Introducción: la crisis del autor y el pharmakon algorítmico

La integración de la Inteligencia Artificial Generativa (IAG) en el ámbito académico ha provocado una disrupción fundamental, catalizando un pánico moral centrado casi obsesivamente en la amenaza del plagio y la muerte del ensayo (Williamson y Eynon, 2020). Herramientas de vigilancia diseñadas para detectar la copia (como Turnitin) ahora se ven desafiadas por tecnologías capaces de generar textos semánticamente coherentes y formalmente originales a escala. Sin embargo, esta alarma generalizada se fundamenta en una premisa inestable: la existencia de un autor soberano y una originalidad pura heredada del Romanticismo, que la máquina vendría a contaminar (Barthes, 1977; Foucault, 1979).

Este artículo sostiene que la IAG no crea la crisis de la autoría, sino que actúa como su acelerador, exponiendo las fisuras de un concepto que ya era una ficción operativa. La escritura siempre ha sido un acto de intertextualidad, una recombinación de influencias y citas (Derrida, 1971). La IAG, entrenada sobre vastos corpus textuales, no hace más que llevar esta condición intertextual a su inevitable conclusión algorítmica.

El problema de investigación que aborda este trabajo no es, por tanto, cómo detectar el uso de la IAG, sino: ¿cómo reconfigura la IAG los conceptos de autoría y originalidad en la práctica pedagógica, y qué marcos teóricos alternativos podemos utilizar para superar la colapsada dicotomía original/plagio?

Para responder a esta pregunta, este trabajo utiliza un enfoque deconstructivo. Sostenemos que la IAG actúa como un pharmakon (Derrida, 1975) —un veneno para nuestras pedagogías actuales y un remedio para transformarlas— que, al desmantelar la oposición binaria humano/herramienta, revela la naturaleza de la autoría como un ensamblaje sociotécnico (Hayles, 1999; Williamson, 2021b). A partir de allí, se recurre a las ficciones de Jorge Luis Borges (1962) no como metáforas, sino como herramientas analíticas precisas: «Funes el memorioso» se utiliza para disociar la memoria (el dominio de la IA) de la comprensión (la tarea humana); y «Pierre Menard, autor del Quijote» se emplea para separar el producto textual (automatizable) del acto intencional (el nuevo locus de la autoría).

Finalmente, este análisis fundamenta la propuesta de una pedagogía de la intencionalidad, argumentando que la evaluación debe desplazarse urgentemente del producto final (el ensayo) al proceso de formulación (prompting), curación crítica y aumentación humana.

La deconstrucción del binarismo: autor/herramienta

La pedagogía de la educación superior, especialmente en las humanidades y las ciencias sociales, se ha edificado sobre una arquitectura de oposiciones binarias heredada de la Modernidad. Estas dicotomías —sujeto/objeto, original/copia, humano/máquina y, fundamentalmente, autor/herramienta— no son meras clasificaciones, sino que operan como la base estructural de sus prácticas de evaluación (Peters y Tesar, 2023). En este esquema, el estudiante es concebido como un autor soberano, una conciencia individual de la cual emana un trabajo original. La tecnología, desde la pluma hasta el procesador de textos, ha sido relegada al estatus de herramienta pasiva: un medio neutral que facilita la expresión del pensamiento preexistente del autor, pero que no participa en su cognición (Land, 2019). El plagio, en este paradigma, es la transgresión cardinal porque viola la supuesta pureza de esta autoría, introduciendo la voz de otre sin atribución.

La IAG no se inserta dócilmente en esta estructura; la hace colapsar. A diferencia de las tecnologías previas que asistían en la búsqueda de información (motores de búsqueda) o en la edición de texto (correctores gramaticales), la IAG es un agente generativo. Participa activamente en la creación de significado, la formulación de argumentos y la producción sintáctica, desdibujando la línea entre el pensamiento del usuario y la producción de la máquina. Esto provoca la pregunta que desestabiliza todo el andamiaje evaluativo: ¿quién es el autor de un texto co-creado con una Inteligencia Artificial?

Para analizar esta disrupción sin caer en un pánico tecnológico o una celebración utópica, la deconstrucción de Jacques Derrida nos ofrece el concepto de pharmakon como una herramienta analítica de mayor potencia. En su ensayo «La farmacia de Platón», Derrida (1975) analiza el diálogo platónico «Fedro», donde Sócrates critica la invención de la escritura (tekhné). Para Sócrates, la escritura es un veneno para la memoria viva y auténtica (anamnesis), ya que la externaliza y la debilita. Sin embargo, como demuestra Derrida, la escritura es simultáneamente un remedio para la finitud de esa misma memoria, una prótesis indispensable (hypomnesis). La escritura, por tanto, no es ni buena ni mala; es un pharmakon, un término que en griego significa tanto veneno como remedio, y cuya naturaleza se define por su uso y dosificación.

La IAG es el pharmakon por excelencia de nuestro tiempo para la escritura académica. Actúa como veneno para las nociones tradicionales de originalidad y esfuerzo autoral, ya que puede producir textos pulidos sin el aparente trabajo cognitivo que la academia valora y recompensa (Bearman y Ajjawi, 2023). Amenaza con atrofiar la habilidad del estudiante para estructurar un argumento desde cero, fomentando una dependencia que podría erosionar el pensamiento crítico. Pero, simultáneamente, la IAG es un remedio. Funciona como un andamiaje para la generación de ideas, un catalizador para superar el bloqueo creativo (la página en blanco) y una herramienta para automatizar tareas sintácticas y estilísticas, permitiendo al estudiante concentrarse en un nivel superior de abstracción conceptual (Selwyn, 2022).

Una pedagogía que trata a la IAG como un simple veneno (a través de políticas de prohibición y software de detección) o como un simple remedio (mediante una adopción acrítica y enfocada en la productividad) falla en comprender esta naturaleza indecidible del pharmakon. Ambas posturas intentan forzar a la IAG a encajar en el viejo binarismo de herramienta buena/mala, útil/peligrosa. El enfoque deconstructivo exige superar esta lógica.

La IAG no es una herramienta externa que el autor utiliza, sino que se fusiona con él para formar lo que la teoría posthumanista denomina un ensamblaje sociotécnico (Hayles, 1999) o un sistema cognitivo distribuido (Clark y Chalmers, 1998). En este ensamblaje, la cognición no reside únicamente en el cerebro del estudiante, sino que se distribuye a través de una red que incluye al estudiante, la plataforma de IAG, los datos de entrenamiento del modelo y la interfaz de prompting. Como argumenta Ben Williamson (2021b), las tecnologías educativas no son objetos neutros, sino que reconfiguran activamente las prácticas y relaciones de poder dentro del aula. El autor, por tanto, ya no es una entidad singular, sino un sistema cognitivo híbrido, un cíborg textual cuya agencia es negociada y compartida (Haraway, 1991).

Esta reconceptualización vuelve obsoleta la pregunta fundamental del paradigma del plagio: «¿el estudiante escribió esto o lo hizo la IA?». Esta pregunta asume una separación clara que ya no existe. La pregunta relevante, desde una perspectiva posthumanista y deconstructiva, es radicalmente diferente: ¿cuál es la naturaleza de la agencia, la intencionalidad y la contribución intelectual del componente humano dentro de este nuevo ensamblaje cognitivo? Responder a esto requiere un nuevo lenguaje y un nuevo marco de evaluación, uno que se aleje de la vigilancia del producto final y se acerque a la comprensión del proceso de co-creación.

Lentes borgeanas para una nueva pedagogía

Para analizar los componentes del ensamblaje cognitivo híbrido (estudiante-IA) descritos en la sección anterior, debemos superar las metáforas comunes (la IA como «genio» o «calculadora»). Proponemos, en cambio, utilizar las ficciones de Jorge Luis Borges (1962) no como alegorías, sino como experimentos mentales deconstructivos. Borges, de manera premonitoria, diseñó escenarios conceptuales que aíslan precisamente las variables que la IAG ha puesto en crisis: la relación entre memoria y comprensión, y entre texto e intención.

Funes el memorioso: La tiranía de la memoria total

El personaje de Ireneo Funes, tras un accidente, adquiere una memoria perceptual infalible. Su mente es un «vaciadero de basuras» (Borges, 1962:126) donde cada percepción es registrada con una fidelidad absoluta y paralizante. Sin embargo, esta memoria total es su condena: Funes es «incapaz de ideas generales, platónicas» (Ibid.). Puede percibir cada hoja de cada árbol en cada instante, pero no puede comprender el concepto abstracto árbol. Como concluye el narrador: «Pensar es olvidar diferencias, es generalizar, abstraer. En el abarrotado mundo de Funes no había sino detalles» (Borges, 1962:127).

Funes es la encarnación conceptual de un Modelo de Lenguaje Grande (LLM, de la sigla en inglés: Large Language Model). Estos modelos son, en esencia, loros estocásticos (Bender et al., 2021) que han memorizado los patrones estadísticos de un vasto corpus textual. Su capacidad para generar texto coherente deriva de esta memoria funesiana: una predicción de la siguiente palabra basada en todas las palabras que ha visto antes. Sin embargo, como Funes, el modelo carece de comprensión semántica, intencionalidad o anclaje en el mundo real (Bender y Koller, 2020). No sabe lo que es un árbol; solo sabe qué palabras suelen aparecer estadísticamente cerca de la palabra árbol.

Aquí yace la crítica pedagógica fundamental. Si las tareas que asignamos en la educación superior —resumir textos, enumerar hechos, definir conceptos, redactar revisiones bibliográficas—, pueden ser ejecutadas proficientemente por Funes (o por GPT-4), el problema no es la tecnología, sino el diseño de la tarea. Hemos estado, inadvertidamente, evaluando tareas funesianas: tareas que primariamente miden la capacidad de recordar, agregar y reorganizar información, en lugar de pensar abstractamente.

La IAG, al automatizar estas tareas de memoria y agregación (la hypomnesis de Derrida), nos obliga a reorientar la evaluación exclusivamente hacia aquello que Funes no puede hacer (Lodge y Bonsan, 2023). El valor pedagógico ya no puede residir en el producto textual que recupera información. Debe desplazarse hacia el juicio crítico (discernir la validez de la información generada), la síntesis abstracta (crear nuevas ideas platónicas a partir de los datos), la aplicación ética (decidir el uso de esa información en un contexto) y la conexión con la experiencia vivida (el anclaje semántico que la IA no posee).

Pierre Menard, autor del Quijote: intención vs. texto

Si Funes representa la memoria sin comprensión, Pierre Menard es el experimento mental sobre la intención sin texto original. Menard, un escritor francés del siglo XX, no quiere copiar el Quijote, sino escribirlo. Su proyecto es: «producir unas páginas que coincidieran —palabra por palabra y línea por línea— con las de Miguel de Cervantes» (Borges, 1962:56). Menard lo logra, y el narrador borgeano argumenta que el texto de Menard, aunque verbalmente idéntico, es «casi infinitamente más rico» (Borges, 1962:60).

¿Por qué? Porque mientras el texto de Cervantes es un producto de su época, el de Menard está cargado de la intención y el contexto del siglo XX. La misma frase, escrita por Menard, se vuelve irónica, anacrónica y filosóficamente densa. Borges, con este cuento, realiza una deconstrucción avant la lettre de la autoría, anticipando la muerte del autor de Barthes (1977) y la función-autor de Foucault (1979). Demuestra que el texto es un artefacto inerte, y que el significado y la autoría no residen en las palabras, sino en el acto intencional que las invoca en un contexto específico.

Este cuento desmantela la fijación de nuestra pedagogía en el producto textual. El pánico actual por el plagio algorítmico se basa en una pedagogía cervantina: una que asume que el valor reside en la singularidad de las palabras que el estudiante tipea. Los detectores de plagio (e incluso los detectores de IA) son la policía de esta pedagogía, buscando una originalidad formal en el texto.

La IAG vuelve inútil esta vigilancia. Puede generar infinitos textos formalmente originales pero carentes de intención (textos cervantinos sin autor). La solución, por tanto, es adoptar una pedagogía menardiana. Esta pedagogía asume que el texto puede ser dado —por Cervantes, por la IAG, es irrelevante—; lo que se evalúa es el acto autoral del estudiante, que, como Menard, consiste en imbuir de intención un texto que él no ha generado en su totalidad.

En este nuevo paradigma, el acto autoral (la agencia del estudiante dentro del ensamblaje sociotécnico) se desplaza. Ya no reside en la redacción (generación de palabras), sino en la formulación de la pregunta, la curación crítica y la conexión contextual. La autoría, por tanto, no desaparece, sino que se transforma: de un acto de producción textual a un acto de dirección conceptual y juicio ético.

Implicaciones pedagógicas: hacia una evaluación de la intencionalidad

Si aceptamos la premisa deconstructiva de que el autor es ahora un ensamblaje cognitivo híbrido (Hayles, 1999) y que el valor académico reside en la intención (siguiendo a Menard) y la comprensión abstracta (en oposición a Funes), nuestro modelo de evaluación, anclado en la santidad del producto final, se vuelve obsoleto. La IAG actúa como un catalizador que nos obliga a transitar desde una evaluación del aprendizaje —sumativa y centrada en el producto—, hacia una evaluación para el aprendizaje —formativa y centrada en el proceso— (Bearman y Ajjawi, 2023).

Este desplazamiento no es opcional; es la única respuesta pedagógica coherente a una tecnología que automatiza la producción de textos. Debemos movernos de la evaluación del artefacto (el ensayo) a la evaluación del proceso sociotécnico (el flujo de trabajo). Esto requiere nuevas rúbricas y nuevas formas de evaluación auténtica (Eaton et al., 2023) que valoren la agencia humana dentro del ensamblaje. Proponemos un modelo basado en tres ejes fundamentales de evaluación procesual:

Evaluación del prompt: la formulación de la indagación

La habilidad de formular preguntas precisas, iterativas y conceptualmente ricas a la IAG —a menudo denominada ingeniería de prompts— es mucho más que una destreza técnica; es la externalización del pensamiento crítico inicial. Un prompt no es una simple pregunta, sino el diseño de una indagación (Mollick y Mollick, 2023). Mientras que un párrafo introductorio genérico puede ser generado fácilmente por la IA, la secuencia de prompts que un estudiante utiliza revela su modelo mental, su comprensión de los matices del tema y su capacidad para guiar a un agente no inteligente (el LLM) hacia un resultado complejo.

En este sentido, el prompt se convierte en un artefacto de evaluación diagnóstica. Les educadores pueden evaluar la calidad de esta indagación: ¿el estudiante usa términos genéricos o vocabulario técnico preciso? ¿Itera y refina sus preguntas basándose en las respuestas de la IA? ¿Desafía las suposiciones iniciales de la IA? Esta alfabetización en IA (AI literacy) se vuelve una competencia clave (Baidoo-Anu y Ansah, 2023), donde la formulación de la pregunta es, en sí misma, una demostración de la comprensión.

Evaluación de la curación: el juicio crítico

Si la IAG es un Funes que produce texto basado en patrones sin comprensión (Bender et al., 2021), la función del estudiante se transforma de generador a curador crítico. El autor se revela en la edición sustancial, el juicio y la validación del texto generado. La evaluación debe centrarse en cómo el estudiante interactúa con el resultado de la IAG. Como señalan Lodge y Bonsan (2023), la automatización de tareas de bajo nivel cognitivo (recordar, definir) debe forzar a la pedagogía a centrarse en el juicio metacognitivo de orden superior.

Evaluar la curación implica preguntar: ¿el estudiante acepta pasivamente el texto? ¿O lo contrasta, lo refuta y triangula la información? Fundamentalmente, ¿identifica y corrige las alucinaciones (errores fácticos) y los sesgos inherentes al modelo? (Noble, 2021). Este acto de lectura crítica del output de la máquina es donde la agencia y la responsabilidad autoral se hacen explícitas (Bearman y Ajjawi, 2023). El estudiante debe entregar no solo el texto final, sino también el borrador de la IA y una justificación de sus decisiones editoriales (un changelog o registro de cambios), demostrando su juicio.

Evaluación de la aumentación: el valor agregado extra corpus

Finalmente, la evaluación debe identificar y recompensar aquello que la IAG intrínsecamente no puede hacer. Los LLM operan sobre un corpus de entrenamiento masivo pero estático y descontextualizado; carecen de experiencia vivida, conciencia del contexto local y posicionamiento ético (Shneiderman, 2022). La aumentación es el valor agregado que solo el estudiante, como agente situado y encarnado, puede proveer.

Esta aumentación extra corpus incluye la conexión con el conocimiento efímero (la integración de debates ocurridos en clase o conferencias recientes), la aplicación contextual (tomar la respuesta genérica y aplicarla a un problema local) y el posicionamiento ético y personal (conectar el tema con su propia experiencia vivida o articular una voz personal). La evaluación, por tanto, debe exigir explícitamente estas formas de aumentación, convirtiendo la tarea de una mera producción de texto en un acto de anclaje semántico y posicionamiento crítico que solo el componente humano del ensamblaje puede realizar.

Conclusión: hacia una pedagogía de la intencionalidad

La Inteligencia Artificial Generativa (IAG) no es, por tanto, el fin de la autoría; es la deconstrucción de la ficción romántica del autor soberano (Barthes, 1977; Foucault, 1979) sobre la cual la educación superior ha fundado sus prácticas de evaluación. Como se ha argumentado, la IAG actúa como un pharmakon (Derrida, 1975) indecidible: un veneno para nuestras nociones anticuadas de originalidad y, simultáneamente, un remedio que nos fuerza a buscar formas de aprendizaje más auténticas. Su irrupción expone la insuficiencia de una pedagogía de la vigilancia, basada en la dicotomía policial de original/plagio.

Las ficciones de Jorge Luis Borges (1962), leídas como experimentos mentales, nos han proporcionado el mapa conceptual para navegar esta disrupción. Nos han mostrado que la tarea pedagógica debe trascender la evaluación de la memoria funesiana —la agregación y repetición de datos que la IA ahora ejecuta con una eficiencia sobrehumana— hacia la evaluación de la comprensión abstracta y el pensamiento crítico. Asimismo, Pierre Menard nos ha enseñado que debemos dejar de obsesionarnos con la originalidad formal del producto textual para, en cambio, empezar a valorar la intención, el contexto y el acto autoral.

Este desplazamiento conceptual tiene implicaciones pedagógicas directas y urgentes. El desafío para la educación superior no es invertir en una carrera armamentista fútil para construir mejores detectores de plagio algorítmico (Lodge y Bonsan, 2023). El desafío, mucho más profundo, es el de diseñar pedagogías de la intencionalidad que reorienten la evaluación desde el producto final estático hacia el proceso dinámico de co-creación.

Como se detalló, esto implica valorar la agencia humana en las tres etapas clave del ensamblaje sociotécnico (Hayles, 1999): la formulación de la indagación, la curación crítica del texto y la aumentación. En consecuencia, el rol del docente se transforma irrevocablemente. Muta de ser un vigilante de la originalidad a ser un arquitecto de ensamblajes cognitivos; un mediador que modela la colaboración crítico-cognitiva entre el estudiante y la máquina (Mollick y Mollick, 2023). En esta nueva ecología del aprendizaje, la agencia humana no desaparece ni se degrada; se desplaza de la generación de palabras (una tarea ahora automatizada) al juicio, la ética y el propósito que las guía.

Referencias bibliográficas

BAIDOO-ANU, D. y ANSAH, L. O. (2023). Education in the era of generative artificial intelligence (AI): Understanding the potential benefits of Chat GPT in promoting teaching and learning. Journal of AI, 7(1). (52-66).

BARTHES, R. (1977). La muerte de un autor. En: El susurro del lenguaje, más allá de la palabra y la escritura. Paidós.

BEARMAN, M. y AJJAWI, R. (2023). Generative AI: a new actor in feedback ecologies. Medical Education, 57(9), 808-810.

BENDER, E. M. y KOLLER, A. (2020). Climbing towards NLU: On meaning, form, and understanding in the age of data. En: Proceedings of the 58th Annual Meeting of the Association for Computational Linguistics (ACL) (5185-5198).

BENDER, E. M., GEBRU, T., MCMILLAN-MAJOR, A. y SHMITCHELL, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? En: Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (FAccT '21). (610-623).

BORGES, J. L. (1962). Ficciones. Emecé Editores.

CLARK, A., y CHALMERS, D. (1998). The Extended Mind. Analysis, 58(1), 7-19.

DERRIDA, J. (1971). De la gramatología. Siglo XXI Editores.

DERRIDA, J. (1975). La farmacia de Platón. En: La diseminación. Editorial Fundamentos.

EATON, S. E., BROWN, M., y JACOBSEN, M. (2023). AI and Academic Integrity: A New Era of Challenges and Opportunities. University of Calgary Press.

FOUCAULT, M. (1979). ¿Qué es un autor? Literal, 4-5. 51-82.

HARAWAY, D. (1991). Simians, Cyborgs, and Women: The Reinvention of Nature. Routledge.

HAYLES, N. K. (1999). How We Became Posthuman: Virtual Bodies in Cybernetics, Literature and Informatics. University of Chicago Press.

LAND, R. (2019). Threshold Concepts and Troublesome Knowledge: A Transformative Approach to Learning. En: D. A. K. D. Scott (Ed.). The Wiley Handbook of Learning and Instruction. Wiley-Blackwell.

LODGE, J. M. y BONSAN, K. (2023). The role of generative artificial intelligence in student learning: A perspective. Journal of Applied Learning & Instruction, 5. (1-6).

MOLLICK, E. y MOLLICK, L. (2023). Using AI to Implement Effective Teaching Strategies in Classrooms: Five Strategies, Including Two That Leverage AI to Go Further. SSRN Electronic Journal.

NOBLE, S. U. (2021). Algorithms of Oppression: How Search Engines Reinforce Racism. NYU Press.

PETERS, M. A., y TESAR, M. (2023). The Posthuman and the Future of the University. Educational Philosophy and Theory, 55(1). (1-5).

SELWYN, N. (2022). Ed-Tech: A Critical History of Educational Technology. Routledge.

SHNEIDERMAN, B. (2022). Human-Centered AI. Oxford University Press.

WILLIAMSON, B. (2021a). Making Markets Through Digital Platforms: Pearson, AI and the Educational data-mined. Journal of Education Policy, 36(4), 487-507.

WILLIAMSON, B. (2021b). Big Data in Education: The Digital Future of Learning, Policy and Practice. Sage Publications.

WILLIAMSON, B. y EYNON, R. (2020). Historical threads, new directions: datafication and educational technology. Learning, Media and Technology, 45(3). (221-224).

ZUBOFF, S. (2020). La era del capitalismo de la vigilancia: La lucha por un futuro humano frente a las nuevas fronteras del poder. Paidós.