Lo que queda: hacer

La respuesta corta cabe en un verbo: queda hacer.

No «hacer» como sinónimo de «entregar algo». Hacer en el sentido literal y físico y social del término: manipular e interactuar directamente con el objeto de aprendizaje. Tocarlo, moverlo, romperlo, medirlo, construirlo, montarlo, negociarlo, ensayarlo, defenderlo delante de gente, equivocarse en público y arreglarlo. Eso no lo hace la IA por nadie. Eso sigue ocurriendo enteramente dentro del estudiante y de su cuerpo, su tiempo, su equipo y su entorno.

La IA puede explicar cómo se afina una guitarra. No afina la guitarra. Puede describir cómo se entrevista a un vecino. No se sienta en la sala del vecino. Puede escribir el guion de una obra. No sostiene el silencio antes de la primera línea con cuarenta personas mirando. Puede calcular la pendiente de una rampa. No empuja una silla de ruedas por esa rampa para descubrir que la cuenta estaba bien y el diseño estaba mal.

La postura de diseño: asumimos que van a usar IA

Aquí es donde este módulo se separa de la mayoría de las conversaciones sobre el tema.

Asumimos que los estudiantes van a usar Inteligencia Artificial. No lo peleamos, no lo prohibimos, no diseñamos trampas para detectarlo, no compramos detectores, no convertimos la clase en una aduana. Esa guerra consume una energía enorme, genera un aula desconfiada, castiga a los honestos, no atrapa a los hábiles, y —lo peor— no produce ni un gramo de aprendizaje adicional.

Y a partir de esa asunción hacemos lo contrario de defendernos: diseñamos actividades tan creativas, tan ambiciosas y tan atractivas que usar IA es apenas una parte de ellas.

Ese es el giro completo, y conviene dejarlo escrito en una sola línea, porque es la frase que se llevan del módulo:

No hagas la actividad a prueba de IA por prohibición; hazla a prueba de IA por ambición.

Y su corolario, que es la parte que duele:

Si la IA sola puede entregar el trabajo completo, el problema no es el estudiante ni la herramienta: es que la actividad era demasiado pequeña.

La IA no rompió nuestras actividades. Reveló el tamaño que tenían. Una tarea que un modelo de lenguaje resuelve entera en cuarenta segundos era, ya antes, una tarea de cuarenta segundos de aprendizaje; lo que la protegía no era su valor formativo sino la fricción de tener que copiarla de una enciclopedia. Perdimos la fricción, no el aprendizaje. El aprendizaje hacía rato que no estaba ahí.

Dónde aparece el aprendizaje en una actividad ambiciosa

Cuando la actividad es lo bastante grande, ocurre algo que ninguna cantidad de vigilancia consigue: el estudiante entra en compromiso intenso — intense engagement — con el objeto de aprendizaje. Y en ese estado:

Decide, muchas veces, con información incompleta y criterios que compiten entre sí.
Manipula el objeto: lo arma, lo mide, lo prueba, lo ajusta, lo vuelve a probar.
Choca con la realidad, que corrige sin piedad y sin diplomacia: el puente cede, la entrevista se desvía, el público no se ríe donde debía, el pH no da, el código no compila, la pieza no encaja por dos milímetros.
Itera, porque la primera versión nunca sirve y él mismo lo ve.
Se expone: alguien que no es su profesor va a ver, usar, leer, escuchar o juzgar lo que hizo.

Ese estudiante aprende haciendo, y aprende de una manera que ningún resumen entregado a tiempo puede imitar. La IA participa —a veces mucho— pero participa como instrumento dentro de un proceso que ella no puede recorrer.

La IA es el instrumento, nunca el autor

Esta es la formulación que el programa ya sostiene públicamente en el aiLearning Challenge, y que aquí se convierte en principio de diseño de aula: la IA es el instrumento, nunca el autor.

Un instrumento potentísimo, disponible para todos, sin culpa y sin permiso especial. Pero la autoría —qué se intenta, por qué se eligió ese camino, qué se descartó, cómo se resolvió el problema que apareció a mitad de camino, qué queda cuando ya no se puede seguir— es del estudiante. Y esa autoría se hace visible, no se presume ni se persigue: se documenta en un registro de creación que acompaña al producto y que después evaluamos junto con él.

Cuando el registro existe, la pregunta «¿esto lo hizo la IA?» deja de ser una acusación y se convierte en un dato del trabajo. La autoría deja de policiarse porque queda a la vista.

El respaldo metodológico: tarea completa

Nada de esto es una ocurrencia frente a la IA. Es exactamente el principio fundacional de tarea completa (whole-task, de la tradición 4C/ID de van Merriënboer) que la metodología Smoother adopta:

Toda unidad se diseña alrededor de tareas auténticas y completas, no de fragmentos descontextualizados que el estudiante tendría que recomponer después.
«Completa» significa que la actividad aparece en su forma operacional real: el caso trae todos sus actores y contradicciones, el proyecto se entrega como producto terminado, la decisión se toma con la incertidumbre y los criterios en conflicto que la decisión real implica.
La complejidad se gradúa por clase de tarea, no fragmentando: una clase más simple no tiene menos pasos, tiene menos variables, menos ambigüedad o más andamiaje — pero sigue siendo una tarea entera de su propio nivel.
El andamiaje se entrega justo a tiempo y disminuye progresivamente dentro de cada clase (scaffolding fading), forzando autonomía antes de pasar a la siguiente.

Léanlo de nuevo con la IA en mente y verán que ese principio ya era la respuesta, escrito antes de que la pregunta se volviera urgente. Lo que la IA hizo fue quitarnos la opción de seguir ignorándolo.

Lo que este módulo NO dice

Tres aclaraciones, porque la ambición mal entendida hace daño:

No dice que las habilidades básicas dejaron de importar. Al contrario: sin dominio de la habilidad componente, el proyecto grande se ve espectacular y el aprendizaje es delgado. Esa es la advertencia del Módulo 7: la práctica deliberada construye la habilidad; este módulo diseña la tarea ambiciosa a la que esa habilidad sirve. Los dos módulos son el mismo movimiento visto desde sus dos extremos, y ninguno funciona solo.
No dice que todo tenga que ser un proyecto enorme. Hay actividades ambiciosas de cuarenta minutos. La ambición no se mide en semanas: se mide en irreductibilidad.
No dice que la IA sea opcional. En estas actividades la IA entra, y entra en serio — pero con un rol acotado, declarado y visible. Lo veremos en detalle en la sección de anatomía.

La vinculación con su entorno real (5 minutos, individual)

Antes de seguir, respondan por escrito, para ustedes:

¿Qué hace de verdad, con las manos y con otras personas, alguien que trabaja hoy en el campo que ustedes enseñan?
¿Cuánto de eso aparece en la última actividad que pusieron?
Si la distancia es grande, ¿qué es lo más pequeño que podrían cambiar mañana para acortarla?

Esa distancia entre lo que la disciplina es y lo que la tarea pide es, casi siempre, el espacio exacto donde la IA cabe entera.