La inteligencia artificial ha convertido el ensayo tradicional en una evidencia cada vez menos segura del aprendizaje, obligando a los docentes a replantear la evaluación hacia procesos, problemas auténticos, diálogo y demostraciones de razonamiento que permitan comprobar qué sabe hacer realmente un estudiante.
Durante años, entregar un ensayo al final de un curso pareció una forma razonable de demostrar que un estudiante había investigado, comprendido un tema y construido una argumentación propia. En 2026, esa seguridad se ha debilitado. Una herramienta de inteligencia artificial puede producir en segundos un texto coherente, estructurado y aparentemente académico. El problema ya no consiste únicamente en detectar quién utilizó una máquina, sino en preguntarse si el instrumento utilizado por el profesor todavía mide aquello que pretende medir.
La UNESCO ha planteado precisamente esa discusión. En su análisis de 2025 sobre el futuro de la evaluación sostiene que la IA generativa está obligando a desplazar la atención desde la memorización y las respuestas predecibles hacia el pensamiento de orden superior, la creatividad, la resolución de problemas y el razonamiento ético. La cuestión, en otras palabras, no es hacer imposible el uso de IA, sino diseñar actividades cuyo valor educativo sobreviva a su presencia.
El cambio supone una modificación importante de la práctica docente. Un ensayo producido fuera del aula puede seguir teniendo utilidad, especialmente cuando forma parte de un proceso de investigación documentado. Pero difícilmente debería ser la única evidencia de aprendizaje. Una alternativa consiste en pedir al estudiante que defienda oralmente sus decisiones, explique por qué eligió determinadas fuentes, responda preguntas inesperadas y modifique su propuesta cuando aparezca nueva información.
La diferencia puede parecer pequeña, pero pedagógicamente es enorme. Una respuesta preparada puede ser generada, corregida o incluso memorizada. Explicar en tiempo real por qué se eligió un argumento obliga a comprenderlo. Si el profesor cambia una variable del problema y el estudiante debe adaptar su solución, ya no se está calificando solamente el producto final, sino la capacidad de razonar ante una situación nueva.
La evaluación auténtica puede aprovechar precisamente esa característica. En lugar de pedir un ensayo genérico sobre contaminación, por ejemplo, un docente podría solicitar que el estudiante investigue un problema ambiental de su comunidad, analice datos locales, proponga una intervención y defienda sus decisiones frente a preguntas del grupo. La IA puede ayudar durante el proceso, pero no puede sustituir por completo la observación del contexto, la toma de decisiones ni la responsabilidad de defenderlas.
La UNESCO ha recomendado también prestar mayor atención al proceso de elaboración. Diarios de trabajo, entregas parciales, revisiones entre compañeros, borradores sucesivos y reflexiones metacognitivas permiten observar cómo evoluciona una idea. Esa evidencia resulta particularmente valiosa cuando el producto final deja de ser suficiente para demostrar quién realizó el trabajo y cómo llegó a sus conclusiones.
El giro no significa convertir cada clase en un examen oral. También sería poco realista y, en muchos contextos, imposible. La alternativa más sólida parece ser combinar instrumentos. Una parte puede evaluar conocimientos fundamentales; otra, resolver un problema; otra, explicar decisiones; y una última puede examinar la capacidad de utilizar herramientas de IA de manera crítica y ética.
Los datos disponibles muestran que esta discusión ya pasó de la teoría a la práctica. Un informe de EDUCAUSE publicado en 2026, basado en una encuesta a 438 docentes y responsables de evaluación de instituciones de educación superior, identifica una transformación en las prácticas de evaluación y una creciente incorporación de la IA, aunque también registra incertidumbre sobre cómo hacerlo correctamente. La organización destaca que el desafío no consiste únicamente en combatir el uso indebido, sino en revisar problemas de evaluación que ya existían antes de la llegada de estas herramientas.
Hay además una lección incómoda. Perseguir exclusivamente el llamado «plagio automatizado» puede llevar a una carrera tecnológica difícil de ganar. La UNESCO advierte que las herramientas de detección de contenido generado por IA presentan problemas de fiabilidad y pueden señalar como artificiales trabajos realizados por personas. Basar toda la integridad académica en un detector, por tanto, puede producir una falsa sensación de seguridad y nuevas injusticias.
Resulta más prometedor establecer desde el principio qué usos de IA están permitidos, cuáles deben declararse y qué competencias se espera que el estudiante demuestre sin delegarlas. La UNESCO, en su marco de competencias para docentes publicado en 2025, plantea precisamente la necesidad de desarrollar capacidades para comprender tanto los usos como los posibles abusos de estas tecnologías.
El profesor tampoco desaparece de esta ecuación. Su papel cambia. En lugar de ser únicamente quien formula preguntas y califica respuestas, adquiere mayor importancia como diseñador de situaciones de aprendizaje y como observador del razonamiento. La buena evaluación será aquella que obligue a pensar, no simplemente aquella que consiga que una máquina tenga dificultades para contestar.
La IA ha puesto una pregunta antigua frente al espejo: ¿qué significa realmente aprender? Si un estudiante puede entregar un texto impecable sin comprenderlo, quizá el problema no esté únicamente en la herramienta. Tal vez también esté en haber confundido durante demasiado tiempo un producto terminado con evidencia suficiente de aprendizaje. En 2026, la oportunidad consiste en corregir esa confusión y evaluar algo mucho más difícil de falsificar: la capacidad de comprender, decidir, explicar, cuestionar y resolver.