La Universidad ante la inteligencia artificial: el fin del aprendizaje diferido y el nacimiento de una docencia en acto

 

La universidad ante la inteligencia artificial: el fin del aprendizaje diferido y el nacimiento de una docencia en acto

Santiago Carretero Sánchez, Profesor Titular de Filosofía del Derecho

La irrupción de la inteligencia artificial en la universidad no constituye una mera actualización instrumental del trabajo académico, sino una alteración estructural de sus fundamentos tradicionales. No estamos ante una mejora de herramientas, sino ante un cambio en la arquitectura misma de la docencia, la evaluación y la investigación. La universidad, tal como ha funcionado en las últimas décadas, basada en la producción escrita individual, en la evaluación diferida y en la verificación indirecta del aprendizaje, entra en tensión con un entorno donde la generación automática de textos, análisis y síntesis ha dejado de ser excepcional para convertirse en ordinaria.

En el ámbito docente, la consecuencia más inmediata es la progresiva pérdida de valor epistémico de los trabajos escritos entregados fuera del aula. El problema no es únicamente la posibilidad de su externalización en sistemas de inteligencia artificial, sino la imposibilidad de distinguir, con garantías razonables, entre autoría humana, asistencia tecnológica o producción híbrida. Esto afecta directamente al sentido tradicional del “trabajo académico” como instrumento de evaluación. En este nuevo contexto, el valor se desplaza desde el producto final hacia el proceso verificable de aprendizaje.

La consecuencia lógica es la revalorización de los actos académicos realizados bajo supervisión directa. Las exposiciones orales, los debates estructurados, las defensas públicas de trabajos y, en particular, la defensa oral obligatoria de los trabajos de fin de grado y fin de máster, adquieren una centralidad que hasta ahora era parcial o complementaria. No se trata de sustituir la escritura, sino de someter el conocimiento a una prueba de autenticidad intelectual en tiempo real: la capacidad de argumentar, responder, matizar y reconstruir el propio discurso sin mediaciones externas.

Este desplazamiento no es menor. Implica un retorno sofisticado a formas de evaluación que privilegian la competencia discursiva, la comprensión profunda y la agilidad conceptual. La universidad deja de evaluar solo lo que el estudiante produce en diferido y pasa a evaluar lo que el estudiante es capaz de sostener en presencia de otros. En este sentido, la docencia universitaria se aproxima más a un modelo de seminario permanente que a un sistema de entrega de documentos.

En paralelo, la investigación académica enfrenta una transformación igualmente disruptiva. La expansión de la inteligencia artificial coincide con una exigencia creciente de acceso abierto, transparencia y reproducibilidad. El conocimiento científico tiende a ser cada vez menos un producto cerrado y más un flujo verificable, trazable y disponible. En este escenario, la lógica tradicional de la producción académica —basada en la acumulación de artículos cerrados, evaluados ex post mediante métricas— se ve tensionada por la exigencia de apertura integral del proceso investigador.

Si el material de investigación debe ser progresivamente accesible, y si la trazabilidad de los datos, los códigos y las fuentes se convierte en requisito de credibilidad, el sistema de evaluación basado en sexenios se vuelve problemático en su configuración actual. No necesariamente por su función, sino por sus presupuestos: la valoración de productos cerrados, acumulativos y discretos pierde coherencia en un entorno donde la investigación es continua, abierta y verificable en tiempo real o casi real.

Esto no implica la desaparición de los sistemas de reconocimiento, pero sí su reconversión hacia criterios más complejos: impacto real, reutilización del conocimiento, transparencia metodológica y contribución efectiva a comunidades científicas abiertas. La evaluación deja de centrarse exclusivamente en el resultado publicado para incorporar el proceso de producción del conocimiento como elemento esencial.

En este contexto, la lección magistral tampoco desaparece, pero se transforma profundamente. Deja de ser un dispositivo de transmisión unidireccional de contenidos para convertirse en un espacio de interpretación, problematización y contraste crítico. La inteligencia artificial puede proporcionar información estructurada; lo que no puede sustituir es la mediación intelectual del docente que selecciona, jerarquiza, discute y contextualiza. La clase magistral se convierte así en un ejercicio de pensamiento en acto, más cercano a la hermenéutica del conocimiento que a su mera exposición.

El resultado global es una universidad en transición desde un modelo basado en productos hacia un modelo basado en actos, procesos y verificaciones situadas. Esta transformación no está exenta de riesgos: incremento de la presión evaluativa en tiempo real, desigualdades en la competencia oral, o desplazamiento de habilidades escritas fundamentales. Sin embargo, también abre una oportunidad clara: recuperar la centralidad del pensamiento crítico como desempeño observable y no como supuesto implícito en un texto entregado.

La inteligencia artificial no elimina la universidad, pero sí obliga a redefinir qué significa aprender, enseñar e investigar en su seno. Y en esa redefinición, probablemente, lo que está en juego no es solo la técnica, sino la propia idea de autoridad académica.

El cambio que introduce la inteligencia artificial en la universidad no puede describirse como una simple transformación metodológica, sino como una mutación del propio modelo de adquisición y validación del conocimiento. El esquema clásico —primero explicación docente, después asimilación individual, y finalmente verificación mediante un producto escrito— pierde su centralidad en un entorno donde el acceso al conocimiento es inmediato, continuo y asistido por sistemas capaces de generar, sintetizar y reorganizar información en tiempo real.

En este nuevo escenario, el estudiante deja de situarse en una lógica secuencial de “aprendizaje previo” para pasar a un modelo interactivo de construcción del conocimiento. Ya no espera a “saber” para después aplicar, sino que interactúa desde el primer momento con el objeto de estudio, formulando preguntas, contrastando respuestas, corrigiendo hipótesis y refinando conceptos en diálogo constante con sistemas de apoyo cognitivo. La adquisición de conocimiento deja de ser un presupuesto previo a la actividad intelectual y pasa a ser un resultado emergente de la interacción.

Esto altera de forma profunda la estructura de la docencia universitaria. La clase deja de ser el lugar donde se transmite un contenido que el estudiante aún no posee, para convertirse en un espacio de orientación, depuración y jerarquización de información ya disponible. El docente ya no monopoliza el acceso al saber, sino que organiza su inteligibilidad, introduce criterios de validez, establece marcos teóricos y corrige desviaciones interpretativas. La enseñanza se desplaza desde la transmisión hacia la estructuración crítica del conocimiento.

En este contexto, la figura del estudiante también cambia de naturaleza. No es un receptor pasivo que posteriormente demuestra lo aprendido, sino un agente que construye conocimiento en tiempo real mediante interacción continua. La inteligencia artificial actúa como mediador cognitivo permanente, lo que desplaza el centro de gravedad del aprendizaje desde la memorización hacia la capacidad de formular problemas, interpretar respuestas y sostener procesos de razonamiento ajustados y verificables.

Esta transformación tiene una consecuencia directa sobre los sistemas tradicionales de evaluación. Si el aprendizaje es interactivo, continuo y asistido, el producto final aislado pierde valor como indicador suficiente de competencia. De ahí la creciente irrelevancia del trabajo académico cerrado realizado fuera del aula como prueba única de evaluación. En su lugar, adquieren relevancia los actos de producción intelectual bajo condiciones controladas: exposiciones orales, debates estructurados, análisis en vivo, resolución de problemas en tiempo real y defensas públicas de trabajos.

La evaluación, en este modelo, deja de centrarse en el resultado diferido para centrarse en la capacidad de pensar en acto. Lo relevante no es solo qué se sabe, sino cómo se construye ese saber bajo condiciones de interacción, presión argumentativa y contraste inmediato. La defensa oral obligatoria de los trabajos de fin de grado y de máster aparece aquí no como un complemento, sino como una exigencia estructural de verificación de la autoría intelectual y de la comprensión efectiva del contenido.

Este cambio de modelo tiene también una proyección directa sobre la investigación. La apertura progresiva del conocimiento, impulsada por el acceso abierto y la exigencia de transparencia metodológica, refuerza la idea de que la ciencia ya no es un conjunto de productos cerrados, sino un proceso continuo de producción verificable. En este contexto, la interacción constante con sistemas de inteligencia artificial no solo acelera la investigación, sino que modifica su propia naturaleza, al permitir simulaciones, contrastes y reorganizaciones del conocimiento en tiempo real.

La universidad, por tanto, se desplaza hacia un modelo en el que el conocimiento no precede a la acción, sino que se genera en la acción misma. La lección magistral no desaparece, pero deja de ser un punto de partida para convertirse en un nodo de interpretación dentro de un flujo continuo de interacción cognitiva. El reto no es menor: se trata de redefinir qué significa “saber” cuando el acceso al saber ya no es un problema, sino una condición permanente del proceso educativo.