Partamos por lo evidente. La corrección de pruebas es, en términos computacionales, una tarea ideal para la inteligencia artificial: revisar grandes volúmenes de información, contrastarlos con una pauta definida y entregar un output (o resultado) preciso. Cuando el modelo cuenta con una rúbrica clara, criterios explícitos y ejemplos de respuesta, su nivel de consistencia es extraordinariamente alto.

Además, el feedback que entrega puede ser sorprendentemente elaborado. No solo asigna puntajes, sino que explica errores, sugiere mejoras y formula recomendaciones específicas para cada estudiante; todo esto es muy valioso para el aprendizaje. En muchos casos, el nivel de detalle y personalización supera lo que un docente puede ofrecer cuando corrige decenas de pruebas bajo presión de tiempo.

Desde esta perspectiva, la IA no es una amenaza, sino una herramienta de amplificación: permite ahorrar tiempo, sistematizar criterios y elevar la calidad del feedback, siempre que exista una buena matriz de evaluación.

La visión crítica: lo que se invisibiliza cuando no corriges tú

Sin embargo, aquí aparece el problema central. La corrección no es solo un proceso técnico. Es un acto pedagógico.

Cuando un docente corrige personalmente, no asigna únicamente puntajes: detecta patrones, percibe malentendidos colectivos, identifica lagunas en su propia enseñanza, o los errores que cometió al explicar algo. Esto es, advierte cómo un error masivo no se debe a los estudiantes, sino a una explicación ambigua o a un ejemplo mal escogido en clase. Si toda la corrección se delega, ese espejo se pierde.

Hay además un segundo riesgo más profundo: la pérdida de conocimiento fino del estudiante. Corregir permite reconocer estilos de pensamiento, avances, retrocesos, creatividad inesperada… incluso un bloqueo de un estudiante que en circunstancias normales no tendría, y que puede ser ocasión de una conversación futura. Permite descubrir respuestas brillantes que no estaban previstas en la rúbrica y que un profesor sabio podría tomar para enriquecer la clase siguiente.

La corrección es también una instancia relacional. Después de una prueba, buenos profesores se toman el tiempo para corregirla con todo el curso y ese diálogo sobre errores y aciertos construye un vínculo de confianza, y por experiencia personal, la clase donde más se aprende dentro de una unidad. Si la IA corrige y el profesor solo comunica el resultado, esa dimensión se debilita, por consiguiente, su rol queda difuminado.

En términos simples: delegar completamente la corrección puede hacer más eficiente al sistema, pero deja offside al profesor.

Cómo se está haciendo hoy

En la práctica, existen múltiples formas de integrar IA en este proceso.

La más simple es digitalizar las pruebas y pedir a una herramienta de IA que evalúe según una rúbrica específica, entregando puntaje y retroalimentación. Puede hacerse desde LLM generales como desde plataformas educativas que integran modelos que comentan directamente sobre los documentos: en corto, subir una prueba a ChatGPT y pedir que la corrija. Otro gran peligro acá: subo información de menores de edad a un LLM (Large Language Model) general.

Existen además herramientas diseñadas específicamente para educación que permiten generar retroalimentación personalizada a partir de rúbricas cargadas por el docente, por ejemplo, Brisk Teaching. Este funciona mejor cuando recibe una buena pauta y el contenido curricular asociado, entregando un feedback con una calidad notable. En mi experiencia, esta herramienta es de las mejores.

El verdadero dilema: rol docente o juicio profesional

La pregunta “¿conviene delegar la corrección?” no es tecnológica. Obliga a definir qué entendemos y cómo vamos a proyectar el rol del profesor en el futuro.

Si la evaluación es un trámite administrativo, entonces sí: conviene delegar, y el profesor pasará a ser un commodity. Si la evaluación es una instancia de conocimiento profundo del estudiante y de revisión de la propia enseñanza, entonces, hay que decirlo, eso transforma la delegación total en un error.

¿Estamos ante una situación que requiere una respuesta binaria?

No se trata de usar o no IA, sino de cómo hacerlo. Una postura posible es esta:

• La IA puede hacer la primera revisión técnica.
• El profesor debe hacer la lectura pedagógica.
• El feedback puede generarse con apoyo de IA, pero el juicio final debe ser humano.
• La revisión colectiva posterior en clase no puede desaparecer.

Otras posturas que he pensado:

- Trasladar parte del proceso evaluativo al propio estudiante. En lugar de que el docente delegue la corrección en la IA, podría diseñar un banco amplio de preguntas y contenido, y pedir a los alumnos que trabajen con ellas utilizando un modelo de lenguaje de su elección –o el que la institución recomiende–. La instrucción sería clara: carga estas preguntas y los contenidos asociados en tu LLM y pídele que te evalúe hasta asegurarse de que realmente dominas la materia.

- En este esquema, la inteligencia artificial funciona como tutor socrático: formula preguntas, detecta vacíos, insiste cuando percibe inseguridad y retroalimenta de manera inmediata. El estudiante no solo recibe una calificación, sino que entra en un ciclo de autoevaluación continua.

- El rol del docente, entonces, se transforma. Más que corregir cada respuesta, enseña a usar la herramienta con criterio, diseña buenas preguntas y establece estándares claros de profundidad conceptual. La evaluación formal puede adoptar otros formatos: conversaciones individuales, aprendizaje basado en proyectos, debates orales o pruebas estandarizadas al final del proceso para verificar el aprendizaje alcanzado.

- En este modelo, no es la IA la que reemplaza al profesor. Son los estudiantes quienes se ponen a prueba de manera activa, mientras el docente supervisa, orienta y valida los resultados desde una mirada pedagógica más amplia.

La pregunta correcta:

¿Qué pierde y qué gana el profesor cuando delega la corrección? 

Mucha gente quiere eficiencia, pero lo importante no es un ejercicio pragmático de la profesión, y menos cuando se educa.

La corrección no solo mide aprendizaje; forma al estudiante, y al docente le permite afinar su práctica, ajustar su enseñanza y conocer mejor a sus alumnos. Si renunciamos completamente a eso, el ahorro de tiempo puede convertirse en pérdida de criterio y, por qué no, del sentido de la educación.

La inteligencia artificial puede corregir casi perfectamente. La pregunta es si queremos que la

corrección sea solo un acto técnico o buscamos algo formativo.

Hernán Carvallo,
docente y fundador de la plataforma IA para Educar, iniciativa orientada a fortalecer las competencias de los profesores en el uso pedagógico de la inteligencia artificial.