La discusión sobre el futuro de la docencia universitaria oscila entre dos posiciones igualmente improductivas: la del entusiasmo desmedido («la IA cambiará todo, los docentes se vuelven facilitadores») y la del rechazo defensivo («nada esencial cambia, el docente sigue siendo el centro»). Este ensayo propone una tercera lectura, para revisar semestre a semestre: qué funciones del oficio docente la IA está asumiendo de hecho, qué funciones no puede asumir y qué responsabilidades aparecen como nuevas.
Lo que la IA está asumiendo#
Tres funciones que históricamente recayeron en el docente universitario están migrando, parcial o totalmente, a sistemas algorítmicos. Reconocerlas no es derrotismo; es claridad operativa.
La provisión de contenido es la más evidente. Un modelo de lenguaje contemporáneo ofrece explicaciones de conceptos, ejemplos pertinentes, comparativas históricas y traducciones de jerga técnica con una calidad que cinco años atrás habría requerido un docente experto. La enseñanza sigue; lo que deja de ser su núcleo es la transmisión (Bearman et al., 2024).
La retroalimentación de borradores sigue el mismo patrón. Un modelo bien instruido ofrece comentarios sobre estructura, claridad y consistencia argumentativa con velocidad y minuciosidad que un docente con cincuenta estudiantes no puede sostener. La diferencia, otra vez, no es de calidad: es de escala.
La generación de ejercicios —preguntas de práctica, problemas, casos— también se ha vuelto trivial para sistemas algorítmicos. Lo que antes consumía horas de planeación docente hoy se resuelve en minutos. Para el docente, esto libera tiempo. Para la institución, plantea preguntas sobre qué actividad docente sigue exigiendo trabajo humano dedicado.
Lo que la IA no asume#
Hay tres funciones donde la IA, en su estado actual, no es sustituto y probablemente no lo será en mucho tiempo. Conviene nombrarlas para defenderlas con precisión.
La lectura del grupo es la primera. Un docente con experiencia detecta en una clase cuándo el grupo está perdido, cuándo está aburrido, cuándo está fingiendo entender y cuándo realmente está pensando. Esa lectura no se reduce a métricas; integra señales sutiles que ningún sistema de seguimiento captura sin convertir el aula en un espacio de vigilancia. La IA puede medir mucho, pero no puede leer un silencio en un grupo.
El acompañamiento del aprendiz es la segunda. Acompañar a un estudiante implica reconocer su trayectoria personal, anticipar dificultades específicas, sostener la motivación cuando flaquea y celebrar avances que la rúbrica no captura. Un sistema puede producir expresiones que parecen interés, pero carece de una trayectoria compartida con el grupo y de la responsabilidad del cuidado educativo. Esta diferencia importa porque traducir procesos educativos cualitativos a lo que una máquina puede modelar implica pérdidas (Selwyn, 2024).
La toma de decisiones éticas en zonas grises es la tercera. Cuando un estudiante atraviesa una crisis personal y entrega tarde, cuando dos estudiantes presentan trabajos similares y hay que decidir si fue colaboración o copia, cuando un grupo plantea una objeción sustantiva al diseño del curso —en estas decisiones, el juicio humano no es opcional: es el único válido.
Lo que aparece como nuevo#
La IA no solo redistribuye funciones existentes; introduce responsabilidades que antes no existían. Tres son las más visibles.
La curaduría de modelos es nueva. Un docente universitario hoy debe saber qué modelo recomendar para qué tarea, qué versión está disponible institucionalmente, qué política de retención de datos tiene cada plataforma comercial. Esta curaduría es competencia profesional emergente, no opcional.
El diseño de tareas que conservan su sentido con la IA disponible es la segunda responsabilidad nueva. Conviene no llamarlas «resistentes a la IA»: la etiqueta promete una inmunidad que ninguna tarea tiene y desplaza la atención hacia el blindaje en lugar de lo que se quiere observar. Lo que cambia en el oficio es que ya no basta con saber enseñar; hay que saber diseñar una evaluación cuya validez no dependa de que el grupo no tenga acceso a un modelo.
La modelación del uso responsable es la tercera. El docente que pide transparencia a sus estudiantes pero no la practica genera disonancia. Hoy el docente es referente del uso responsable de IA por su propia práctica visible, no solo por sus instrucciones.
Una redefinición operativa, no profética#
El docente universitario se convierte en diseñador de aprendizaje en presencia de IA, algo más preciso que «facilitador» o «tutor» en sentido genérico: alguien que toma decisiones explícitas sobre qué tareas se asignan a la IA y cuáles permanecen como responsabilidad humana, sostiene la lectura del grupo y el acompañamiento individual, y modela el uso responsable que pide a sus estudiantes.
Esa redefinición es lo que el oficio exige hoy, lejos del romanticismo y del triunfalismo.
Lecturas relacionadas#
La co-creación persona-IA muestra, mediante un caso, cómo distinguir una sugerencia de una decisión y conservar la dirección del trabajo; el pensamiento crítico ante la IA generativa opera la dimensión cognitiva; las competencias digitales con IA para estudiantes cubren el lado del aprendiz.
Referencias#
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
Selwyn, N. (2024). On the limits of artificial intelligence (AI) in education. Nordisk Tidsskrift for Pedagogikk og Kritikk, 10(1), 3–14. https://doi.org/10.23865/ntpk.v10.6062
UNESCO. (2024). AI competency framework for teachers. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-teachers