La irrupción de ChatGPT y otras herramientas de inteligencia artificial generativa ha transformado radicalmente el panorama educativo. Muchos docentes se sienten desbordados ante la posibilidad de que sus alumnos entreguen trabajos generados por IA. Sin embargo, en lugar de entrar en una carrera armamentística contra la tecnología, existe un enfoque más productivo: diseñar evaluaciones donde usar la IA no suponga una ventaja significativa o donde su uso sea fácilmente detectable.

Este artículo ofrece estrategias concretas y aplicables para crear tareas y exámenes que promuevan el aprendizaje auténtico y donde la intervención de herramientas como ChatGPT resulte poco útil o contraproducente.

Por qué necesitamos repensar la evaluación

Antes de entrar en las estrategias específicas, es importante entender por qué las evaluaciones tradicionales son vulnerables a la IA. ChatGPT y herramientas similares son especialmente eficaces en tareas que implican:

• Redactar textos genéricos sobre temas conocidos
• Resumir información disponible públicamente
• Responder preguntas factuales
• Generar estructuras y esquemas predecibles
• Producir código básico o resolver problemas matemáticos estándar

Por tanto, cualquier evaluación que se limite a pedir estos outputs será vulnerable. La solución no es prohibir la IA (lo cual es prácticamente imposible de controlar), sino diseñar evaluaciones que requieran algo que la IA no puede proporcionar: la experiencia personal, el contexto local, el proceso de aprendizaje documentado y la reflexión metacognitiva.

Estrategia 1: Anclar las tareas en el contexto local y personal

La IA carece de acceso a información específica sobre el entorno inmediato del estudiante. Aprovecha esto diseñando tareas que requieran:

Investigación de campo local

En lugar de pedir "Analiza los efectos del cambio climático", formula la tarea como: "Documenta tres evidencias del cambio climático observables en tu barrio o municipio durante las últimas dos décadas. Entrevista a dos vecinos mayores de 60 años sobre los cambios que han percibido y contrasta sus testimonios con datos meteorológicos locales."

Esta tarea requiere:

• Observación directa del entorno
• Interacción con personas reales
• Búsqueda de datos específicos de una localidad concreta
• Síntesis de fuentes que la IA no puede generar

Conexión con experiencias personales verificables

Pide al alumno que relacione el contenido curricular con su propia experiencia de forma específica. Por ejemplo: "Describe una situación de conflicto que hayas vivido en los últimos seis meses y analízala usando los conceptos de comunicación no violenta estudiados. Incluye capturas de conversaciones reales (con nombres censurados) como evidencia."

Análisis de recursos locales específicos

Solicita análisis de elementos que solo existen en tu contexto: el periódico local, carteles del barrio, el menú del comedor escolar, normativas municipales específicas, etc.

Estrategia 2: Evaluar el proceso, no solo el producto

Una de las debilidades fundamentales de la IA es que solo puede generar productos finales. No tiene un proceso de aprendizaje que documentar. Diseña evaluaciones donde el proceso sea tan importante como el resultado.

Portfolios de proceso

Solicita entregas parciales que documenten la evolución del trabajo:

• Semana 1: Lluvia de ideas inicial (manuscrita y escaneada)
• Semana 2: Primer borrador con anotaciones sobre dudas
• Semana 3: Versión revisada con cambios marcados y justificados
• Semana 4: Versión final con reflexión sobre el proceso

Si un alumno entrega directamente una versión final perfecta sin proceso documentado, es una señal de alarma clara.

Diarios de aprendizaje

Incorpora reflexiones metacognitivas regulares: "¿Qué te ha resultado más difícil esta semana? ¿Qué estrategia has usado para superar el bloqueo? ¿Qué conexión has encontrado entre este tema y algo que ya sabías?"

Estas reflexiones, cuando son auténticas, tienen un nivel de especificidad y vulnerabilidad que la IA no puede replicar convincentemente.

Documentación multimedia del proceso

Pide vídeos cortos (30-60 segundos) donde el alumno explique en qué punto está su trabajo, qué decisiones ha tomado y por qué. Esta documentación en tiempo real es muy difícil de fabricar.

Estrategia 3: Diseñar tareas de síntesis compleja

La IA puede acceder a información, pero tiene dificultades para sintetizar fuentes dispares de forma original, especialmente cuando incluyen materiales no textuales o de acceso restringido.

Integración de múltiples formatos

Diseña tareas que requieran integrar:

• Un artículo académico específico (no los más conocidos)
• Un vídeo de YouTube de un creador local o poco conocido
• Una entrevista realizada por el propio alumno
• Datos de una fuente primaria (encuesta propia, observación, experimento)

La síntesis de estas fuentes heterogéneas, especialmente cuando algunas no están indexadas por la IA, resulta muy difícil de automatizar.

Análisis de materiales proporcionados en clase

Utiliza textos, imágenes o vídeos que compartas exclusivamente en el aula y no estén disponibles online. Puedes crear tus propios materiales o usar fragmentos específicos de obras más amplias.

Estrategia 4: Incorporar elementos de tiempo real y presenciales

Las evaluaciones con componente presencial o temporal son inherentemente resistentes a la IA.

Exámenes con materiales restringidos

Los exámenes presenciales tradicionales siguen siendo efectivos, especialmente si:

• Incluyen preguntas sobre contenidos trabajados específicamente en clase
• Requieren aplicar conceptos a casos nuevos presentados en el momento
• Piden justificaciones escritas a mano

Defensas orales de trabajos

Complementa cualquier trabajo escrito con una breve defensa oral donde el alumno deba explicar su proceso, responder preguntas y demostrar dominio del contenido. Si te interesa profundizar en esta estrategia, consulta nuestro artículo sobre evaluación oral y defensa de trabajos en la era de la IA.

Evaluaciones sincrónicas online

Si trabajas en modalidad online, utiliza herramientas que permitan ver al alumno mientras responde, con tiempo limitado y preguntas que cambien en cada intento.

Estrategia 5: Preguntas que la IA responde mal

Existen tipos de preguntas donde la IA tiende a fallar o dar respuestas genéricas fácilmente identificables:

Preguntas sobre limitaciones y matices

En lugar de "Explica la teoría X", pregunta: "¿Cuáles son las tres críticas más importantes a la teoría X? ¿En qué contextos específicos falla esta teoría? ¿Qué evidencias la contradicen?"

Posicionamiento personal argumentado

Preguntas como: "¿Con cuál de estas dos posturas te identificas más y por qué? Incluye al menos un argumento basado en tu experiencia personal."

Predicciones y aplicaciones futuras

"¿Cómo podría aplicarse este concepto en tu futura profesión? Diseña un caso de uso específico para un contexto laboral que te interese."

Conexiones interdisciplinares inesperadas

"Relaciona el concepto estudiado con algo que hayas aprendido en otra asignatura este curso. Explica la conexión de forma que alguien de fuera pudiera entenderla."

Estrategia 6: Evaluación colaborativa estructurada

Los trabajos en grupo con roles específicos y accountability individual son difíciles de completar usando solo IA.

Diseño de roles interdependientes

Asigna roles que requieran interacción real:

• Investigador: Recopila fuentes y datos
• Crítico: Identifica debilidades y contraargumentos
• Sintetizador: Integra las aportaciones
• Presentador: Defiende el trabajo ante la clase

Cada miembro debe documentar su contribución específica y el grupo debe demostrar que ha habido colaboración real (actas de reuniones, mensajes, etc.).

Evaluación entre pares

Incluye un componente donde los alumnos evalúen el trabajo de sus compañeros usando rúbricas adaptadas a la era de la IA. Esta evaluación entre iguales añade una capa de autenticidad difícil de simular.

Estrategia 7: Tareas que requieren habilidades no textuales

Aunque la IA generativa avanza rápido, todavía tiene limitaciones importantes en ciertos formatos:

Creaciones manuales documentadas

Maquetas, dibujos a mano, prototipos físicos... Cualquier creación que requiera habilidades manuales y cuyo proceso pueda documentarse con fotos o vídeo.

Performances y demostraciones

Presentaciones en vivo, experimentos realizados en tiempo real, demostraciones de habilidades prácticas.

Interacciones reales

Entrevistas grabadas, dinámicas de grupo, role-playing documentado.

Implementación práctica: un modelo de evaluación resistente

Combinando las estrategias anteriores, aquí tienes un modelo de tarea resistente a la IA:

Este diseño hace prácticamente imposible usar IA como sustituto del trabajo real, ya que cada fase depende de elementos locales, personales y colaborativos que la IA no puede generar.

Conclusión: más allá de la resistencia

Diseñar evaluaciones "resistentes a la IA" no significa rechazar la tecnología, sino crear situaciones de aprendizaje donde el valor esté en el proceso y la experiencia del estudiante, no solo en el producto final.

Paradójicamente, las estrategias que hacen una tarea resistente a la IA son las mismas que promueven un aprendizaje más profundo y significativo: conexión con la realidad, reflexión metacognitiva, colaboración genuina y desarrollo de habilidades complejas.

El objetivo final no es ganar una batalla contra ChatGPT, sino diseñar experiencias educativas donde la IA sea irrelevante porque lo que evaluamos es precisamente lo que la tecnología no puede replicar: el crecimiento personal del estudiante.

Para complementar estas estrategias, te recomendamos explorar qué habilidades debemos evaluar ahora que la IA puede redactar y considerar si en tu centro educativo necesitáis desarrollar políticas claras sobre el uso de IA.