La irrupción de la inteligencia artificial ha abierto un intenso debate sobre el futuro de la evaluación. En pocos meses han aparecido herramientas capaces de transcribir entrevistas, sintetizar cientos de documentos, analizar información cualitativa, redactar informes o incluso proponer recomendaciones preliminares. La pregunta parece inevitable: ¿acabará la inteligencia artificial sustituyendo a l@s evaluador@s? Creo que esa formulación nos conduce por un camino equivocado. Como ocurre con las grandes transformaciones tecnológicas, la IA no solo modifica nuestras herramientas; también cuestiona las categorías con las que entendíamos nuestra propia práctica. Su principal impacto no es tecnológico, sino epistemológico. Más que preguntarnos qué tareas podrán realizar los algoritmos, deberíamos preguntarnos qué significa realmente evaluar cuando producir información deja de ser el principal problema.

Esta cuestión conecta con una reflexión que he desarrollado en varios artículos recientes de TripleAD. En Rediseñando la Evaluación como Sistema Efectivo defendía que la evaluación contemporánea ya no enfrenta una crisis metodológica, sino una crisis de relevancia institucional. Disponemos de más métodos, más datos y más capacidades analíticas que nunca, pero seguimos encontrando dificultades para que la evidencia influya de forma sistemática en las decisiones públicas. La fragmentación institucional, los incentivos limitados para aprender, la ritualización de muchos procesos evaluativos y la desconexión entre evidencia y decisión pesan hoy mucho más que cualquier limitación técnica. La llegada de la inteligencia artificial no contradice este diagnóstico; lo confirma de manera inesperada.

Durante buena parte de los últimos cincuenta años, la disciplina ha estado dominada por un paradigma metodológico. Desde Campbell y Cronbach hasta los enfoques participativos, sistémicos o basados en principios, el esfuerzo intelectual se concentró en fortalecer la calidad de los diseños, mejorar la validez de la evidencia y perfeccionar las herramientas disponibles (Campbell, 1999; Cronbach, 1980; Patton, 2021). Esa evolución permitió consolidar la evaluación como disciplina y elevar considerablemente sus estándares de calidad. Sin embargo, contenía un supuesto que raramente cuestionamos: que producir mejor evidencia conduciría, casi de forma automática, a mejores decisiones.

La inteligencia artificial pone precisamente ese supuesto en cuestión. Resulta revelador que las primeras tareas que consigue automatizar con mayor eficacia sean aquellas que durante décadas identificamos con el núcleo del trabajo evaluativo: organizar información, resumir documentos, codificar entrevistas, detectar patrones, comparar teorías del cambio o redactar informes. Cuanto más competentes se vuelven estos sistemas, más evidente aparece una paradoja difícil de ignorar: la evaluación nunca consistió realmente en hacer esas tareas. Lo que la inteligencia artificial automatiza no es la evaluación; automatiza aquellas actividades que durante demasiado tiempo confundimos con ella.

La consecuencia es mucho más profunda de lo que parece. Durante décadas respondimos a la pregunta equivocada. Pensábamos que el principal desafío consistía en producir mejor evidencia cuando, en realidad, el problema siempre fue cómo transformar esa evidencia en decisiones útiles. La IA no inaugura una nueva etapa de la evaluación; clausura definitivamente el paradigma metodológico que dominó la disciplina durante el último medio siglo. Precisamente porque automatiza aquello que considerábamos nuestro principal valor añadido, nos obliga a redescubrir cuál ha sido siempre el verdadero objeto de la evaluación.

Para comprender este cambio conviene distinguir conceptos que con frecuencia utilizamos como si fueran equivalentes. Los datos describen hechos; la información organiza esos datos; la evidencia permite fundamentar afirmaciones razonables. La evaluación, sin embargo, incorpora un nivel distinto de construcción del conocimiento: el juicio. Evaluar nunca ha consistido únicamente en responder qué ocurrió. Significa interpretar por qué ocurrió, para quién, bajo qué condiciones, respecto de qué valores y qué implicaciones deberían derivarse para las decisiones futuras. Esa diferencia parece sutil, pero transforma completamente la naturaleza de la disciplina.