Política de uso de IA · EC0744
AIAS reinterpretada como modos de augmentación + audit log obligatorio
📖 Para el marco filosófico completo, ver el Manifiesto de Inteligencia Aumentada.
La política en una frase
Declaración + verificación + agencia humana auditable.
- Declaración — cada entregable declara su modo AIAS (1–5).
- Verificación — toda cita y output de IA se verifica en fuente original.
- Agencia humana auditable — el audit log demuestra qué decidiste tú y qué propuso la IA.
El marco AIAS reinterpretado
Adoptamos la AI Assessment Scale de Perkins, Furze, Roe & MacVaugh (2024) — pero reinterpretada bajo el lente de Inteligencia Aumentada:
| Nivel | Nombre | Modo de augmentación |
|---|---|---|
| 1 — No AI | Control puro | El humano trabaja sin palanca cognitiva externa |
| 2 — Planning | Augmentación de planeación | IA propone estructura; humano decide |
| 3 — Collaboration | Augmentación dialógica | IA es interlocutor crítico; humano es autor |
| 4 — Full Support | Augmentación operativa | IA ejecuta tareas instrumentales bajo dirección humana auditada |
| 5 — Full AI | IA como sujeto/objeto | El comportamiento de la IA es lo que se estudia |
No son grados de delegación. Son modos de augmentación: cómo la IA amplifica al humano sin reemplazarlo.
Asignación por entregable
| Entregable | Modo AIAS por default | Por qué este modo |
|---|---|---|
| H1 Research Brief v2.0 | 3 — Collaboration | El estudiante necesita pensar el problema; la IA es interlocutor que critica/propone. |
| H2 Evidence Map + DAG + Hipótesis | 3 — Collaboration | El DAG es decisión teórica humana; la IA propone alternativas a evaluar. |
| H3 PAP moderado + Lab-4 | 4 — Full Support | La codificación es instrumental; la decisión metodológica es humana. |
| H4 Póster + Repo + Defensa | 2 — Planning | El argumento es del estudiante; la IA solo ayuda con estructura visual. |
| Labs L1–L5 | 5 — Full AI | La IA es sujeto de estudio para entender sus límites. |
| Peer Review formal | 1 — No AI | El criterio crítico debe ser exclusivamente humano (no se pueden usar LLMs para evaluar a un par). |
Audit log — formato obligatorio
Cada hito (H1–H4) viene acompañado de un audit log en /audit-logs/HX.md del repo del estudiante:
# Audit Log — H2 Evidence Map + DAG + Hipótesis
- **Entregable:** H2
- **Modo AIAS declarado:** 3 — Collaboration
- **Herramientas usadas:** Claude 4.5 Sonnet, Elicit, DAGitty
- **Prompts clave:**
- [link al thread de Claude]
- "Critica este DAG: ¿qué confounders me faltan? ¿hay backdoors no bloqueados?"
- **Aceptado de la IA:**
- Sugerencia de incluir control por edad (confounder no observado).
- Identificación de un backdoor vía variable Z.
- Propuesta de hipótesis alternativa H2b.
- **Rechazado de la IA:**
- Cita inventada de "Acemoglu 2019 AER 109(7)" — verificada como inexistente.
Razón: alucinación documentada en la versión Claude del 12-mayo-2026.
- Sugerencia de mediator que rompía la lógica de mi marco teórico.
Razón: mi marco está anclado en Cinelli, Forney & Pearl 2024 — el mediator
sugerido habría introducido sesgo de selección.
- **Verificación humana:**
- 5 citas de literatura verificadas en Scopus + Google Scholar (4 reales, 1 alucinada).
- DAG validado con `dagitty.net` (adjustment set computado independientemente).
- Hipótesis comparadas con marco teórico (Pearl 2018, capítulo 4).
- **Decisión final (autoría humana confirmada):**
El DAG final fue construido por mí. La IA propuso 3 alternativas; acepté 1
(control por edad), rechacé 2 (mediator + collider). Las hipótesis son
formulaciones mías derivadas del DAG.
- **Firma:** Juan Pérez · 15 mayo 2026Las 5 reglas duras
Regla 1 — Toda cita generada por IA se verifica en fuente original
Buchanan, Hill & Shapoval (2024) documentaron que >30% de las citas que ChatGPT genera en economía no existen. Antes de incluir cualquier cita en tu entregable:
- Pídele a la IA la cita.
- Búscala en Scopus, Google Scholar o el journal directamente.
- Verifica autor + año + título + páginas + DOI.
- Si no la encuentras → es alucinación. Documéntalo en el audit log.
Nunca cites una referencia que no hayas verificado en fuente original.
Regla 2 — La decisión metodológica final es del humano
La IA puede proponer:
- Un DAG.
- Una especificación econométrica.
- Una hipótesis alternativa.
- Una estructura de PAP.
Tú decides:
- Aceptar la propuesta (con justificación documentada).
- Rechazarla (con justificación documentada).
- Modificarla (con justificación documentada).
Nunca aceptes una propuesta de la IA sin entenderla y poder defenderla.
Regla 3 — El audit log no es opcional
La nota del hito no se libera si:
- No hay audit log.
- El audit log no demuestra trazabilidad de la decisión humana.
- El audit log es genérico (“usé ChatGPT para revisar el texto”) sin detalles.
El audit log pesa 25% de cada rúbrica como eje “trazabilidad humana aumentada”.
Regla 4 — La sustentación oral es modo AIAS 1 (No AI)
Durante la sustentación de S08:
- No puedes consultar IA en tiempo real.
- No puedes leer respuestas pre-generadas.
- Tu defensa demuestra agencia investigativa real.
Regla 5 — Detección no es el camino, declaración sí
Perkins et al. (2024 Detection) documentaron que el software de detección de IA falla sistemáticamente (>30% error). El curso no usa software de detección. En su lugar:
- Declarar el modo AIAS.
- Mantener audit log.
- Sustentar oralmente sin asistencia.
La honestidad es la política. La detección es una mentira tecnológica.
Lo que SÍ se puede hacer
✅ Refinar tu pregunta de investigación con Claude/ChatGPT (modo 3).
✅ Pedir crítica de tu DAG a la IA (modo 3).
✅ Buscar literatura con Elicit/Consensus + verificar (modo 3).
✅ Sintetizar tu corpus con NotebookLM (modo 3).
✅ Codificación asistida con Copilot (modo 4) + audit log explícito.
✅ Mejorar claridad de escritura (modo 2 o 3) manteniendo voz propia.
✅ Diseñar slides y póster con IA (modo 2) dirigiendo el argumento.
Lo que NO se puede hacer
❌ Entregar texto generado por IA sin editar y declarar.
❌ Citar referencias generadas por IA sin verificar.
❌ Hacer que la IA decida y tú no puedes defenderlo.
❌ Ocultar que usaste IA.
❌ Pasar la sustentación con el chat al frente.
❌ Crear datos sintéticos pasándolos como reales.
❌ Pedirle a la IA que evalúe a un compañero (peer review).
❌ Usar IA en sustentación oral.
Las consecuencias
| Falta | Consecuencia |
|---|---|
| No hay audit log | Hito no se libera (0%) |
| Audit log genérico sin detalles | Eje “trazabilidad” puntúa 0/25 |
| Cita alucinada no verificada | Reduce puntuación + se reporta como ejercicio de Buchanan |
| Texto IA sin editar declarado modo 1 | Discrepancia → revisión + posible sanción académica |
| IA en sustentación oral | Falla la sustentación (componente del 35%) |
| No declaración del modo AIAS | Hito no se libera |
Marco institucional
Esta política sigue marcos internacionales adoptados:
- UNESCO 2023 — Guidance for Generative AI in Education and Research (versión LATAM IESALC) (Miao & Holmes, 2023)
- Russell Group 2023 — 5 Principles on the Use of Generative AI Tools in Education (UK, 24 universidades) (Russell Group, 2023)
- OECD 2023 — Digital Education Outlook (OECD, 2023)
- Perkins et al. 2024 — AI Assessment Scale (AIAS) — adoptado por TEQSA Australia (Perkins et al., 2024)
Preguntas frecuentes
¿Y si mi nivel de inglés no es alto y necesito DeepL/Claude para traducir?
Eso es modo 2 — Planning (la IA es palanca de comunicación). Declárelo. No hay penalización.
¿Y si Copilot me sugiere código y no entiendo qué hace?
Modo 4 con audit log. Pero si no entiendes el código, no lo uses. Pídele a la IA que te lo explique línea por línea hasta entenderlo. Si después no puedes defenderlo en sustentación, no era tuyo.
¿Y si ChatGPT me dio una idea brillante para mi pregunta?
Modo 3. Documenta la idea, evalúa críticamente, y si la adoptas, justifica por qué. La idea no se vuelve “tuya” por magia — se vuelve tuya cuando la integras al sistema de tu pregunta con tu marco teórico.
¿Y si soy malo escribiendo y la IA mejora mis textos?
Modo 3. Edición asistida. La voz argumentativa debe seguir siendo la tuya. Si la edición de la IA cambia el argumento, recházala.
¿Y si quiero usar la IA para generar datos sintéticos como ejercicio?
Modo 5 (Full AI) — la IA es sujeto de estudio. Declarado. Pero esto es para los labs L1–L5, no para entregables de tesis.
Cita final
“AI may multiply scientific output while reducing genuine understanding — the worst possible scenario for science as a collective enterprise.”
— Messeri & Crockett, Nature 2024 (Messeri & Crockett, 2024)
Esta política existe para que tu tesis NO caiga en ese escenario. Para que tu producción esté acompañada de comprensión.
Por inscribirte en EC0744, te comprometes con esta política.
Tu firma de aceptación se registra en S01 (sesión 1) como parte del contrato pedagógico.