La inteligencia artificial no solo está cambiando cómo estudian los alumnos. También está obligando a las universidades a replantearse algo mucho más profundo: cómo evaluar si alguien realmente aprendió. El caso de Roberto Serrano, profesor de Economía en la Universidad de Brown, resume esa tensión con una claridad incómoda.
Serrano imparte ECON 1170, una asignatura avanzada de economía matemática y teoría del bienestar. Normalmente evaluaba con exámenes presenciales, pero tras un tiroteo ocurrido en diciembre en el campus de Brown, en el que murieron dos estudiantes y nueve personas resultaron heridas, decidió flexibilizar el semestre y permitir un examen parcial para hacer en casa. Según explicó, muchos alumnos estaban ansiosos por volver a un aula tras aquel episodio.
La decisión tuvo un efecto inmediato: la matrícula se disparó. Una asignatura que solía atraer hasta 30 estudiantes pasó a tener 86. El examen, además, no era más fácil. Serrano dijo que lo había diseñado más exigente precisamente porque los alumnos tendrían tiempo ilimitado para resolverlo desde casa.
Las notas fueron demasiado buenas para ser normales
El resultado del parcial encendió todas las alarmas. La media fue del 96% y 40 de los 86 estudiantes sacaron 100 sobre 100. En cursos anteriores, la media de ese examen se había movido entre el 65% y el 80%, según relató Serrano a Inside Higher Ed.
El problema no era solo la nota. También era el tipo de respuesta. Serrano y sus correctores detectaron soluciones correctas, pero extrañamente enrevesadas. Al probar las mismas preguntas en ChatGPT, encontraron razonamientos muy parecidos a los de muchos exámenes. En uno de los ejercicios, por ejemplo, la demostración podía resolverse de forma directa, pero tanto ChatGPT como varios estudiantes usaron un argumento por contradicción mucho más forzado.
Con esa sospecha, Serrano envió un mensaje a sus alumnos: el examen final sería presencial. Si la distribución de notas se parecía a la del parcial, mantendría las calificaciones anteriores. Si no, anularía el parcial y daría más peso al final. Después de ese aviso, 18 estudiantes abandonaron el curso y otros nueve siguieron inscritos, pero no se presentaron al examen final.
El resultado fue contundente. La media del final presencial cayó al 48,6%, un mínimo histórico para la asignatura. Tres estudiantes sacaron cero, 19 suspendieron el curso y Serrano terminó anulando el parcial, haciendo que el examen final valiera el 80% de la nota.
El problema ya no es detectar IA, sino diseñar evaluaciones que la resistan
El caso no prueba automáticamente que cada alumno que sacó buena nota haya hecho trampas. Pero sí muestra algo difícil de ignorar: los exámenes para casa han quedado en una posición muy frágil cuando un modelo de IA puede resolver, redactar y reformular respuestas con apariencia académica.
Brown no es un caso aislado. El periódico estudiantil The Brown Daily Herald ya había recogido en abril que otros profesores de Economía estaban viendo patrones similares: tareas perfectas, respuestas extrañas y peor rendimiento en pruebas presenciales. Algunos docentes concluyeron que no podían seguir confiando en exámenes para llevar a casa.
La discusión también llegó a Princeton. En mayo de 2026, la universidad decidió poner fin a una tradición de 133 años: los exámenes finales sin vigilancia docente bajo el famoso Honor Code. La norma seguirá existiendo, pero los profesores volverán a supervisar las pruebas. Según The Atlantic, la decisión llegó tras el aumento de trampas facilitadas por IA y una caída de la confianza en el sistema de autocontrol estudiantil.
Lo que está en juego no es solo si un estudiante usa ChatGPT para aprobar una materia. Es algo más amplio: si la universidad puede seguir midiendo aprendizaje real con herramientas pensadas para una época anterior a la IA generativa.
La respuesta fácil sería volver a todos los exámenes presenciales y cerrar la puerta. Pero el debate es más complejo. La IA ya forma parte del mundo profesional, y prohibirla por completo tampoco prepara a los estudiantes para usarla bien. La pregunta ahora es otra: cuándo su uso demuestra criterio y cuándo simplemente sustituye el aprendizaje.
El caso Brown deja una lección incómoda. Cuando las notas brillan demasiado y luego se desploman en persona, el problema no es solo que alguien haya copiado. Es que el sistema de evaluación dejó de medir lo que decía medir.
