kais
Un cambio silencioso en la forma de estudiar
En menos de dos años, la inteligencia artificial ha pasado de ser una curiosidad a formar parte de la rutina universitaria: resumir apuntes, ordenar ideas, pulir redacción. No es una tendencia minoritaria. RTVE recoge que casi nueve de cada diez estudiantes utilizan herramientas de IA para estudiar, mientras que la formación específica sigue siendo limitada.
En los trabajos de fin de estudios —tanto en el TFG como en los trabajos fin de máster (TFM)— esta realidad se vuelve especialmente visible: ahí no basta con “entregar un texto”, sino que hay que sostener un razonamiento, justificar un enfoque y demostrar método.
Qué aporta la IA cuando se usa bien
Utilizada con límites, la IA puede mejorar la eficiencia sin alterar la autoría del trabajo. En la práctica, suele ayudar en tres tareas concretas:
- Ordenar el proyecto: convertir notas dispersas en un esquema coherente, detectar duplicidades y localizar lagunas.
- Arrancar sin bloqueo: proponer un punto de partida cuando cuesta empezar (siempre para reescribirlo después).
- Mejorar legibilidad: corregir errores, simplificar frases y ganar claridad, especialmente en apartados expositivos.
La condición es sencilla: la IA puede apoyar el proceso, pero no tomar decisiones por el estudiante. El enfoque, las fuentes y la argumentación no deberían delegarse.
Tres errores típicos que bajan la calidad (y se detectan rápido)
El problema aparece cuando el apoyo se convierte en sustitución. Hay tres señales que suelen repetirse en TFG y TFM:
- Texto correcto, pero sin criterio
El documento suena fluido, pero no muestra decisiones reales: por qué ese marco conceptual, por qué ese método, por qué esos datos. En tutorías o defensas esto se nota enseguida. - Afirmaciones sin respaldo comprobable
La IA puede mezclar ideas sin indicar origen. Incluso sin intención de plagiar, el resultado puede incluir frases difíciles de verificar o referencias erróneas. Esto afecta a la integridad académica y a la credibilidad del trabajo. - Metodología “plausible” que no encaja
Delegar en la IA la formulación de objetivos, el marco teórico del TFG o la metodología puede producir propuestas bien redactadas, pero incompatibles con la pregunta de investigación, los datos o el diseño del estudio. En ese caso, se debilita el núcleo formativo del trabajo.
Lo que dice el enfoque universitario: IA sí, pero con pensamiento crítico
El debate no se reduce a casos puntuales. Desde la investigación universitaria se insiste en una idea: la IA debe integrarse de manera crítica en el aprendizaje. Un análisis difundido por la Universidad Autónoma de Madrid subraya que el reto no es “producir texto” más rápido, sino preservar competencias esenciales: comprensión, evaluación de información y elaboración propia.
Un ejemplo práctico: hacer visible el uso
Algunos docentes han optado por un enfoque didáctico: no ocultar la herramienta, sino exigir que se explique. En una universidad de Barcelona, por ejemplo, un profesor otorgó un punto adicional a quienes utilizaron ChatGPT y documentaron de forma transparente qué tareas apoyó la IA y qué se verificó por cuenta propia. El objetivo era entrenar hábitos útiles: justificar decisiones, contrastar información y asumir responsabilidad sobre el resultado.
Mini-guía de control antes de entregar
El uso de IA en trabajos universitarios puede ser apoyo, pero no sustituye investigación ni responsabilidad académica. Antes de entregar un TFG/TFM, conviene revisar:
- Trazabilidad: ¿puedes explicar qué parte es tuya y qué parte fue asistencia?
- Fuentes: ¿todo lo importante está respaldado por fuentes verificables?
- Método: ¿la metodología responde a tu diseño y a tus datos, no a un texto genérico?
- Coherencia: ¿el trabajo mantiene un estilo y un hilo argumental uniforme?
- Reescritura: ¿has revisado y reescrito el borrador completo con tu propia voz?
Si alguna respuesta es “no”, la herramienta está ocupando un lugar que no le corresponde.
Cierre: una cuestión de equilibrio
La IA ya está en el entorno universitario y seguirá ahí. Bien utilizada, ayuda a organizar y mejorar la presentación. Mal utilizada, produce textos impersonales, debilita el rigor metodológico y aumenta riesgos de autoría y plagio. El equilibrio pasa por usar la tecnología en tareas auxiliares y mantener la exigencia máxima en investigación, método y argumentación. Ahí se decide el valor académico de un TFG o un TFM.