Blockchain para auditar al tutor de IA: una propuesta técnica de trazabilidad
El problema: un tutor que no rinde cuentas
Xiao, Huang, Huang, Ren y Li parten de un diagnóstico ya familiar en este capítulo: los sistemas basados en LLM que hoy tutelan, evalúan o generan contenido en el aula heredan las limitaciones del modelo que los sostiene —alucinaciones, validación insuficiente del conocimiento de dominio, resultados inconsistentes— y esas fallas pueden traducirse directamente en peores aprendizajes. Su pregunta no es si conviene usar un LLM en educación superior online, sino qué pasa después de un error: quién puede rastrearlo, demostrarlo y hacerse responsable.
La propuesta: un libro de registro que nadie puede alterar
La solución que proponen combina dos piezas. Por un lado, servicios basados en LLM que ofrecen la interfaz educativa inteligente —tutoría personalizada, generación de contenido, evaluación automatizada—. Por otro, una blockchain de consorcio (permissioned, no pública) que actúa como libro de registro seguro e inalterable de todo lo que importa auditar: datos del proceso de aprendizaje, credenciales académicas y los resultados producidos por el LLM. El resultado es un rastro completo y auditable que permite atribuir responsabilidad cuando una deficiencia educativa se origina en un error del modelo, sin depender de que alguien lo reporte por su cuenta.
Cómo dialoga con el resto del capítulo
Esta propuesta técnica funciona como contraparte de infraestructura de algo que la entrada anterior de este capítulo resuelve por norma: la declaración de uso le pide al estudiante que diga qué hizo con la IA y se responsabilice por el resultado; acá se propone que el sistema mismo deje un rastro inalterable, sin depender de la buena fe de quien declara. Son respuestas complementarias al mismo problema —cómo sostener la responsabilidad cuando media una IA— desde dos niveles distintos: la norma de cátedra y la infraestructura técnica.
Pero conviene leerla con la misma cautela que aplicamos al marco de Mollick. Una blockchain de consorcio no es gratis: supone coordinar infraestructura entre instituciones, nodos que alguien tiene que operar y mantener, y una gobernanza del consorcio que decide quién entra y quién queda afuera —las mismas preguntas de costo y de acceso que ya aparecieron al hablar de colonialidad de datos y comunes epistémicos. Y hay una tensión que el paper no discute: registrar de manera inmutable el “proceso de aprendizaje” de cada estudiante, error incluido, es también construir un historial permanente de sus tanteos y equivocaciones. Auditar al modelo no debería significar dejar de lado la privacidad de quien aprende.
Toda la propuesta supone una institución capaz de sostener una infraestructura así: de decidirla, financiarla y gobernarla. La entrada siguiente revisa la evidencia global sobre esa capacidad, y el panorama es bastante menos alentador que el diseño técnico.
Sugerencias de lectura
Xiao, F., Huang, J., Huang, J.-X., Ren, H. y Li, L. (2026). Integrating
LLM with consortium blockchain for personalized and verifiable online
education in higher education. International Journal of Educational
Technology in Higher Education, 23(1), Artículo 42.
https://doi.org/10.1186/s41239-026-00618-5
