#8 ¿Cómo puedo diseñar tareas que sigan siendo útiles aunque mis alumnos utilicen IA?

Aquí va una pregunta que probablemente ya te hiciste más de una vez este semestre: si un alumno puede pedirle a ChatGPT que le escriba el ensayo completo en diez segundos, ¿para qué sirve seguir pidiendo ensayos?

No tengo una respuesta mágica. Pero dos centros de enseñanza universitaria (el Center for Teaching & Learning de UC Berkeley y el programa de escritura de Carleton College) publicaron guías bastante concretas sobre el tema (la de Carleton, actualizada en el verano de 2025), y me parece que vale la pena traducir sus ideas centrales al español y a nuestra realidad de aula.

Ambas coinciden en algo que a mí me pareció el punto de partida más honesto: no se trata de volver las tareas "a prueba de IA". Se trata de volverlas conscientes de que la IA existe, y diseñarlas para que el proceso de pensar quede visible.

¿Por dónde empezar? Revisa qué querías lograr con esa tarea

Antes de pensar en IA, Berkeley sugiere volver a los objetivos de aprendizaje del curso. ¿Qué querías que tus alumnos supieran hacer al terminar esa unidad? ¿Recordar información, evaluar argumentos, crear algo nuevo?

La guía retoma la Taxonomía de Bloom para señalar algo que me parece útil: tareas como "recordar" y "comprender" pueden automatizarse, pero el aprendizaje significativo sigue estando en niveles como "evaluar" y "crear". Si tu tarea solo pide que el alumno repita contenido, un chatbot lo va a resolver sin esfuerzo. Si le pides que compare, que critique, que argumente algo propio, ahí la cosa se complica para la máquina.

Una vez que tienes claro el objetivo, toca decidir qué lugar le das a la IA en tu materia. Berkeley propone pensarlo como un espectro: puedes adoptar una postura de resistencia total, permitir un uso selectivo o guiado, o integrar la IA como una especie de co-creadora del proceso de aprendizaje, apoyándote en marcos como la AI Assessment Scale (AIAS) para explicitar en qué momentos se permite usarla y qué transparencia exiges (por ejemplo, que el alumno declare qué prompts usó).

Un punto que rescato porque no siempre se menciona: Berkeley advierte que algunas prácticas de resistencia, como los exámenes escritos a mano o las presentaciones orales cronometradas, pueden perjudicar sin querer a estudiantes que usan tecnologías de asistencia, necesitan tiempo extra o procesan el lenguaje de otra manera. Es decir: si vas a restringir el uso de IA, revisa que esa restricción no termine golpeando más fuerte a quienes menos margen tienen.

Haz que la tarea sea un pedazo de la conversación de tu clase

Esta es, para mí, la idea más aplicable de las dos guías. Carleton College plantea que las mejores consignas no piden simplemente que el alumno "demuestre que entendió el tema", sino que lo obligan a responder a lo que se discutió específicamente en esa clase, con ese grupo, en ese momento.

La diferencia entre "engage" (comprometerse con la idea) y "responder" en el sentido fuerte es sutil pero importante. Según explica la guía, la mayoría de las tareas de ensayo piden que los alumnos entiendan el material y reaccionen, pero responder de verdad exige tener una comprensión activa del debate: quién dijo qué, dónde coincidieron o discreparon las voces previas, y qué queda todavía por decirse. Un chatbot puede remezclar ideas generales sobre un tema. Lo que no puede hacer es participar de la discusión particular que tuvo lugar en tu salón el martes pasado.

Berkeley llega a una conclusión parecida desde otro ángulo: propone incorporar relevancia personal o específica del curso, pidiendo análisis de una clase puntual, una imagen, un video o un ejemplo trabajado en clase, de forma que el alumno tenga que apoyarse en información a la que la IA generativa no tiene acceso.

Algunas ideas concretas que puedes probar:

• Pide que la tarea retome un desacuerdo puntual que surgió en clase ("Retoma el debate que tuvimos el lunes sobre X y toma partido").
• Usa como insumo un material que solo existe dentro del aula: tus diapositivas, una lectura anotada, una discusión grabada.
• Pide que conecten el contenido con una experiencia personal o un contexto local específico, algo que la IA no puede inventar con precisión.

La revisión como parte obligatoria, no como sugerencia

Aquí hay otra idea que me parece más fácil de aplicar de lo que suena. Carleton distingue entre editar (mejorar la forma: gramática, formato) y revisar (repensar las ideas mismas). La mayoría de los alumnos no conoce esta diferencia, y la guía señala que necesitan que se les enseñe a revisar, lo cual convierte en muy valioso el hecho de que la revisión sea parte integral de la consigna.

Sobre por qué esto funciona en contra del uso desordenado de IA, Carleton lo resume así: "los ensayos producidos por ChatGPT tienden a estar notablemente libres de errores gramaticales, pero son bastante vacíos; por eso requieren poca edición pero mucha revisión. Y, dado que generalmente es más difícil revisar el trabajo de otro que el propio, los estudiantes que producen sus borradores con ChatGPT suelen descubrir que el proceso de revisión les exige más trabajo del que ahorraron" (traducción propia).

Formas simples de meter la revisión dentro de la tarea, sin que te tome un semestre extra:

• Pide el borrador junto con la versión final, y comenta específicamente qué cambió entre uno y otro.
• Organiza una ronda de revisión entre compañeros (en clase o async) y pide que expliquen si incorporaron o no los comentarios recibidos.
• Dedica una parte de la clase a que cada alumno evalúe su propio borrador: qué funcionó, qué está a medio camino, cómo seguir.

Pedir que cuenten cómo pensaron, no solo qué entregaron

Este punto aparece en las dos fuentes con distinto nombre pero la misma lógica. Berkeley habla de "hacer visible el proceso"; Carleton habla de escritura reflexiva y metacognitiva. En ambos casos la apuesta es simple: si le pides al alumno que explique por escrito cómo llegó a sus conclusiones, se vuelve mucho más difícil que ese relato lo haya escrito una máquina.

Carleton lo plantea con bastante claridad: si los estudiantes saben que van a tener que explicar en detalle su proceso de escritura, lo van a pensar dos veces antes de dejar que la IA escriba por ellos. Y agrega algo que me parece un lindo matiz: ninguna de esas tareas metacognitivas debería resultar difícil para quien de verdad hizo el trabajo, pero se vuelven mucho más complicadas como ejercicio de ficción para quien no lo hizo.

Berkeley propone algo parecido desde el lado de la evaluación: en vez de calificar solo el producto final, sugiere incluir instancias que hagan visible el proceso de aprendizaje, como borrador más reflexión más revisión, y ofrecer retroalimentación formativa a tiempo. La misma guía llegó a desarrollar, junto con su Centro de Enseñanza, dos rúbricas (pensamiento crítico y alfabetización informacional) adaptadas de marcos nacionales de AAC&U, que ponen el foco en la capacidad de evaluar evidencia, sintetizar ideas y construir argumentos razonados, habilidades centrales para el aprendizaje profundo y difíciles de replicar para una IA generativa.

Algunas preguntas que puedes agregar como anexo obligatorio de cualquier tarea:

• ¿Qué decisiones tomaste al desarrollar tu respuesta, y por qué?
• ¿Cómo cambiaron tus ideas entre el primer borrador y la versión final?
• ¿Usaste alguna herramienta (IA incluida) en el proceso? ¿Cómo influyó en tu forma de pensar?

¿Y si dejo que usen la IA a propósito?

Una idea que me gustó particularmente de Berkeley es la de convertir a la IA en objeto de análisis, en lugar de tratarla solo como amenaza. La guía sugiere diseñar tareas donde los alumnos analicen contenido generado por IA: pedirles que ingresen tu misma consigna en ChatGPT, critiquen la respuesta y reflexionen sobre sus límites, o que generen varias respuestas variando el prompt y comparen cómo cambian los resultados.

Esto no sirve para todas las materias ni todos los objetivos, pero como estrategia puntual tiene algo interesante: en vez de perseguir el uso "escondido" de IA, lo saca a la luz y lo convierte en contenido de aprendizaje. Se trabaja alfabetización digital y pensamiento crítico al mismo tiempo, algo que probablemente van a necesitar de todas formas fuera del aula.

Una idea final, sin cerrar el tema del todo

La frase que más se me quedó de las dos guías fue esta, de Berkeley: "las tareas más efectivas no son necesariamente a prueba de IA, son conscientes de la IA, y están diseñadas para volver visible el pensamiento en lugar de solo testear conocimiento de contenido" (traducción propia).

Me parece que ahí está el cambio de enfoque real. No se trata de ganarle una carrera armamentista a la próxima versión de ChatGPT (esa carrera, probablemente, ya la perdimos). Se trata de preguntarte, tarea por tarea, qué parte del proceso quieres ver, y diseñar para que esa parte quede expuesta.

¿Cuál de tus tareas actuales depende más del producto final que del camino para llegar a él? Puede que sea un buen punto de partida para la próxima que diseñes.