El informe del MIT sobre cómo adaptar la universidad a la IA

Cuando una universidad como el MIT dice que su informe sobre IA es “una llamada a la acción”, conviene leerlo. Lo ha elaborado un comité ad hoc con estudiantes, profesores de todas las escuelas y personal de la biblioteca y del Teaching and Learning Lab, y está fechado el 13 de agosto de 2026. Os dejo el informe completo por si queréis leerlo; aquí va lo que me ha parecido más relevante.

Qué recoge el informe

El encargo era evaluar el uso actual de la IA en el MIT, identificar innovaciones en docencia y evaluación y proponer una política. Pero el comité concluyó que había que ir más lejos y preguntarse por el sentido y el valor de una educación universitaria cuando la IA lo complica todo.

El texto se organiza en ocho principios (ser humildes, ser audaces, poner a las personas en el centro, comprometerse con el aprendizaje, enseñar con intención, no hay una solución única, aumentar en lugar de automatizar y pensar más allá del aula) y tres bloques de recomendaciones: adaptar los procesos educativos, cuidar a las personas y la comunidad, y crear estructuras de mejora continua.

El diagnóstico de partida es incómodo. Los estudiantes usan IA de forma generalizada y con sentimientos encontrados. Y el comité detecta señales de aislamiento, pérdida de dominio y confianza en lo aprendido, y un contrato social entre docentes y alumnos que se deteriora. Menciona menos asistencia a tutorías y menos participación en foros online, y, según lo que oyeron de forma anecdótica, menos grupos de estudio presenciales.

Hay datos que lo acompañan. En la encuesta de otoño de 2025 del periódico estudiantil The Tech, que el informe recoge en su anexo, el 90% de los estudiantes de grado se mostraba preocupado por depender demasiado de los LLM (el 67%, muy preocupado). Alrededor del 70% creía que la IA será importante en su carrera, pero solo el 25% pensaba que el MIT les prepara para usarla.

De los ocho principios, tres son los que más me han hecho pensar.

Situar a las personas en el centro

Put humanity front and center. El informe pide cuidar las relaciones humanas, el desarrollo personal y los vínculos entre docentes y estudiantes como elementos esenciales de la experiencia universitaria.

Lo ilustra con un caso que me parece muy revelador. Algunos profesores se plantean usar agentes de IA como asistentes de investigación en lugar de contratar a estudiantes de grado en el programa UROP, en el que participa el 93% del alumnado de grado. Tiene su lógica en velocidad y recursos. Pero el comité recuerda que la investigación en el MIT no es solo producción, también es aprendizaje, y que esas “ineficiencias” son una virtud, no un defecto. Si el agente sustituye al novato, el estudiante pierde algo más que un contrato: pierde la comunidad en la que se forma.

Lo mismo ocurre con la vigilancia. Muchos docentes cuentan que “policiar” el uso de IA daña su relación con los alumnos, y el propio informe admite que los detectores de IA son poco fiables. Los estudiantes, por su parte, temen que los acusen en falso y se molestan cuando el profesor usa IA para corregir o dar feedback, justo donde esperan un trato humano. A eso lo llama “un río subterráneo de sospecha mutua”. Difícil construir un aula sobre eso.

Comprometerse con el aprendizaje

Lean into learning. Aquí el mensaje es preservar el esfuerzo intelectual que permite desarrollar comprensión, autonomía y criterio. La formación debe ayudar al estudiante a entender qué aprende, cómo lo aprende y por qué merece la pena hacerlo.

La preocupación del comité no es tanto que las evaluaciones tradicionales pierdan fiabilidad, sino que muchos usos de la IA privan al estudiante de la oportunidad de aprender. Por eso propone un nuevo contrato social: el proceso educativo es un esfuerzo productivo, y lo más importante que se lleva el alumno no es una nota ni un diploma, sino su propio crecimiento y criterio.

¿Cómo se traduce? El informe recomienda:

• Diseñar hacia atrás. Empezar por lo que el estudiante debe saber y saber hacer, y decidir después si la IA ayuda o no.
• Evaluaciones menos vulnerables. Exámenes orales, portafolios semestrales y trabajos fuera de clase acompañados de conversación en el aula. Advierte, eso sí, de que meter más exámenes cronometrados tampoco es la solución, porque desincentiva los trabajos largos que construyen el dominio.
• Una política de IA por asignatura, con su justificación. No basta con decir que usar IA es copiar: hay que explicar qué parte del aprendizaje se protege o se desarrolla.

Es una idea que ya veíamos en el estudio sobre educación online con IA, con estudiantes que delegaban el esfuerzo metacognitivo en ChatGPT. Y el comité recuerda que los docentes llevan al menos dos décadas quejándose de la atención fragmentada y los dispositivos, algo que ya repasamos al analizar el impacto de los móviles en los jóvenes. La IA no inventa el problema. Lo acelera y lo hace imposible de ignorar.

Potenciar las capacidades humanas

Augmentation, not automation. La idea es emplear la IA para ampliar la curiosidad, la creatividad y la resolución de problemas, preservando la participación intelectual del estudiante y evitando una dependencia que debilite su aprendizaje.

El informe habla de “rendición cognitiva”: el estudiante que recurre a la IA a la primera dificultad y confunde tener la respuesta correcta con haber aprendido. Y toma prestada la idea de “IA pro-trabajador” de los economistas Daron Acemoglu, David Autor y Simon Johnson para proponer una IA “pro-aprendiz”, que no sustituya el “hard fun” de pensar, sino que amplíe lo que el estudiante puede pensar y resolver.

Hay ejemplos concretos de que funciona. En la asignatura final de ingeniería del software, se puede pedir ya que construyan software casi de producción en un solo semestre. Y a los estudiantes de mediación les sirvió un entrenador de IA para practicar hablar en público sin el apuro de hacerlo delante de otros, con lo que practicaron más y mejoraron.

El matiz social es importante: igual que la automatización aísla a los trabajadores, el chatbot desplaza los grupos de estudio y reduce el contacto con los profesores. Es la misma lógica de adaptar la IA en el entorno profesional, donde la IA multiplica el punto de partida de cada uno: si la base es floja, el impacto es proporcionalmente menor.

Otras cosas que me han llamado la atención

• Transparencia del profesorado. Si el docente usa IA para slides, feedback o notas, debe decirlo. Los estudiantes lo viven como un doble rasero cuando a ellos se lo restringen.
• Desigualdad de acceso. Los planes más caros cuestan hasta 200 dólares al mes. Algunos estudiantes pueden pagarlo y otros no, con la ventaja que eso supone en tareas que hoy se resuelven en una noche. El MIT ofrece a toda la comunidad una plataforma con varios modelos y hasta 30 dólares mensuales de crédito, y el propio comité duda de que alcance.
• Sin receta única. Un seminario de poesía, una demostración matemática y un taller de arquitectura no se relacionan igual con la IA. Por eso propone un menú de políticas (uso libre, solo como herramienta de apoyo, uso obligatorio o prohibido) para que cada departamento elija.

Mi lectura

Lo que más valoro es que no es un informe contra la IA ni un himno a ella. Parte de una pregunta que me parece la correcta: qué queremos que aprendan las personas y cómo se lo garantizamos, y solo después qué papel tiene la IA. Enlaza con lo que ya hemos visto sobre los peligros de la IA y su impacto en los trabajos: la tecnología no decide, decidimos nosotros.

También tiene un límite. Muchas recomendaciones (exámenes orales, grupos pequeños, espacios presenciales, más ayudantes) cuestan dinero, y el MIT lo tiene. No sé hasta qué punto una universidad con grupos masificados puede replicarlas; es una suposición mía y el informe no entra en ello, aunque sí plantea que quizá haya que limitar el tamaño de las clases.

Aun así, me quedo con una idea: si la IA nos obliga a decidir qué merece la pena aprender y por qué, habrá servido para algo. Y si no lo hacemos, la IA lo decidirá por nosotros.

Información basada en el informe del comité ad hoc del MIT sobre el uso de la IA en la docencia, el aprendizaje y la formación en investigación (13 de agosto de 2026).