Las gafas con IA ponen en duda lo que realmente prueba un examen vigilado

Un examen presencial vigilado se apoya en una premisa sencilla: quien está sentado en el aula es quien produce la respuesta. Las gafas con inteligencia artificial, los auriculares inalámbricos y otros dispositivos conectados hacen cada vez más difícil demostrarlo.

Una cámara integrada en una montura aparentemente normal puede captar una pregunta; un asistente externo o un servicio de IA puede procesarla; y la información puede volver al estudiante mediante audio o una pantalla en la lente, con movimientos apenas perceptibles. El problema, por tanto, va más allá de un nuevo artilugio para copiar: un examen convencional bajo supervisión puede dejar de ser una prueba fiable de que la respuesta se elaboró sin ayuda externa. 46

Los casos de 2026 muestran que el riesgo ya es real

Los incidentes detectados han aparecido en distintos sistemas de evaluación:

• Universidad de Auckland: la institución sancionó a un estudiante por llevar gafas con IA a una prueba, pese a que los organizadores habían prohibido explícitamente los dispositivos inteligentes. La universidad afirmó que forma a su personal de vigilancia para reconocer esta tecnología y responder ante ella. 48
• Universidad Nacional de Taiwán (NTU): la universidad descalificó a un aspirante de una prueba de admisión por utilizar gafas inteligentes con IA y le asignó una calificación nula. Los vigilantes sospecharon al observar que bajaba repetidamente la cabeza; al inspeccionar el dispositivo, detectaron que la montura estaba caliente. 49
• Corea del Sur: dos aspirantes fueron descubiertos con gafas con IA en sesiones distintas del TOEIC celebradas en mayo, y sus resultados fueron invalidados. También se notificaron casos en exámenes nacionales de cualificación técnica; informes posteriores señalaron que al menos cinco candidatos fueron detectados entre mayo y junio, lo que impulsó planes para revisar las normas. 364032
• SAT: las reglas actuales del College Board, entidad que administra este examen de acceso universitario en Estados Unidos, prohíben expresamente las gafas inteligentes, los teléfonos, relojes inteligentes, pulseras de actividad, dispositivos Bluetooth —como auriculares inalámbricos— y otras tecnologías portátiles durante la prueba y los descansos, salvo adaptación aprobada. La prohibición explícita de las gafas inteligentes comenzó en la primavera de 2026. 1821

Son casos detectados, no una medida de todos los intentos de uso indebido. Pero sí confirman que el fraude facilitado por wearables ya opera en contextos universitarios, pruebas de idiomas, acreditaciones profesionales y procesos de admisión.

Por qué son tan difíciles de detectar

Las gafas inteligentes pueden parecer gafas graduadas corrientes, aunque integren cámaras, micrófonos y otros componentes electrónicos. Un experto de CQUniversity describió un mecanismo en el que las gafas capturan las preguntas y devuelven respuestas en segundos, por audio o mediante una pantalla en la lente. 46

La detección suele depender de indicios, no de un método universal: una posición inusual de la cabeza, tocar repetidamente la montura, un reflejo visible, algún sonido o la decisión del personal de inspeccionar el dispositivo. El caso de NTU resulta ilustrativo precisamente porque hicieron falta sospechas y una revisión física para identificar las gafas. 9

El desafío tampoco se limita a las gafas. Auriculares inalámbricos, relojes, anillos y teléfonos ocultos pueden repartirse partes del mismo proceso: un aparato capta o transmite la información y otro recibe la respuesta. Una norma o inspección visual centrada solo en los móviles puede pasar por alto todo el sistema conectado.

Conviene tratar con cautela las afirmaciones de que una configuración concreta de wearables permite lograr una nota sobresaliente o perfecta, salvo que hayan sido verificadas de manera independiente y bajo condiciones de examen definidas. La información disponible respalda intentos confirmados y sanciones, pero no demuestra una tasa general de éxito en los exámenes.

Prohibirlos es necesario, pero no suficiente

Las prohibiciones claras importan: fijan expectativas, dan autoridad a los vigilantes para intervenir y protegen a quienes cumplen las reglas. La política del College Board es un ejemplo directo de ese límite. 18

Sin embargo, una estrategia basada solo en la vigilancia y la sanción tiene límites:

• Con el tiempo, los wearables pueden ser cada vez menos distinguibles a simple vista.
• Los registros intensivos y la supervisión constante cuestan dinero, pueden generar sospechas erróneas y tensionar el entorno del examen.
• Hay que ofrecer adaptaciones justas y viables a estudiantes que usan gafas graduadas o tecnología de apoyo autorizada.
• Incluso unos controles estrictos en la sala no prueban por sí solos que cada respuesta entregada refleje comprensión independiente.

Es un problema de diseño de la evaluación tanto como de seguridad de dispositivos. Una respuesta escrita y cronometrada es una evidencia cada vez más débil cuando la IA puede intervenir en la recuperación de información, la explicación o el cálculo fuera de la vista del examinador.

Qué pueden evaluar las universidades

La solución no es eliminar todos los exámenes controlados. Las instituciones pueden seguir necesitando pruebas de conocimientos fundamentales sin ayuda. Pero las decisiones de alto impacto deberían basarse en varias formas de evidencia, y no en una única prueba escrita que puede ser mediada con facilidad.

Estas son algunas alternativas útiles:

1. Desempeño auténtico bajo supervisión. Prácticas, simulaciones, trabajo de laboratorio, ejercicios clínicos y casos aplicados hacen más visibles el método y el criterio.
2. Defensas orales breves. Un examen oral, una demostración o una entrevista posterior permiten comprobar si la persona puede explicar sus decisiones, responder a un escenario nuevo y corregir un error.
3. Evidencia del proceso. Borradores, registros de decisiones, evaluación de fuentes, iteraciones, comentarios y reflexión muestran cómo se desarrolló el trabajo, no solo cómo luce el resultado final.
4. Evaluación transparente del uso de IA. Cuando emplear IA se parece a la práctica profesional real, puede evaluarse la declaración de uso, las instrucciones dadas a la herramienta, la verificación de resultados, sus límites y el juicio responsable, en vez de fingir que la herramienta no existe.
5. Evidencia triangulada. Combinar observaciones de menor peso, tareas supervisadas y verificaciones específicas reduce la importancia de una sola sesión potencialmente comprometida.

La distinción clave está entre evaluar lo que alguien puede hacer sin asistencia y lo que puede hacer con herramientas utilizadas responsablemente. Ambas capacidades pueden importar, pero son afirmaciones diferentes y deberían evaluarse de forma transparente.

Privacidad y gobernanza: el problema va más allá del aula

Las mismas capacidades que amenazan la integridad de un examen —cámaras discretas, micrófonos, captura de imágenes y asistencia conectada— plantean dudas sobre la grabación de personas sin un aviso significativo. Escuelas, universidades y empleadores necesitan políticas claras sobre zonas sin dispositivos, consentimiento, grabaciones, conservación y eliminación de datos, investigaciones, adaptaciones por discapacidad y registros proporcionados.

También surgen preguntas de política de producto para los gobiernos: si los wearables con cámara deberían incorporar indicadores de grabación más visibles, ajustes de privacidad más sólidos por defecto, obligaciones para vendedores, requisitos de información o restricciones a dispositivos promocionados para usos encubiertos.

La información disponible respalda los casos de seguridad en exámenes y las respuestas normativas descritas. No aporta, en cambio, base suficiente para conclusiones jurídicas específicas sobre el Reino Unido, Inglaterra y Gales, Noruega o Australia. Las normas de privacidad, vigilancia, derecho penal y regulación de productos cambian según el país y el contexto, por lo que requieren un análisis separado, no un veredicto legal global.

La conclusión

Los wearables con IA exponen una debilidad de la supervisión tradicional: ver a un estudiante sentado ante una mesa ya no equivale a saber que trabajó solo. Las prohibiciones explícitas y los vigilantes preparados siguen siendo salvaguardas esenciales, pero la respuesta duradera consiste en diseñar evaluaciones que demuestren comprensión, criterio y proceso, no solo la capacidad de entregar una respuesta que un dispositivo conectado podría ayudar a generar.