La discusión sobre inteligencia artificial en la educación superior comenzó por el lugar más visible y, probablemente, menos importante. Profesores y autoridades se preguntaron si los estudiantes utilizarían ChatGPT para hacer sus tareas, cómo detectarlo y qué nuevas prohibiciones incorporar a los reglamentos. La preocupación era comprensible. Una tecnología capaz de producir en segundos un ensayo razonablemente correcto alteraba una práctica utilizada durante décadas para evaluar el aprendizaje. El problema apareció después: mientras las universidades discutían cómo conservar las tareas conocidas, la inteligencia artificial comenzaba a cambiar las condiciones para las que esas tareas habían sido diseñadas.
Una comparación con la industria cinematográfica ayuda a entenderlo. McKinsey ha mostrado que la transformación provocada por la IA no se limita a actores sintéticos o escenas generadas por computadora. Buena parte del cambio ocurre antes y después del rodaje: visualización de escenas, storyboards, desglose de guiones, búsqueda entre cientos de horas filmadas, edición y efectos visuales. Los usos más interesantes empiezan a modificar el proceso completo. En algunos procesos de preproducción, los productores consultados por McKinsey ya reportan mejoras de productividad de entre 5 y 10 por ciento.
En las universidades mexicanas seguimos, en buena medida, en una etapa anterior. El 13 de febrero de 2026, en Es la Hora de Opinar de N+, los rectores del Tecnológico de Monterrey, la Iberoamericana y la Panamericana conversaron sobre los desafíos de la IA para la educación superior. Quedó claro que sus instituciones habían entendido que llegó para quedarse. Lo que ninguno mencionó es si habían cambiado lo que se enseña, cómo se evalúa o qué se espera de un egresado. El alumno pide un resumen, el profesor genera un cuestionario y la administración redacta un oficio. Hay ahorro de tiempo, pero la actividad sigue siendo la misma. Sería como utilizar una nueva tecnología para filmar más barato una película que ya sabíamos hacer.
Una asignatura también tiene algo parecido a preproducción, producción y posproducción. Antes de entrar al aula seleccionamos materiales, ordenamos contenidos, diseñamos actividades y anticipamos dificultades. Durante el curso explicamos, preguntamos, observamos y corregimos. Al terminar revisamos trabajos y descubrimos, con frecuencia demasiado tarde, que una consigna era confusa, que el examen medía otra cosa o que la secuencia elegida no produjo el aprendizaje esperado.
La IA permite intervenir antes. Puede comparar el programa con los conocimientos previos de los estudiantes, ensayar distintas secuencias, cuestionar instrucciones, buscar vacíos en una rúbrica y simular respuestas de alumnos con antecedentes diferentes. Esa simulación no reemplaza a un grupo real, pero puede evitar que errores elementales lleguen intactos al salón. El cine aprendió que corregir durante la preproducción suele ser menos costoso que volver a filmar. La universidad todavía confía demasiado en que el profesor resolverá todo mientras la clase ocurre.
También obliga a revisar qué hacemos con el tiempo liberado. McKinsey recuerda que las tecnologías que redujeron costos en el cine no necesariamente produjeron películas más baratas. Parte de esos recursos se reinvirtió en productos más complejos y de mayor calidad. En educación, ahorrar horas para producir más presentaciones, tareas o formularios sería una ganancia bastante pobre. El valor aparece cuando ese tiempo permite conversar con estudiantes, discutir casos, revisar argumentos y corregir procesos antes de que se conviertan en una calificación.
La decisión importante, entonces, no pasa por autorizar o prohibir ChatGPT. Las universidades pueden incorporar IA para acelerar prácticas concebidas en otro momento. También pueden revisar el proceso educativo completo y preguntarse qué actividades perdieron sentido y cuáles, por su costo o complejidad, antes resultaban imposibles.
El cine cambiará de verdad cuando la nueva tecnología permita contar historias que antes no podían filmarse. La universidad lleva más tiempo esperando ese momento de lo que reconoce.
Referencia
Vickers, J., Brodherson, M., Wrubel, A. y Bernard, C. (2026, 23 de enero). What AI could mean for film and TV production and the industry’s future. McKinsey & Company.
