Crear retos propios

La distinción que sostiene todo el reto: consumir el objeto de estudio (leerlo, resumirlo, recitarlo) no es lo mismo que producir tu propia versión de él. Al producir, el participante tiene que decidir qué importa, qué entra, qué se omite y cómo se relaciona cada parte — decisiones que solo puede tomar quien está mirando el objeto de estudio de verdad.

Es la idea de Piaget (construimos nuestra versión del mundo) y de Papert (aprendemos haciendo algo que se puede mostrar y discutir), llevada a regla de diseño: nuestra posición es que si el reto no obliga a producir una versión propia, todavía es consumo con pasos extra. Y el canon del Challenge lo dice de frente: el enunciado de un reto ES un Objeto de Aprendizaje — con objetivos identificados, no un prompt de hackathon.

Vara de calidad: ¿la versión de cada equipo saldrá necesariamente distinta? Si todas van a parecerse, el reto está pidiendo reproducción, no versión propia.

La primera respuesta de la IA es material de trabajo, no resultado. Cada vuelta — pedir, revisar lo que salió, ajustar la instrucción, volver a pedir — es otra pasada por el objeto de estudio, y ahí se acumula el aprendizaje.

Es la práctica deliberada con ropa nueva: repetición con esfuerzo en el borde de la propia capacidad, con retroalimentación que no adula. La evidencia de campo más fuerte que tenemos (el experimento de las barandillas, 2025) muestra el reverso: cuando la IA entrega la respuesta terminada, el rendimiento sube en la práctica y el aprendizaje se desploma en el examen sin IA. La iteración protege exactamente contra eso.

Vara de calidad: si el reto puede resolverse con una sola petición bien escrita, súbele la apertura o la fricción — todavía es un mandado.

En algún punto del reto, el equipo tiene que salir de la IA: una fuente autorizada, una persona real, una observación, una medición del aula o del barrio. Esa salida es el punto de fricción hecho actividad — el lugar donde el modelo, previsiblemente, se equivoca con seguridad aparente.

Cada error detectado contra una fuente es conocimiento del dominio ganado: quien descubre que la IA puso el pico en la cordillera equivocada acaba de aprender dónde va el pico. Por eso la información local se le pide al equipo y jamás se inventa en el enunciado.

Vara de calidad: nombra la fuente de verificación en el reto. Si no puedes nombrar contra qué se verifica, el movimiento no está diseñado.

Dos fuentes que no coinciden, dos versiones del mismo trabajo, dos contextos, dos relatos del mismo hecho. La comparación obliga a mirar el objeto de estudio dos veces — y a explicar la diferencia, que es donde aparece el criterio.

La discrepancia real es oro de diseño: fuentes autorizadas que dan altitudes distintas, el libro de texto y otra fuente que cuentan el período de otra manera. El equipo tiene que decidir cuál usar y defender el porqué — juicio, no obediencia.

Vara de calidad: la comparación debe exigir una decisión («¿con cuál te quedas y por qué?»), no solo una tabla de semejanzas y diferencias.

Detectar qué está mal — en lo que produjo la IA y en lo propio — y poder decir por qué. La crítica con criterio es la evidencia observable de que hubo aprendizaje: nadie puede señalar el error de un mapa sin saber geografía.

Es también lo que lee la rúbrica del Challenge: la dirección humano-IA se juzga por las decisiones (qué se rechazó, qué se verificó, qué se transformó), nunca por el volumen de uso. Y la defensa sin IA es la prueba final de este movimiento: explicar lo revisado con la herramienta apagada.

Vara de calidad: el reto debe producir momentos criticables — versiones intermedias, errores plausibles, decisiones registradas. Un reto que solo genera un producto final pulido no deja nada que revisar.