Ortega y Gasset ante la IA, ¿qué debe enseñar la universidad?

La IA ya escribe ensayos, resuelve problemas y prepara presentaciones universitarias. Pero su avance plantea una pregunta más incómoda que la habitual sobre el plagio: ¿de qué sirve un título si nadie puede explicar qué certifica? Casi un siglo después de Misión de la Universidad (1930), el periodista y pensador español José Ortega y Gasset nos ofrece una perspectiva inesperadamente útil. Su pensamiento nos permite defender una tesis exigente: la universidad no debería medir cuánto produce un estudiante con IA, sino cuánto entiende, cuestiona y sabe hacer sin ella.

El problema no es la IA: es confundir información con cultura. Ortega distinguía entre formar profesionales, desarrollar investigación y transmitir cultura. Lo último no consistía en acumular datos, sino en tener un sistema de ideas que permitiera entender su propia época. Su crítica a la especialización sin horizonte intelectual es aún más relevante cuando una herramienta te da respuestas convincentes en segundos.

Imagina a un estudiante de Administración de Empresas que tiene un plan de expansión impecable escrito con IA: si no puede defender sus hipótesis de demanda, identificar riesgos o explicar cálculos, entonces el documento dice poco sobre su formación. La productividad puede ocultar la dependencia cognitiva: no solo escribir, sino también juzgar.

No es aconsejable atribuir a Ortega opiniones que nunca expresó sobre las tecnologías actuales. Pero su concepto de cultura permite una pregunta decisiva: ¿estamos formando personas que pueden leer los resultados de las máquinas o solo usuarios efectivos de sus interfaces?

Deberíamos dejar de premiar algunos trabajos perfectos

La respuesta universitaria más visible ha sido debatir qué usos de la IA están permitidos. Eso está bien, pero no es suficiente. El verdadero problema es cómo revisamos qué evidencia de aprendizaje cuenta. Un ensayo pulcro, una bibliografía extensa o buenas diapositivas no prueban comprensión por sí solos.

Propongo una medida controvertida: aligerar la carga de trabajos finales presentados sin defensa y recuperar pruebas cortas de razonamiento individual. No volver indiscriminadamente a los exámenes de memorización. Significa pedir al estudiante que justifique su decisión, detecte un error deliberado o explique por qué rechaza una alternativa.

En materias de marketing, por ejemplo, la IA podría producir un plan comercial con tres supuestos erróneos. Las calificaciones se basarían en qué tan bien los encontraste, los corregiste y defendiste una estrategia alternativa. La máquina proporcionaría material; el juicio del estudiante.

La alfabetización en IA también debe ser una formación humanística. En Meditación sobre la técnica, Ortega define la técnica como una actividad para fines humanos, no como un fin en sí mismo. Así que enseñar IA no es solo aprender a escribir buenas instrucciones para obtener respuestas, es hablar sobre quién establece los objetivos; qué sesgos toma el sistema; qué fuentes utiliza; quién es responsable de los errores.

La UNESCO en su “Guía para el uso de la IA generativa en la educación e investigación” (2023) habla sobre la capacidad de acción humana. Su marco de competencias docentes 2024 enumera la ética, la pedagogía y la autonomía entre las dimensiones que deben considerarse. Esas directrices son prácticas, pero creo que las universidades necesitan ir más allá del aprendizaje instrumental.

Una asignatura transversal llamada “Cultura Digital” impartida en varias titulaciones podría resultar útil, no para hacer de los alumnos expertos programadores, sino para generar un interés creciente por el mundo digital actual y su impacto en la sociedad; por ejemplo.

Así, propongo cinco decisiones para una universidad que realmente está empeñada en enseñar a pensar, que son:

• Separar la evaluación del proceso y del producto: documentar decisiones, borradores, correcciones y resultados.
• Combinar tareas con IA y sin IA: evaluar la competencia tecnológica así como el dominio personal de los fundamentos.
• Defensas orales cortas y preguntas inesperadas con criterios transparentes y accesibles.
• Buscar detección de errores, calidad de preguntas y justificación de decisiones, no solo apariencia formal.
• Formar a los docentes y proteger los datos: ninguna innovación didáctica puede justificar exponer datos personales o evaluaciones sensibles.

Esta reforma también desafiaría una práctica: equiparar la calidad de la enseñanza con la cantidad de contenido transmitido. Si la información está ahí, el valor diferencial del docente cambia a selección, explicación, acompañamiento y exigencia intelectual.

La pregunta que Ortega nos obligaría a plantearnos de nuevo es esta: la IA puede democratizar el apoyo académico y liberar tiempo para aprender mejor. También puede habilitar una universidad de apariencias: más entregas, más rapidez y menos pensamiento independiente. Ningún resultado está predeterminado por la tecnología; depende de elecciones institucionales y pedagógicas.

Quizás el cambio más radical no es si autorizar o prohibir la IA, o detectarla con Turnitin sino que debemos replantearnos qué significa aprender y qué significa enseñar. Desde una perspectiva orteguiana, el éxito no sería graduar estudiantes que saben cómo obtener respuestas, sino personas que pueden hacer buenas preguntas, reconocer malas respuestas y asumir la responsabilidad de sus conclusiones y hacerse cargo de sus vidas; en amor y reconocimiento de la cultura donde viven.

Referencias

Cruz Hernández, M. (1953). La misión cultural de Ortega. Cuadernos Hispanoamericanos, (39), 291–304. https://www.cervantesvirtual.com/obra/la-mision-cultural-de-ortega-976679/

Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://doi.org/10.54675/ZJTE2084

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

Ortega y Gasset, J. (2015). Misión de la Universidad (S. Fortuño Llorens, Ed.). Cátedra.

Ortega y Gasset, J. (1939). Ensimismamiento y alteración: Meditación de la técnica. Espasa-Calpe.