.jpg)
L'irrupció de la intel·ligència artificial generativa ha transformat radicalment la manera com els estudiants de ciències de la computació aborden les seves tasques i projectes. Eines com ChatGPT, GitHub Copilot o models de llenguatge avançats permeten generar codi, documentació i anàlisi en segons, cosa que planteja un repte fonamental per als sistemes d'avaluació tradicionals. Ja no n'hi ha prou de mesurar si el resultat final és correcte, perquè aquest resultat pot ser produït íntegrament per un model d'IA. Sorgeix així la necessitat de dissenyar avaluacions que realment demostrin el valor afegit de l'estudiant: la seva capacitat per superar allò que una intel·ligència artificial estàndard pot aconseguir per si sola. Aquest concepte, conegut com a habilitat resistent a la IA o AI-resilient skill, busca centrar la nota en l'excedent de rendiment que l'alumne aporta més enllà d'una línia base automatitzada.
En la pràctica, aquest enfocament requereix repensar completament el protocol d'avaluació. No es tracta de prohibir l'ús de la IA —al contrari, se'n fomenta l'ús lliure— sinó de dissenyar tasques on l'estudiant hagi de prendre decisions complexes, optimitzar compensacions, integrar restriccions del món real o innovar en aspectes que un model preentrenat no aborda de manera satisfactòria. Per exemple, en lloc de demanar una implementació estàndard d'una estructura de dades, es pot sol·licitar una versió modificada que superi en rendiment o en eficiència de memòria la que genera un model d'IA de referència. L'avaluador, automatitzat o semiautomatitzat, compara l'artefacte lliurat amb una frontera de Pareto declarada, i la qualificació es basa en l'excedent de Pareto: la millora tangible que l'estudiant ha aconseguit respecte a la millor solució que la IA podria oferir dins d'uns recursos computacionals donats.
Aquest paradigma no només és aplicable a cursos avançats de computació, sinó que s'estén a qualsevol àmbit on la IA pugui generar solucions plausibles. Les empreses que desenvolupen programari a mida per al sector educatiu ja estan explorant plataformes que integrin aquest tipus d'avaluacions adaptatives. Per exemple, Q2BSTUDIO, com a empresa especialitzada en aplicacions a mida, pot dissenyar sistemes d'avaluació que incorporin agents d'IA com a avaluadors automatitzats, capaços d'executar proves, calcular fronteres de rendiment i determinar l'excedent de Pareto de cada lliurament. A més, la infraestructura de serveis cloud AWS i Azure permet escalar aquestes avaluacions a centenars d'estudiants simultàniament, amb entorns aïllats i segurs que eviten la manipulació de resultats.
La incorporació de intel·ligència artificial en l'educació no s'ha de veure com una amenaça, sinó com una oportunitat per elevar el nivell d'exigència. Els agents IA poden actuar com a tutors, assistents de correcció o generadors de línies base, mentre que els estudiants demostren la seva capacitat d'innovació i de pensament crític. En aquest context, la ciberseguretat també hi juga un paper clau: els entorns d'avaluació han de garantir que els artefactes presentats siguin autèntics i que no hi hagi filtracions de les solucions de referència. Un bon disseny de protocol inclou red teaming o proves de resistència, on s'intenta enganyar l'avaluador amb solucions generades per IA, i es reforça la robustesa del sistema.
Més enllà de l'avaluació pura, aquest model ofereix una font valuosa de dades per a la intel·ligència de negoci. Les plataformes poden integrar Power BI per visualitzar el progrés dels estudiants, identificar àrees on la IA supera sistemàticament els alumnes, o detectar patrons d'aprenentatge que requereixin intervenció. Aquests dashboards permeten als docents ajustar les seves estratègies pedagògiques en temps real, recolzant-se en serveis intel·ligència de negoci que converteixen els resultats de les avaluacions resistents a la IA en informació accionable.
En definitiva, la transició cap a avaluacions que mesurin l'habilitat resistent a la IA no és un mer exercici teòric, sinó una necessitat pràctica per formar professionals capaços d'aportar valor més enllà del que una màquina pot fer. Empreses com Q2BSTUDIO ja ofereixen solucions d'IA per a empreses que es poden adaptar a aquests nous models educatius, proporcionant des de programari a mida per a la gestió de tasques fins a plataformes completes d'avaluació automatitzada basades en el núvol. El futur de l'educació en computació passa per reconèixer que la IA és una eina més, i que el veritable talent es demostra quan s'aconsegueix anar més enllà dels seus límits.
