El futuro de la evaluación en la era de la IA: ¿cómo medir lo que un estudiante realmente sabe?

Introducción: el colapso del examen como prueba de conocimiento
Durante más de un siglo, la evaluación educativa se ha basado en un supuesto fundamental: que el trabajo producido por un estudiante es evidencia razonable de su competencia. Un ensayo bien escrito significaba que el estudiante sabía escribir. Una solución correcta a un problema de programación demostraba que el estudiante sabía programar. En 2026, ese supuesto ha colapsado.
El dato que lo ilustra con crudeza proviene del Higher Education Policy Institute (HEPI) del Reino Unido: el 88% de los estudiantes universitarios reportó haber usado IA generativa para evaluaciones en 2025, frente al 54% en 2024. En encuestas más recientes, el 95% de los estudiantes de pregrado del Reino Unido había usado IA en alguna forma, y el 94% la había utilizado específicamente para trabajo relacionado con evaluaciones.
La consecuencia es profunda. Como articula el investigador Joshua Weidlich de la Universidad de Zúrich: “la IA generativa ha desestabilizado la evaluación en educación superior porque cambia lo que las actuaciones estudiantiles pueden razonablemente significar”. Cuando el trabajo presentado refleja la capacidad de la IA en lugar de la competencia del estudiante, la cadena inferencial que va del desempeño a la cualificación se invalida. Y como señala la revisión sistemática de Amnie (2026), esto es un problema de diseño, no de detección.
La evaluación educativa enfrenta su crisis de validez más profunda en décadas. La respuesta que está emergiendo en 2026 no es prohibir la IA ni confiar en detectores. Es rediseñar la evaluación para que mida lo que la IA no puede producir: el proceso de pensamiento, la capacidad de juicio, la metacognición y la aplicación contextual del conocimiento.
El problema: por qué la detección no funciona
La primera respuesta institucional a la IA generativa fue la detección. Herramientas como Turnitin, GPTZero y Originality.ai prometieron identificar el texto generado por IA. La evidencia de 2026 demuestra que esa promesa era falsa.
Un estudio embebido en un sistema de exámenes universitario real encontró que la mayoría de las presentaciones generadas por IA no fueron detectadas y recibieron calificaciones competitivas. Los sistemas de detección varían sustancialmente entre herramientas, tipos de tarea, disciplinas, versiones de modelos y prácticas de edición humano-IA, y evaluaciones favorables advierten contra tratar las puntuaciones de detectores como evidencia única en decisiones de alto riesgo.
La conclusión de Weidlich es contundente: “la gobernanza centrada en la detección es una base insuficiente para mantener la validez de la evaluación: las salidas de los detectores son señales condicionales y probabilísticas que pueden provocar una investigación adicional, pero no pueden por sí mismas establecer mala conducta o competencia”.
La revisión sistemática de Amnie (2026) confirma que “las herramientas de detección de IA son estructuralmente insuficientes como respuestas primarias” al problema. El problema no es técnico: es de diseño. Si la evaluación pregunta algo que la IA puede responder, ninguna tecnología de detección resolverá el problema de validez.
El giro conceptual: de productos auténticos a procesos autenticados
La respuesta que está emergiendo en 2026 es un cambio de paradigma que la literatura denomina “de productos auténticos a procesos autenticados”. La revisión conceptual sistemática de Tai et al. (2026) articula este giro con precisión: la evaluación auténtica siempre se ha asociado con trabajo cognitivo de orden superior, y en entornos ricos en IA, la transparencia del proceso se convierte en la condición para interpretar el producto final.
La distinción central que organiza el campo en 2026 es entre evaluación resistente a la IA y evaluación resiliente a la IA:
| Enfoque | Definición | Ejemplo |
|---|---|---|
| AI-resistant | Busca prevenir o impedir el acceso a la IA mediante contención | Exámenes en papel, defensas orales presenciales |
| AI-resilient | Evalúa el desempeño cognitivo humano genuino independientemente de las herramientas de IA que existan | Portafolios con proceso visible, defensa argumentativa |
La evaluación resiliente es más profunda que la resistente. Mientras la resistencia busca bloquear la IA —una estrategia que la propia revisión de Amnie califica como insuficiente—, la resiliencia diseña tareas que requieren capacidades cognitivas que la IA no puede sustituir: análisis, evaluación, síntesis, interpretación de ambigüedad y toma de decisiones defendibles.
El marco de “Autenticación de Procesos” articula este giro con claridad: “la transparencia del proceso significa diseñar tareas para que el razonamiento, la iteración, el uso de retroalimentación, la toma de decisiones y la verificación se vuelvan lo suficientemente visibles para sustentar una inferencia justificada sobre el aprendizaje”.
Los marcos de referencia: cómo se rediseña la evaluación
La OCDE articuló el marco más influyente en su Digital Education Outlook 2026, publicado en enero de 2026. Su recomendación central es el principio “Slow AI” y la transición hacia “evaluación orientada a procesos”: en lugar de calificar el ensayo final, los docentes deben evaluar cómo el estudiante interactuó con la IA, cómo criticó su output y cómo refinó sus ideas a lo largo del tiempo.
Las estrategias concretas que la OCDE recomienda incluyen:
- Exigir a los estudiantes que piensen de forma independiente antes de usar la IA para verificar sus ideas.
- Escribir informes de reflexión posteriores al uso de IA para distinguir los productos de la IA de los pensamientos originales del estudiante.
- Incrementar componentes de examen sin acceso a IA y preguntas abiertas que muestren el proceso de pensamiento.
- Incorporar evaluaciones reflexivas sobre la utilidad de la IA.
La Escala AIAS (AI Assessment Scale), adoptada por ASCUN y RedÚnete en Colombia, ofrece un marco de cinco niveles que permite al docente decidir el grado de integración de la IA en cada tarea, desde el acceso nulo hasta la cocreación plena. La escala proporciona una arquitectura de decisión que reemplaza la prohibición binaria por una gradación pedagógicamente intencionada.
La revisión sistemática de Amnie (2026) propone un “Six-Layer AI-Resilient Assessment Stack” como marco institucional integrado, fundamentado en lógica de validación multi-rasgo multi-método. Las seis categorías de evaluación que identifica la revisión incluyen desde tareas de corrección de errores hasta portafolios de proceso, evaluaciones orales y proyectos aplicados.
Casos reales: la teoría ya es práctica
Chile: calificación con LLMs con 62.4% de reducción de tiempo
Un caso de estudio chileno publicado en IEEE en abril de 2026 evaluó un protocolo de calificación asistida por LLM basado en rúbricas definidas por el instructor, con supervisión humana en el circuito. La plataforma GradeStudents.org integró rúbricas del instructor con orquestación de modelos, logrando alta concordancia entre las puntuaciones asistidas por IA y las del instructor (Pearson r=0.922; diferencia residual media de 0.27 puntos), con una reducción del 62.4% en el tiempo de calificación. La retroalimentación en español fue fluida y contextualmente apropiada, y la cobertura de la rúbrica fue consistente.
El hallazgo es significativo porque demuestra que la calificación asistida por IA no es una amenaza para la validez cuando se diseña con gobernanza adecuada: rúbricas definidas por el instructor, supervisión humana y auditabilidad del proceso. La IA no reemplaza al evaluador: amplifica su capacidad de proporcionar retroalimentación significativa a escala.
Ecuador: evaluación auténtica mediada por IA en educación tecnológica
Una propuesta dirigida al Instituto Tecnológico Internacional ITI de Quito partió de un diagnóstico empírico con 46 docentes, de los cuales el 95.65% ya usaba herramientas de IA y el mismo porcentaje valoraba su integración ética y guiada en la evaluación. Sobre los ejes de la evaluación auténtica y la mediación tecnológica postfenomenológica, se propuso un modelo de evaluación auténtica mediada por IA estructurado en tres estrategias complementarias: resolución de problemas reales contextualizados, aprendizaje basado en proyectos mediado por IA y portafolio digital con evidencias del proceso, junto con una metodología de aplicación en cinco etapas y una rúbrica de evaluación triangulada.
El modelo “desplaza el foco evaluativo del producto final hacia el proceso, la metacognición y el desempeño real del estudiante, concibiendo la inteligencia artificial como mediadora pedagógica y no como sustituto del razonamiento”.
Colombia: ASCUN y el giro epistemológico en la evaluación
La Asociación Colombiana de Universidades (ASCUN), a través de su Red Universitaria para la Educación con Tecnología (RedÚnete), abordó en agosto de 2026 el rediseño de la evaluación universitaria ante la IA generativa, con más de 240 participantes de instituciones de todo el país. El webinar partió de los hallazgos de un estudio de ASCUN con 84 instituciones realizado en 2025.
Las estrategias concretas que emergieron del encuentro incluyen:
- Visibilizar el proceso: evaluar por etapas (esquemas, borradores y versiones finales) para realizar una trazabilidad del razonamiento.
- Defensa y argumentación: priorizar la capacidad del estudiante para sustentar sus trabajos y explicar su lógica de manera oral.
- Escala AIAS: implementar el marco de cinco niveles para decidir el grado de integración de la IA en cada tarea.
La discusión académica subrayó que “la irrupción de la IA generativa plantea, ante todo, una pregunta epistemológica: ¿cómo construye conocimiento el estudiante en la actualidad?” y que la evaluación no debe verse como un acto final, sino como un proceso integrado que utiliza la IA como un “andamiaje cognitivo” en lugar de un atajo que genere una “descarga cognitiva” o pérdida de autonomía en el alumno.
Chile: el Observatorio ObIA-Edu y el ciclo de webinars sobre evaluación
La Universidad de Las Américas (UDLA), a través de su Observatorio sobre el uso de Inteligencia Artificial en Educación (ObIA-Edu), organizó en octubre-noviembre de 2026 el segundo ciclo de webinars sobre IA y evaluación de aprendizajes, con diez conferencias que reunieron a especialistas de Chile, México, Brasil, Uruguay y España. El ciclo abordó criterios y herramientas para fortalecer la integridad académica, la evaluación auténtica y las estrategias que permiten evidenciar los aprendizajes en contextos de IA.
El director del ObIA-Edu, Cristián Villegas, articuló el principio que organiza el ciclo: “Reconocer qué decisiones tomó el estudiante, cómo fundamenta sus respuestas y de qué manera aplica sus conocimientos resulta fundamental para sostener la confianza en la evaluación”.
Programación: exámenes orales asistidos por IA a escala
El ACM publicó en febrero de 2026 un estudio sobre exámenes orales interactivos basados en chat como herramienta de evaluación auténtica escalable para cursos grandes de ciencias de la computación. La herramienta permite evaluar la comprensión más allá del código entregado, abordando directamente el problema de que los estudiantes ahora pueden producir soluciones funcionales con asistencia de IA sin comprender el código que generan.
Un estudio multi-curso en ingeniería de software reportó el rediseño de evaluaciones —incluyendo micro-presentaciones orales cronometradas y vivas estilo quiz-bowl— para promover el aprendizaje auténtico mientras se reduce el plagio asistido por IA, con resultados a lo largo de dos años académicos.
Los desafíos: entre la promesa y la equidad
El rediseño de la evaluación enfrenta obstáculos que ninguna tecnología resuelve por sí sola. El dilema del calificador documentado en el estudio de SAGE (2026) es particularmente revelador: auditar la evidencia de proceso asistida por IA aproximadamente duplica el tiempo de calificación y desplaza a los educadores de evaluar el aprendizaje a interpretar registros. El estudio argumenta que “la evaluación convencional no supervisada para llevar a casa ya no puede funcionar” como modelo.
La formación docente es otro obstáculo documentado. La revisión sistemática de Amnie (2026) identifica desafíos persistentes de equidad, confiabilidad, desarrollo docente y protección de datos. La evaluación resiliente a la IA requiere competencias pedagógicas que muchos docentes no han desarrollado: diseño de tareas con proceso visible, rúbricas de evaluación de razonamiento, y gestión de la incertidumbre sobre el uso de IA en el trabajo estudiantil.
La equidad emerge como una preocupación crítica. La revisión de Tai et al. (2026) advierte que una tarea que parece realista puede privilegiar estilos de comunicación particulares, normas profesionales, formas de capital cultural o suposiciones sobre acceso previo, y puede por lo tanto reproducir exclusión bajo el lenguaje del realismo. La evaluación resiliente no es automáticamente equitativa: requiere diseño intencionado para garantizar que las nuevas formas de evaluar no excluyan a los estudiantes con menos acceso a la tecnología o con estilos de aprendizaje diferentes.
Y persiste la pregunta pedagógica fundamental: ¿cómo se mide el proceso sin invadir la privacidad del estudiante? La visibilización del proceso requiere registros de iteración, borradores, reflexiones metacognitivas—— artefactos que los estudiantes deben producir, pero que pueden convertirse en una carga desproporcionada si no se diseñan con cuidado. El equilibrio entre evidencia suficiente para la validez y carga razonable para el estudiante es uno de los problemas abiertos del campo.
Conclusión: la evaluación como acto de confianza verificable
El futuro de la evaluación en la era de la IA no es la prohibición ni la detección. Es el rediseño hacia una evaluación que mida lo que la IA no puede producir: el proceso de pensamiento, la capacidad de juicio, la metacognición, la aplicación contextual del conocimiento y la defensa argumentativa de las propias decisiones.
Los datos de 2026 son inequívocos: el 88% de los estudiantes ya usa IA para evaluaciones, y ninguna herramienta de detección puede restaurar la validez del examen tradicional. La respuesta que está emergiendo —desde Chile hasta Ecuador, desde Colombia hasta Irlanda— es un giro hacia la evaluación auténtica de procesos: portafolios con trazabilidad, defensas orales, tareas de corrección de errores, proyectos aplicados y rúbricas que evalúan el razonamiento, no solo el resultado.
Para Aulas Latam y las instituciones educativas de la región, la pregunta ya no es si rediseñar la evaluación, sino cómo construir la gobernanza, las capacidades docentes y los marcos de equidad para que la nueva evaluación sea válida, justa y sostenible. Porque en 2026, la evaluación ya no puede ser un acto de fe en el producto: debe ser un acto de confianza verificable en el proceso.



