Cuando el presidente de la Universidad de California, Clark Kerr, impartió las Conferencias Godkin en Harvard en 1963, publicadas poco después con el título de * Los usos de la universidad* , hacía algo inusual para un administrador académico: ofrecía una teoría social sofisticada, y lo hacía con ingenio. En estas conferencias, Kerr acuñó el término «multiversidad» para describir en qué se había convertido la universidad de investigación estadounidense de la posguerra. Según Kerr, la universidad moderna ya no debía entenderse como una comunidad de académicos unidos por un ideal compartido de aprendizaje, sino como un extenso conglomerado institucional que servía simultáneamente como motor de investigación, centro de formación profesional, mecanismo de acreditación, experiencia de maduración y semillero de la élite técnica nacional. La Universidad de California, que Kerr acababa de dirigir durante casi una década de crecimiento explosivo, era su ejemplo a seguir.
Kerr era un hombre ingenioso. En una ocasión, comentó que los tres grandes problemas a los que se enfrentaba cualquier rector universitario eran «el aparcamiento para el profesorado, los deportes para los exalumnos y el sexo para los estudiantes». Describió al profesorado universitario (y puedo confirmar por experiencia propia que esto sigue siendo cierto) como «una serie de emprendedores individuales unidos por una queja común sobre el aparcamiento». Y cuando Ronald Reagan cumplió su promesa de campaña para gobernador en 1966 de despedirlo por ser demasiado indulgente con los manifestantes del Movimiento por la Libertad de Expresión, Kerr pronunció una de las frases de despedida más memorables de la historia académica estadounidense: «Dejo la Universidad de California como llegué: ¡lleno de entusiasmo!».
A pesar de las bromas, Kerr era un hombre serio. El argumento subyacente a *Los usos de la universidad * era que la multiversidad, precisamente por su expansión y aparente incoherencia, era la clave institucional de la civilización estadounidense de mediados de siglo. Era el nexo donde se producía el conocimiento científico básico, se acreditaba el talento técnico y profesional, se cultivaba la ciudadanía democrática y se impulsaba el proyecto nacional de supremacía tecnológica. La multiversidad no necesitaba ser coherente para ser funcionalmente útil como plataforma para lo que Kerr llamaba «administrar el presente». Escribía con la confianza modernista de quien creía que las instituciones tecnocráticas jerárquicas, si se gestionaban con competencia, podían mantener en equilibrio estos diversos elementos volátiles.
El cese de Kerr por parte de Reagan en 1967 fue, en cierto modo, el primer indicador y advertencia de la crisis del modelo tecnocrático del alto modernismo que él defendía y que buscaba institucionalizar a través de la multiversidad.
Es hora de reconocer que el modelo de educación superior de Kerr ha llegado a su fin: en sus últimas, la llegada de la IA anuncia su sentencia de muerte. Lo que sigue es la desagregación: la multiversidad tal como la conocemos se desintegra en sus componentes. Sin embargo, esto no tiene por qué ser una catástrofe para la educación superior. De hecho, en muchos sentidos, representa una oportunidad para volver a las raíces, a un modelo clásico de educación y a una instrucción pedagógica atenta. Pero la educación superior solo podrá superar este período de disrupción si es consciente de lo que está sucediendo y avanza con confianza hacia un nuevo modelo.
La actual crisis de la universidad estadounidense comenzó a gestarse hace sesenta años, cuando el pacto de posguerra que encarnaba la visión de Kerr empezó a desmoronarse. Lo que siguió fue una privatización paulatina de las finanzas universitarias, que produjo una hiperinflación gradual de las matrículas, endeudando a toda una generación de estudiantes y socavando la misión pública de la universidad. El cambio de subvenciones a préstamos, de profesorado titular a la contratación masiva de docentes interinos , y de una formación integral en artes liberales a la formación profesional, se produjo bajo el lema de hacer que las universidades fueran más "sensibles a las demandas del mercado". En la práctica, esto ha significado transferir el coste del sector público al "estudiante consumidor" individual, al tiempo que se desfinanciaban las áreas de la institución que no generaban resultados monetizables. El resultado neto ha sido un aumento vertiginoso de los costes de la educación de pregrado, sin un incremento correspondiente en el valor de la formación o la certificación, y una pérdida de apoyo político a la misión de las universidades. Estas dificultades financieras y políticas han acentuado las contradicciones entre las diversas misiones y funciones de la multiversidad. A este compuesto cada vez más inestable, añádele la IA.
La llegada de los grandes modelos de lenguaje actúa como un catalizador, eliminando la incoherencia inherente. Si un estudiante puede redactar un trabajo de investigación coherente en veinte minutos con Claude Opus o Google Gemini, ¿qué sentido tiene asignar trabajos de investigación? Si un tutor de IA puede explicar cualquier concepto con infinita paciencia, independientemente de su nivel de complejidad, ¿qué valor tiene que un profesor lea sus apuntes? Si la IA supera con éxito la mayoría de los exámenes profesionales estandarizados, ¿qué certifica una credencial? Estos son problemas antiguos que la IA ha hecho imposibles de ignorar.
Más allá de los desafíos pedagógicos que plantea la llegada de los másteres en Derecho (LLM), la IA también revela que el modelo tradicional de Kerr se mantuvo vigente durante tanto tiempo porque sus componentes compartían un conjunto común y consolidado de tecnologías de transmisión del conocimiento: el libro, la clase magistral, los ejercicios prácticos y el examen escrito. En un mundo anterior a los LLM, estos formatos exigían a los estudiantes capacidades cognitivas difíciles de simular o simplificar. Esto ya no es así. La IA no solo automatiza algunas de las tareas asociadas a estos formatos, sino que los vuelve obsoletos como instrumentos de disciplina intelectual o evaluación. Y cuando el sustrato tecnológico compartido se disuelve, las contradicciones inherentes a la multiversidad desde sus inicios se vuelven imposibles de disimular. La misión de investigación de primer nivel y la de docencia de pregrado siempre han estado en tensión. La economía del prestigio, que premia las publicaciones por encima de la pedagogía, siempre ha distorsionado los incentivos del profesorado. La función de acreditación siempre ha estado vagamente vinculada a la educativa. Estos eran los secretos a voces de la universidad de investigación estadounidense. En un mundo posterior a la IA, estas divergencias se vuelven insostenibles.
Resulta sorprendente, entonces, que el intento más comentado de autoevaluación universitaria reciente, el Informe de abril de 2026 del Comité de Yale sobre la Confianza en la Educación Superior , apenas reflejara esta realidad. En cierto modo, el informe era un documento admirable. Analizaba con claridad los costes, criticaba duramente la opacidad en las admisiones y era franco sobre la monocultura política que ha erosionado la confianza pública más allá de las líneas partidistas. Sin embargo, su tratamiento de la IA fue superficial, rayando en la negligencia: apenas unas pocas frases en la sección sobre el aula, expresando incertidumbre sobre los efectos de la IA y señalando que el profesorado está «esforzándose por rediseñar los programas de estudio». Es sorprendente que un informe encargado de comprender por qué se está desmoronando la confianza pública en la educación superior no tuviera en cuenta la tecnología que está reestructurando la economía y la lógica del trabajo intelectual. Esto sugiere que incluso los sectores más conscientes de sí mismos dentro del ámbito académico siguen tratando la IA como un inconveniente pedagógico (o un atajo literal) en lugar de lo que realmente es: la fuerza que está haciendo imposible sostener toda la arquitectura heredada de la multiversidad.
¿Cómo debería responder la universidad a esta crisis de propósito, identidad e incluso fe? La respuesta más popular en ciertos círculos administrativos se centra en las actividades extracurriculares, es decir, en la vida residencial y la conexión humana como el valor intrínseco de la universidad en una era de tutores con inteligencia artificial. Quizás la propuesta más citada sea el artículo de Molly Worthen en el New York Times de hace tres años, «Por qué las universidades deberían parecerse más a los monasterios», en el que argumentaba que las universidades deberían ofrecer entornos educativos con una presencia física y una tecnología muy sencilla.
Este argumento no carece de fundamento: existen pruebas de que el aprendizaje funciona de manera diferente cuando se desarrolla en comunidad, y que los encuentros fortuitos con profesores en los pasillos, las charlas nocturnas en la sala común de la residencia y los acalorados debates en el comedor suelen ser los momentos más productivos del aprendizaje. Los propios estudiantes, al hablar de lo que más les importa en la universidad, se centran sistemáticamente en las relaciones, el sentido de pertenencia y el diálogo. El argumento a favor de la educación residencial, del antiguo modelo de la Academia Platónica como gimnasio y jardín además de aula, es ahora más sólido que nunca.
Esto se relaciona con la función tradicional de las universidades como espacios de transición de la niñez a la adultez, donde se logra una nueva comprensión de uno mismo. En la década de 1960, más de cuatro quintas partes de los estudiantes de primer año afirmaron que uno de sus principales objetivos era desarrollar una filosofía de vida significativa, cifra que se redujo a la mitad en las décadas de 1970 y 1980. Un mayor énfasis en las actividades extracurriculares podría revitalizar este ideal, lo que a su vez prepararía a los estudiantes para el mundo impulsado por la IA al que se incorporan. Como argumentó recientemente Jack Clark, cofundador de Anthropic, quienes más se beneficiarán de la IA son aquellos que primero han desarrollado capacidades humanas profundas e idiosincrásicas mediante la práctica y la creación repetitivas. Las máquinas funcionarán mejor al ayudar a potenciar lo que ya se ha logrado.
Pero, por sí sola, la actividad extracurricular es una evasión. Deja sin abordar la cuestión fundamental que determina por qué pagan los estudiantes y sus familias: qué sucede en el currículo, en el aula, en el encuentro educativo formal. Ahí es donde la reforma debe ser más radical, y donde la respuesta de las universidades hasta ahora ha sido más vacilante. Si la principal respuesta de las universidades a la tecnología del conocimiento más revolucionaria de las últimas décadas, una que los empleadores de todo el mundo esperan que sus empleados utilicen, es exigir que los estudiantes se tapen los oídos y sigan remando, solo acelerará su declive hacia la redundancia institucional, si no hacia la irrelevancia.
Cualquier replanteamiento de la universidad en la era de la IA debe comenzar con una reflexión honesta sobre lo que la IA no puede hacer y, por lo tanto, lo que adquiere un valor relativo precisamente porque la IA puede hacer todo lo demás. La distinción clave radica entre el trabajo que la IA realiza bien (como la síntesis de patrones conocidos, la elaboración de argumentos, la instanciación de plantillas y la generación de coherencia local) y el trabajo que, estructuralmente, no puede realizar debido a la arquitectura de la tecnología en sí. La IA no puede construir la confianza de la que depende la cooperación institucional, porque la confianza no es una conclusión a la que se llega procesando información sobre otro agente, sino una relación que se constituye a lo largo del tiempo entre personas que han depositado algo en la otra y que pueden ser traicionadas. La IA no puede otorgar buen gusto ni estilo a una persona, porque el gusto y el estilo se refieren a la singularidad personal dentro de una comunidad que comparte una estética. La IA no puede constituir objetivos, porque ese acto requiere un sujeto que los valore. Estas no son brechas que se cerrarán con mayor capacidad de procesamiento. Son ausencias que se derivan de la ontología de la tecnología misma.
Un plan de estudios diseñado en torno a las limitaciones de la IA no debe considerarse ni un ejercicio de nostalgia ni una negación del creciente poder de estos sistemas. De hecho, dada la trayectoria de las capacidades de la IA, es el único plan de estudios con posibilidades reales de encontrar una base sólida.
¿Qué significa esto en la práctica? Comencemos con la consecuencia más evidente: el trabajo final, como instrumento de evaluación, ha muerto. Las tareas escritas tenían como objetivo impulsar (y poner a prueba) la capacidad del estudiante para producir un texto bien estructurado y argumentado de forma coherente. Pero esto es precisamente lo que hacen los LLM sin esfuerzo y sin exigir al usuario ninguno de los esfuerzos cognitivos subyacentes para los que el trabajo final tradicional se suponía que servía de sustituto. Esto incluía el razonamiento argumentativo sostenido : la capacidad de construir y mantener un argumento complejo a lo largo de un discurso extenso, distinguir las afirmaciones de las pruebas, manejar los contraargumentos y llegar a una conclusión defendible. Las tareas escritas también exigían autorregulación epistémica , es decir, la capacidad metacognitiva de monitorear la propia comprensión, reconocer las lagunas en las pruebas y revisar las posturas en respuesta a lo que muestran las pruebas en lugar de lo que se esperaba encontrar. Este trabajo, de gran valor pedagógico, siempre operó por debajo del nivel de la producción real de un trabajo final; lo que hacen los LLM es proporcionar resultados que simulan estas acciones sin someter a los estudiantes a sus pruebas cognitivas.
La alternativa, como argumentan muchos investigadores educativos , es la evaluación y demostración en vivo: diagnóstico en tiempo real de situaciones novedosas, crítica de diseño, debate estructurado y análisis socrático. Estos formatos ponen a prueba la capacidad de comprender bajo presión, defender un marco conceptual ante un cuestionamiento en vivo, revisar un modelo cuando la evidencia lo contradice en lugar de confirmarlo, y reconocer cuándo la incertidumbre es demasiado alta para continuar. En términos prácticos: los proyectos colaborativos de estudiantes requerirán registros documentados de decisiones que expliquen el razonamiento detrás de los compromisos, el producto final pasa de ser un artefacto pulido a un razonamiento demostrado en vivo, y los exámenes orales y escritos se convertirán en los principales instrumentos de evaluación. Pero a pesar de este consenso emergente entre los investigadores educativos, la práctica institucional apenas ha cambiado.
Si la propuesta de valor pedagógico de la universidad post-IA se centra en el desarrollo de la capacidad cognitiva en condiciones irreproducibles en una pantalla, entonces es necesario replantear la función y las responsabilidades del profesorado. Resulta evidente que ya no tiene sentido que los profesores impartan clases magistrales ante un aula repleta (o, con demasiada frecuencia, a medio llenar). Como mecanismo de transmisión de información, la IA ofrece ahora el mismo servicio a un coste prácticamente nulo, adaptado a las necesidades específicas de cada estudiante. En cambio, los profesores deben replantearse su papel como interlocutores, sirviendo como modelos prácticos para gestionar la incertidumbre y redefinir los marcos conceptuales en tiempo real. La experiencia en el aula debe centrarse en ayudar a los estudiantes a comprender cómo definir un objetivo, en lugar de generar un texto en respuesta a una consigna del profesor.
Esto se asemeja más al sistema de tutorías de Oxbridge , a las rondas clínicas en salas de hospital o a los seminarios de muchas pequeñas facultades de artes liberales en Estados Unidos. Estas pedagogías se defendieron en su momento por motivos de tradición o prestigio. El argumento posterior a la IA es estructural: son los mecanismos para transmitir precisamente las capacidades cognitivas que la arquitectura de la IA no puede replicar, porque dichas capacidades se desarrollan únicamente mediante la práctica, no mediante la descripción. Curiosamente, esto significa que la llegada de la IA implicará una mayor demanda de profesores, en lugar de una menor.
Nada de esto implica que el profesorado deba fingir que la IA no existe, ni que los tutoriales y seminarios deban impartirse ignorando por completo una herramienta que los estudiantes utilizarán durante el resto de su vida profesional. Todo lo contrario. El profesorado debe integrar las LLM de forma directa y deliberada en su enseñanza como herramientas que deben usarse correctamente para evitar daños. (Viene a la mente la analogía de un soplete o una motosierra: son herramientas útiles, pero hay que aprender a usarlas con seguridad). Enseñar a un estudiante a formular preguntas de manera eficaz es enseñarle a pensar con precisión qué quiere saber y por qué; en este sentido, es un ejercicio de definición de objetivos. Enseñar a los estudiantes a evaluar críticamente el resultado de una LLM, examinando sus síntesis, a menudo excesivamente confiadas, en función de los estándares de evidencia definidos por la realidad fenomenológica del mundo externo y material, es enseñarles a rastrear la procedencia epistémica y a realizar una autoevaluación calibrada. Los modelos de aprendizaje lingüístico (MLL) también pueden convertirse en objeto de estudio crítico por derecho propio: se debe pedir a los estudiantes que evalúen por qué el modelo no produjo exactamente lo que tenían en mente al iniciar la interacción. De esta manera, los MLL pueden servir como instrumentos esclarecedores en la consecución de los objetivos clásicos de la educación ilustrada: la inculcación del pensamiento crítico y el razonamiento lógico, la competencia retórica y comunicativa, la apreciación estética y el cultivo del gusto, el razonamiento moral y ético, y, en última instancia, el ideal del autoconocimiento y la formación integral ( Bildung) .
Esto nos lleva al contenido del currículo en sí. Como argumenté recientemente en Noema , si el objetivo de un currículo universitario es (como debería ser) inculcar el razonamiento oral y la persuasión, el análisis ético y el juicio moral, el pensamiento histórico y comparativo, y el cultivo del gusto y el discernimiento, entonces nos encontramos precisamente en el ámbito del currículo clásico de las artes liberales. Habilidades como la formulación de objetivos, el juicio situado y la alineación de valores son precisamente las capacidades que desarrolla un compromiso serio con la historia, la filosofía, la literatura y la teoría política. La historia entrena la imaginación temporal y la revisión de marcos; la filosofía entrena la precisión epistémica y la disciplina de distinguir el argumento sólido de la sofistería vacía; la literatura agudiza la apreciación del estilo y la sensibilidad para el significado oculto; la teoría política entrena el reconocimiento de la disputa de objetivos reprimida y las condiciones para una alineación legítima. En conjunto, permiten a los estudiantes imaginar vidas diferentes a la suya, una experiencia enormemente valiosa en un mundo que cambia tan rápido como el nuestro.
La forma de transmitir el contenido de estas disciplinas a los estudiantes tendrá que cambiar drásticamente respecto al modelo homogéneo de enseñanza masiva de la multiuniversidad de la posguerra, pero el contenido es perfectamente clásico. Desde esta perspectiva, la actual crisis de propósito de la universidad es, al menos en parte, una crisis derivada del abandono de su mejor tradición en pos de una formación vocacional o técnica que la IA está dejando obsoleta.
El principal desafío para las universidades será cómo implementar este modelo a gran escala. El modelo de tutorías y seminarios es, por diseño, intensivo en mano de obra: un profesor que actúa como interlocutor en lugar de conferenciante solo puede involucrar a una fracción de los estudiantes a los que antes podía llegar desde un podio. Las habilidades requeridas del profesorado también deberán cambiar sustancialmente. Bajo el modelo anterior, un investigador brillante aportaba el valor esperado simplemente dirigiéndose a un grupo numeroso; el nuevo modelo requiere a alguien con la sensibilidad pedagógica para comprender las dudas y capacidades específicas de cada estudiante, cualidades que la destreza investigadora no produce ni recompensa. Las universidades de élite, en particular, han construido sus facultades casi exclusivamente en torno a los logros en investigación, considerando la docencia como una obligación secundaria. Replantear el profesorado implicará modificar los criterios de permanencia y los incentivos para la promoción, y se enfrentará a una feroz resistencia por parte de académicos cuyas identidades profesionales están ligadas a la función investigadora. Nada de esto es imposible, pero tampoco será fácil. Sin duda, algunos profesores titulares intentarán con todas sus fuerzas impedir que estos cambios se produzcan.
A largo plazo, sin embargo, cabe esperar que la disrupción causada por la IA no se limite al ámbito pedagógico, sino que afecte a la estructura misma de la universidad. La gran intuición de Kerr radicaba en que la incoherencia de la multiversidad no era un defecto, sino una característica: una institución poco estructurada reflejaba una sociedad igualmente fragmentada al ofrecer algo para todos, desde el premio Nobel hasta el estudiante de posgrado novato, desde el solicitante de becas del NIH hasta el estudiante de inglés de recuperación. Lo que mantenía unidas esas funciones dispares era una infraestructura social de transmisión del conocimiento: el laboratorio, el aula, el examen, la certificación. Una vez que la IA pueda proporcionar información a un coste prácticamente nulo, ya no habrá una razón de peso para que la investigación, la docencia y la certificación deban ubicarse en la misma institución. Lo que probablemente sustituirá a la multiversidad no será una sola cosa, sino varias: centros de investigación centrados exclusivamente en la producción de nuevo conocimiento; residencias comunitarias independientes conscientes de su papel en el desarrollo integral de los estudiantes; y sistemas de enseñanza transparentes sobre las habilidades que inculcan. Incluso los títulos obtenidos en las universidades más exclusivas pueden no conservar mucho valor como símbolo de estatus social.
Clark Kerr habría reconocido este momento. No era ingenuo respecto a las contradicciones de la multiversidad; pero también creía que una gestión competente podría mantenerlas en una tensión productiva. Lo que no previó fue que la tensión se disolvería no por una convulsión política —como casi ocurrió en 1964, cuando el movimiento estudiantil que finalmente provocó su despido también señaló la inminente fractura del consenso liberal-tecnocrático de la posguerra— sino por una ruptura tecnológica. La ironía reside en que la universidad de investigación, que Kerr ensalzaba como el motor de la supremacía tecnopolítica estadounidense, fue la cuna del instrumento que ahora está haciendo insostenible la forma tradicional de la universidad de investigación.
Lo que los estudiantes que abuchearon la mención de la IA en las recientes ceremonias de graduación de esta primavera estaban manifestando, como siempre lo han hecho ante los fracasos institucionales, es que no estaban obteniendo lo que esperaban. Pero, como sucedió con más de un movimiento estudiantil anterior, el hecho de que identificaran correctamente un problema estructural no significa que tengan ideas particularmente acertadas sobre cómo sería una institución mejor. Así como Kerr transformó la Universidad de California para adaptarla a los imperativos liberales y tecnocráticos de la posguerra, los líderes universitarios visionarios de hoy tienen la oportunidad de rehacer la universidad para que se ajuste a las exigencias de una economía que será redefinida por la IA. Lograrlo será un proyecto generacional. Nils Gilman es asesor sénior del Instituto Berggruen y ex vicerrector de la Universidad de California en Berkeley. Substack, 18 de junio de 2026.
