La IA en clase: cómo detectar trabajos escritos por IA y plantear tareas que la IA no pueda hacer

En resumen: hoy no hay forma fiable de demostrar que un texto lo ha escrito una IA: los detectores miden lo predecible que es un texto, no su origen, y golpean sobre todo a los alumnos que escriben en una segunda lengua. La estrategia que sí funciona no es cazar, sino rediseñar las tareas: átalas a la experiencia personal, a los datos de tu propia clase y a una defensa oral breve. Para enseñar qué pasa cuando apuestas por la corrección automática, analizamos los mayores cursos de IA del mundo. Ya cometieron ese error exacto, y sus alumnos lo describieron palabra por palabra.

Por qué los detectores son un mal punto de apoyo

La tentación es evidente: pegas el texto, obtienes un porcentaje y se acabó la conversación. El problema es que detrás de ese número no hay ninguna prueba. Los detectores no «ven» el origen de un texto: estiman hasta qué punto es liso y predecible. Y escribir liso y predecible no es exclusivo de las máquinas.

• Falsos positivos en quien no escribe en su lengua materna. Un alumno que escribe en una segunda lengua usa construcciones más simples y fórmulas estándar: justo las señales que un detector interpreta como «de máquina». Esto es un razonamiento sobre cómo funciona la herramienta, no una medición nuestra: no hemos probado detectores en aulas y no podemos poner cifras a la tasa de error. Pero la dirección del error se deduce directamente del mecanismo.
• Falsos positivos en alumnos cuidadosos. Estructura ordenada, tono neutro, cero erratas… y un trabajo honesto se lleva un «porcentaje de IA» alto.
• Esquivarlo es trivial. Pídele al modelo que escriba más simple y más vivo, reescribe un par de frases a mano y la cifra baja. Es un filtro al revés: pilla a los honestos y deja pasar a quien se ha esforzado en esconderse.
• Un porcentaje no es una prueba. Un número en una escala opaca no es una probabilidad. No puedes presentárselo a un alumno como evidencia, ni metodológica ni éticamente.

La conclusión es dura, pero importa: no se puede construir una acusación sobre un detector. Como mucho es un motivo para mirar el trabajo con más atención y hablar; y esa conversación empieza con una pregunta, no con una sentencia. Más sobre cómo funcionan estas herramientas: detectores de texto con IA: ¿funcionan?.

Nuestra investigación: qué pasa cuando la corrección la hace una máquina

El 17 de julio de 2026 recogimos datos de los mayores cursos de IA de Udemy y Coursera: número de alumnos, valoraciones, proporción de reseñas negativas y las reseñas en sí. Buscábamos competidores y encontramos un caso práctico servido en bandeja. Porque las plataformas online ya han hecho el experimento al que los colegios apenas se asoman: sustituyeron la corrección humana por la automática. El resultado lo contaron sus propios alumnos, literalmente.

La escala, para que sepas de quién hablamos: Google AI Essentials tiene 1.876.929 matriculados. Generative AI for Everyone, de DeepLearning.AI (Andrew Ng): 814.083. Prompt Engineering for ChatGPT, de Vanderbilt: 698.444. Generative AI: Prompt Engineering Basics, de IBM: 654.256. Google Prompting Essentials: 365.425. Prompt Engineering Specialization, de Vanderbilt: 138.967. Son millones de personas, y entre ellas están tus alumnos de bachillerato y sus padres.

«100% correct»: la sentencia contra la corrección automática

Esta reseña merece imprimirse y colgarse en la sala de profesores:

«you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.» — Shinysheep, 21/09/2023, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

Alguien entregó su trabajo, recibió al instante un «100% correct» y se marchó sin saber si lo había hecho bien o mal. No es un fallo de la plataforma. Es un límite estructural: dentro de la lección de Coursera no hay ningún modelo, así que allí no hay físicamente nada capaz de evaluar el prompt de un alumno. Lo único que el sistema sabe hacer es aceptar el archivo y sellarlo.

Qué significa esto para tu clase: una nota puesta sin que una persona haya leído el trabajo no le dice nada al alumno. Cero información. Y lo mismo vale en el sentido contrario: el porcentaje de un detector también se pone sin que nadie haya leído el trabajo. La única diferencia es el signo: allí un sobresaliente automático, aquí una acusación automática. Los dos no valen nada, y por la misma razón.

Esto es lo que les pasa a los alumnos cuando la corrección es automática y no hay respuesta de nadie:

«Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.» — Laurie J Phillips, 12/04/2024, 3★ (IBM)

«quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'» — Cory Covino, 04/05/2024, 2★ (IBM)

«All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.» — Cornelius Griggs, 1★ (Generative AI with LLMs)

Tres reseñas, tres síntomas que cualquier docente reconoce: empollar para aprobar un test, una respuesta que se reduce a «vuelve a verlo» y un ejercicio en el que ya está todo hecho y basta con pulsar una tecla. Ninguno de los tres va de IA. Los tres van de que la evaluación ha dejado de ser una conversación. La IA no es la causa, es el acelerante: allí donde una tarea se cierra con un botón, el alumno encontrará el botón.

«Solo lee la diapositiva»: qué significa eso para tu clase

El motivo más repetido en las reseñas negativas que recogimos (§4.1 de nuestra investigación) no es la dificultad ni el precio. Es la sensación de que el profesor sobra:

«why read straight from the slide? I can do that. This was not a helpful course at all» — Janie I., 02/07/2026, 1★ (Justin Barnett, 152.821 alumnos)

«50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website» — Shashank T., 13/04/2026, 1★ (The Complete AI Guide)

«Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word» — Bradley M., 16/04/2026, 1★ (RPATech, 118.803 alumnos)

La lección para el colegio es desagradable, pero útil: si el contenido de tu clase se puede leer en una diapositiva, la IA lo lee mejor: más rápido, a cualquier hora y tantas veces como haga falta. La parte de enseñar que consiste en transmitir información ya te la han quitado, y no va a volver. Queda la parte que ningún modelo hace: darte cuenta de que ese niño concreto se ha atascado en ese paso concreto, hacerle una pregunta, pillar el error en el razonamiento y no en la redacción. Ahí es exactamente donde rediseñar las tareas rinde.

«Solo teoría que ya sabemos»

Un segundo grupo de reseñas explica por qué el alumno recurre a la máquina desde el principio:

«The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.» — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

«Didnt meet expectations, only theory is discussed which we already know.» — Aditya Nagavolu, 19/11/2023, 1★ (Generative AI for Everyone)

Una tarea que no pide nada más que repetir lo sabido se cerrará por la vía más barata. No es una cuestión moral, es economía del esfuerzo. «Escribe una redacción sobre la amistad» anuncia con toda honestidad: aquí no se quiere nada personal, nada comprobable, nada tuyo. El modelo es el primero en oír el anuncio.

El contenido caduca, y los test caducan con él

Otro grupo, importante para quien piense dar una clase sobre IA:

«Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.» — Jose C., 12/05/2026, 1★ (Barnett)

«The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.» — Harsh A., 09/04/2026, 1,5★ (The Complete AI Guide)

«Most content is from 2024. This course is not bad for its time, but just too dated now.» — Martin F., 27/05/2026, 2★ (Generative AI for Beginners, con un «actualizado el 18/04/2026» en la ficha)

La primera es la más afilada. El error vive en los vídeos y en los test: es decir, el alumno tiene que marcar la respuesta equivocada para llevarse el punto. La conclusión práctica para una clase: no la construyas alrededor de capturas de pantalla y de una lista de modelos de moda. Eso caduca para el trimestre que viene. Constrúyela alrededor de lo que no caduca: cómo comprobar una afirmación, de dónde sale un número, por qué hay preguntas que no se responden con un solo prompt.

Sobre la proporción de reseñas negativas, y una advertencia honesta contra nosotros mismos

Calculamos la proporción de valoraciones de 3,5★ o menos en los cursos más grandes de Udemy: 9,61% en Generative AI for Beginners (409.492 alumnos, nota 4,53), 10,36% en The Complete AI Guide (376.845 alumnos, 42 horas, 545 clases) y al menos un 4,00% en Prompt and Context Engineering 101, de Mike Wheeler (84.942 alumnos, 4,31: la peor nota de la muestra). En Coursera la proporción negativa es bastante menor: entre el 1,5% y el 3,5%.

La advertencia sin la que estas cifras no se pueden leer: el filtro por estrellas de Coursera funciona en el navegador, y el servidor devuelve siempre la primera página de reseñas. Así que las citas de arriba salen de la vista por defecto que ve cualquier visitante, no de una muestra completa de negativos. La diferencia entre «1,5–3,5%» y «9,61%» no se puede leer como «en Coursera enseñan mejor»: las plataformas tienen públicos distintos, barreras de entrada distintas y formas distintas de recoger reseñas. Lo damos como medición, no como conclusión sobre la calidad.

Qué funciona en su lugar

Cambia el foco: no «cómo los pillo», sino «cómo hago que copiar no sirva de nada». La IA es excelente en tareas despersonalizadas: «escribe una redacción sobre la amistad», «haz un trabajo sobre los volcanes». Es mala en tareas atadas a una persona concreta, a un momento concreto y a datos concretos que no están en internet.

Seis formas de rediseñar una tarea

1. Átala a la experiencia personal. No «una redacción sobre la amistad», sino «un momento de tu vida en el que entendiste que la amistad no siempre es divertida: describe el lugar, el momento y qué sentiste exactamente». El modelo se lo inventará, y el invento se cae a la primera repregunta. Error típico: añadir la palabra «personal» a la formulación de siempre y dar la tarea por rediseñada. «Escribe sobre tu experiencia personal de la amistad» se cierra con la misma facilidad que la original.
2. Átala a la clase. «Usa los tres ejemplos que vimos el jueves y explica por qué el cuarto ejemplo del libro no encaja aquí». La IA no tiene tu jueves. La fuerza está en la segunda mitad: explicar por qué algo no encaja cuesta mucho más que enumerar lo que sí.
3. Dales tus datos. Una encuesta de clase, mediciones del laboratorio, una tabla que has montado tú. El alumno trabaja con la IA encima de esos datos, y eso ya es una destreza legítima, no copiar. De regalo: toda la clase tiene los mismos datos y conclusiones distintas, y los desacuerdos se convierten en la clase.
4. Pide el proceso, no el producto. Un borrador, un esquema, una lista de ideas descartadas y por qué cayeron. La IA escribe el texto final en un segundo; no puede fabricar el historial de tus dudas. Una advertencia contra nosotros mismos: el proceso también se falsifica, con un «invéntame tres ideas descartadas». Por eso el proceso no funciona solo: funciona junto a una defensa oral.
5. Defensa oral. Tres minutos, dos preguntas sobre el texto: «explícame este párrafo con tus palabras» y «qué cambiarías si…». Es la manera más justa y más rápida de saber de quién es el trabajo, y no necesita tecnología ninguna. Y es justo lo que faltaba cuando Shinysheep escribió «I am still speechless».
6. Legaliza la IA y exige reflexión. «Puedes usar IA. Adjunta tus prompts, adjunta lo que produjo el modelo y escribe qué cambiaste y por qué». Copiar se convierte en análisis y, sinceramente, en una clase mejor. De propina, ves quién sabe detectar los errores del modelo y quién copia sin mirar.

Prompt 1: auditar una tarea para ver si se puede copiar

Empieza por el diagnóstico, no por el rediseño. Este prompt funciona tal cual: la tarea ya está puesta; cámbiala por la tuya cuando veas cómo se comporta.

Eres asesor pedagógico. Abajo hay una tarea escolar.
Primero, resuélvela como lo haría un alumno que se la
encarga a una IA: escribe una respuesta de 150 palabras.
Luego evalúate a ti mismo con honestidad.

Tarea (historia, 15 años): «Escribe una redacción de 500
palabras sobre las causas de la Primera Guerra Mundial».

Después de tu respuesta, haz el análisis:
1. Una nota de «copiabilidad» del 1 al 10, donde 10 significa
   «se entrega sin tocar nada».
2. Qué exactamente en el enunciado te permitió hacerlo.
3. Tres versiones reformuladas de la tarea que dejarían
   inútil tu respuesta de arriba. En cada una indica: qué ata
   el trabajo a la experiencia personal del alumno, a los
   datos de la clase o a una lección concreta; qué artefacto
   del proceso entrega el alumno; dos preguntas para una
   defensa oral de tres minutos.
4. Para cada versión, intenta romperla y di por dónde
   sigue teniendo fugas.

No propongas prohibiciones ni detectores. Conserva el
objetivo de aprendizaje.

El punto 4 es el que importa. Le estás pidiendo al modelo que ataque su propia propuesta. Sin ese paso te entrega tres versiones elegantes, dos de las cuales se copian igual de fácil que la original.

Prompt 2: una demostración de alucinación para la clase

Cinco minutos que valen más que diez sermones sobre la honestidad. Lánzalo en directo y enseña la pantalla.

Háblame en detalle de la novela «Las cartas salinas del
puerto», de Miriam Aldecoa, publicada en 1934. Resume el
argumento, nombra a los personajes principales y explica
por qué la crítica de la época discutía sobre su final.

Después, en un bloque aparte titulado «Verificación»:
- di claramente si este libro existe de verdad;
- si no estás seguro, explica de dónde salieron los detalles
  que has escrito arriba;
- enumera las señales por las que un lector podría haber
  sospechado que la respuesta era inventada.

El libro no existe. Hay dos desenlaces posibles y los dos dan buena clase. O el modelo se inventa con aplomo un argumento y un reparto (y luego se delata solo en el bloque «Verificación»), o admite con honestidad que no le consta ese libro. El segundo desenlace no estropea la demostración: pregúntale a la clase por qué el modelo ha dudado aquí y no duda cuando suelta una fecha o una cita en sus deberes. La mecánica: alucinaciones de la IA.

Prompt 3: quince variantes de un problema en un minuto

La otra cara: la rutina que se come tus tardes. Este prompt es autosuficiente y funciona tal cual.

Genera 15 variantes de un problema de enunciado para chicos
de 11-12 años, con el mismo método de fondo pero con números
y situaciones distintas.

Problema modelo: «La biblioteca del colegio tiene 240 libros.
El 35% son de ficción y el resto son libros de texto. Durante
el año la biblioteca compra 60 libros de texto más. ¿Qué
porcentaje del fondo es ficción ahora?»

Requisitos:
- elige los números para que las respuestas tengan como mucho
  dos decimales;
- las situaciones deben ser variadas y cotidianas, sin repetir;
- haz cinco variantes un paso más fáciles y cinco más difíciles
  (añade un dato que no haga falta para resolverlas);
- termina con una tabla de respuestas aparte que muestre el
  desarrollo completo de cada una.

Comprueba tu aritmética antes de imprimir y marca con un
asterisco cualquier variante de la que no estés seguro.

La última línea importa más de lo que parece: estos modelos calculan peor de lo que escriben. Revisa igualmente las respuestas, pero reducir la revisión a las variantes marcadas ya te ahorra una tarde.

Prompt 4: preguntas para la defensa oral

Eres profesor. Abajo hay un párrafo de un trabajo de un
alumno. Escribe cinco preguntas para una defensa oral de tres
minutos que no se puedan responder leyendo el párrafo en voz
alta.

Párrafo: «La Revolución Industrial cambió la estructura de la
sociedad. Apareció una nueva clase, los obreros industriales,
cuyas condiciones eran duras: jornadas largas, trabajo
infantil, ausencia de seguros. Al mismo tiempo crecieron las
ciudades, lo que generó problemas de salubridad y vivienda».

Para cada pregunta, indica:
- qué comprueba de verdad (comprensión de la causa, capacidad
  de dar un ejemplo, capacidad de detectar una
  simplificación);
- cómo suena la respuesta de alguien que lo ha entendido;
- cómo suena la respuesta de alguien que ha entregado un
  texto ajeno.

Aparte, señala tres puntos del párrafo donde el autor ha
suavizado algo, y cómo preguntar por cada uno.

Esa última instrucción es la parte más útil. En todo texto hay puntos limados, y una pregunta dirigida a uno de ellos frena tanto al alumno que copió como al que lo escribió él mismo sin pensar. Esa distancia entre «texto entregado» y «persona que lo entendió» es exactamente lo que intentas medir.

La lengua de la enseñanza: el dato que cambia tu mirada sobre los alumnos no nativos

Si en tu clase hay niños para los que la lengua de la enseñanza no es la materna, este resultado revisado por pares vale la pena. Bälter, Kann, Mutimukwe y Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) hicieron un ensayo controlado aleatorizado con 2.263 estudiantes suecos: el mismo curso online de programación, impartido en sueco y en inglés.

• Abandono en la lengua materna: 57%. Abandono en inglés: 71% (φ=0,2; p<0,00001).
• Nota media entre quienes siguieron activos: 16,9 frente a 14,3 (δ=0,085: un tamaño de efecto insignificante).

Léelo con cuidado: la lengua no dañó la comprensión; los que se quedaron sacaron casi lo mismo. Lo que hizo fue echar a la gente. Un detalle más: la fluidez autopercibida no protegía del abandono extra.

Dos consecuencias para el colegio. Primera: cuando un alumno que escribe en una segunda lengua produce una prosa más simple y más seca, eso no es señal de pereza ni señal de un modelo. Es el precio que paga por trabajar en la lengua de otro. Segunda: un detector que reacciona a la simplicidad va a golpear sistemáticamente justo a ese alumno. La combinación —más riesgo de abandono y más riesgo de acusación falsa— lo convierte en la persona más expuesta de tu aula. Es la única categoría en la que un error del profesor sale carísimo.

Cómo saber si el rediseño ha funcionado

Una prueba de honestidad sencilla: coge tu tarea nueva, pégala entera en un chat y mira qué sale. Si el modelo produce un texto que un alumno podría entregar tal cual, no has rediseñado la tarea: solo la has alargado. Si el modelo produce una cáscara verosímil que se derrumba con un «¿y de dónde salen estos números?», vas por buen camino.

Segunda señal: un alumno que ha hecho el trabajo honestamente debería poder defenderlo tres minutos sin preparación. Si no puede, o no lo entendió, o la tarea mide algo distinto de lo que querías. Las dos conclusiones sirven, y ninguna necesita un detector.

Tercera señal, la más estricta: dos alumnos que hagan tu tarea con honestidad deben entregar trabajos distintos. Si los trabajos honestos son indistinguibles entre sí, la tarea mide obediencia y no pensamiento, y una máquina la cierra.

Cinco errores típicos al rediseñar

• Alargar en vez de rediseñar. La regla de «mínimo 1000 palabras» solo castiga al alumno que escribe él mismo.
• «Con tus palabras» como conjuro. Los modelos son excelentes «con tus palabras». La frase es un deseo, no una restricción.
• Prohibir la IA sin forma de comprobarlo. Una regla cuyo cumplimiento no puedes ver enseña exactamente una cosa: que las reglas se pueden saltar.
• Apostar por un tema raro. «De esto seguro que no hay nada en internet» es casi siempre falso y se desmonta en un minuto. Lo raro tienen que ser los datos, no el tema.
• Acusar por un porcentaje. El más caro de todos. Una acusación falsa cuesta la confianza de toda la clase durante años; un caso de copia que se te escapa cuesta una nota.

Cómo hablarlo con la clase

Un «nada de IA» a secas fracasa por lo mismo que fracasó prohibir las calculadoras: la herramienta está en el bolsillo de todos y los alumnos la usan al margen de tu opinión. Lo que funciona es un acuerdo dicho en voz alta.

• Di las reglas explícitamente. Dónde la IA vale (buscar ideas, explicar algo que no se entiende, corregir la ortografía), dónde no (entregar texto generado como propio) y qué hay que declarar si se usa.
• Explica el porqué. No «porque es deshonesto», sino «porque lo que entregas no es un texto, es tu comprensión; un texto sin comprensión no vale nada, ni para mí ni para ti».
• Enséñales qué son las alucinaciones. Los alumnos de verdad no saben que los modelos se inventan hechos, fechas y fuentes con total aplomo. Una demostración en directo vale por diez sermones: el prompt 2 de arriba se lanza desde esta misma página.
• Enséñales la reseña de Shinysheep. En serio. «I put all that effort in and have no idea whether I my answer was correct or not» es exactamente lo que siente un alumno cuando le llega una nota sin comentario. La conversación sobre por qué corrige una persona arranca mejor desde el ejemplo ajeno que desde tu cuaderno de notas.
• No acuses nunca por un porcentaje. Si un trabajo genera dudas, pregúntalas: «cuéntame cómo lo escribiste».

Dónde ayuda la IA al propio profesor

La rutina que se come tus tardes se automatiza sorprendentemente bien.

• Generar 15 variantes del mismo tipo de problema con números distintos (prompt 3 de arriba)
• Reescribir un texto al nivel de tu clase, o adaptarlo para un alumno que va justo
• Montar una rúbrica de corrección y preguntas de defensa oral (prompt 4 de arriba)
• Inventar un calentamiento, un debate o un juego de rol de 5 minutos
• Redactar un borrador de comentario a un trabajo, que luego reescribes para ese niño concreto

Un límite duro: no pegues en un chat trabajos de alumnos con nombres, notas o cualquier detalle personal. Son datos personales de menores, y normativas como el RGPD se aplican enteras. Anonimiza antes de enviar, o usa herramientas aprobadas por tu centro. Más: privacidad al trabajar con IA.

Y un segundo límite, que sale directamente de nuestros propios datos: un borrador de comentario es un borrador. La máquina que pone una nota sin que una persona lea el trabajo se llama «100% correct» y no le enseña nada a nadie. No repitas el error ajeno con tu material.

Lo esencial

Cazar no sirve, los detectores no son fiables, las prohibiciones no funcionan. Sí funciona otra cosa: tareas en las que el valor lo crea una persona y la IA es solo una herramienta. Los mayores cursos de IA del mundo, que cuentan alumnos por cientos de miles y por millones, ya han enseñado dónde acaba la corrección automática: «100% correct» y cero respuesta. Tienes exactamente una ventaja sobre ellos, y es enorme: puedes hacer una pregunta y escuchar la respuesta. Si primero quieres entender tú estos modelos, empieza por la guía de ChatGPT para principiantes, nuestro artículo sobre los prompts y el desglose de las alucinaciones.