Docente universitario

Estados Unidos. La oficina de estadística proyecta que el empleo total de docentes postsecundarios crecerá un 7 por ciento de 2025 a 2035, mucho más rápido que la media, desde 1.378.200 empleos, con unas 103.300 vacantes al año. La página no menciona la IA. Cuenta empleos de un solo país, no tareas.

Una persona con nombre y con posición reconocida predijo algo públicamente, en una fecha, en una declaración atribuible. Se registra para que quede comprobable quién dijo qué y cuándo, y nunca mueve la evaluación de una tarea, porque una predicción no es una observación. Su valor llega después: el registro queda en la misma página que la evidencia sobre esa ocupación, así que quien lee el pronóstico lee al lado el registro de lo que pasó luego. Esa es la rendición de cuentas; este sitio no publica ningún veredicto sobre si un pronóstico se cumplió.

Revistas médicas que siguen las recomendaciones del ICMJE. Dicen que los chatbots como ChatGPT no deberían figurar como autores porque no pueden responsabilizarse de la exactitud, la integridad y la originalidad del trabajo, responsabilidades exigidas para la autoría, y que quienes revisan deben pedir permiso a la revista antes de usar tecnología de IA para facilitar su revisión. Es una norma editorial para revistas médicas, no una ley.

Un fallo, una marcha atrás, una regulación o un coste están frenando la adopción. Puede bajar una evaluación o ensanchar su incertidumbre.

Estados Unidos, una asignatura de física de grado. En un diseño cruzado aleatorizado a lo largo de dos lecciones, las mejoras medianas de aprendizaje respecto a la línea de base del pretest más que duplicaron en los estudiantes que usaron un tutor de IA hecho a medida frente a una sesión de aprendizaje activo en clase; los autores señalan un efecto techo en las puntuaciones del postest. Son dos lecciones de una sola asignatura; los autores declararon no tener conflictos de intereses.

Una demostración, una prueba de referencia o un artículo muestran que la tarea se puede hacer. Actualiza lo que la tecnología puede hacer, no lo que harán las empresas.

El proceso de revisión de un congreso de IA en 2025. En un estudio aleatorizado, un agente basado en un modelo de lenguaje dio a los revisores comentarios sobre sus revisiones; el artículo informa de que el 27% de los revisores que recibieron comentarios actualizaron sus revisiones, y de que se incorporaron más de 12.000 sugerencias. Los autores construyeron el sistema que evalúan, y funcionó en un solo congreso.

Ensayo a pequeña escala en un entorno real. Nos dice que se están probando las condiciones de despliegue, no que se cumplan, así que un piloto nunca basta por sí solo; dos independientes sí.

Suiza, exámenes de física en una universidad. El estudio usa umbrales psicométricos para decidir qué respuestas corrige la IA y cuáles pasan a personas, e informa de que la IA puede alcanzar un coeficiente de determinación de aproximadamente 0,91 frente a las notas humanas al encargarse de la mitad de la carga de corrección, y de aproximadamente 0,96 con una quinta parte de la carga. Es un único estudio exploratorio de un solo tipo de examen.

Una demostración, una prueba de referencia o un artículo muestran que la tarea se puede hacer. Actualiza lo que la tecnología puede hacer, no lo que harán las empresas.

Reino Unido, los exámenes de psicología de una universidad. Los investigadores entregaron respuestas escritas por IA en exámenes reales para hacer en casa sin que los correctores lo supieran, e informan de que el 94% de las entregas de IA no se detectaron, el 97% con un criterio más estricto, y de que las notas otorgadas fueron de media medio tramo de calificación más altas que las de los estudiantes reales. Es un solo departamento y una sola tanda de exámenes, con modelos de la época de 2023; los autores declararon no tener conflictos de intereses.

Una demostración, una prueba de referencia o un artículo muestran que la tarea se puede hacer. Actualiza lo que la tecnología puede hacer, no lo que harán las empresas.

Estados Unidos, la asignatura de introducción a la informática de Harvard. El equipo docente describe el despliegue de herramientas basadas en IA —un asistente a modo de tutor y explicación de código— para aproximadamente 500 estudiantes presenciales, e informa de que 22 de 25 (88%) respuestas curriculares que comprobaron eran correctas. El equipo evalúa sus propias herramientas, y el artículo agradece su apoyo a empresas tecnológicas como OpenAI y Microsoft.

Una empresa lo ha puesto en producción. Puede mover la línea de base, ponderado por la escala y por cuánto se parece ese entorno al tuyo.

Revisiones por pares en congresos de IA (ICLR, NeurIPS, CoRL, EMNLP). Con un estimador a nivel de población, el estudio informa de que entre el 6,5% y el 16,9% del texto enviado como revisiones por pares a estos congresos podría haber sido modificado sustancialmente por modelos de lenguaje, más allá de la corrección ortográfica o de pequeños retoques de redacción. Abarca solo congresos de IA y estima proporciones de texto, no revisores individuales.

Una herramienta se usa a gran escala en trabajo real y eso está medido, y quien decidió usarla fue la persona que trabaja, no quien emplea. Es más que un registro de capacidad —el trabajo es real, no una demostración— y menos que uno de despliegue, porque ningún empleador la puso en producción, ni la exigió, ni construyó un proceso alrededor. Ponderada como `cautious`: `automating` significa que la máquina puede hacer la tarea Y que hay indicios de adopción, y esto es un indicio de adopción; pero el uso puede ser una prueba, y buena parte de la medición viene de una parte con intereses, así que un registro nunca basta y dos independientes sí. Fíjate además en quién cuenta. La telemetría de un proveedor ve esto directamente y a la vez vende la herramienta, así que un registro de este tipo declara ese interés en su ámbito de aplicación; una agencia estadística que pregunta a las empresas si su personal usa IA en tareas ve el mismo canal sin ningún interés propio, y donde exista es la mejor fuente.

Reino Unido, educación superior. Las recomendaciones de la agencia a sus miembros dicen que los resultados del software de IA generativa, pese a sus limitaciones, no pueden detectarse de forma fiable, y exponen cómo las instituciones pueden replantear la evaluación en consecuencia. Son recomendaciones, no una obligación, y no miden cómo ha cambiado la evaluación.

Un fallo, una marcha atrás, una regulación o un coste están frenando la adopción. Puede bajar una evaluación o ensanchar su incertidumbre.

Si estás empezando, cuenta con que los tutores de IA y las herramientas de corrección asuman parte de la carga docente rutinaria, y con que el diseño de la evaluación pase a ser una parte mayor y más difícil del trabajo. La autoría en la investigación y el juicio de revisión siguen siendo tuyos según las normas de las revistas.

Cuenta con rediseñar la evaluación para un mundo en el que el trabajo escrito se puede generar, y con supervisar herramientas de IA en la docencia y la corrección. Tu responsabilidad como autor y revisor es lo que las normas de las editoriales te reservan.

Quedarte y reforzarte

Quedarte y liderar el rediseño de la evaluación

Las respuestas escritas por IA pasan sin ser detectadas y no pueden detectarse de forma fiable; alguien tiene que diseñar una evaluación que siga midiendo el aprendizaje.

Rehacer el puesto

Moverte hacia enseñar con tutores de IA

Los ensayos muestran que los tutores de IA pueden aumentar las mejoras de aprendizaje, y hay asignaturas que ponen herramientas de IA al alcance de cientos de estudiantes.

Movimiento lateral

Pasarte a la integridad de la investigación o a funciones editoriales

Las editoriales y las revistas están redactando normas sobre la IA en la autoría y la revisión, y necesitan personas que sepan aplicarlas.

Con la evidencia actual, no. Los tutores de IA y las herramientas de corrección hacen bien partes de la docencia y la corrección en ensayos, y las respuestas escritas por IA se cuelan en los exámenes. Pero las revistas mantienen la autoría y el juicio de revisión en manos de personas, y las proyecciones de Estados Unidos prevén que el empleo en docencia postsecundaria crezca un 7 por ciento de 2025 a 2035. El trabajo se desplaza hacia el diseño de la evaluación y la supervisión de la IA.

No respondemos a eso con un número de años. Fíjate en si las universidades empiezan a otorgar títulos por asignaturas enseñadas y corregidas por IA sin que ningún académico responda de ellas, y en si las revistas aceptan la IA como autora o revisora. Hoy las normas recogidas aquí dicen que no a ambas cosas.

En parte. En un estudio de la ETH de Zúrich, la corrección con IA de exámenes de física alcanzó un coeficiente de determinación de aproximadamente 0,91 cuando se encargó de la mitad de la carga, con el resto en manos de personas. Detectar respuestas escritas por IA es más difícil: en la Universidad de Reading, el 94% de las entregas de IA pasaron sin ser detectadas.

Las proyecciones de Estados Unidos prevén que el empleo en docencia postsecundaria crezca un 7 por ciento de 2025 a 2035, con unas 103.300 vacantes al año. Las partes del trabajo que las normas y las revistas reservan a las personas —la autoría, la revisión y responder de la evaluación— ganan importancia.