MIT предупреждает: искусственный интеллект разрушает связь между текстом и мышлением студентов

El Massachusetts Institute of Technology (MIT) acaba de publicar un reporte que debería colgarse en la entrada de cada facultad de derecho, medicina y contabilidad de América Latina. La conclusión es simple: la inteligencia artificial ya puede producir respuestas razonables a prácticamente cualquier trabajo escrito en el currículo universitario. Ensayos, problemas de matemática, análisis de casos, código. Todo. La pregunta que se desprende no es si los estudiantes van a usar IA. Ya la usan. La pregunta es qué queda cuando la herramienta hace lo que la universidad siempre midió. Durante siglos, producir texto fue la prueba del pensamiento. El texto era evidencia razonable del proceso cognitivo que lo generó, porque ambos vivían en el mismo lugar: la cabeza del estudiante. Esa ecuación se rompió. El texto ya no es evidencia del pensamiento porque ya no necesariamente lo origina. Y el problema no es el fraude, que existía antes y seguirá existiendo. El problema es más sutil: un estudiante puede interactuar honestamente con la IA, sentir que aprendió, entregar algo impecable, y haber desarrollado exactamente cero capacidad propia. La ilusión es perfecta porque el resultado es bueno. El MIT lo nombra con precisión quirúrgica: cuando los trabajos se convierten en productos a entregar, el conocimiento se vuelve un producto que se consigue, no una capacidad que se desarrolla. El sistema de evaluación tradicional no puede distinguir entre los dos, porque nunca fue diseñado para hacerlo. Fue diseñado para otro mundo. Nuevo examen de residencias médicas: sin dispositivos tecnológicos y acompañados para ir al baño Las profesiones de conocimiento se aprenden en parte en las aulas, pero se consolidan haciendo. El pasante que revisa documentos aprende a leer contratos. El residente que hace guardias aprende a diagnosticar bajo presión. Esas tareas rutinarias y mal pagadas son el mecanismo de transmisión del conocimiento tácito de una generación a la siguiente. El andamiaje invisible de cada profesión. La IA está eliminando ese andamiaje. No reemplaza al profesional senior. Elimina el peldaño de entrada que permitía al junior convertirse en senior. Y lo hace en todas las profesiones al mismo tiempo. En derecho, un egresado puede graduarse y titularse sin haber aprendido a leer una sentencia difícil, construir un argumento bajo presión o enfrentar una contradicción. Antes eso se disimulaba porque el mercado tardaba años en descubrirlo. Ahora el mercado tiene sus propias herramientas para verificar la competencia real, y el disimulo dura cada vez menos. En medicina, el residente que no hace cientos de diagnósticos diferenciales bajo presión no desarrolla el juicio clínico. Puede usar toda la IA disponible, pero si nunca entrenó ese juicio no podrá evaluar cuándo la IA se equivoca. Y la IA se equivoca. Cuando lo hace junto a un médico sin juicio clínico, el costo lo paga el paciente. En contabilidad, PwC está entrenando a sus juniors para funcionar como managers en tres años, porque la IA hará el trabajo de entrada. Suena prometedor hasta que aparece el problema de fondo: si nadie hizo la tarea de base, no hay juicio para supervisar nada. Una pirámide sin base. El juicio importa más que el procedimiento En programación, un estudio reciente encontró que la dependencia de la IA degradó las habilidades en semanas, no en años. La distinción es crucial y vale para todas las disciplinas: la IA como oráculo degrada. La IA como interlocutor, no. La diferencia está en quién conduce el pensamiento. Texto, una profundidad que no es más de lo mismo La respuesta obvia es exigir una formación más profunda. Pero la profundidad tiene dos versiones que suenan parecidas y son opuestas en sus consecuencias. La versión cómoda es más de lo mismo con más rigor: más bibliografía, más canon, más cobertura. Es también la única respuesta que no requiere más presupuesto. Y es exactamente lo que la IA reemplaza mejor, porque es acumulación de información estructurada. La versión incómoda es la capacidad de operar con problemas sin solución conocida, bajo incertidumbre, donde el juicio importa más que el procedimiento. Esa formación requiere observar el proceso, no el producto. Ver a alguien operar con un problema en tiempo real, cometer errores, corregirlos, justificar decisiones. Requiere docentes con tiempo y formación para hacerlo. En Argentina, la realidad es contundente: el 70% de los docentes universitarios son auxiliares con dedicación simple y el 87% percibe ingresos por debajo de la línea de pobreza. Pretender que un sistema bajo estas condiciones garantice una formación profunda a escala no es una política educativa; es una fantasía. El desafío no radica en la masividad ni en el ingreso irrestricto, modelos que históricamente han forjado generaciones de profesionales y científicos notables. El nudo central es que la enseñanza profunda exige docentes con mayor dedicación horaria y formación específica para guiar procesos de aprendizaje, superando la mera transmisión de datos. Hoy, el sistema no cubre los costos que esta calidad educativa demanda. Más que nunca, la figura del docente es imprescindible. Mientras la IA desplaza a quien se limita a transmitir información, revaloriza a quien enseña a pensar. Esta transición exige una inversión real en condiciones laborales y tiempo docente. Ante todo, requiere abordar el problema con la lucidez necesaria, un recurso que, por ahora, también escasea.