Leila Guerra: "La universidad debe enseñar a juzgar las respuestas de la IA"

La inteligencia artificial ha convertido las respuestas en un recurso inmediato y abundante, pero disponer de ellas no equivale necesariamente a comprenderlas. Esta transformación obliga a la universidad a revisar qué enseña, cómo evalúa y qué capacidades debe acreditar. Para Leila Guerra, vicerrectora adjunta de Educación de la London School of Economics and Political Science (LSE), el desafío consiste en construir una institución liderada por personas y potenciada por las máquinas, no subordinada a ellas.

La experta expuso esta idea en Barcelona durante la conferencia inaugural del ciclo IQS-LSE Talks, organizado por IQS para analizar el impacto de la IA en la educación, las organizaciones, el empleo y la sociedad. Guerra defendió que la tecnología puede ampliar la capacidad y el alcance de las instituciones, pero que el propósito y el juicio deben permanecer en manos humanas.

Una estudiante con varias entregas pendientes recurrió a la IA para terminar sus trabajos. Consiguió presentarlos dentro del plazo, pero no pudo defenderlos cuando tuvo que explicar su contenido. Guerra utilizó este ejemplo para señalar que el principal riesgo educativo no reside únicamente en el plagio, sino en que la herramienta termine pensando por el alumno y debilite el proceso mediante el que se construye el aprendizaje.

La ponente aludió al estudio preliminar «Your Brain on ChatGPT», desarrollado por investigadores del MIT Media Lab con 54 participantes durante sus tres primeras sesiones. El trabajo observó diferencias en la conectividad cerebral, el recuerdo y la percepción de autoría entre quienes escribían sin herramientas, quienes utilizaban buscadores y quienes recurrían a un modelo de lenguaje. Sus responsables advierten, no obstante, de que los resultados son dependientes del contexto y no pueden generalizarse a todas las tareas ni a todos los sistemas de IA.

La cuestión decisiva es, por tanto, distinguir entre sustitución y ampliación cognitiva. En el primer caso, la tecnología ejecuta el trabajo que debería permitir al estudiante practicar, equivocarse y razonar. En el segundo, se convierte en un apoyo para explorar alternativas, recibir retroalimentación o abordar problemas de mayor complejidad. La diferencia no está solo en la herramienta utilizada, sino en cómo se diseña la actividad y qué esfuerzo intelectual se exige.

En un entorno donde producir una respuesta cuesta cada vez menos, el valor educativo se desplaza hacia la capacidad de comprobarla, interpretarla y decidir cuándo resulta apropiada. Un título universitario no debería certificar únicamente que alguien puede entregar un producto correcto, sino que sabe explicar el procedimiento seguido, detectar errores y asumir las consecuencias de sus decisiones. La evaluación debe atender así al razonamiento del estudiante, además de al resultado final.

Este cambio afecta directamente a los métodos de enseñanza y evaluación. En programación, por ejemplo, un alumno puede obtener código mediante una herramienta generativa, pero todavía necesita comprenderlo, revisarlo y determinar si responde al problema planteado. Lo mismo sucede al redactar un ensayo, resolver un caso empresarial o analizar datos: la facilidad para producir contenido aumenta la importancia de juzgar su calidad, identificar sus límites y justificar su utilización.

Guerra propone decidir con claridad qué tareas pueden delegarse y cuáles deben mantenerse bajo responsabilidad humana. La IA puede facilitar prácticas personalizadas, simulaciones o comentarios inmediatos, mientras que el profesorado conserva funciones esenciales como la mentoría, la orientación ética y la definición del propósito de cada actividad. Esta distribución exige evitar tanto el rechazo automático de la tecnología como una adopción guiada únicamente por la búsqueda de eficiencia.

La transformación también requiere una gobernanza firme en los principios y flexible en la práctica. La protección de datos, la equidad en el acceso, la integridad académica y la transparencia deberían constituir límites comunes para toda la institución. Dentro de ese marco, cada disciplina necesita margen para decidir cómo incorporar la IA, porque sus posibilidades y riesgos no son idénticos en Ingeniería, Economía, Derecho o Ciencias Sociales. Los estudiantes, añadió Guerra, deben participar como agentes del cambio y no limitarse a recibir normas diseñadas sin contar con su experiencia.

Las universidades han pasado en pocos años de considerar la IA principalmente una amenaza para la autoría académica a presentarla como una herramienta capaz de automatizar procesos y personalizar contenidos. Ahora compiten por elaborar estrategias y crear estructuras específicas, aunque todavía existe incertidumbre sobre la evolución tecnológica. El peligro es confundir rapidez con progreso y adoptar soluciones sin valorar sus efectos sobre el aprendizaje, el profesorado o la igualdad de oportunidades. La innovación necesita una dirección educativa clara.

En este escenario, las Ciencias Sociales y las Humanidades desempeñan un papel central. La discusión no se limita a determinar qué puede hacer una máquina, sino que debe abordar para qué se utiliza, quién responde por sus resultados y cómo se distribuyen sus beneficios y riesgos. La universidad aporta precisamente espacios para formular esas preguntas, contrastar perspectivas y formar profesionales capaces de tomar decisiones responsables y fundamentadas.

Guerra también plantea superar la concepción de la universidad como una etapa que se completa una sola vez. La aceleración tecnológica obliga a actualizar conocimientos y competencias durante toda la trayectoria profesional, por lo que las instituciones deberán ofrecer itinerarios más flexibles y mantener el vínculo con sus titulados. El paso de una educación lineal al aprendizaje permanente será, en su opinión, otra de las grandes transformaciones de la enseñanza superior.

El ciclo IQS-LSE Talks continuará el 18 de febrero de 2027 con Youngjin Yoo, profesor de Sistemas de Información e Innovación de la LSE, que analizará cómo la IA generativa está modificando la creación de valor y el funcionamiento de las organizaciones. Las siguientes sesiones ampliarán el debate hacia las políticas públicas y el empleo, completando una reflexión que sitúa el criterio humano en el centro del cambio tecnológico.