La IA, en tu trabajo.

Acceso a herramientas y competencia demostrada

El anuncio publicado por OpenAI el 5 de noviembre reúne colaboraciones con universidades australianas para incorporar IA a la enseñanza. Dos de los casos, UNSW Sydney y la Universidad de Sídney, permiten examinar una cuestión concreta: cómo combinar la práctica con estas herramientas con evaluaciones que acrediten lo que sabe hacer cada estudiante.

Las fuentes universitarias describen tanto despliegues tecnológicos como criterios de evaluación. Para quienes diseñan formación, esa distinción ofrece un punto de partida: definir la capacidad que se quiere comprobar antes de decidir qué ayuda puede utilizarse.

Qué acceso está disponible y qué sigue previsto

UNSW explicó el 11 de septiembre que estaba ampliando ChatGPT Edu a investigadores en formación y personal académico eventual, sobre el acceso ya disponible para personal académico y profesional. En esa comunicación situaba la apertura a todo el alumnado al comienzo del curso académico de 2027.

La FAQ de Sídney sitúa el acceso general del alumnado en el primer semestre académico de 2027. Aún presenta el piloto estudiantil como previsto para octubre de 2026, sin confirmar su finalización ni ofrecer resultados. El despliegue prioriza al personal.

El anuncio universitario de septiembre vincula el acceso con formación y apoyo. También mantiene Cogniti como herramienta preferente del aula, con ChatGPT Edu como complemento.

Las funciones avanzadas, incluidos agentes y conectores, requieren evaluaciones individuales antes de habilitarse; las fechas y prestaciones pueden cambiar, según la FAQ de Sídney.

UNSW: permitir, prohibir o exigir según el aprendizaje

UNSW publicó el 13 de octubre un marco de evaluación con tres modalidades. Los equipos de programa distribuyen estas modalidades a lo largo del currículo para desarrollar y comprobar distintas capacidades.

Sídney: evaluaciones supervisadas y abiertas

Sídney describe un modelo de evaluación con dos vías: pruebas supervisadas y presenciales para comprobar resultados de aprendizaje, y evaluaciones abiertas. La combinación se planifica a lo largo de los programas; cada asignatura concreta sus tareas e instrucciones.

Su guía de uso responsable permite IA en las evaluaciones abiertas y exige reconocer su utilización. En las supervisadas, la regla general es que no se permite, salvo autorización expresa en la guía de la asignatura. Tener acceso a una herramienta no modifica esas condiciones.

Lectura de Nexo: preguntas para responsables de formación

Nuestra interpretación es que estos casos ofrecen preguntas útiles para diseñar formación en equipos profesionales. Su traslado al trabajo requiere adaptar objetivos, tareas y criterios; no constituye una recomendación de las universidades para empresas ni una validación de ese traslado.

• ¿Qué conocimiento debe demostrar la persona sin asistencia y en qué situación tendrá que aplicarlo?
• ¿Qué tarea requiere aprender a colaborar con IA y cómo se observará esa capacidad?
• ¿Qué evidencias se pedirán del proceso: fuentes verificadas, errores detectados, cambios justificados o explicación de decisiones?
• ¿Cómo se comprobará después que la persona puede resolver una variante del problema?

Ejemplo sintético: resolver una incidencia de proyecto

Nexo propone el siguiente ejercicio ficticio, sin datos de clientes ni resultados reales. El material de partida sería un expediente simulado con un retraso, dependencias entre tareas y mensajes del equipo. El objetivo sería evaluar diagnóstico y criterio al preparar una respuesta.

• Primero, cada participante identifica sin IA la causa probable del retraso, las evidencias que la apoyan y la información que falta.
• Después, utiliza IA para preparar una respuesta al equipo y contrasta cada propuesta con el expediente. Entrega la versión revisada y explica qué aceptó, corrigió o descartó.
• Por último, responde preguntas sobre sus decisiones y resuelve una pequeña variación del caso sin ayuda.

Qué habría que medir

Para ese ejercicio, proponemos valorar por separado la precisión del diagnóstico, la verificación de evidencias, la justificación de decisiones y la resolución posterior sin asistencia. La calidad del texto final sería solo una parte de la evaluación.

Las fuentes consultadas describen políticas y planes de implantación, pero no aportan una comparación controlada que permita atribuir a estos dos despliegues mejoras de aprendizaje o productividad profesional. El anuncio de acceso y la existencia de reglas de evaluación deben leerse con ese límite.