Cuando la IA resuelve, ¿quién piensa?
Dr. Hernán Viguera Figueroa
Vicerrector académico, Universidad Autónoma de Chile
Un estudio de Microsoft Research y Carnegie Mellon encuestó a profesionales sobre casi mil usos reales de IA generativa en su trabajo. El hallazgo incomoda precisamente porque la herramienta funciona: cuanto más confiaban en ella, menos pensamiento crítico declaraban ejercer sobre lo que les devolvía. El trabajo se desplazaba de resolver a supervisar, de buscar a verificar. La pregunta que ese dato instala no es tecnológica sino formativa: ¿qué dejamos de ejercitar mientras otro carga el peso?
Durante décadas la educación superior descansó sobre un supuesto razonable: el conocimiento era escaso y difícil de organizar, de modo que quien sabía más, valía más. Ese supuesto se quebró. Cuando la IA produce en segundos un análisis bibliográfico o sintetiza decenas de artículos, la capacidad de procesar y reproducir información, tradicionalmente considerada central en el aula, deja de ser un factor diferenciador. Lo incómodo es admitir la consecuencia: buena parte de lo que seguimos enseñando y evaluando pertenece a ese modelo agotado.
El mercado laboral ya tomó nota. Según el Future of Jobs Report 2025 del Foro Económico Mundial, el 39% de las competencias necesarias hoy habrá cambiado en cinco años; el pensamiento analítico sigue siendo la habilidad más demandada, y las que más crecerán hacia 2030 son resiliencia, flexibilidad, liderazgo y pensamiento creativo. Nada de eso se delega en una máquina; todo eso se atrofia si no se ejercita.
Aquí está el verdadero desafío de las universidades: resignificar sus procesos formativos en torno a capacidades duraderas —enduring capabilities—, aquellas que sobreviven a cualquier versión de la tecnología. Capacidad analítica para interrogar lo que la herramienta devuelve; pensamiento sistémico para situar cada respuesta en un contexto que el modelo no ve; juicio crítico para disentir con fundamento; incluso sensibilidad estética para distinguir lo correcto de lo logrado. Nada de eso se cultiva prohibiendo la IA ni tolerándola: se cultiva cuando estudiantes y profesores co-crean con ella experiencias de aprendizaje, usándola como interlocutor exigente y no como sustituto del pensar. Someter a juicio un argumento generado, ensayar una decisión bajo presión con la máquina en la mesa, discutir sus respuestas hasta encontrarles el límite: por primera vez hay con qué hacerlo con cada estudiante.
El obstáculo de fondo tiene menos de tecnología y más de coherencia, es decir, la distancia entre lo que se declara formar, lo que enseña y lo que se evalúa, lo que Biggs denominó el «alineamiento constructivo». Una universidad que se compromete a formar criterio, pero evalúa retención de conocimiento, tiene un problema anterior a cualquier algoritmo, y mientras esa brecha persista, toda incorporación de IA será cosmética.
Cambiar eso no solo exige repensar planes de estudio; exige algo más incómodo, reemplazar los modelos de assesment que focalizan en recordar por aquellos que se centran en evidenciar desempeños relativos a decidir, con argumentos, frente a un problema real, y aceptar —también los académicos— que la IA nos discuta.
Por último, y dado el alcance de la IA en distintos sectores económicos, sería un error entender este desafío como un asunto interno de las universidades, ya que es el problema de cualquiera que hoy delega en una herramienta lo que antes resolvía pensando. El criterio se oxida por falta de uso.
La universidad es uno de los pocos espacios donde esa disputa puede darse a tiempo, cuando la cabeza todavía se está formando. Por eso la pregunta que importa no es si los estudiantes usarán la IA; -la usarán, como todos-, sino si alguien les habrá exigido, alguna vez, pensar con ella y también cuestionarla.