comprender qué papel ha tenido la IA en su trabajo. No basta con usarla. Hay que aprender a explicarlo:
- Qué le pedí.
- Qué respuesta obtuve.
- Qué acepté.
- Qué descarté.
- Qué modifiqué.
- Qué errores detecté.
- Qué parte final considero realmente mía.
Este tipo de preguntas no eliminan todos los riesgos, pero cambian la conversación. El objetivo deja de ser cazar el uso de IA y pasa a ser formar un uso crítico, transparente y responsable.
La evaluación también necesita conversación
En este nuevo contexto, la conversación educativa recupera mucho valor.
Una breve defensa oral puede revelar más comprensión que un trabajo escrito impecable. Una tutoría de seguimiento puede mostrar mejor el proceso que una entrega final perfecta. Una pregunta inesperada puede comprobar si el alumnado entiende lo que ha entregado. Una explicación sobre los cambios realizados puede evidenciar aprendizaje real. Un diálogo sobre fuentes, decisiones y dificultades puede ayudar a distinguir entre producción externa y comprensión propia.
No se trata de convertir cada tarea en un examen oral ni de aumentar la carga docente hasta hacerla inviable. Se trata de introducir momentos en los que el alumnado tenga que hacer visible su pensamiento.
Porque la IA puede generar una respuesta. Pero no puede sustituir la experiencia de tener que explicar por qué esa respuesta tiene sentido en un contexto concreto.
El problema no es solo la copia
Durante mucho tiempo hemos hablado de la IA en clave de copia o plagio.
Y es lógico.
Pero si reducimos todo el debate a detectar si el alumnado ha copiado, nos quedamos en la superficie. El reto más profundo es otro: diseñar experiencias de aprendizaje que no puedan reducirse fácilmente a una respuesta generada.
Ahí la IA nos está haciendo una pregunta incómoda:
¿Qué valor tiene una tarea si el alumnado puede resolverla sin comprenderla?
Esta pregunta no debería llevarnos al pesimismo, sino a la mejora.
Revisar las tareas en tiempos de IA
La inteligencia artificial no nos obliga solo a vigilar más. También nos invita a preguntarnos qué tareas siguen teniendo sentido, cuáles deben transformarse y qué tipo de aprendizaje queremos hacer visible.
También necesitamos enseñar a usar IA
Replantear las tareas no significa fingir que la IA no existe.
El alumnado va a convivir con estas herramientas. Ya lo está haciendo. Por eso, la escuela no puede limitarse a prohibir sin enseñar, ni a permitir sin orientar.
Necesitamos enseñar a usar IA con criterio.
Eso incluye aprender a formular buenas preguntas, contrastar respuestas, detectar errores, reconocer sesgos, citar o declarar su uso cuando corresponda, proteger datos personales, no delegar el pensamiento y comprender que una respuesta bien escrita no siempre es una respuesta buena.
El objetivo no debería ser que el alumnado entregue trabajos “libres de IA” en todos los casos.
El objetivo debería ser que aprenda cuándo tiene sentido usarla, cuándo no, cómo usarla de forma honesta y qué parte del aprendizaje no puede delegar.
Una oportunidad para mejorar la evaluación
La IA generativa ha llegado en un momento en el que la evaluación ya necesitaba revisión. Llevamos años hablando de evaluación formativa, competencias, retroalimentación, evidencias de aprendizaje, transferencia, pensamiento crítico y autorregulación. La IA no sustituye ese debate, pero lo hace más urgente.
Si una tarea se limita a pedir reproducción de información, la IA la resolverá con facilidad. Si una tarea exige juicio, contexto, proceso, diálogo, transferencia y justificación, la IA puede ayudar, pero no basta.
Esa puede ser una buena brújula.
Como decíamos antes: «No se trata de diseñar tareas imposibles para la IA. Se trata de diseñar tareas más valiosas para el aprendizaje.«
Preguntas para revisar una tarea en tiempos de IA
Antes de proponer una tarea, quizá conviene hacerse algunas preguntas:
Estas preguntas no resuelven todo, pero ayudan a desplazar el foco.
- Menos obsesión por detectar.
- Más atención a diseñar.
- Menos tareas blindadas por miedo.
- Más tareas con sentido pedagógico.
- Menos productos impecables sin proceso.
- Más pensamiento visible.
La tarea también comunica qué entendemos por aprender
Cada tarea comunica una idea de aprendizaje. Cada tarea dice algo sobre lo que valoramos.
No solo evalúa. También comunica al alumnado qué entendemos por aprender.
Por eso, conviene mirar con cuidado qué tipo de mensajes transmiten nuestras propuestas:
| Si pedimos sobre todo… | Estamos comunicando que aprender es… |
|---|---|
| Respuestas cerradas | Acertar |
| Productos bonitos | Presentar bien |
| Textos largos | Escribir mucho |
| Trabajos entregados sin proceso visible | Llegar a un resultado final |
Pero si pedimos al alumnado que tenga que:
• justificar;
• revisar;
• transferir;
• defender;
• comparar;
• crear;
• explicar decisiones;
entonces comunicamos otra cosa.
Comunicamos que aprender es pensar.
Y quizá esa sea una de las grandes oportunidades que nos ofrece este momento. La IA puede obligarnos a diseñar mejor.
No por miedo.
No por moda.
No por sospecha.
Sino porque nos recuerda una idea esencial:
Una buena tarea no es la que el alumnado entrega sin más, sino la que le obliga a comprender algo mejor de lo que lo comprendía antes.
La pregunta, entonces, no es solo:
¿Puede el alumnado usar IA para hacer esta tarea?
La pregunta más importante es:
¿Merece esta tarea seguir siendo propuesta tal como está?
Y esa pregunta, aunque incómoda, puede ser profundamente educativa.
Referencias
Education Endowment Foundation. (2026). Research agenda theme: EdTech. https://educationendowmentfoundation.org.uk/projects-and-evaluation/research-agenda-themes-priority-areas/research-agenda-theme-edtech
Miao, F., & Holmes, W. (2023). Guía para el uso de IA generativa en educación e investigación. UNESCO. https://www.unesco.org/es/articles/guia-para-el-uso-de-ia-generativa-en-educacion-e-investigacion
OECD. (2025). What should teachers teach and students learn in a future of powerful AI? OECD Publishing. https://www.oecd.org/en/publications/what-should-teachers-teach-and-students-learn-in-a-future-of-powerful-ai_ca56c7d6-en.html
Miguel Ariza 
Deja un comentario