La IA generativa obliga a preguntar qué evidencia (un borrador anterior, una fuente descartada, una respuesta a una pregunta imprevista) permite reconocer comprensión, juicio y capacidad de revisar un trabajo cuando producir una respuesta plausible se ha vuelto más sencillo. La evaluación universitaria sigue siendo posible y la evaluación auténtica sigue siendo útil; lo que cambia es cuánto se puede inferir de un solo producto (el ensayo entregado).
Qué significa autenticidad en una evaluación#
Durante años, la evaluación auténtica se asoció con tareas parecidas a las del trabajo profesional: resolver un caso, diseñar una intervención o justificar una decisión. Esa semejanza puede ser útil, pero no basta. Una tarea laboral también puede ser rutinaria, excluyente o fácilmente automatizable.
Ajjawi y sus colegas proponen hablar de autenticidad en la evaluación y distinguir tres perspectivas: autenticidad psicológica, cuando la persona reconoce sentido y agencia —capacidad de decidir y actuar— en lo que hace; fidelidad ontológica, cuando la tarea la pone en relación con formas de ser y actuar propias de una práctica; y teoría de la práctica, que atiende las relaciones entre personas, herramientas, normas y contextos. La autenticidad no es una etiqueta binaria. Se construye con decisiones situadas y puede entrar en tensión con accesibilidad, tiempo, familiaridad cultural o condiciones desiguales de participación.
Por eso conviene valorar una tarea por lo que permite observar, no por cuánto se parece superficialmente al empleo. Una simulación profesional no demuestra por sí sola aprendizaje, del mismo modo que un ensayo no deja de ser válido solo porque una IA pueda producir texto.
Lo que la IA hace visible#
Una respuesta generada en segundos puede revelar que una tarea recoge poca evidencia del razonamiento del estudiante (por ejemplo, un resumen de lectura que el modelo produce sin conocer el curso). Sin embargo, ese diagnóstico depende del propósito de la tarea (recuperar conocimientos, contrastar fuentes, explicar). Un cuestionario breve puede servir para recuperar conocimientos; un ensayo puede permitir contrastar fuentes; una exposición puede mostrar capacidad de explicación. El problema aparece cuando se atribuye a un único producto (un ensayo, un examen) más evidencia de la que realmente contiene.
Bearman et al. (2024) sitúan aquí el juicio evaluativo: la capacidad de reconocer la calidad del trabajo propio y ajeno. Su propuesta no prescribe una política institucional única. Delimita tres focos para el aprendizaje con IA: juzgar la calidad de sus productos o resultados (un texto, un código, una imagen), juzgar los procesos usados para obtenerlos y examinar los propios juicios con apoyo de la herramienta. Estrategias conocidas —autoevaluación, revisión entre pares, rúbricas, ejemplos y retroalimentación— pueden ayudar a desarrollar esa capacidad si el estudiante no delega la decisión sobre qué cuenta como calidad.
Cuatro decisiones posibles de rediseño#
Estas decisiones pueden combinarse según el propósito de la asignatura (formar juicio clínico, dominar un procedimiento), el riesgo académico, la accesibilidad y la carga de trabajo. No constituyen una lista obligatoria.
1. Incorporar información situada#
Una tarea puede pedir trabajar con datos locales, documentos del curso, observaciones propias o restricciones de un caso concreto. Esto reduce las respuestas genéricas y obliga a relacionar conceptos con una situación. Con IA disponible, la tarea sigue pudiendo resolverse en parte con un modelo; lo que cambia es la evidencia disponible (la relación explícita entre los datos del caso y el concepto) y aparece la obligación de ofrecer materiales equivalentes a quien no pueda acceder al contexto de la misma manera.
2. Comparar versiones y decisiones#
Un esquema inicial, una fuente descartada o dos cambios explicados pueden mostrar cómo evolucionó el trabajo. No hace falta conservar toda la conversación con una herramienta. El paquete debe ser proporcional: suficiente para observar una decisión relevante, sin convertir la evaluación en vigilancia ni acumular datos personales.
3. Pedir explicación o revisión#
Una conversación breve, una nota reflexiva o la revisión de un fragmento permiten comprobar qué entiende la persona y cómo responde a preguntas. La modalidad depende del tamaño del grupo, la accesibilidad y la importancia de la tarea. Una defensa oral puede aportar evidencia (la persona explica por qué eligió una fuente); su valor depende del contexto y conviene evitar que se vuelva requisito automático.
4. Trabajar con criterios y alternativas defendibles#
Las tareas con varias respuestas posibles permiten observar cómo se usan criterios (costo, viabilidad, efecto sobre terceros), fuentes y consecuencias para sostener una decisión. La IA puede proponer alternativas; el aprendizaje aparece cuando el estudiante las compara, detecta límites, justifica una elección y puede revisarla ante nueva evidencia (un dato que contradice su primera opción).
Qué cambia para el docente#
El rediseño puede exigir tiempo adicional: seleccionar materiales, anticipar apoyos, explicar reglas de uso y decidir qué evidencia merece revisión (dos versiones de un esquema en lugar del historial completo). También puede simplificar la evaluación si se pide un conjunto pequeño de rastros significativos en lugar de historiales completos.
Antes de adoptar una medida conviene responder cuatro preguntas:
- ¿Qué aprendizaje se quiere observar?
- ¿Qué evidencia (un borrador, una explicación, una decisión justificada) permitiría reconocerlo sin depender de un solo producto?
- ¿Qué uso de IA está permitido, debe declararse o queda fuera de la actividad?
- ¿Qué carga, riesgo de privacidad o barrera de acceso introduce el diseño?
La detección automática no responde estas preguntas. Tampoco lo hace añadir una defensa o una bitácora por rutina. El objetivo es construir una relación razonable entre propósito, actividad, evidencia y decisión docente (por ejemplo: «quiero observar juicio clínico, pido un caso local en dos versiones y califico con esas versiones a la vista»).
Una posición#
La IA generativa vuelve menos defendibles algunas inferencias habituales: que un texto fluido demuestra comprensión, que una respuesta original prueba autoría o que un detector reconstruye el proceso. La evaluación auténtica ayuda cuando amplía lo que puede observarse y cuando reconoce sus propias compensaciones. Pierde utilidad si se presenta como una técnica universal o como una forma de hacer la evaluación resistente a cualquier herramienta.
Lecturas relacionadas#
La entrada de evaluación auténtica ofrece una definición breve. La ficha de Ajjawi, Bearman y colegas desarrolla las tres perspectivas de autenticidad. La guía de evaluación formativa con IA propone ciclos donde la evidencia (una respuesta breve a mitad de unidad) se usa para ajustar el aprendizaje, y la actividad de evaluación formativa asistida por IA presenta una secuencia adaptable.
Referencias#
Ajjawi, R., Tai, J., Dollinger, M., Dawson, P., Boud, D., & Bearman, M. (2024). From authentic assessment to authenticity in assessment: Broadening perspectives. Assessment & Evaluation in Higher Education, 49(4), 499–510. https://doi.org/10.1080/02602938.2023.2271193
Bearman, M., Tai, J., Dawson, P., Boud, D., & Ajjawi, R. (2024). Developing evaluative judgement for a time of generative artificial intelligence. Assessment & Evaluation in Higher Education, 49(6), 893–905. https://doi.org/10.1080/02602938.2024.2335321
Fawns, T., Bearman, M., Dawson, P., Nieminen, J. H., Ashford-Rowe, K., Willey, K., Jensen, L. X., Damşa, C., & Press, N. (2025). Authentic assessment: from panacea to criticality. Assessment & Evaluation in Higher Education, 50(3), 396–408. https://doi.org/10.1080/02602938.2024.2404634