Hace dos años todos dábamos por hecho que la IA había roto la evaluación. La reacción fue defensiva: prohibiciones, detectores y vuelta al examen presencial.
Dos años después el ruido no se ha apagado, pero por debajo ha pasado algo importante. La IA no solo desmontó el sistema viejo: también trajo las herramientas para construir uno mejor.
Te lo contamos con cuatro cambios que ya están ocurriendo, y con qué hacer tú el lunes en tu aula o en tu formación.
🗣️ 1. El examen oral vuelve (y ahora sí escala)
El método de evaluación más antiguo del mundo está viviendo su mayor regreso en un siglo.
En las universidades medievales se evaluaba así: el estudiante defendía lo que sabía delante de un maestro, en directo, respondiendo preguntas. El oral desapareció por una sola razón: no escalaba. Cuando pasamos de cientos a millones de estudiantes, el examen escrito y el test tipo test ganaron. No porque midieran mejor, sino porque eran lo único que se podía corregir en masa.
La IA cambia esa economía por completo. Un examen oral estructurado con IA cuesta hoy alrededor de 40 céntimos por estudiante, frente a los miles que cuesta un tribunal humano a gran escala.
Y no solo es más barato: es más fiable. El despliegue más riguroso hasta la fecha, de Panos Ipeirotis y su equipo en NYU Stern, alcanzó un coeficiente de fiabilidad (alfa de Cronbach) de 0,75–0,80, frente al 0,50 que suelen sacar los ensayos escritos en esa misma medida. Lo que supuestamente iba a romper la evaluación ha producido una evaluación más válida que la anterior.
¿Cómo lo vive el alumno? Entrega su trabajo escrito como siempre. Dos o tres días después, tiene un oral de 10–15 minutos con un agente de voz que ya se ha leído su entrega y la rúbrica, y le pregunta justo por los argumentos flojos.
Un estudio de Droulers, Krautloher y Shaeri, con 290 estudiantes y 25 asignaturas, publicado en Teaching in Higher Education (2026), encontró que el oral gana al escrito en validez, fiabilidad y preferencia del propio alumnado.
Prueba a diseñar tu primer oral con este prompt:
Actúa como examinador oral. Te pego el enunciado de un trabajo y la rúbrica. Genera 5 preguntas de seguimiento que obliguen al estudiante a defender sus decisiones, no a repetir lo que escribió. Marca en qué respuesta detectarías si copió el argumento sin entenderlo. Enunciado: [PEGA AQUÍ]. Rúbrica: [PEGA AQUÍ].
La pregunta de integridad deja de ser “¿lo escribió con IA?” (casi imposible de saber) y pasa a ser “¿sabe defenderlo en directo?” (totalmente comprobable).
Para esta modalidad recomendamos encarecidamente el nuevo modo LIVE de ChatGPT para la conversación.
🧪 2. Personas de IA para evaluar habilidades reales
Durante décadas, la mejor forma de evaluar una habilidad práctica ha sido la simulación con un humano entrenado: el paciente estandarizado en Medicina, el cliente de rol en Derecho, el “empleado difícil” en formación directiva. Mide lo que haces, no lo que sabes. El problema de siempre: carísimo, así que casi nadie podía usarlo.
Las personas de IA quitan esa barrera. Un interlocutor entrenado se despliega a cualquier hora, cuesta una fracción y —esto sorprende— es más consistente, porque se comporta igual con todos los estudiantes.
Los datos empiezan a ser sólidos. El despliegue de MedSimAI (Jacobs et al.) en tres facultades de Medicina, con 410 estudiantes y más de 1.000 encuentros, subió las puntuaciones de anamnesis de 82,8 a 88,8 (p<0,001). Y un ensayo aleatorizado de SimConverse en dos facultades del Reino Unido, con 378 participantes, logró mejoras en comunicación del 76% de las que consigue la simulación con actores reales, a una fracción del coste.
¿Cómo lo vive el alumno? Un estudiante de enfermería no hace un test sobre “escucha activa”: mantiene una conversación de 20 minutos con un paciente de IA que muestra resistencia y ambivalencia, y se le puntúa por lo que hizo en los momentos que importaban.
La clave no es la tecnología, es la rúbrica. Empieza por especificar la persona con este prompt:
Quiero evaluar [habilidad: p. ej. atención al cliente enfadado]. Crea una “persona” muy concreta para un role-play: nombre, situación, estado emocional, objetivo y tres resistencias que irá sacando en la conversación. Después dame una rúbrica de 5 comportamientos observables que yo pueda marcar leyendo la transcripción.
No evalúes “demuestra empatía”. Evalúa si usó escucha reflexiva en los tres momentos donde hacía falta.
🧠 3. Evaluar el proceso, no solo el resultado
Antes, si eras capaz de entregar un buen ensayo, probablemente habías pensado el argumento. La IA rompió ese vínculo: un texto pulido ya no demuestra que la persona sepa pensar.
La respuesta metodológica —ya madura en investigación y práctica profesional— es sencilla: que el proceso forme parte de la entrega. El alumno entrega el artefacto y el rastro de cómo lo hizo: qué prompts usó, qué borradores descartó, dónde le llevó la contraria a la IA.
La IA puede producir cualquier resultado, pero todavía no puede falsificar bien ese proceso.
Las instituciones se mueven rápido. El marco TeachHQ de la Universidad de Monash exige una reflexión de proceso junto a cualquier trabajo asistido por IA. La Universidad de Sídney obliga a declarar el uso de IA en cada entrega. Y algún dato macro para dimensionar el cambio: según el Higher Education Policy Institute (2026), el 65% de los estudiantes británicos afirma que su evaluación ya ha cambiado de forma significativa por la IA.
El truco está en la pregunta que haces. “Describe tu uso de la IA” da respuestas vagas. Prueba esto en tu enunciado:
Adjunta un documento de proceso de máximo 400 palabras que responda: (1) qué 3 prompts clave usaste; (2) qué te quedaste y qué descartaste, y por qué; (3) un momento concreto en el que no estuviste de acuerdo con lo que sugirió la IA y qué hiciste. Se corrige como parte de la nota.
La conversación deja de ser “¿usaste IA?” y pasa a ser “¿sabes explicar cómo la usaste?”. La primera es adversarial; la segunda, formativa.
📈 4. Evaluación continua: medir el aprendizaje mientras ocurre
Durante casi toda la historia de la educación, evaluar ha sido “por eventos” (el parcial, el final) por una razón: cada dato extra costaba dinero. Así, un alumno que se estaba hundiendo en la semana 4 no salía a la luz hasta el parcial de la semana 7, cuando ya era tarde.
La IA cambia esa economía. En un entorno con tutor de IA, cada interacción genera un dato de evaluación: qué intentó, qué acertó solo, dónde necesitó ayuda, cómo evolucionó su razonamiento.
El dato más contundente viene de un ensayo aleatorizado con 5.500 estudiantes en 74 escuelas de la India (Oreopoulos et al., 2026) usando Khan Academy: los alumnos de uso intensivo ganaron 0,44–0,47 desviaciones estándar en matemáticas al final de curso, un efecto comparable al de la tutoría humana de alto impacto. ¿El mecanismo? La señal continua: el tutor sabe en tiempo real qué puede y qué no puede hacer cada alumno, y se ajusta.
Un aviso importante: si la IA que trabaja al lado del alumno hace demasiado del trabajo cognitivo, la señal que capturas no vale nada. Estarías midiendo lo que sabe hacer la IA, no lo que sabe hacer la persona.
¿Y tú? ¿Confías más en un examen final o en ver cómo alguien resuelve problemas semana a semana? Cuéntanoslo en comentarios, que este es el cambio que más debate genera.
🚀 Cómo replicarlo hoy
Coge una sola evaluación que vayas a poner pronto. No hace falta rediseñar todo el sistema.
Hazte dos preguntas: ¿qué es el artefacto y qué es el comportamiento que quiero medir?
Reescribe el objetivo con verbos observables —defiende, diagnostica, negocia, prioriza— en vez de verbos de conocimiento —sabe, entiende, identifica—. Si se demuestra recordando, la IA lo finge; si se demuestra haciendo, no.
Empareja tu trabajo escrito con un oral corto de 10 minutos sobre 2–3 argumentos. Trata el oral como la fuente de verdad y el escrito como aquello de lo que se habla.
Añade un documento de proceso de menos de 500 palabras y córrigelo como parte de la nota.
Usa la IA como copiloto de diseño: que critique tu enunciado, genere una persona de role-play o simule cómo lo resolvería un alumno flojo, uno bueno y uno “tramposo” antes de que lo toque nadie.
Revisa el nivel el curso que viene. Lo que hoy funciona, en un año puede quedarse corto.
No necesitas rehacer tu asignatura entera. Necesitas mover una evaluación un peldaño, y luego otra.
❓ Preguntas frecuentes
¿Sustituye esto al criterio del docente?
No. Cambia dónde inviertes tu criterio: menos en corregir a ciegas y más en diseñar qué mides y por qué.
¿Funciona para mi asignatura si no es Medicina ni Derecho?
Sí. Si tu materia implica hablar con alguien, argumentar o resolver problemas, tienes las cuatro palancas disponibles. El oral y el documento de proceso sirven prácticamente en cualquier materia.
¿No es hacer trampas dejar que usen IA en la tarea?
Depende del objetivo. Si evalúas la escritura no asistida, ponlo en un oral o en clase. Si evalúas dirigir la IA con criterio, entonces usarla es la habilidad evaluada. El error es usar la misma regla para todo.
¿Y los detectores de IA no resuelven esto?
No de forma fiable, y penalizan sobre todo a quien escribe en un segundo idioma. Por eso el foco se ha movido del “detectar” al “diseñar”: evalúa lo que la IA no puede falsificar (defensa oral, proceso, comportamiento en directo). Recuerda que los detectores IA NO son recomendados ni por el EU AI ACT ni por los marcos educativos como el de UNESCO o el de la Comisión Europa junto a la OCDE
¿Qué herramientas hacen algo parecido?
Para orales y simulación existen plataformas como Plato, MedSimAI o SimConverse; para tutoría con señal continua, Khan Academy (Khanmigo) y similares. Lo importante no es la marca: es el método. Pero prueba con ChatGPT Live.
✉️ Para terminar
Durante dos años tratamos a la IA como el enemigo del diseño de evaluación. Los equipos que hacen el trabajo más interesante hoy la tratan como colaboradora.
La idea que une los cuatro cambios es esta: la IA no rompió la evaluación. Rompió la economía de la mala evaluación, y con eso despejó el terreno para los métodos que deberíamos haber usado siempre.
Coge una evaluación tuya y hazte las dos preguntas: ¿cuál es el artefacto y cuál es el comportamiento? Si estás evaluando el artefacto, tienes una palanca para mejorarla esta misma semana.
Esto es justo lo que trabajamos en los cursos de Paratodosia y en nuestro programa de educación e IA con McGraw-Hill: usar la IA con criterio para enseñar y evaluar mejor, no para vigilar más. Si quieres formarte a fondo, te esperamos.
Si este post te ha sido útil, compártelo con algún compañero de claustro o de formación que lo necesite.
Encuesta rápida — ¿Qué te gustaría que cubriéramos la próxima semana?
🗣️ Cómo montar tu primer examen oral con IA, paso a paso
🧪 Diseñar una “persona” de IA para role-plays de tu asignatura
🧠 Plantillas de documento de proceso listas para pegar en tus enunciados
