Política de IA para el aula: modelo de programa y guía institucional (v0.1)

La entrada anterior de este capítulo discute qué significa pensar la IA en el aula con agencia y mirada crítica. Esta es su contraparte operativa: un texto que un docente puede pegar directamente en el programa de su materia, y una nota de orientación para pensar la política a nivel de cátedra o de institución.

Recuadro para el programa (listo para pegar)

Uso de IA en esta materia. El uso de inteligencia artificial se organiza en tres categorías —permitida, limitada o prohibida— y cada actividad o trabajo práctico va a indicar cuál aplica.

Cuando la IA está permitida o limitada, quien la usa debe declararlo, verificar lo que produce y sigue siendo el único responsable de la exactitud, la integridad y la versión final de su trabajo.

La IA no puede usarse nunca para inventar fuentes, datos, citas o resultados, ni para subir información confidencial, personal o institucionalmente sensible a sistemas no aprobados.

Nota de orientación docente

Por qué tres categorías y no un sí o un no

Una prohibición general es, en la práctica, inaplicable e imposible de verificar; un “todo vale” sin condiciones vacía de sentido a buena parte de la evaluación. Definir explícitamente qué está permitido, qué está limitado a ciertas etapas y qué está prohibido —y decirlo en cada consigna, no solo una vez al principio de la cursada— es lo que en la práctica evita ambas salidas fáciles.

• IA permitida: para lo que apunta a explorar, recibir devolución, hacer una lluvia de ideas, planificar, traducir o practicar. Quien la usa igual tiene que verificar lo que obtiene y declarar el uso si fue significativo.
• IA limitada: se puede usar solo en las etapas o para los fines que la consigna nombra explícitamente (por ejemplo, para armar un primer esquema, pero no para redactar el análisis). Todo lo que no esté nombrado, no está permitido.
• IA prohibida: para instancias pensadas para evaluar razonamiento sin asistencia, desempeño en clase, explicación oral, lectura de fuentes, o cualquier tarea que involucre información protegida o confidencial.

Redacción a nivel de consigna

Cada trabajo práctico debería nombrar su categoría y, si es “limitada”, decir en una o dos frases qué exactamente está permitido. Por ejemplo:

“IA limitada: podés usarla para pensar posibles preguntas de investigación y para revisar la redacción, pero no para generar el análisis ni las referencias.”

Esto reduce la ambigüedad más habitual —"¿esto lo puedo hacer con IA o no?"— y hace que el criterio sea consistente entre comisiones y docentes de una misma materia.

Declaración de uso

Alcanza con una frase breve al final del trabajo:

“Usé una IA para hacer una lluvia de ideas y para revisar la redacción; verifiqué el resultado contra la bibliografía de la materia y edité la versión final. Los errores que queden son míos.”

Diseño de la evaluación

Dado que buena parte de las tareas domiciliarias tradicionales puede resolverlas hoy una IA, conviene correr algo de peso hacia evidencia de proceso y de desempeño: borradores comentados, defensa oral breve, producción en clase, bitácoras de proceso, y consignas ancladas en discusiones puntuales de la cursada que un modelo no puede reconstruir sin haber estado en el aula.

Privacidad y ética

Advertir explícitamente: no subir datos personales, información de otros estudiantes, material de investigación sin publicar, ni documentos internos a sistemas que no hayan sido aprobados por la cátedra o la institución. Este punto es especialmente sensible en materias de método, prácticas y trabajos de campo.

Plantilla corta para la cátedra

• IA permitida: podés usarla para generar ideas, practicar y revisar; declará el uso significativo y verificá lo que te devuelve.
• IA limitada: solo para lo que esta consigna nombra explícitamente; cualquier otro uso no está permitido.
• IA prohibida: no la uses para este trabajo, porque evalúa tu razonamiento sin asistencia o porque hay información protegida en juego.

De la cátedra a la institución

Un recuadro de programa resuelve el problema a nivel de una materia. Una política institucional —lo que en rigor haría falta para que esto deje de depender de la buena voluntad de cada docente— necesita además:

• Un vocabulario compartido entre cátedras y departamentos, para que la misma expresión (“IA limitada”) signifique lo mismo en toda la carrera.
• Plataformas aprobadas y criterios claros de protección de datos, coordinados con quien gestione infraestructura y privacidad en la institución —no cada cátedra negociando por su cuenta con un proveedor.
• Desarrollo docente, no solo una circular: espacio para que cada cátedra adapte las tres categorías a su disciplina.
• Equidad de acceso explícita: si la política asume una suscripción paga o un dispositivo propio, tiene que prever también una alternativa para quien no los tiene.

Este último punto conecta con lo discutido en la entrada anterior de este capítulo: una política institucional que no pregunta quién puede pagar el acceso, y con qué infraestructura, resuelve el problema del aula individual pero reproduce la asimetría a escala de la institución entera.

Una política declara qué se puede hacer; no muestra qué se hizo. La entrada siguiente reseña una propuesta técnica para cubrir esa distancia —dejar registro verificable de cada intervención del modelo— y lo que le cuesta.

Sugerencias de lectura

Mollick, E. y Mollick, L. (2023). Assigning AI: Seven Approaches for Students, with Prompts.

UNESCO (2023). Guidance for generative AI in education and research.

EDUCAUSE (2024). 2024 EDUCAUSE Action Plan: AI Policies and Guidelines.