¿Le confiarías a una máquina la nota de un ensayo que te llevó noches de lectura, dudas y correcciones? La pregunta ya no suena futurista. En muchas universidades, la presión por corregir más rápido y bajar la carga laboral del profesorado volvió esa idea una posibilidad concreta.
Pero un informe del proyecto OpRaise, dirigido por Deborah Talmi en la Universidad de Cambridge, revela un freno importante: la inteligencia artificial generativa todavía no es lo bastante fiable para reemplazar a evaluadores humanos en educación superior.
El hallazgo surge de una prueba amplia. El estudio comparó a Claude Opus 4.6, GPT-5.4 y Gemini 3 Flash con docentes humanos al calificar 761 ensayos de 125 estudiantes de Psicología en universidades del Reino Unido. El acuerdo entre IA y profesores osciló entre el 35% y el 65%, según el contexto.
Es decir, a veces acertó como podría acertar otro profesor. Pero no siempre.
También te puede interesar:La Señal que Permitía Detectar Imágenes Generadas por IA Está DesapareciendoLa pieza clave está en el mecanismo de lectura de estos sistemas. Un modelo de lenguaje (programa que predice palabras y patrones) no “entiende” un ensayo como lo hace un docente.
La IA tiende a premiar la forma visible del texto antes que la solidez de las ideas. El informe detectó sesgos sistemáticos a favor de ensayos más largos, con vocabulario amplio, estructuras complejas y muchos conectores lógicos. Ese engranaje puede confundir una redacción elegante con un razonamiento realmente sólido.
Además, apareció otro interruptor problemático: la “tendencia central”, el sesgo a poner notas medias. En la práctica, eso aplana el paisaje. Los trabajos excelentes pueden recibir menos de lo que merecen y los muy débiles, una benevolencia excesiva.
El riesgo de una corrección “promedio”
Ese punto no es menor. Si una universidad delega demasiado en estos sistemas, la evaluación puede volverse homogénea y perder una función central: reconocer la excelencia, marcar errores reales y sostener estándares compartidos.
También te puede interesar:La Señal que Permitía Detectar Imágenes Generadas por IA Está Desapareciendo
Los tres modelos, además, fueron muy consistentes entre sí y en repeticiones. A primera vista eso parece una virtud. Sin embargo, también sugiere que comparten el mismo cableado de errores: si uno se equivoca al favorecer la superficie del texto, es probable que otro haga algo parecido.
La investigación también escuchó a estudiantes y profesores en grupos focales. Allí apareció una clave menos técnica y más humana: la retroalimentación no se percibe solo como un trámite, sino como parte de un “contrato social” de la educación. Muchos estudiantes valoran que un experto lea su trabajo, lo interprete y lo comente.
Por eso, para varios, saber que una IA evaluó sin intervención humana se sentiría casi como una puerta cerrada. No solo se pierde una nota. Se debilita una forma de reconocimiento.
Y hay otro detalle revelador. Los modelos pueden generar comentarios entre tres y ocho veces más largos que los de un profesor, que suelen rondar entre 100 y 200 palabras. Pero cantidad no es sinónimo de ayuda. Una devolución extensa puede ser apenas más ruido si no señala la pieza clave que el estudiante necesita corregir.
Dónde sí aparece una oportunidad
Eso no significa que la IA quede afuera del aula. Los investigadores señalan usos complementarios. Puede servir para detectar inconsistencias entre evaluadores, marcar casos dudosos o producir comentarios preliminares que luego un docente revise y ajuste.
También puede liberar tiempo administrativo para que el profesor haga lo que la máquina todavía no logra: leer entre líneas, reconocer una idea original y acompañar el pensamiento crítico. En un momento en que la relación entre tecnología y educación genera tensiones públicas —como muestran incluso los abucheos a Eric Schmidt en un debate reciente—, este estudio aporta una señal más concreta que ideológica.
La oportunidad, entonces, no parece estar en apagar al profesor y encender un sistema automático. Está en usar la IA como una herramienta de apoyo, no como la central eléctrica de la evaluación. Porque al final, cuando una nota intenta medir esfuerzo, comprensión y criterio, el factor humano sigue siendo la pieza que mantiene encendida la confianza.
Directora de operaciones en GptZone. IT, especializada en inteligencia artificial. Me apasiona el desarrollo de soluciones tecnológicas y disfruto compartiendo mi conocimiento a través de contenido educativo. Desde GptZone, mi enfoque está en ayudar a empresas y profesionales a integrar la IA en sus procesos de forma accesible y práctica, siempre buscando simplificar lo complejo para que cualquiera pueda aprovechar el potencial de la tecnología.
