La inteligencia artificial puede mejorar el resultado visible de una tarea académica. El desafío para universidades y empresas consiste en determinar cuánto de ese resultado representa realmente las capacidades de quien lo entrega.
Una calificación académica intenta condensar algo mucho más complejo que un examen o un trabajo. Para el estudiante representa una medida de desempeño; para la universidad, una forma de certificar conocimientos; y para empresas y programas de posgrado, una señal que ayuda a comparar candidatos.
Ese sistema funciona razonablemente bien cuando existe una relación estrecha entre quién realiza el esfuerzo, quién produce el trabajo y quién recibe la calificación. Las herramientas digitales ya habían modificado esa relación, pero la inteligencia artificial generativa introduce una capacidad diferente: puede intervenir directamente en actividades que antes servían para demostrar conocimientos.
Disponible para iOS y Android
El problema educativo no consiste simplemente en permitir o prohibir una tecnología. Una persona puede utilizarla para aprender, practicar, recibir retroalimentación o comprender un concepto difícil. También puede delegarle parte del esfuerzo cognitivo que la actividad pretendía desarrollar.
Ambos estudiantes pueden entregar un resultado excelente y obtener la misma nota, aunque el proceso de aprendizaje haya sido muy diferente.
Cuando una herramienta puede mejorar el producto evaluado, las instituciones necesitan distinguir con mayor precisión entre la calidad de lo entregado y las capacidades adquiridas por quien lo entrega.
Esa separación empieza a afectar el significado mismo de evaluar.
Genera políticas, anexos, matrices de riesgo, protocolos e informes ejecutivos desde un diagnóstico guiado para ordenar herramientas, datos, responsables, riesgos y documentos internos en el uso de IA
Disponible para suscriptores Premium de FuturIA
Accede como suscriptor Premium →
Igor Chirikov, investigador de UC Berkeley, estudia este problema en Artificial Intelligence and Grade Inflation. Su análisis utiliza 507.076 matrículas estudiante-curso, correspondientes a 319 cursos de 84 departamentos de una gran universidad pública y selectiva de investigación en Texas entre 2018 y 2025.
El diseño aprovecha una característica especialmente útil: los programas académicos utilizados para determinar qué asignaturas estaban más expuestas a la IA corresponden al otoño de 2022 y fueron publicados en agosto, antes del lanzamiento de ChatGPT el 30 de noviembre de ese año.
El autor observa principalmente dos tipos de tareas:
escritura;
programación.
Son actividades donde la IA generativa posee capacidades relevantes. Cuanto mayor es su presencia dentro de una asignatura, mayor es la exposición potencial del curso.
El estudio compara entonces cómo evolucionaron las calificaciones antes y después de ChatGPT entre asignaturas con diferentes niveles de exposición.
La metodología principal es difference-in-differences (DiD). Expresado sencillamente, en lugar de preguntar únicamente si las notas aumentaron después de 2022, Chirikov pregunta si aumentaron más en los cursos donde la IA podía intervenir en una proporción mayor de las tareas.
Las tendencias anteriores entre cursos resultan estadísticamente compatibles con el supuesto de tendencias paralelas utilizado por este diseño.
Este es el primer resultado central.
Después de la aparición de ChatGPT, los cursos con mayor exposición a tareas de escritura y programación registraron un aumento de:
La cifra equivale aproximadamente a un 30 % respecto al nivel de referencia de 2022, cuando la proporción era 0,44.
El promedio GPA también aumentó:
Pero las calificaciones no se desplazaron uniformemente hacia arriba.
El patrón observado fue:
A: +13 puntos porcentuales;
A−: −4 puntos;
B+: −3 puntos;
B y niveles inferiores: cambios pequeños o mayoritariamente no significativos.
La desviación estándar del GPA dentro de los cursos cayó 0,09 puntos, indicando una mayor concentración de calificaciones en la parte superior de la distribución.
Esto permite precisar el resultado.
La evidencia no muestra simplemente que todos los estudiantes empezaran a recibir mejores notas. El cambio se concentra especialmente en la parte alta de la distribución.
El patrón es consistente con una transformación de algunas calificaciones A− y B+ en A.
Aquí aparece una distinción fundamental. Observar mejores calificaciones después de la llegada de ChatGPT no permite concluir automáticamente que exista inflación de notas.
Los resultados podrían responder al menos a tres mecanismos diferentes.
Desplazamiento
La IA realiza parte del trabajo que antes debía ejecutar el estudiante. Mejora el producto entregado, pero no necesariamente las capacidades de quien lo presenta.
Aumentación
La IA ayuda al estudiante a comprender, practicar o trabajar mejor sin sustituir el esfuerzo cognitivo fundamental. En ese caso podrían mejorar simultáneamente las notas y el aprendizaje.
Reinstalación
La tecnología permite realizar nuevas actividades educativas y desarrollar capacidades que anteriormente no formaban parte del curso.
Las tres posibilidades podrían elevar las calificaciones.
Por eso, el aumento de las A es una evidencia importante, pero no basta para identificar qué está ocurriendo con el aprendizaje.
Chirikov necesita una segunda prueba.
Y es precisamente esa prueba la que convierte el estudio en algo mucho más interesante que una comparación de notas antes y después de ChatGPT.
El autor introduce una segunda dimensión: cuánto pesa el trabajo realizado fuera del aula en la nota final.
La mediana de peso del homework en los cursos analizados es del 30 %.
La lógica es sencilla. Si la IA estuviera mejorando ampliamente las capacidades del estudiante, ese aprendizaje debería manifestarse tanto cuando realiza trabajos en casa como cuando posteriormente debe demostrar sus conocimientos en evaluaciones supervisadas.
Si estudiantes académicamente más fuertes hubieran comenzado a elegir asignaturas más expuestas a IA, cabría esperar también mejores resultados en diferentes formatos de evaluación.
Pero si la IA está sustituyendo parte del trabajo del estudiante, el efecto debería concentrarse especialmente allí donde puede utilizarse sin supervisión.
Es decir: en el homework.
Para comprobarlo, el paper utiliza una metodología de triple diferencia (DDD), comparando simultáneamente periodo, exposición a IA y peso del trabajo realizado fuera del aula.
Los resultados son especialmente reveladores. En los cursos con un peso del homework inferior a la mediana, el efecto posterior a ChatGPT sobre la proporción de A es:
El resultado no es estadísticamente significativo.
En cambio, los cursos con un peso del homework superior a la mediana presentan un efecto adicional de:
Ese efecto sí resulta estadísticamente significativo.
Esta diferencia es crucial para la interpretación.
Si la IA estuviera produciendo una mejora general del aprendizaje, sería más difícil explicar por qué el incremento se concentra precisamente en los entornos donde los profesores no observan directamente cómo se produce el trabajo evaluado.
El autor considera este patrón difícil de reconciliar únicamente con aumentación del aprendizaje o selección de mejores estudiantes.
La evidencia es más consistente con desplazamiento de tareas: la IA estaría realizando parte del trabajo que antes debía ejecutar el estudiante.
Esto sigue sin significar que cada estudiante esté delegando su trabajo ni que utilizar IA implique aprender menos.
El resultado identifica un mecanismo dominante en promedio, no el comportamiento individual de cada alumno.
Imaginemos dos asignaturas universitarias de escritura.
En la primera, el 70 % de la nota depende de ensayos realizados en casa. Un estudiante puede utilizar IA para organizar argumentos, producir borradores, reescribir párrafos o incluso generar una parte sustancial del texto.
El profesor evalúa el resultado terminado.
En la segunda asignatura, la mayor parte de la calificación procede de una prueba supervisada. El estudiante puede haber utilizado IA para estudiar, pero durante la evaluación debe demostrar personalmente lo que sabe.
Si la IA estuviera aumentando fundamentalmente el aprendizaje, esperaríamos encontrar alguna mejora en ambos entornos.
Si, por el contrario, las notas mejoran principalmente en el primero, aparece otra explicación posible: parte de la calidad adicional está en el trabajo entregado y no necesariamente en las capacidades adquiridas por el estudiante.
Ese es, de forma simplificada, el mecanismo que intenta identificar el paper.
Chirikov realiza además una prueba utilizando presentaciones orales.
¿Por qué?
Porque son tareas donde las capacidades de la IA para sustituir directamente al estudiante son menores que en escritura o programación.
El estudio no encuentra un efecto equivalente sobre las calificaciones cuando utiliza la proporción de presentaciones orales como medida placebo.
Los resultados principales también permanecen estables cuando el autor modifica:
la definición de exposición a IA;
los requisitos de tamaño de los cursos;
los periodos anteriores utilizados;
la forma de agrupar los errores estándar;
diferentes especificaciones del peso del homework.
Ninguna prueba aislada demuestra el mecanismo por sí misma.
En conjunto, sin embargo, fortalecen la interpretación propuesta por el estudio: el incremento de las calificaciones está concentrado precisamente en las tareas y condiciones donde la IA tiene mayor capacidad para sustituir trabajo no supervisado.
Una calificación universitaria no sirve únicamente para aprobar una asignatura. También funciona como una señal.
Un empleador que observa buenas notas puede inferir capacidad analítica, conocimientos técnicos, disciplina o dominio de determinadas habilidades. Un programa de posgrado utiliza esa información para seleccionar candidatos. El propio estudiante puede utilizar sus resultados para decidir en qué áreas posee mayores capacidades.
Si la IA mejora el producto evaluado sin producir una mejora equivalente en las habilidades subyacentes, la señal se vuelve más ruidosa.
Dos estudiantes con la misma A podrían haber desarrollado niveles diferentes de competencia. Eso introduce una consecuencia que trasciende las universidades.
Las empresas podrían necesitar otorgar mayor importancia a otras formas de verificar capacidades:
ejercicios prácticos;
entrevistas técnicas;
demostraciones de trabajo;
proyectos verificables;
evaluaciones supervisadas.
El paper señala esta posible necesidad de procedimientos alternativos de selección cuando las calificaciones pierden precisión como indicadores de habilidades.
El problema informativo no afecta únicamente al empleador. También afecta a quien obtiene la nota.
Un estudiante que consigue resultados excelentes puede interpretar que domina una competencia. Si una parte relevante de ese desempeño procede de tareas delegadas a la IA, existe el riesgo de sobreestimar su propio nivel de dominio.
El autor plantea que esa distorsión podría reducir la inversión posterior en habilidades fundamentales.
Aquí resulta esencial separar evidencia de implicación.
El estudio no mide directamente si los estudiantes están graduándose con menores capacidades ni demuestra que sus ingresos futuros vayan a caer.
Lo que identifica es un mecanismo que podría deteriorar la relación entre desempeño académico observado y habilidad real.
La consecuencia sobre capital humano es una implicación potencial derivada de ese mecanismo.
La respuesta intuitiva podría ser trasladar todas las evaluaciones al aula. Eso reduciría la posibilidad de delegar trabajos a herramientas externas, pero generaría otro problema: no todas las capacidades importantes pueden evaluarse adecuadamente mediante un examen supervisado y limitado en tiempo.
El propio paper menciona actividades como:
escribir un ensayo bien investigado;
desarrollar un proyecto de software;
realizar un análisis empírico.
Son trabajos que requieren tiempo, documentación, iteración y acceso a herramientas.
Convertir toda evaluación en un examen presencial podría proteger la autenticidad del resultado y, simultáneamente, empobrecer aquello que la universidad es capaz de evaluar.
Chirikov apunta hacia otra dirección: rediseñar las evaluaciones para que el uso de IA esté limitado por la estructura de la actividad o integrado explícitamente en ella.
Por ejemplo, exigir al estudiante:
documentar su proceso;
justificar sus decisiones;
explicar por qué aceptó o rechazó una respuesta de IA;
defender posteriormente su trabajo;
demostrar comprensión mediante una interacción adicional.
Así, la evaluación puede incorporar la herramienta sin convertir el producto generado en la única evidencia de aprendizaje.
El estudio tiene limitaciones importantes. La primera es geográfica e institucional: los datos proceden de una sola universidad pública selectiva de Texas. Los resultados no pueden trasladarse automáticamente a todas las universidades, países o sistemas educativos.
Además:
el paper no observa directamente quién utilizó ChatGPT;
tampoco conoce cuánto lo utilizó cada estudiante;
la exposición se estima a partir de las tareas definidas en los programas académicos;
los resultados representan efectos promedio;
dentro de una misma asignatura pueden coexistir usos de IA que sustituyen esfuerzo y otros que mejoran el aprendizaje.
Esta última limitación resulta especialmente importante.
Un estudiante puede pedir a la IA que escriba su ensayo.
Otro puede utilizarla para recibir críticas sobre un ensayo que escribió personalmente.
Ambos aparecen dentro del mismo entorno tecnológico, pero las consecuencias educativas son completamente diferentes.
El diseño actual no permite distinguirlos individualmente.
El aporte del paper no consiste en demostrar que la inteligencia artificial esté haciendo peores estudiantes. Los datos no permiten sostener una afirmación tan amplia. Su contribución es más precisa.
Después de ChatGPT, las calificaciones aumentaron especialmente en cursos cuyas tareas coincidían con capacidades fuertes de la IA y donde el trabajo realizado fuera del aula tenía mayor peso.
Ese patrón es consistente con sustitución de esfuerzo y plantea un problema para la función certificadora de las calificaciones.
La respuesta educativa tampoco debería reducirse a perseguir el uso de una herramienta. La IA formará parte del entorno profesional al que llegarán esos estudiantes, por lo que aprender a utilizarla puede constituir una competencia valiosa.
La dificultad está en conservar una frontera entre utilizar una herramienta para ampliar una capacidad y utilizarla para evitar desarrollar esa capacidad.
Una buena evaluación deberá comprobar ambas cosas: qué puede conseguir una persona utilizando las herramientas disponibles y qué conocimientos conserva cuando necesita pensar, justificar, decidir o ejecutar por sí misma.
Si la IA modifica quién realiza el trabajo, la universidad tendrá que modificar también cómo demuestra que el aprendizaje pertenece al estudiante.
Chirikov, I. (2026). Artificial Intelligence and Grade Inflation. CSHE Higher Education Working Paper Series, 26(3), University of California, Berkeley.
+45.000 miembros, +300.000 visitas mensuales, +1.8 millones de visitas, 1.1 millones de usuarios únicos, 2.95 millones de interacciones en el último año. Nos leen en 70 países y 28 estados de EE.UU.
Comments
Nothing yet. Say the first thing.
Sign in to join the conversation.