Un asistente de inteligencia artificial generativa calificó con una media de 8,05 puntos los mismos trabajos universitarios que el profesorado había valorado con un 9,09. La diferencia, de algo más de un punto, es uno de los resultados de una investigación publicada en RIED por Francisco José García-Peñalvo y otros cinco investigadores, que pone a prueba la utilización de IA para evaluar proyectos de Ingeniería de Software.
El experimento se realizó con 14 trabajos de estudiantes de segundo curso de Ingeniería Informática de la Universidad de Salamanca, correspondientes al curso 2023-2024. En 13 de los 14 casos, la IA fue más exigente que los profesores, aunque las diferencias entre ambas evaluaciones llegaron a alcanzar los 3,65 puntos.
Las discrepancias revelan dos formas distintas de entender la evaluación. Mientras el profesorado presta especial atención a los objetivos de aprendizaje de la asignatura, la correcta utilización de diagramas y el cumplimiento de la rúbrica, la IA aplica criterios más próximos a los estándares profesionales de ingeniería de software. Por ejemplo, en uno de los trabajos otorgó un 2 a la formulación de objetivos que el profesor había calificado con un 10, al considerar que carecían de indicadores medibles. También detectó requisitos sin vinculación clara con los objetivos y deficiencias en las matrices de trazabilidad que habían recibido buenas notas.
Para realizar estos análisis, el sistema combina varios modelos de IA que procesan documentos PDF, interpretan diagramas técnicos, comprueban la coherencia de los proyectos y generan informes detallados. Todo funciona en servidores locales de la universidad, sin enviar los trabajos a servicios externos.
La investigación plantea una utilización de la IA como segundo evaluador, no como sustituto del profesorado. Sus análisis pueden identificar errores que pasan inadvertidos en una corrección convencional y proporcionar una retroalimentación más detallada, mientras que los docentes conservan la decisión final y aportan el contexto pedagógico que la tecnología no siempre interpreta adecuadamente.
El prototipo todavía presenta limitaciones: se ha probado con una muestra pequeña, no evalúa el 10 % de los criterios de la rúbrica y necesita ajustar sus instrucciones para evitar exigencias desproporcionadas respecto al nivel del alumnado. Los autores proponen avanzar hacia una evaluación que combine la perspectiva académica con las exigencias del ejercicio profesional, aprovechando las discrepancias entre humanos y máquinas para revisar los criterios de corrección y mejorar el aprendizaje.
---
Cómo citar: García-Peñalvo, F. J., Alier-Forment, M., Vázquez-Ingelmo, A., García-Holgado, A., Casañ-Guerrero, M. J., & Pereira, J. (2026). Evaluación asistida por inteligencia artificial generativa en prácticas de Ingeniería de Software: Una prueba de concepto. RIED-Revista Iberoamericana de Educación a Distancia, 29(2), 343–368. https://doi.org/10.5944/ried.47173
