Tareas a prueba de IA: 6 patrones para diseñarlas
Seis patrones para diseñar tareas que la IA no resuelve por el alumno: contexto local, proceso visible, datos propios y defensa oral, con ejemplos por materia.
Una tarea a prueba de IA es la que sigue exigiendo trabajo del alumno aunque tenga un chatbot abierto en otra pestaña: pide contexto de su aula, datos que solo él tiene o una defensa que solo puede dar quien entendió el proceso. No es una tarea “sin IA”, es una tarea donde la IA deja de ser un atajo porque no tiene acceso a lo que realmente se evalúa.
¿Qué significa diseñar una tarea “a prueba de IA”?
No significa prohibir ChatGPT ni volver todo examen en papel vigilado. Tampoco instalar un detector de texto generado por IA: falla demasiado para tomar decisiones académicas con garantías. Significa cambiar qué se pide, no cómo se vigila.
La diferencia está en el verbo. “Explica las causas de la Guerra Civil” es copiable en cinco segundos porque la respuesta ya existe redactada mil veces. “Compara cómo la explicaría un historiador de tu pueblo y uno de la ciudad donde se firmó el armisticio, usando lo visto en clase” no es copiable, porque ninguna IA sabe qué habéis visto ni conoce la fuente local.
Ese es el principio de los seis patrones que siguen: cada uno introduce algo que la IA no tiene (contexto, datos, voz, criterio) en vez de intentar bloquear la herramienta. Es el mismo enfoque que ya aplicamos al diseño de exámenes en exámenes a prueba de ChatGPT, y encaja con cómo planteamos las situaciones de aprendizaje con IA: partir de un contexto real, no de un enunciado de libro.
¿Cuáles son los 6 patrones que funcionan?
Estos son los seis patrones de diseño de tareas más fiables, ordenados de más fáciles de aplicar mañana a los que exigen más planificación:
| Patrón | Qué le falta a la IA | Ejemplo rápido |
|---|---|---|
| Contexto local | No sabe qué pasó en tu aula ni en tu barrio | “Aplica la fórmula de densidad al experimento del huevo que hicimos el martes” |
| Proceso visible | No puede fabricar tu borrador de la semana 1 | Entregar borrador + versión final + comentario de qué cambió y por qué |
| Datos propios | No tiene acceso a mediciones o encuestas del alumno | “Compara tu hipótesis inicial con los datos que recogiste en el patio” |
| Defensa oral | No puede sostener una conversación de seguimiento | 2 minutos de preguntas sobre por qué se tomó cada decisión |
| Crítica de output de IA | La IA no se audita bien a sí misma | “Pide 3 respuestas a una IA y señala qué se inventó o generalizó de más” |
| Producto en aula | No conoce las restricciones físicas del encargo | Maqueta, mural o prototipo construido con materiales y tiempo limitados en clase |
Contexto local solo pide sustituir el ejemplo del libro por algo que vivió tu grupo. Proceso visible exige guardar evidencias intermedias (borrador, historial de versiones), así que ya no se puede entregar de golpe. Datos propios es el más potente en ciencias y sociales: una encuesta hecha por la clase no existe en ningún dataset de entrenamiento. Defensa oral es barato y funciona en cualquier materia: dos minutos de preguntas delatan enseguida a quien no entendió lo que entregó. Crítica de output de IA da la vuelta al problema: pedirle una respuesta a un chatbot y auditarla exige más pensamiento crítico que prohibir su uso. Producto en aula, por último, es el más lento de montar pero el más difícil de sustituir con un prompt, porque incorpora tiempo y materiales que la IA no controla.
¿Cómo se aplican estos patrones por materia?
Los seis patrones no se traducen igual en todas las asignaturas. Algunos ejemplos concretos:
- Lengua y Literatura. Defensa oral + proceso visible: borrador de comentario de texto, reescritura tras feedback y defensa de 3 minutos sobre por qué cambió un argumento. El comentario final de una IA no explica el cambio entre versiones.
- Matemáticas. Datos propios + producto en aula: en vez de un problema de estadística con datos inventados del libro, la clase mide algo real (altura, tiempo de reacción) y trabaja sobre su propia tabla.
- Ciencias Naturales y Física-Química. Contexto local + crítica de output de IA: pedir a una IA que explique un fenómeno visto en el laboratorio y que el alumno señale qué se equivocó al no haber estado en la práctica.
- Geografía e Historia. Contexto local: casos del municipio, fuentes primarias o entrevistas a familiares sustituyen el tema genérico del libro.
- Tecnología y Plástica. Producto en aula: un prototipo con material y tiempo limitados en clase, con fotos del proceso, es imposible de generar con un prompt.
- Idiomas. Defensa oral: una conversación de seguimiento sobre un texto escrito revela en segundos si el alumno entiende lo que “escribió”. BOB, el asistente de inglés hablado de noobe, practica speaking con seguimiento del profesor, así la defensa oral no depende solo del tiempo de clase disponible.
¿Cómo se pide bien una tarea con estos patrones?
El error más común es dejar los patrones implícitos: si el enunciado no exige contexto local o datos propios, media clase entregará la versión genérica que le dio una IA. El encargo tiene que nombrar el patrón. Un prompt para rediseñar una tarea que ya tienes escrita:
“Tengo esta tarea: [pega el enunciado]. Rediséñala aplicando estos patrones: [elige 2 de los 6: contexto local, proceso visible, datos propios, defensa oral, crítica de output de IA, producto en aula]. Mantén el mismo objetivo de aprendizaje y el mismo criterio de evaluación, pero haz que la respuesta genérica de una IA no pueda usarse sin adaptación. Añade 2 preguntas de seguimiento oral para comprobar comprensión.”
Con una IA genérica hay que explicarle además tu currículo y tus criterios de evaluación cada vez. MIA, el asistente de IA para docentes de noobe, ya trabaja sobre la LOMLOE y los currículos autonómicos, así que el rediseño sale ya alineado con los criterios que vas a calificar, sin copiar el BOE en el prompt.
¿Hay que prohibir la IA en estas tareas?
No, y conviene lo contrario: dejar explícito qué uso de la IA está permitido. Si el patrón está bien elegido, el alumno puede usar un chatbot para investigar o generar un primer borrador, y aun así tiene que aportar lo que la máquina no tiene: el dato que midió, la conversación con un vecino, la defensa oral de por qué decidió algo. Prohibir sin rediseñar no elimina el problema, solo lo traslada a casa, donde nadie supervisa cómo se usa.
Esto conecta con cómo evaluamos después: la tarea necesita una rúbrica que premie el proceso y la defensa, no solo el producto final. Si todavía calificas con adjetivos vagos como “adecuado”, la guía de rúbricas con IA explica cómo construir descriptores observables. Y si quieres que el alumno use la IA como tutor sin que le resuelva el ejercicio, ZOE, el tutor de IA de noobe, guía sin dar las respuestas y trata los datos en la UE: el alumno pregunta, ZOE no contesta directamente, y esa fricción es justo lo que se evalúa.
¿Quieres ver cómo rediseñar una tarea real con estos 6 patrones en una clase en vivo? Pide una demo con MIA y tráete el enunciado que más te preocupa que copien.
Preguntas frecuentes
¿Qué es una tarea a prueba de IA?
Una tarea diseñada para que copiar la respuesta de un chatbot no resuelva lo que se pide. No se trata de bloquear el acceso a la IA, sino de pedir algo que exige contexto del aula, datos propios del alumno o defensa oral: información que un modelo de lenguaje no tiene ni puede inventar de forma creíble.
¿Sirven los mismos 6 patrones para todas las materias?
Sí como marco, no como plantilla literal. Contexto local, proceso visible, datos propios, defensa oral, crítica de output de IA y producto en aula se adaptan distinto en Lengua que en Matemáticas o Tecnología, pero el principio es el mismo: ancla la tarea a algo que solo existe en tu clase.
¿Hay que prohibir la IA en tareas diseñadas con estos patrones?
No hace falta, y a menudo es contraproducente. Si el patrón está bien elegido, el alumno puede usar la IA para investigar o generar un borrador y aun así tiene que aportar el contexto local, los datos propios o la defensa oral que la máquina no puede fabricar. Prohibir sin rediseñar solo traslada el problema a casa.
¿Cuánto tiempo lleva rediseñar una tarea existente con estos patrones?
Con una tarea ya escrita, aplicar uno o dos patrones (por ejemplo, añadir datos propios y una defensa oral de 2 minutos) suele llevar 15-20 minutos de ajuste, no una reescritura completa. La parte lenta es decidir qué patrón encaja con el objetivo de aprendizaje, no redactar el enunciado.