La política de IA de Berkeley Law restringe la IA, pero las facultades de Derecho no la están prohibiendo
Berkeley Law endureció sus normas sobre IA para el verano de 2026, pese a reconocer que los futuros abogados deben adquirir fluidez en esta tecnología. La política de IA de Berkeley Law prohíbe a los estudiantes utilizar IA para conceptualizar, estructurar, redactar, revisar, editar o traducir trabajos presentados para obtener créditos. También veta el uso de IA en todos los exámenes, salvo que un profesor establezca una excepción permitida.
Esto suena a una prohibición de la IA en una facultad de Derecho, pero esa etiqueta pasa por alto el rasgo más importante de la política. Berkeley aún permite que los profesores autoricen la IA cuando sirva a los objetivos educativos de una asignatura. La escuela también prevé 22 cursos de Derecho y tecnología para el otoño de 2026, lo que hace que su enfoque sea restrictivo y expansivo al mismo tiempo.
La Universidad de Chicago y Columbia Law School han adoptado estrategias igualmente divididas. Protegen partes de la educación jurídica frente a la automatización mientras crean otros espacios para un uso deliberado de la IA. Por tanto, el verdadero conflicto no es entre las facultades de Derecho y la IA. Es entre el razonamiento jurídico independiente y la externalización cognitiva prematura.
Qué cambia realmente la política de IA de Berkeley Law
Berkeley ha establecido el trabajo independiente del estudiante como norma predeterminada, al tiempo que preserva excepciones específicas para cursos que enseñan fluidez en IA.
La política de IA predeterminada entró en vigor en el verano de 2026. Se aplica al trabajo presentado para obtener créditos académicos y va mucho más allá de una simple prohibición de ensayos generados por chatbots.
Los estudiantes no pueden pedir a un sistema de IA que proponga temas o tesis para un trabajo. No pueden solicitar una estructura organizativa, redactar un párrafo, identificar pasajes para revisar ni pulir la gramática. También se prohíbe la traducción asistida por IA cuando el material traducido forme parte del trabajo presentado.
La norma sobre exámenes es más estricta. Los estudiantes no pueden usar IA para ningún fin durante un examen. Tampoco pueden generar un esquema con IA y luego incorporar a un examen material procedente de ese esquema.
Estas restricciones se dirigen a todo el proceso de producción intelectual, no solo a la prosa final. Esa distinción importa porque la IA generativa puede influir en un argumento antes de redactar una frase. Una tesis o estructura sugerida puede determinar qué autoridades reciben atención y qué contraargumentos desaparecen.
La política también prohíbe a los estudiantes cargar tareas, lecturas, diapositivas, grabaciones u otros contenidos del curso en sistemas de IA generativa. Esa norma aborda preocupaciones sobre privacidad, propiedad intelectual y confidencialidad, además de la integridad académica.
No obstante, Berkeley afirma que su política no constituye una prohibición general. Los profesores pueden adoptar normas diferentes para las clases diseñadas para enseñar fluidez en IA. También pueden autorizar usos concretos cuando otro enfoque sirva mejor a una asignatura.
Esa flexibilidad distingue la posición de Berkeley de un rechazo generalizado a la IA generativa en todo el campus. La escuela está trazando límites en torno al pensamiento evaluado, al tiempo que permite la experimentación supervisada en otros contextos.
La orientación que acompaña a la política presenta esos límites como una secuencia educativa. Los estudiantes primero deben conceptualizar, analizar, redactar y evaluar sin sustitución automatizada. Después pueden usar IA entendiendo qué ha cambiado, omitido o inventado el sistema.
Esta secuencia refleja la premisa central de la política de IA de Berkeley Law. Un abogado que no puede evaluar un argumento de forma independiente no puede supervisar con fiabilidad un sistema que genera uno.
La norma también está diseñada para generar expectativas más claras y coherentes. Berkeley dijo que su política anterior planteaba preguntas difíciles sobre la frontera entre la corrección gramatical y la composición mediante IA. El nuevo enfoque considera prohibida la edición automatizada, salvo que una asignatura contemple una excepción.
Esa decisión sacrifica cierta comodidad en favor de una aplicación más manejable. Evita pedir a los profesores que determinen si una sugerencia de IA corrigió la gramática, reescribió una afirmación o alteró discretamente el análisis subyacente.
El coste es su amplitud. Un estudiante que utiliza una aplicación de escritura habitual podría encontrarse con funciones generativas sin buscarlas activamente. Las escuelas necesitarán orientaciones prácticas que mantengan la revisión ortográfica ordinaria separada de la reescritura automatizada prohibida.
La versión más sólida del argumento de Berkeley no es que toda interacción con IA perjudique el aprendizaje. Es que el trabajo que otorga créditos debe revelar la propia capacidad del estudiante. De lo contrario, las calificaciones dejan de medir las habilidades que las facultades de Derecho dicen desarrollar.
Por qué el razonamiento jurídico se ha convertido en la habilidad protegida
Las facultades de Derecho restringen la IA precisamente en los momentos en que los estudiantes deben desarrollar el criterio necesario para supervisarla más adelante.
La educación jurídica depende de algo más que recuperar la norma correcta. Los estudiantes deben interpretar la autoridad, distinguir precedentes, identificar hechos faltantes y defender una conclusión frente a argumentos contrapuestos. Estas actividades constituyen la base del criterio profesional.
La IA generativa puede producir un lenguaje plausible antes de que un estudiante haya formado ese criterio. Su resultado puede hacer que un argumento incompleto parezca terminado, lo que complica tanto el aprendizaje como la evaluación.
Este riesgo es especialmente agudo durante el primer año de la facultad de Derecho. Las asignaturas de primer año introducen los hábitos utilizados para leer casos y razonar a partir de una autoridad imperfecta. Los estudiantes también aprenden cómo cambian las conclusiones jurídicas cuando se modifica un hecho o precedente.
Un resumen de caso generado por IA puede ahorrar tiempo. Sin embargo, esa eficiencia resulta costosa desde el punto de vista educativo cuando leer el caso es el ejercicio. El estudiante obtiene el producto aparente sin practicar el razonamiento que lo produjo.
El mismo problema afecta a la redacción jurídica. Un chatbot puede generar un memorando estructurado, pero la estructura no es mera presentación. Elegir una secuencia de cuestiones suele exigir decidir qué hechos y autoridades merecen el mayor peso jurídico.
Berkeley describe el pensamiento como esencial para una buena práctica jurídica y una educación jurídica de calidad. Su política trata la conceptualización, los esquemas, la redacción, la revisión y la edición como tareas cognitivas conectadas, en lugar de etapas de producción separables.
Esta posición también responde a la falta de fiabilidad del material jurídico generado. Los modelos de lenguaje producen texto probable, no conclusiones jurídicas verificadas. Pueden inventar citas, exponer incorrectamente fallos o difuminar diferencias entre jurisdicciones.
Los abogados con experiencia también pueden cometer esos errores. La diferencia es que la IA puede producirlos rápidamente, con seguridad y a una escala que tensiona la revisión humana.
Un estudiante que ya comprende la doctrina puede examinar críticamente ese resultado. Un estudiante que carece de esa base podría aceptar una redacción fluida como prueba de exactitud.
Por tanto, los educadores jurídicos se enfrentan a un problema de secuenciación. Deben preparar a los graduados para la práctica asistida por IA sin permitir que el asistente sustituya el aprendizaje.
Esta tensión va más allá de las calificaciones. Los abogados tienen deberes frente a clientes, tribunales y partes contrarias. La guía ética sobre IA de la American Bar Association señala que las obligaciones existentes siguen aplicándose cuando los abogados utilizan sistemas generativos.
Estas obligaciones incluyen competencia, confidencialidad, comunicación con el cliente, supervisión, franqueza y honorarios razonables. Un abogado no puede transferir la responsabilidad profesional a un proveedor de IA ni excusar una presentación inexacta porque la produjo un software.
En consecuencia, las facultades de Derecho deben enseñar dos competencias que pueden empujar en direcciones opuestas. Los graduados necesitan suficiente fluidez en IA para utilizar eficazmente los sistemas jurídicos modernos. También necesitan suficiente pericia independiente para detectar cuándo fallan esos sistemas.
La política de IA de Berkeley Law protege la segunda competencia durante el trabajo evaluado. Sus cursos de tecnología y excepciones permitidas pretenden desarrollar la primera.
Esta división es más defendible que una afirmación amplia de que la IA debilita inherentemente a los estudiantes. La evidencia sobre los efectos cognitivos a largo plazo sigue siendo incompleta, y los resultados dependen en gran medida de cómo se utilice un sistema.
La IA puede sustituir el esfuerzo, pero también puede poner a prueba un argumento. Un estudiante podría pedir a un modelo que identifique contraargumentos después de redactar independientemente una postura. Otro podría presentar la primera respuesta del modelo sin examinarla.
Esas conductas no deberían recibir la misma valoración educativa. El desafío consiste en diseñar tareas que distingan la asistencia productiva de la sustitución intelectual.
Para los estudiantes que gestionan grandes colecciones de casos y apuntes, una base de conocimiento personal para estudiantes puede facilitar la recuperación de información sin decidir cuáles deben ser sus argumentos. El límite educativo debería centrarse en quién realiza el razonamiento, no simplemente en si un software intervino en el flujo de trabajo.
UChicago Law protege el aula, pero enseña la herramienta
La estrategia de IA de UChicago Law hace explícita la disyuntiva al separar el aprendizaje fundamental sin dispositivos de la práctica profesional supervisada.
La Facultad de Derecho de la Universidad de Chicago anunció su declaración de estrategia de IA el 9 de julio de 2026. La estrategia entra en vigor durante el trimestre de otoño y se basa en cambios curriculares introducidos desde 2024.
Su medida más visible es una prohibición piloto de dispositivos electrónicos en las clases básicas de primer año. Siguen existiendo excepciones limitadas, incluidas adaptaciones para los estudiantes que las necesiten.
Una norma sobre dispositivos es más amplia que una restricción de IA. Elimina ordenadores portátiles, tabletas y teléfonos incluso cuando un estudiante solo quiere tomar apuntes. La escuela afirma que el enfoque también reduce las distracciones y favorece un mejor debate en el aula.
Eso convierte el piloto en una prueba de atención en el aula tanto como de inteligencia artificial. Los profesores utilizaban políticas sin dispositivos mucho antes de que existiera ChatGPT, a menudo porque las pantallas dividían la atención durante los debates.
La IA eleva lo que está en juego porque un dispositivo conectado ahora puede hacer más que distraer. Puede resumir un caso, proponer una respuesta o preparar en tiempo real una contestación a la pregunta de un profesor.
El aula tradicional de la facultad de Derecho utiliza preguntas para revelar el proceso de razonamiento de un estudiante. Si un software proporciona la respuesta, el profesor no puede determinar fácilmente si el estudiante comprende la doctrina.
Eliminar los dispositivos crea una zona temporal en la que los estudiantes deben recuperar, sintetizar y expresar ideas por sí mismos. También hace más visible la participación y reduce la tentación de consultar una respuesta externa instantánea.
Sin embargo, UChicago no intenta recrear una profesión predigital. Su estrategia incluye módulos de IA para estudiantes de primer año, uso de IA en clínicas, un AI Lab y orientación para la investigación y la redacción jurídicas.
El modelo de la escuela puede resumirse como aprender a pensar con, sin y sobre la IA. Cada condición cumple una finalidad educativa distinta.
Pensar sin IA construye una capacidad de referencia. Pensar con IA enseña a los estudiantes a utilizar la automatización conservando la responsabilidad. Pensar sobre la IA desarrolla una comprensión de sus efectos institucionales, éticos y jurídicos.
Esta es una descripción más precisa que decir que UChicago prohibió la IA. La escuela retira la tecnología de determinados entornos de aprendizaje mientras la integra en otros.
Su enfoque también reconoce que la educación y el empleo recompensan conductas diferentes. Un bufete se beneficia cuando una herramienta reduce el trabajo repetitivo sin comprometer la calidad. En ocasiones, un aula asigna ese mismo trabajo porque realizarlo desarrolla el criterio.
Por lo tanto, la eficiencia no es un objetivo educativo universal. La vía más rápida hacia una respuesta puede eludir la actividad que una tarea fue diseñada para evaluar.
La distinción se parece a la formación en otras profesiones de alto riesgo. Un piloto aprende procedimientos sin depender por completo de la automatización, aunque las aeronaves modernas utilizan amplios sistemas automatizados. La práctica fundamental existe porque los profesionales deben reconocer y gestionar los fallos.
El desafío de UChicago será medir si su programa piloto sin dispositivos mejora las habilidades previstas. Un mejor debate en el aula respaldaría la política, pero la satisfacción por sí sola no demostraría un razonamiento jurídico más sólido.
La escuela también tendrá que examinar los efectos desiguales. Algunos estudiantes organizan y retienen información de manera más eficaz mediante notas mecanografiadas. Otros necesitan tecnología de asistencia o apoyo lingüístico.
Una política justa debe proporcionar adaptaciones funcionales sin obligar a los estudiantes a revelar más información personal de la necesaria. También debe evitar que las excepciones se conviertan en un estigma.
El enfoque híbrido de UChicago ofrece a la escuela una comparación útil. Puede evaluar las clases fundamentales sin dispositivos junto con cursos que enseñan un uso estructurado de la IA. Esa evidencia sería más valiosa que un argumento filosófico sobre si la tecnología es buena o mala.
Columbia Opta por la Responsabilidad en Lugar de una Prohibición Amplia
Las normas de Columbia muestran que las políticas de IA en las facultades de derecho convergen hacia un uso controlado, incluso cuando sus límites predeterminados difieren.
Columbia Law School adoptó una nueva política académica sobre IA que entró en vigor el 1 de agosto de 2026. Sustituyó la política provisional anterior de la escuela para el año académico 2026–2027.
Columbia prohíbe la asistencia de IA en los exámenes. Cada palabra de una respuesta de examen debe provenir del estudiante, incluido el lenguaje producido mediante traducción con IA.
Su tratamiento de otros trabajos del curso es más permisivo que el enfoque predeterminado de Berkeley. Los estudiantes pueden utilizar IA como ayuda de aprendizaje o interlocutor crítico cuando las normas del curso lo permitan.
Un interlocutor crítico es un sistema utilizado para poner a prueba ideas, no para originarlas. Podría cuestionar un argumento, identificar una debilidad organizativa o sugerir preguntas para una investigación adicional.
Columbia sitúa la responsabilidad intelectual en el estudiante. Las ideas, argumentos, análisis y expresiones presentados deben reflejar el criterio propio del estudiante. Los estudiantes deben comprender y defender cada proposición que presenten.
Por tanto, la política se centra en la autoría y la rendición de cuentas, en lugar de prohibir todas las etapas asistidas. La IA no puede convertirse en un escritor fantasma no declarado ni sustituir el razonamiento jurídico del estudiante.
Los miembros del profesorado conservan la discreción para establecer normas específicas para cada curso. Algunos pueden integrar ampliamente la IA, mientras que otros pueden limitarla para desarrollar habilidades concretas.
Este modelo acepta la inconsistencia como parte de la preparación profesional. Los abogados trabajarán bajo distintas normas judiciales, políticas de empleadores, restricciones de clientes y requisitos de seguridad. Los estudiantes necesitan practicar cómo identificar qué reglas rigen en un contexto específico.
Sin embargo, la variación de políticas también puede generar confusión. Un estudiante que cursa varias asignaturas debe recordar si en cada una se permite la lluvia de ideas, la edición, la traducción o la asistencia para investigación.
La encuesta estudiantil de 2026 del Thomson Reuters Institute ilustra ese problema. Recopiló respuestas de más de 1.800 estudiantes de derecho en abril de 2026.
Casi el 60% declaró utilizar IA varias veces por semana para el trabajo académico. Mientras tanto, el 48% indicó que las políticas de IA variaban según el profesor.
La encuesta reveló que el 72% consideraba la alfabetización en IA una habilidad profesional esencial. Al mismo tiempo, el 74% reconocía que la dependencia excesiva podía debilitar sus competencias jurídicas fundamentales.
Estas cifras complican la idea de que estudiantes y administradores ocupan bandos opuestos. Muchos estudiantes parecen comprender tanto el valor profesional como el riesgo para el desarrollo.
La brecha institucional se refiere a la formación. El treinta y dos por ciento afirmó que sus escuelas no proporcionaban las habilidades de IA necesarias para sus futuras carreras.
Ese resultado refuerza el argumento a favor de una integración estructurada. Una política restrictiva sin un currículo significativo sobre IA empuja a los estudiantes hacia la experimentación sin supervisión. También puede dejar a los graduados sin preparación para herramientas que ya están entrando en los lugares de trabajo jurídicos.
Columbia intenta resolverlo mediante una combinación de límites, cursos especializados y elección del profesorado. Berkeley utiliza restricciones predeterminadas más amplias junto con una oferta tecnológica considerable. UChicago crea espacios sin dispositivos mientras incorpora IA en otros ámbitos.
Son implementaciones distintas del mismo principio emergente. Los estudiantes no deberían externalizar la habilidad que se está enseñando en ese momento, pero deberían aprender a utilizar IA después de desarrollar suficientes conocimientos para supervisarla.
El desacuerdo se refiere a dónde debe situarse esa línea. Berkeley la traza en torno a casi todas las etapas del trabajo que otorga créditos. Columbia la traza en torno a la responsabilidad intelectual y la autorización específica de cada curso.
Ninguna de las dos políticas establece el límite correcto para todas las tareas. Su valor dependerá de si los profesores traducen principios amplios en requisitos claros y observables.
El Riesgo Es Formar Abogados Dependientes o Sin Preparación
Una norma que bloquea la IA sin enseñarla puede crear una versión distinta del problema de competencia que pretendía evitar.
El argumento más sólido a favor de las restricciones es evolutivo. Los estudiantes deben practicar el análisis jurídico antes de poder delegar responsablemente partes de ese trabajo.
La objeción más sólida es profesional. Los graduados ingresarán en entornos de trabajo donde la IA apoya la investigación, la revisión de documentos, la diligencia debida, el análisis de contratos y la redacción. Negarse a enseñar esos sistemas no mantiene seguros a los graduados.
Los deja aprender a través de proveedores, empleadores o experimentación privada. Esa formación puede priorizar la velocidad por encima de la confidencialidad, la verificación y el criterio profesional.
Por eso la expresión “prohibición de IA” crea una falsa dicotomía. Una escuela puede prohibir la IA durante un examen y exigirla durante una clínica. Ambas decisiones pueden respaldar el mismo objetivo educativo.
La pregunta más difícil se refiere al trabajo ordinario de curso situado entre esos extremos. Los estudiantes escriben trabajos en parte para demostrar conocimientos y en parte para mejorar mediante la práctica. La IA puede apoyar o sustituir cualquiera de esas funciones.
Consideremos a un estudiante que prepara un memorando. Pedir a la IA que redacte el primer borrador puede eliminar la necesidad de organizar las fuentes de autoridad de manera independiente. Pedirle que cuestione un borrador terminado puede revelar debilidades que el estudiante pasó por alto.
Incluso el segundo uso conlleva riesgos. El sistema podría inventar un contraargumento, distorsionar un precedente o fomentar revisiones innecesarias. Sin embargo, el estudiante sigue implicado cognitivamente al evaluar esas sugerencias.
Por tanto, las escuelas necesitan tareas que hagan visible el proceso. Un profesor puede exigir registros de fuentes, defensas orales, historiales de revisión o breves explicaciones del uso permitido de IA.
Estas medidas son más informativas que depender de software de detección de IA. Los sistemas de detección pueden producir falsos positivos, especialmente al evaluar redacción formularia o escrita en una segunda lengua. También fomentan una competencia entre la evasión y la aplicación de normas.
La evidencia del proceso respalda tanto la educación como la integridad. Un estudiante que puede explicar por qué cambió un argumento demuestra más comprensión que quien simplemente entrega una prosa pulida.
Las normas claras también importan porque las funciones generativas ahora aparecen dentro de motores de búsqueda, procesadores de texto y plataformas de investigación. Los estudiantes no siempre reconocen cuándo una herramienta familiar ha pasado de la corrección a la composición.
La línea clara de Berkeley mejora la claridad, pero podría abarcar asistencia de bajo riesgo. El estándar de responsabilidad de Columbia preserva la flexibilidad, pero exige más interpretación. El aula sin dispositivos de UChicago crea un límite aplicable solo dentro de un contexto limitado.
La accesibilidad sigue siendo otra preocupación. La traducción, edición o síntesis asistidas por IA pueden ayudar a estudiantes con discapacidades y a quienes trabajan en una segunda lengua. Restringir esas funciones puede imponer cargas desiguales.
Las adaptaciones académicas pueden abordar algunos casos. Aun así, las escuelas deberían distinguir entre una adaptación y una ventaja que modifica la habilidad evaluada.
La respuesta dependerá de la tarea. La asistencia de traducción podría ser inapropiada cuando la redacción jurídica en inglés es la competencia medida. Podría ser razonable cuando la tarea evalúa la identificación de cuestiones en otro contexto.
Las facultades de derecho también deberían evitar exagerar la evidencia sobre el daño cognitivo. La investigación ha planteado preocupaciones sobre la descarga cognitiva, que ocurre cuando las personas delegan trabajo mental en herramientas externas. Sin embargo, la asociación no demuestra un deterioro inevitable.
Los efectos probablemente varían según la tarea, la experiencia del estudiante, el comportamiento al formular indicaciones y el diseño instructivo. Un ejercicio guiado que exige verificación es distinto de pedir a un chatbot que complete un ensayo.
Por tanto, las políticas estrictas deberían tratarse como intervenciones educativas, no como conclusiones científicas establecidas. Las escuelas necesitan evidencia comparativa sobre el razonamiento, la retención, la escritura y el desempeño profesional de los estudiantes.
El mismo escepticismo se aplica a los programas de alfabetización en IA. Ofrecer un curso no demuestra que los graduados puedan detectar citas inventadas, proteger la información de los clientes o decidir cuándo la automatización es inapropiada.
Las escuelas deben evaluar directamente esas capacidades. Los estudiantes deberían enfrentarse a resultados defectuosos, escenarios de confidencialidad y fuentes de autoridad ambiguas bajo condiciones supervisadas.
La industria también cambia con demasiada rapidez como para establecer reglas permanentes. Un límite redactado en torno a la interfaz de chatbot actual puede quedar obsoleto cuando la asistencia generativa desaparezca dentro del software estándar.
El principio duradero es la responsabilidad. Los estudiantes necesitan saber qué trabajo delegaron, qué información divulgaron y cómo verificaron el resultado.
Una prohibición de IA en una facultad de derecho no puede enseñar por sí sola esos hábitos. El acceso sin restricciones tampoco puede enseñarlos.
Qué Observar Durante el Año Académico 2026–2027
La siguiente prueba consiste en determinar si las políticas híbridas mejoran el razonamiento independiente sin ampliar la brecha entre los estudiantes y la práctica profesional.
La primera señal vendrá del programa piloto de primer año sin dispositivos de UChicago. Los administradores deberían examinar la calidad de la participación, el desempeño doctrinal, la retención estudiantil y las solicitudes de adaptaciones.
Si esos indicadores mejoran sin crear problemas sustanciales de acceso, se fortalece el argumento a favor de períodos protegidos de aprendizaje sin dispositivos. Si los resultados permanecen sin cambios, la política podría haber eliminado comodidad sin aportar valor educativo.
La segunda señal será cómo los instructores de Berkeley utilizan su autoridad para conceder excepciones. La política de la escuela funciona como un modelo híbrido solo si los estudiantes reciben oportunidades significativas y supervisadas para practicar con IA.
Los 22 cursos de derecho y tecnología de Berkeley ofrecen una capacidad considerable sobre el papel. La medida importante es si esos cursos enseñan verificación, confidencialidad y responsabilidad profesional en todo el alumnado.
Si la instrucción sobre IA sigue concentrada entre especialistas en tecnología, la población estudiantil más amplia podría graduarse con sólidas habilidades tradicionales, pero una preparación práctica desigual.
La tercera señal será la convergencia de políticas entre las facultades de derecho. Una encuesta educativa publicada por la American Bar Association en 2024 determinó que las instituciones seguían desarrollando sus enfoques.
Para 2026, Berkeley, UChicago y Columbia han superado las declaraciones temporales. Cada una ha establecido una distribución más detallada entre trabajo sin IA, uso supervisado y discreción del instructor.
Otras facultades decidirán ahora si replican esos modelos o si desarrollan alternativas. Unas definiciones coherentes ayudarían a los estudiantes a comprender la diferencia entre recuperación, corrección, generación y revisión automatizada.
Los tribunales y los empleadores influirán en estas decisiones. Si las firmas esperan que los nuevos asociados supervisen sistemas de IA de inmediato, las facultades afrontarán presión para ampliar la enseñanza práctica.
Los jueces y los reguladores pueden empujar en la dirección contraria cuando los errores generados llegan a los escritos judiciales. Cada fallo público refuerza el argumento de que la verificación independiente debe preceder a la automatización.
El cambio duradero no es que las facultades de Derecho hayan prohibido la IA. Han empezado a considerar el razonamiento sin ayuda como una etapa protegida de la formación profesional.
Esa etapa debe seguir conectada con el lugar de trabajo al que se incorporarán los estudiantes. De lo contrario, las restricciones se convierten en evasión en lugar de preparación.
La política de IA de Berkeley Law ofrece un experimento claro: exigir a los estudiantes que produzcan trabajos evaluados de forma independiente y, después, enseñar IA en entornos designados. UChicago y Columbia están probando distintas versiones de esa división.
Al evaluar cualquier política, los estudiantes deberían plantearse una pregunta práctica: ¿especifica cuándo la IA debe quedar fuera y, al mismo tiempo, enseña cómo funciona un uso responsable? Una respuesta creíble necesita ambas partes.
