Un comité del MIT pide rediseñar objetivos, evaluación y comunidad presencial ante una IA que ya resuelve casi cualquier trabajo escrito
El comité ad hoc del Instituto Tecnológico de Massachusetts propone ocho principios y un conjunto de recomendaciones para adaptar la enseñanza universitaria a la IA generativa.
El documento es el informe final del Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training del Massachusetts Institute of Technology (MIT). La dirección de la institución lo encargó en enero de 2026 para evaluar el uso actual de la IA generativa, identificar innovaciones en la docencia y la evaluación y proponer una política de uso. Está fechado el 13 de agosto de 2026 y lo copresiden Eric Klopfer y Sam Madden; el comité reúne a estudiantes de grado y posgrado, profesorado de todas las escuelas y personal de unidades como las bibliotecas y el Teaching and Learning Lab. Es un documento institucional, dirigido a la comunidad del MIT.
El comité concluye que la cuestión es más profunda que redactar una norma: afecta a la estructura, el sentido y el valor de la formación universitaria. Según el informe, la IA puede dar respuestas razonables a casi cualquier tarea escrita del grado, y advierte: «This is not a moment for patches and duct tape.» Entre los datos que aporta, en la encuesta tecnológica del otoño de 2025 más de dos tercios del alumnado que respondió creía que la IA importará en su carrera, pero solo un 25 % consideraba que el MIT lo prepara adecuadamente para usarla.
Los ocho principios son: ser humilde, ser audaz, poner a las personas en el centro, apostar por el aprendizaje, enseñar con intencionalidad, reconocer que no hay una solución única, aumentar en lugar de automatizar y pensar más allá del aula y del campus. El cuarto habla del esfuerzo productivo y de un nuevo contrato social entre docentes y estudiantes; el séptimo pide usar la IA, en palabras del informe, «to augment and enhance curiosity, creativity, and learning, not automate them». El quinto plantea definir primero el propósito del aprendizaje en lugar de preguntarse si la IA debe permitirse o prohibirse.
Las recomendaciones se agrupan en tres bloques. El primero, sobre los procesos educativos, pide revisar los objetivos de cada materia, recurrir a exámenes orales, portafolios semestrales o trabajos fuera del aula acompañados de conversación en clase, y reforzar el aprendizaje por proyectos y el aprendizaje social presencial. Reclama también una política de IA justificada en cada asignatura, con formato estándar y pautas claras y coherentes. Desaconseja fiarse de los detectores de IA, que considera poco fiables, y describe los navegadores de bloqueo actuales como defectuosos y cercanos a la vigilancia, aunque recomienda estudiarlos; prefiere el historial de versiones y la retroalimentación por etapas. El segundo bloque, sobre la comunidad y la experiencia residencial, recomienda que el profesorado declare su propio uso de IA, que se enseñe un uso eficaz, responsable y ético desde las sesiones de acogida del alumnado y que toda tesis incluya una declaración sobre cómo se usó la IA, sin que figure nunca como coautora.
El tercer bloque propone estructuras de apoyo: un comité permanente sobre IA y educación, responsables de IA por escuela o departamento, becarios y un equipo de implementación, un fondo para pilotos, formación y apoyo continuos al profesorado y métricas de uso, participación y resultados. Incluye también acceso equitativo a la tecnología, una plataforma que no ate a la comunidad a un único proveedor de modelos y el seguimiento de los costes y del impacto ambiental. Estas medidas dependen de los recursos de una universidad concreta.
Este informe se relaciona por tema con otros documentos de la biblioteca: la evaluación en la era de la IA, como Responsible Assessment in the AI Era, o la integridad académica, como A Comprehensive Academic Integrity (CAI) Framework: An Overview. El diario no ha contrastado su contenido con el de este informe. Para un docente, lo más aprovechable son las ideas transferibles: partir de los objetivos de aprendizaje antes de decidir qué se permite, declarar en cada asignatura qué usos de IA son admisibles y por qué, y diversificar la evaluación con componentes orales o de proceso. Conviene empezar por el bloque sobre los procesos educativos, el más cercano al aula. Como límite, el contexto es el de una universidad de investigación concreta, de modo que su traslación a otros niveles o centros requiere adaptación.
Un comité del MIT pide rediseñar objetivos, evaluación y comunidad presencial ante una IA que ya resuelve casi cualquier trabajo escrito
El comité ad hoc del Instituto Tecnológico de Massachusetts propone ocho principios y un conjunto de recomendaciones para adaptar la enseñanza universitaria a la IA generativa.
El documento es el informe final del Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training del Massachusetts Institute of Technology (MIT). La dirección de la institución lo encargó en enero de 2026 para evaluar el uso actual de la IA generativa, identificar innovaciones en la docencia y la evaluación y proponer una política de uso. Está fechado el 13 de agosto de 2026 y lo copresiden Eric Klopfer y Sam Madden; el comité reúne a estudiantes de grado y posgrado, profesorado de todas las escuelas y personal de unidades como las bibliotecas y el Teaching and Learning Lab. Es un documento institucional, dirigido a la comunidad del MIT.
El comité concluye que la cuestión es más profunda que redactar una norma: afecta a la estructura, el sentido y el valor de la formación universitaria. Según el informe, la IA puede dar respuestas razonables a casi cualquier tarea escrita del grado, y advierte: «This is not a moment for patches and duct tape.» Entre los datos que aporta, en la encuesta tecnológica del otoño de 2025 más de dos tercios del alumnado que respondió creía que la IA importará en su carrera, pero solo un 25 % consideraba que el MIT lo prepara adecuadamente para usarla.
Los ocho principios son: ser humilde, ser audaz, poner a las personas en el centro, apostar por el aprendizaje, enseñar con intencionalidad, reconocer que no hay una solución única, aumentar en lugar de automatizar y pensar más allá del aula y del campus. El cuarto habla del esfuerzo productivo y de un nuevo contrato social entre docentes y estudiantes; el séptimo pide usar la IA, en palabras del informe, «to augment and enhance curiosity, creativity, and learning, not automate them». El quinto plantea definir primero el propósito del aprendizaje en lugar de preguntarse si la IA debe permitirse o prohibirse.
Las recomendaciones se agrupan en tres bloques. El primero, sobre los procesos educativos, pide revisar los objetivos de cada materia, recurrir a exámenes orales, portafolios semestrales o trabajos fuera del aula acompañados de conversación en clase, y reforzar el aprendizaje por proyectos y el aprendizaje social presencial. Reclama también una política de IA justificada en cada asignatura, con formato estándar y pautas claras y coherentes. Desaconseja fiarse de los detectores de IA, que considera poco fiables, y describe los navegadores de bloqueo actuales como defectuosos y cercanos a la vigilancia, aunque recomienda estudiarlos; prefiere el historial de versiones y la retroalimentación por etapas. El segundo bloque, sobre la comunidad y la experiencia residencial, recomienda que el profesorado declare su propio uso de IA, que se enseñe un uso eficaz, responsable y ético desde las sesiones de acogida del alumnado y que toda tesis incluya una declaración sobre cómo se usó la IA, sin que figure nunca como coautora.
El tercer bloque propone estructuras de apoyo: un comité permanente sobre IA y educación, responsables de IA por escuela o departamento, becarios y un equipo de implementación, un fondo para pilotos, formación y apoyo continuos al profesorado y métricas de uso, participación y resultados. Incluye también acceso equitativo a la tecnología, una plataforma que no ate a la comunidad a un único proveedor de modelos y el seguimiento de los costes y del impacto ambiental. Estas medidas dependen de los recursos de una universidad concreta.
Este informe se relaciona por tema con otros documentos de la biblioteca: la evaluación en la era de la IA, como Responsible Assessment in the AI Era, o la integridad académica, como A Comprehensive Academic Integrity (CAI) Framework: An Overview. El diario no ha contrastado su contenido con el de este informe. Para un docente, lo más aprovechable son las ideas transferibles: partir de los objetivos de aprendizaje antes de decidir qué se permite, declarar en cada asignatura qué usos de IA son admisibles y por qué, y diversificar la evaluación con componentes orales o de proceso. Conviene empezar por el bloque sobre los procesos educativos, el más cercano al aula. Como límite, el contexto es el de una universidad de investigación concreta, de modo que su traslación a otros niveles o centros requiere adaptación.
