En muchos programas de asignatura ya aparece la cláusula: todo uso de inteligencia artificial debe declararse. Es una buena cláusula. Lo notable es dónde termina su alcance: obliga al estudiantado y a nadie más. El sílabo que la contiene pudo haberse redactado con IA sin decirlo; la institución que la respalda puede usar sistemas automatizados de detección o de gestión sin divulgarlo. La transparencia, que se anuncia como valor de la comunidad, se distribuye en la práctica según el poder: declara quien es evaluado.
Conviene precisar el diagnóstico antes de discutirlo. Afirmo algo más incómodo que un ocultamiento deliberado del profesorado o una conspiración de las instituciones: que nadie diseñó la asimetría y por eso nadie se siente responsable de ella. Las políticas de integridad se escribieron mirando un solo riesgo —el trabajo estudiantil generado sin aprendizaje— y la arquitectura resultante refleja esa mirada. El estudiante declara porque su texto será juzgado. El docente no declara porque nadie juzga el suyo. La regla es coherente con el sistema de evaluación y, al mismo tiempo, incoherente con el valor que dice servir.
Esa incoherencia tiene un costo, porque la alternativa a la declaración no funciona. Weber-Wulff y colegas (2023) encontraron que ninguna de las herramientas de detección que evaluaron alcanzaba precisión suficiente, y Liang y colegas (2023) documentaron que los detectores que examinaron marcaban como generados, con tasas alarmantes, ensayos escritos por personas en una segunda lengua. Son mediciones de un conjunto acotado de herramientas en un momento concreto y el campo se mueve; lo que sostienen no es que ninguna detección pueda funcionar nunca, sino que una acusación académica no puede descansar sobre esa señal. De modo que la declaración voluntaria del estudiantado sigue siendo, en los hechos, la principal fuente de información sobre cómo se hizo un trabajo. Pero pedimos esa honestidad dentro de una relación donde declarar puede costar puntos y callar rara vez se descubre, y donde quien exige la declaración no ofrece la suya. Le pedimos al eslabón con menos poder que sostenga, él solo, una norma que los demás practicamos como opcional. No debería sorprender que la viva como trámite defensivo.
¿Qué diría una cultura de transparencia simétrica? Que la norma obligue en todas las direcciones con la intensidad que corresponde a cada una. Pedir que todos declaren todo convertiría la transparencia en burocracia, y la declaración proporcional existe precisamente para evitarlo. Un docente que declara en dos líneas del programa qué papel tuvo la IA en sus materiales enseña más sobre integridad que una unidad completa sobre plagio; ya lo argumenta, desde el lado del oficio, el ensayo sobre el rol docente. Una institución que publica qué sistemas automatizados usa para detectar, retroalimentar o administrar —y con qué límites conocidos— hace verificable lo que hoy es rumor. La guía de UNESCO sobre IA generativa (2023) apunta en esa dirección cuando pide marcos institucionales que articulen principios con decisiones operativas: un marco que solo regula estudiantes no articula nada, administra.
Hay dos objeciones serias, y ninguna se disuelve del todo. La primera: la asimetría es legítima porque las situaciones no son simétricas. El estudiante entrega trabajo para ser evaluado; su declaración es información que el juicio académico necesita. El docente no entrega nada equivalente. Es cierto, y por eso simetría significa algo distinto de identidad de obligaciones: que todo uso relevante se declara ante quien depende de él. Del trabajo del estudiante depende una calificación; de los materiales y criterios del docente (las lecturas que eligió, la rúbrica con que califica) depende el aprendizaje y la evaluación de todo un grupo. La dependencia existe en ambas direcciones; solo una está reconocida.
La segunda objeción pesa más. Declarar expone, y no expone igual a todos. Un profesor de asignatura con contrato semestral que declare haber preparado su curso con IA queda vulnerable ante una coordinación que puede leerlo como desprofesionalización —o como argumento para pagarle menos. Este riesgo es real y no debe minimizarse: una cultura de transparencia que empiece por exigir declaraciones individuales al profesorado precario reproduciría, a otra escala, exactamente la asimetría que critica. La conclusión es ordenar la simetría: la institución declara primero, porque es quien menos riesgo corre y quien fija las condiciones para que declarar no cueste. La transparencia, como casi todo en una universidad, se vuelve exigible hacia abajo solo cuando se ha practicado desde arriba. Mientras eso llega, lo que sí está en manos de cada docente con plaza segura es su propio programa: dos líneas sobre cómo se prepararon los materiales cuestan menos que la cláusula que ya pide.
Me queda un límite por reconocer: no tengo evidencia empírica (un estudio que compare grupos con y sin declaración docente) de que la transparencia simétrica aumente la honestidad estudiantil, y quien afirme tenerla probablemente exagera lo que sus datos alcanzan. El argumento de este ensayo es normativo, no predictivo. Sostiene que una comunidad académica no puede enseñar como virtud lo que organiza como obligación unilateral, y que la declaración que pedimos al estudiantado solo podrá leerse como práctica formativa —y no como formulario de descargo— el día en que se parezca a algo que sus profesores e instituciones también hacen. Hasta entonces, cada cláusula de declaración obligatoria enseñará dos cosas a la vez: la que dice y la que muestra.
Referencias#
Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers. Patterns, 4(7), 100779. https://doi.org/10.1016/j.patter.2023.100779
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://doi.org/10.54675/EWZM9535
Weber-Wulff, D., Anohina-Naumeca, A., Bjelobaba, S., Foltýnek, T., Guerrero-Dib, J., Popoola, O., Šigut, P., & Waddington, L. (2023). Testing of detection tools for AI-generated text. International Journal for Educational Integrity, 19, 26. https://doi.org/10.1007/s40979-023-00146-z