Chris Hanlon es un profesor de literatura en la Universidad Estatal de Arizona (EE.UU.) que un día descubrió algo desconcertante: su rostro y su voz aparecían en un curso que él nunca había dado.

La herramienta se llama ASU Atomic y fue presentada como una manera de democratizar el acceso al conocimiento universitario. Por cinco dólares mensuales, cualquier persona puede solicitar módulos educativos personalizados.

Una inteligencia artificial había recuperado fragmentos de sus clases, los había combinado con materiales de otros docentes y los había convertido en una nueva experiencia educativa sin pedir permiso. Cuando decidió probar la plataforma, el resultado le pareció una criatura del doctor Frankenstein.

Sólo basta con indicar el tema deseado, el nivel de conocimiento actual y la app organiza lecturas, videos y cuestionarios a partir de materiales existentes de profesores de la universidad.

A primera vista, es un proyecto que parece loable: ¡quién podría oponerse a que más personas accedan a contenidos universitarios por un precio accesible! Sin embargo, ¿qué sucede cuando una institución comienza a utilizar el trabajo intelectual de sus docentes como materia prima para producir cursos en los que ellos ya no participan?

¿Qué sucede cuando una institución utiliza el trabajo intelectual de sus docentes como materia prima para cursos en los que ellos ya no participan?

No se trata aquí de un problema legal o tecnológico sino una discusión acerca de qué vamos a entender por conocimiento y por enseñar.

Un profesor universitario puede pasar días preparando una clase, seleccionando bibliografía. Un modelo masivo de lenguaje puede procesar ese trabajo en segundos, recortar algunos fragmentos de libros y armar un recorrido posible.

Sin embargo, no sabe lo que es darle sentido a una secuencia pedagógica en el aula ni adaptarla a las preguntas de los estudiantes y los contextos. Además, puede cometer errores: Hanlon comprobó que su avatar hablaba del crítico literario Cleanth Brooks, pero lo había rebautizado como “Cliente Brooks”.

La IA no sabe lo que es darle sentido a una secuencia pedagógica en el aula ni adaptarla a las preguntas de los estudiantes y los contextos.

El caso de ASU Atomic tiene también dimensiones laborales y políticas, ya que los materiales que utiliza son grabaciones de profesores en la universidad de Arizona, propiedad de la institución. Sin embargo, hay una diferencia entre compartir una clase grabada con estudiantes y autorizar que una máquina la fragmente, la reorganice y la incorpore a productos educativos nuevos.

En el primer caso, el docente conserva el contexto pedagógico de su intervención. En el segundo, su voz puede seguir circulando mientras pierde el control sobre aquello que aparentemente está enseñando.

La promesa de personalización, además, parece perder sentido porque para construir recorridos adaptados a cada estudiante, el material se procesa tanto que termina estandarizado y con un sentido diferente al original. Personalizar una secuencia de contenidos no es necesariamente lo mismo que personalizar una experiencia de aprendizaje.

Nada de esto impone que debamos rechazar la IA en la educación. Las herramientas digitales pueden ampliar el acceso y ofrecer materiales complementarios valiosos, pero una universidad no debería ser solo una institución capaz de distribuir información sino un espacio donde las ideas puedan discutirse, cuestionarse y transformarse.