Esta cuestión ha sido abordada en la publicación “Navigating the Jagged Technological Frontier: Field Experimental Evidence of the Effects of AI on Knowledge Worker Productivity and Quality” (1) por Fabrizio Dell’ Acqua y un equipo de colaboradores entre los que se incluye Ethan Mollick, autor del libro “Cointelligence: living and working with AI” (2) (que ha sido recientemente traducido al castellano con el título de “Cointeligencia vivir y trabajar con la IA” cuya atenta lectura recomiendo a aquellos sagaces profesores que ya se hayan dado cuenta de que aprender a usar herramientas de IA Generativa va a ser algo importante para el futuro próximo de los profesores y los estudiantes universitarios.
En esta entrada voy aportar evidencias sobre porque los profesores universitarios deberemos aprender con urgencia sobre el uso de herramientas de IA generativa hasta llegar a ser capaces de incorporar en nuestras asignaturas actividades formativas en las que nuestros estudiantes tengan que trabajar con herramientas de IAG. Así lograremos que nuestros estudiantes aprendan a aprender y a trabajar utilizando las herramientas de IAG que va a ser algo muy importante en su futuro profesional.
Para ello los profesores universitarios debemos empezar a experimentar con la IA para explorar los límites actuales de su capacidad para responder a preguntas sobre las disciplinas que enseñamos en la universidad. Esta exploración de los límites de la IAG nos ayudará a encontrar maneras de incorporar actividades con IAG a nuestras asignaturas. Con esas actividades de uso estudiantil de la IAG, nuestros estudiantes ejercitarán y desarrollarán sus propias competencias para aprender a colaborar con las herramientas de IAG para aprender su futura profesión y desempeñar con maestría aquellas tareas profesionales que son más avanzadas y valiosas para un desempeño competente de los perfiles profesionales más característicos de la titulación que estudian.
El estudio de dell Aqua anteriormente mencionado fue realizado con una muestra muy numerosa de consultores de la firma Boston Consulting Group (BCG) y demuestra que el resultado de la colaboración entre trabajadores altamente cualificados del sector del conocimiento (consultores de BCG) con las IAGs es positivo en la mayoría de los casos y aumenta la rapidez en la realización de las tareas profesionales y también la calidad de los resultados que producen estos trabajadores. Sin embargo, el estudio encuentra que hay varios factores relevantes que influyen en el resultado de esta colaboración humano-IAG. La incorporación de la IAG a la realización de algunas tareas profesionales en muchas ocasiones añade valor al producto realizado, pero de modo sorprendente en otras ocasiones la incorporación de la IAG puede ser contraproducente y destruir parte del valor del producto (¡!).
La combinación de inteligencia humana e inteligencia artificial, esto es, el ser humano con capacidades aumentadas gracias a la aportación de la IAG (lo que podríamos denominar como “ser humano aumentado. potenciado o complementado por la IA”) en muchas ocasiones mejora el rendimiento que obtendría ese mismo ser humano sin el acceso a la IAG, pero en algunas ocasiones lo reduce. Cuando un ser humano usa la IAG, la rapidez en la realización de las tareas aumenta siempre, pero la calidad y la originalidad de las mismas pueden verse afectadas tanto positivamente como negativamente por la aportación de la IAG. Este efecto variable de la aportación de la IAG puede relacionarse con varios factores que trataremos a continuación.
¿En qué ocasiones el aporte de la IAG tiene un efecto positivo o negativo sobre la calidad de la tarea ejecutada por el humano aumentado? ¿de qué depende el signo de esta aportación de la IAG sobre el rendimiento profesional?
El trabajo de dell Acqua y cols. (1) examina varios de los factores que pueden producir un efecto negativo en el rendimiento cuando se incorpora la IAG a la ejecución de tareas profesionales por los trabajadores del sector del conocimiento. Examinaremos primero los factores de origen humano y después los que tienen su origen en la IAG.
El primero de estos factores es que la IAG puede afectar negativamente al resultado cuando no es correctamente usada por el humano. Es la misma razón por la que una calculadora nos puede producir resultados erróneos cuando el usuario humano simplemente no sabe usarla correctamente o introduce instrucciones incorrectas. La calculadora puede calcular, pero hará lo que el humano le indique y si el humano no sabe dar indicaciones el resultado de los cálculos no será correcto.
Los humanos deben aprender cómo funciona la IAG y cómo tenemos que dirigirnos a ella con lenguaje natural para obtener de ella el resultado que buscamos. Para ello, debemos aprender a indicar a la IAG cuál es el rol profesional que debe desempeñar (eres un experto en...), cuáles son las indicaciones detalladas para realizar su tarea, cuál es el propósito final de la misma, cuál es la audiencia a la que se pretende dirigir el producto solicitado, etc, etc. Esto es lo que en la jerga se llama prompt engineering y es además parte de lo que se denomina alfabetización funcional básica en IAG.
Los profesores debemos considerar cómo podemos ayudar a la alfabetización funcional en IAG de nuestros estudiantes para que nuestros alumnos aprendan a usar la IAG de manera eficaz cuanto antes. Esto incluirá transmitirles nociones procedimentales básicas, proporcionarles oportunidades para ejercitarse en el uso de estas herramientas, aportándoles indicaciones para el uso de las mismas que sean claras y precisas, y finalmente, proporcionarles feedback sobre cómo podrían mejorar sus interacciones con las herramientas de IAG y así ampliar y optimizar el rendimiento que nuestros estudiantes podrán obtener del uso de estas herramientas.
El segundo factor que puede producir un mal resultado en la colaboración humano-IAG se produce cuando el humano sabe usar la IAG, pero no es suficientemente crítico con los productos de la IAG y copia y pega la respuesta de la IAG y luego la firma (Copy & Paste & Sign). Con esta forma de proceder el humano comete varios errores: no supervisa correctamente lo que la IAG genera y si la IAG se equivoca (que para algunas tareas es probable que ocurra), el resultado puede ser catastrófico, pues el humano firmante se ha responsabilizado de las consecuencias de los errores contenidos en la respuesta de la IAG.
Una metáfora de esta situación sería la de un humano que conduce un automóvil y se duerme mientras está conduciendo, causando un accidente de tráfico. Para evitar que ocurran este tipo de accidentes el usuario humano necesita sentirse responsable (alfabetización ética en el uso de la IAG) para mantenerse siempre atento y alerta al volante para detectar fallos y rectificar el producto de la IA en aquellas ocasiones en las que sea necesario corregir a la IAG (alfabetización crítica). Estos dos primeros tipos de fallos pueden ser evitados si los seres humanos que van a usar la IAG han recibido una formación teórica y práctica sobre cómo utilizar la IAG de manera eficaz, crítica y ética.
Afortunadamente, no todos los fallos en la colaboración humano-IA son siempre culpa de los seres humanos (en ese caso hipotético todos los seres humanos iríamos al paro y seriamos sustituidos por IAGs). Afortunadamente un rol importante de los humanos en muchas profesiones del conocimiento será utilizar herramientas de IAG que les ayuden a realizar su trabajo y dentro de ese rol una habilidad o competencia muy importante será el ser capaz de juzgar las propuestas de la IAG y ser capaz de detectar cuando la IA realiza una propuesta acertada o errónea.
Actualmente las IAs se equivocan todavía y los humanos debemos aprovecharnos de ello. Además, la predisposición de las IAGs a establecer asociaciones inadecuadas o incorrectas es resultado de su enorme capacidad para asociar ideas no un fallo “AI hallucination is a feature, not a bug”. Por tanto, aunque versiones más avanzadas de IAG cometan cada vez menos errores podemos confiar en que la IAG seguirá siendo falible en el futuro y seguirá necesitando supervisión humana. En un futuro con IAG falible uno de los aprendizajes más valiosos para los seres humanos será el de aplicar su razonamiento crítico a fin de poder detectar cuando la IAG se equivoca y en ese caso decidir cuál es el mejor uso que podemos dar a las respuestas erróneas de la IA (por ejemplo, demostrar a nuestra empresa que aportamos mucho valor añadido porque nuestro trabajo es necesario para supervisar y corregir a la IAG). Contratar humanos que saben cómo supervisar el trabajo de la IAG y pagarles un buen sueldo por saber como hacerlo seguirá teniendo sentido, pero contratar humanos que no saben como supervisar el trabajo de la IAG cada vez será más extraño.
El tercer factor que puede producir un mal resultado en la colaboración humano-IAG sería cuando la IAG se equivoca y mete la pata hasta el fondo. El hallazgo principal del trabajo de dell Acqua es que la probabilidad de que esto ocurra depende en gran parte de aquello que le estemos pidiendo a la IAG que haga. El trabajo de dell Acqua se centra en indagar la topografía de las equivocaciones de la IA (dónde y en qué se equivoca la IA).
Las capacidades de la inteligencia artificial son muy distintas de las capacidades de la inteligencia humana y cambian mucho en función de la tarea concreta que le pidamos. Tareas que para los humanos son de un nivel de dificultad parecido pueden tener niveles de dificultad muy distintos para la IAG y unas resultar facilísimas para la IAG y las hace siempre rapidísimo y fenomenal, mientras que otras tareas que aparentemente tienen la misma dificultad para el ser humano son una ocasión de alto riesgo de error para la IA, que suele meter la pata al intentar contestarlas.
Esta paradójica diferencia delimita lo que se ha denominado la irregular, sinuosa y dentada frontera de la capacidad de la IA (“the jagged frontier of AI”). Dentro de esta frontera tendríamos aquellas tareas que la IA hace muy bien y acierta casi siempre, fuera de ella tendríamos aquellas tareas que la IAG actual no es capaz de hacer de manera correcta y fiable (todavía). Por ello es necesario que los profesores universitarios experimentemos en el contexto de la disciplina que enseñamos y con varias herramientas de IAG sus capacidades para responder a las preguntas que planteamos a nuestros estudiantes y para realizar las tareas que les plantemos en la evaluación de nuestras asignaturas.
Cuando logremos con nuestras preguntas cada vez más difíciles y especificas que algunas herramientas de IAG se equivoquen y produzcan una mala respuesta a una de nuestras preguntas habremos generado una cuestión en la frontera de la IAG y gracias a esa pregunta a la que la IAG no responde bien (a día de hoy) tendremos la ocasión ideal de pedir a nuestros estudiantes que indaguen esa cuestión precisamente con esa herramienta de IAG y que sean críticos e intenten verificar con evidencias publicadas los diversos aspectos de la respuesta que les proporcione la IAG.
Gracias a sus experiencias en esas tareas de indagación con IAG en las fronteras de la capacidad de la IAG nuestros estudiantes aprenderán a usar estas herramientas de modo mas eficaz, pero también a aplicar su razonamiento crítico y a juzgar la calidad de las respuestas generadas por la IAG. Para verificar estas respuestas de la IAG que resultan sospechosas los estudiantes deberán aprender a repreguntar a la IAG para esclarecer los aspectos de sus respuestas que son contrafactuales o que son contradictorios con la evidencia publicada en la literatura de la disciplina. También deberán aprender a buscar por sí mismos estas evidencias publicadas en las bases de datos bibliográficos.
Para que nuestros alumnos desarrollen su capacidad de razonamiento crítico es necesario que aprendan a refutar o "desconfirmar" afirmaciones que provienen de una supuesta fuente de autoridad en el conocimiento como es la IAG. Para ello deberán aprender a obtener pruebas lógicas o bibliográficas de que una respuesta ofrecida por la IAG no es o podría no ser cierta, deberán aprender a comprobar si una respuesta proporcionada por la IAG es falsa o errónea o es incongruente con lo que ellos saben del tema.
Otra estrategia para explorar la frontera de la IA es convertir a nuestros estudiantes en “profesores ayudantes” y pedirles que indaguen libremente con herramientas de IAG sobre la cuestión que más les interese sobre un determinado tema y que nos informen de modo detallado proporcionándonos en primer lugar la IAG a la que han preguntado y el prompt que han utilizado para preguntar a la IAG, en segundo lugar, la respuesta que han obtenido de ella y en tercer lugar su juicio crítico sobre la respuesta obtenida.
Esto nos permitirá en primer lugar conocer los aspectos de nuestro tema que interesan más a nuestros estudiantes, en segundo lugar, nos permitirá evaluar la capacidad de nuestros estudiantes para escribir prompts y comunicarse con la IAG, en tercer lugar, descubriremos alucinaciones, sesgos y malentendidos en los que puede haber incurrido la IAG que podremos comentar y discutir con nuestros estudiantes en el aula en la próxima clase o seminario de la asignatura. De esta manera modelaremos ante nuestros estudiantes cómo ser críticos con la IA y así nuestros estudiantes podrán ejercitar su capacidad de razonamiento crítico mediante la discusión y el contraste de sus juicios críticos.
Los profesores universitarios tenemos ante nosotros el reto de enseñar a nuestros estudiantes a usar las IAGs para aumentar su aprendizaje en la Universidad y su futuro rendimiento laboral en los perfiles profesionales propios de la titulación que están estudiando. Para lograr esto necesitaremos respaldo institucional y una urgente formación docente acelerada en el uso educativo de la IA, pero sobre todo necesitaremos convertirnos cuanto antes sea posible en usuarios activos, críticos, avanzados de las herramientas de IAG en el contexto de la realización de tareas profesionales en las disciplinas que enseñamos.
Para ello debemos empezar ya mismo a utilizar herramientas de IAG y explorar su frontera de capacidad en los conceptos esenciales en los que se centran nuestras asignaturas. Sólo así podremos modelar ante nuestros estudiantes el uso apropiado de estas herramientas (eficaz, crítico y ético) y proporcionarles actividades de aprendizaje en las que aprendan a usarlas. Actividades en las que aprendan a no dar por sentado que lo que responde la IAG será cierto porque la IAG lo sabe todo, sino que aprendan a interrogarse a sí mismos y a otras fuentes de información confiable para confirmar o refutar si una respuesta proporcionada por la IAG es correcta o bajo que asunciones o circunstancias podría serlo o por el contario no lo sería.
Es por tanto urgente y necesario formar al profesorado universitario para capacitarlo en la evaluación de las posibilidades de uso educativo de las herramientas de IAG en las asignaturas que imparten, pero lo que observamos los pioneros en este campo es que las instituciones están reaccionando con lentitud y retraso ante los nuevos desafíos tecnológicos.
También tenemos a profesores (y a algunos alumnos) tecnofóbicos que no quieren ni oír hablar de incorporar la IAG a sus asignaturas. A los alumnos tecnofóbicos yo les diría ¿Quieres encontrar trabajo en un perfil profesional de la titulación que estudias o prefieres el trabajo basura? A aquellos que prefieran la segunda opción les diría “Hasta para el trabajo basura va a venir bien aprender a usar la IA”. A los estudiantes que aspiran a convertirse en profesionales del conocimiento les diría que se lean el artículo de Fabricio del Acqua antes mencionado y posiblemente alguno de ellos se caiga del caballo y vea la vida con nuevos ojos.
A los profesores tecnofóbicos yo les diría: “Si no quieres aprender a usar la IAG tal vez sea un síntoma de que ha llegado el momento de cambiar de profesión o solicitar la prejubilación. Tus alumnos y colegas más jóvenes te agradecerán que dejes un hueco en el que otros podrán proporcionar una docencia más acorde con los tiempos en los que vivimos, rendir más y ayudar a que el aprendizaje de nuestros estudiantes cambie a mejor.”
Afortunadamente, en todas las organizaciones, existen individuos pioneros con visión de futuro que pueden reaccionar ante los cambios mucho más rápido que las organizaciones en su conjunto y difundir su reacción entre sus compañeros. ¿Cómo hacerlo? Un grupo de profesores del Departamento de Medicina y Especialidades Médicas de la Universidad de Alcalá hemos desarrollado una serie de productos para la formación del profesorado universitario que pueden contribuir a este fin.
En primer lugar, hemos diseñado e impartido webinars on line de dos horas de duración en los que abrimos los ojos al profesorado universitario sobre las posibilidades de incorporación del uso estudiantil de herramientas de IAGs a sus asignaturas, y les mostramos estrategias y herramientas para conseguirlo. Hemos impartido en 2025 con gran éxito estos webinars para la Universidad de Alcalá (Fomentar la indagación y el razonamiento crítico en asignaturas universitarias y para la Sociedad Española de Educación Médica :
Webinar UAH:
link a la grabación de primera parte del webinar en la UAH impartida por Alfredo Prieto
link a la grabación de la segunda parte del webinar en la UAH impartida por David Díaz
Webinar SEDEM:
Un segundo producto para la formación del profesorado universitario es un taller formativo de mayor duración en el que tras un periodo de formación de 4-5 webinars de dos horas sobre incorporación de IAGs en asignaturas universitarias, los profesores participantes en esta formación deben elaborar y presentar a sus compañeros de grupo disciplinar sus propuestas para incorporar la IAG a sus asignaturas. Estos talleres los hemos impartido en 2024 en las universidades de Valladolid, Vigo, Rey Juan Carlos y Complutense de Madrid. En 2025 hemos impartido la segunda edición de este taller en la Universidad de Vigo y lo tenemos programado también para junio en la Universidad de Alcalá. Aquí disponéis de links a algunos fragmentos de grabación de estos talleres. Iremos añadiendo links según vayamos finalizando el proceso de edición de las grabaciones.
Primera sesión del taller:
Segunda sesión del taller:
Tercera sesión del taller
Playlist de la tercera sesión (3 vídeos)
Cuarta sesión del taller (actualmente en desarrollo)
Apéndices del taller
Incorporación de IAG a enseñanza universitaria. Ejercicio ¿Qué hace bien y qué hace mal la IAG?
