Mucho se ha hablado sobre estudiantes que hacen trampa en la escuela al utilizar la inteligencia artificial generativa para realizar sus tareas. Sin embargo, ¿qué sucede con los maestros? ¿Es posible que un profesor delegue a ChatGPT la responsabilidad de calificar los ensayos de sus alumnos? Al igual que los estudiantes han descubierto, a veces de manera desafortunada, que la IA puede cometer errores, en el ámbito educativo, la inteligencia artificial aún no es una herramienta perfecta, especialmente en la educación superior.
Las universidades enfrentan una gran presión para reducir la carga de trabajo del personal y mejorar la eficiencia, mientras cumplen con las crecientes expectativas de los estudiantes. Algunas instituciones podrían comenzar a utilizar la IA para la evaluación. La IA podría automatizar ciertos aspectos laboriosos de la calificación, permitiendo así que el profesorado tenga más interacción directa con los estudiantes.
Limitaciones de la IA en la evaluación
A pesar de que la idea suena prometedora, la tecnología aún no es lo suficientemente confiable como para reemplazar a los evaluadores humanos. Esta fue la conclusión de un informe elaborado por OpRaise, un proyecto académico que estudia las oportunidades y riesgos de la calificación automatizada. El informe destaca que, aunque la IA puede ser útil, su implementación en la evaluación académica debe ser considerada con cautela.
El estudio analizó la capacidad de tres modelos de lenguaje de gran tamaño (Claude Opus 4.6, GPT-5.4 y Gemini 3 Flash) para calificar ensayos reales de estudiantes de Psicología en tres universidades del Reino Unido: Cambridge, Nottingham y Manchester Metropolitan. En total, participaron 125 estudiantes y se revisaron 761 ensayos escritos entre 2022 y 2025.
Resultados del estudio
Los investigadores compararon las calificaciones otorgadas por la IA con las notas oficiales asignadas por docentes humanos. Además, llevaron a cabo grupos focales con estudiantes y profesores para explorar las implicaciones éticas y educativas de incorporar inteligencia artificial en los procesos de evaluación. Los resultados mostraron que, en algunos casos, la concordancia entre la IA y los docentes humanos fue similar a la que se observa entre dos maestros diferentes. Sin embargo, esta precisión no fue constante y dependió de la universidad, el tipo de ensayo y el modelo utilizado.
Cuando se analizó si humanos e IA coincidían en la categoría final de la nota (por ejemplo, sobresaliente o aprobado), el acuerdo osciló entre apenas el 35% y el 65%. Los sistemas de IA mostraron sesgos sistemáticos al evaluar los textos, favoreciendo ensayos más largos y complejos en lugar de centrarse en la calidad de las ideas presentadas.
Además, los modelos de lenguaje exhibieron una “tendencia central” que otorgaba calificaciones medias, incluso cuando los trabajos eran excepcionalmente buenos. Esto significa que los mejores ensayos recibían notas más bajas de lo que merecían, mientras que los peores eran evaluados con demasiada benevolencia. Dependiendo en gran medida de los modelos de IA actuales podría resultar en una calificación homogenizada que subestima la brillantez y favorece el estilo lingüístico sobre el contenido académico sólido.
Curiosamente, aunque los modelos de IA no coincidían completamente con los humanos, sí mostraron un alto grado de coincidencia entre ellos. Los tres modelos produjeron resultados consistentes al recalificar los mismos ensayos en diferentes momentos, lo que sugiere que comparten patrones similares de razonamiento, o de error, a pesar de pertenecer a distintas empresas.