Pensamiento crítico e IA: rediseñar la evaluación

Una respuesta impecable ya no demuestra necesariamente un razonamiento impecable. Un sistema de inteligencia artificial puede redactar un texto ordenado, proponer objeciones, resumir fuentes y adoptar el tono de una disciplina. El producto final puede parecer sólido incluso cuando el estudiante no distingue evidencia de opinión, no comprende los conceptos o no podría defender las decisiones que aparecen bajo su nombre. La reacción habitual ha sido pedirle a cada docente que “rediseñe sus evaluaciones”. El consejo tiene sentido, pero se queda corto. Una profesora puede incorporar bitácoras, análisis de fuentes o defensas orales en su asignatura. Lo que no puede hacer, por sí sola, es garantizar que el pensamiento crítico se enseñe con progresión, se practique en distintos contextos y se evalúe de manera coherente durante toda una carrera. La IA generativa no vuelve innecesario el pensamiento crítico. Vuelve insuficiente la forma habitual de inferirlo. Si una institución quiere afirmar que sus egresados analizan evidencia, reconocen supuestos, comparan explicaciones y justifican decisiones, necesita algo más que tareas resistentes a ChatGPT: requiere un diseño institucional del aprendizaje y la evaluación. El texto final dejó de ser una ventana transparente al pensamiento Durante años, muchas evaluaciones asumieron que un ensayo, un informe o una respuesta extensa permitían observar el razonamiento de quien los firmaba. Esa inferencia nunca fue perfecta: siempre existieron apoyos, correcciones externas, trabajos comprados y diferencias de capital cultural. La IA generativa amplió el problema porque ahora puede producir, en segundos, una respuesta lingüísticamente convincente. Esto no significa que escribir haya perdido valor. La escritura sigue siendo una forma poderosa de pensar, ordenar y comunicar. Lo que cambió es la fuerza de la evidencia: un buen texto, aislado de su proceso, ya no permite atribuir automáticamente todas sus decisiones intelectuales al estudiante. Tampoco basta con trasladar todo a una exposición oral. Una defensa puede aportar evidencia valiosa, pero también puede favorecer a quienes tienen mayor fluidez verbal, aumentar barreras para algunas personas y resultar inviable en cursos masivos. Convertir cada evaluación en vigilancia presencial tampoco crea pensamiento crítico; solo cambia el lugar del control. El desafío no consiste en encontrar una tarea invulnerable. Consiste en reunir evidencias diversas y contextualizadas que permitan juzgar qué comprende una persona, cómo usa la información, qué decisiones puede justificar y cómo revisa su posición frente a nueva evidencia. Primero hay que definir qué significa pensar críticamente “Desarrollar pensamiento crítico” aparece con frecuencia en perfiles de egreso y programas de asignatura. El problema es que la expresión puede significar casi cualquier cosa: cuestionar, argumentar, resolver problemas, detectar noticias falsas, discrepar o “tener opinión propia”. Si no se traduce en desempeños observables, termina siendo una promesa institucional difícil de enseñar y aún más difícil de evaluar. Un marco como la rúbrica VALUE de pensamiento crítico de la AAC&U puede servir como punto de conversación, no como plantilla universal. Distingue dimensiones relacionadas con explicar un problema, seleccionar y usar información, reconocer supuestos, adoptar una posición y extraer conclusiones. La propia organización aclara que sus rúbricas fueron concebidas para evaluar y discutir aprendizaje a nivel institucional, no para calificar mecánicamente, y que deben traducirse al lenguaje de cada campus, disciplina y curso. Esa traducción es decisiva. Evaluar evidencia no significa lo mismo en enfermería, derecho, ingeniería, pedagogía o diseño. En algunas áreas será fundamental interpretar datos; en otras, ponderar precedentes, observar una situación clínica, contrastar testimonios o justificar decisiones bajo incertidumbre. El pensamiento crítico necesita conocimiento disciplinar: nadie evalúa bien una afirmación si desconoce qué cuenta como evidencia pertinente en ese campo. Por eso, la primera tarea institucional no es comprar un detector ni imponer una rúbrica única. Es acordar qué manifestaciones del pensamiento crítico se esperan al egreso y cómo aumentará su complejidad a lo largo de la trayectoria. Una asignatura no puede cargar con toda la promesa Imaginemos una carrera que declara el pensamiento crítico como competencia de egreso, pero no identifica dónde se introduce, dónde se practica y dónde se demuestra. Algunos docentes pedirán ensayos; otros, análisis de casos; otros asumirán que la habilidad “aparece” con la madurez. Al final, puede haber muchas actividades exigentes y ninguna progresión verificable. El documento Assessment reform for the age of artificial intelligence , elaborado por un grupo de especialistas y publicado por la agencia australiana TEQSA, propone justamente un enfoque programático o sistémico. El diseño de evaluación debe abarcar el programa completo y combinar múltiples métodos, tareas integradas, retroalimentación y diálogo para formar juicios más confiables sobre avance y logro. La lógica es especialmente útil para el pensamiento crítico. Una carrera podría organizar la progresión de este modo: Inicio: distinguir afirmaciones, evidencia y fuentes; reconocer incertidumbre; explicar por qué una fuente resulta pertinente. Desarrollo: comparar argumentos, detectar supuestos, contrastar explicaciones y usar criterios disciplinares. Integración: tomar decisiones en problemas ambiguos, justificar compensaciones, responder objeciones y revisar una conclusión. Egreso: demostrar juicio profesional en contextos auténticos, incluidos aquellos donde la IA forma parte del trabajo. No todas las asignaturas deben evaluar todo. Sí deben saber qué parte de la progresión les corresponde y qué evidencia entregan al conjunto. Sin ese mapa, el rediseño depende del entusiasmo de docentes individuales y desaparece cuando cambian las personas, las cargas o las prioridades. Evaluar pensamiento crítico exige observar proceso, no coleccionar trámites Pedir borradores, guardar versiones o exigir una declaración de uso de IA puede ayudar, pero esos elementos no son evidencia automática de razonamiento. Una bitácora puede convertirse en un trámite retrospectivo; un historial de cambios puede mostrar edición sin revelar comprensión; una declaración puede ser formalmente correcta y pedagógicamente vacía. Lo importante es diseñar momentos donde el pensamiento deba hacerse visible. Por ejemplo: formular una pregunta antes de buscar respuestas; seleccionar fuentes y justificar su pertinencia; comparar una respuesta propia con una generada por IA; identificar errores, omisiones y supuestos en ambas; tomar una decisión con criterios explícitos; responder una objeción o evidencia contradictoria; explicar qué cambió entre una primera posición y la versión final. Estas acciones pueden distribuirse entre escritos breves, conversaciones, anotaciones, casos, simulaciones, proyectos, portafolios y desempeños prácticos. Ninguna evidencia aislada es perfecta. Su combinación permite triangular sin convertir la evaluación en una carrera de obstáculos. Además, el uso de IA no tiene por qué ser idéntico en todas las tareas. Algunas pueden requerir desempeño sin asistencia para verificar capacidades fundamentales. Otras pueden integrar IA de forma explícita para evaluar si el estudiante sabe interrogarla, contrastarla y asumir responsabilidad por el resultado. Lo central es que la regla responda al aprendizaje esperado y sea comprensible para estudiantes y docentes. La IA debe ser objeto de juicio, no solo herramienta o amenaza Las orientaciones de UNESCO sobre IA generativa en educación e investigación y sus marcos de competencias para estudiantes y docentes desplazan el foco desde la mera operación de herramientas hacia una relación humana, ética y crítica con la tecnología. Ese giro importa. Una evaluación pertinente no pregunta solamente si el estudiante utilizó IA, sino qué decisiones delegó, qué riesgos reconoció, cómo verificó las salidas y cuándo decidió no usarla. En una profesión, el juicio no consiste en producir la respuesta más rápida, sino en saber qué información merece confianza y quién responde cuando la herramienta se equivoca. La IA también puede emplearse como contraste pedagógico. Presentar respuestas plausibles pero incompletas obliga a identificar debilidades; comparar explicaciones revela criterios; revisar una recomendación automatizada permite discutir sesgos, contexto y responsabilidad. Sin embargo, estas actividades solo desarrollan pensamiento crítico cuando existe enseñanza explícita, conocimiento disciplinar y retroalimentación. Pedir “critique esta respuesta” sin criterios previos puede producir una crítica tan superficial como la respuesta original. Lo que la institución debe resolver Decirle al profesorado que innove sin cambiar las condiciones es una forma elegante de trasladar el problema. El rediseño sistémico requiere decisiones que exceden el aula individual. Un lenguaje común. Carreras y programas necesitan acordar qué entienden por pensamiento crítico, qué desempeños esperan y cómo se expresan en cada disciplina. Un mapa de progresión. Debe quedar claro dónde se introduce, practica, retroalimenta y demuestra cada capacidad. Esto permite detectar vacíos y repeticiones. Diversidad de evidencias. La confianza no debería descansar en un único ensayo, examen oral o proyecto final, sino en evidencias acumuladas y contextualizadas. Reglas de uso comprensibles. Cada evaluación debe explicar qué usos de IA están permitidos, cuáles deben declararse, qué capacidades se verificarán sin asistencia y por qué. Tiempo y apoyo para rediseñar. Equipos de docencia, currículo, calidad, inclusión, bibliotecas y tecnología deben trabajar con el profesorado. Una capacitación breve no reemplaza ese acompañamiento. Revisión de equidad y carga. Una solución puede ser sólida en un seminario de veinte personas e imposible en una asignatura de trescientas. También puede introducir barreras de acceso, oralidad, conectividad o discapacidad. El diseño debe probarse en condiciones reales. Evaluación del propio rediseño. La institución debe observar si las nuevas prácticas mejoran la calidad de la evidencia, el aprendizaje y la retroalimentación, o si solo agregan burocracia. De la respuesta correcta al juicio defendible La gran pregunta ya no es cómo impedir que la IA escriba. Es cómo asegurar que los estudiantes puedan pensar, decidir y responder por lo que presentan, con o sin asistencia tecnológica. Eso exige abandonar dos atajos. El primero es asumir que un producto fluido demuestra comprensión. El segundo es creer que cada docente puede resolver aisladamente un cambio que atraviesa perfiles de egreso, currículo, integridad, calidad, inclusión y desarrollo profesional. Un buen sistema de evaluación no necesita perseguir una certeza imposible sobre cada palabra. Necesita reunir evidencia suficiente para sostener un juicio defendible sobre el aprendizaje. Cuando el pensamiento crítico se define, se enseña con progresión y se observa en múltiples contextos, la institución deja de depender de una tarea “a prueba de IA” y comienza a construir algo más valioso: egresados capaces de argumentar, verificar, revisar y decidir responsablemente en un mundo donde la IA ya está presente. Si trabajas en docencia, currículo, calidad o innovación educativa, puedes registrarte gratuitamente en InnovacionAcademica.org para acceder a análisis y recursos que ayudan a convertir desafíos tecnológicos en mejores decisiones de aprendizaje. Fuentes consultadas Lodge, J. M., Howard, S., Bearman, M., Dawson, P. et al. (2023). Assessment reform for the age of artificial intelligence . UNESCO. Guidance for generative AI in education and research . UNESCO. AI competency framework for teachers . UNESCO. AI competency framework for students . AAC&U. Critical Thinking VALUE Rubric . Imagen de portada: Editatón Feminista 2024 en la Universidad de Chile. Kathie (WMCL)/Wikimedia Commons, licencia CC BY-SA 4.0.