La inteligencia artificial en la educación superior: entre la promesa y la evidencia
Un análisis crítico sobre lo que la IA generativa puede —y no puede— ofrecer a la docencia universitaria, y por qué la gobernanza institucional ya no es opcional.
Introducción
En apenas tres años, la inteligencia artificial generativa (IAG) ha pasado de ser una curiosidad tecnológica a convertirse en un actor cotidiano de la vida universitaria: redacta borradores, resume lecturas, genera código, simula tutores personalizados e incluso corrige exámenes. El entusiasmo institucional ha sido, en muchos casos, proporcional a la velocidad de adopción. Sin embargo, entre la promesa de una "revolución del aprendizaje personalizado" y la evidencia empírica disponible hasta ahora existe una brecha que la comunidad académica no puede permitirse ignorar. Este artículo propone una lectura equilibrada —ni tecnofóbica ni tecnoentusiasta— de ese impacto, con la mirada puesta en la ética, la equidad y la gobernanza institucional.
1. Las promesas: lo que se nos ha prometido
El discurso dominante sobre la IAG en educación superior suele articularse en torno a cuatro promesas recurrentes:
- Personalización del aprendizaje a escala, mediante tutores inteligentes que se adaptan al ritmo de cada estudiante.
- Reducción de la carga administrativa docente, liberando tiempo para la retroalimentación de alto valor pedagógico.
- Democratización del acceso a apoyo académico especializado, especialmente para estudiantes de primera generación o con menor capital cultural.
- Preparación para un mercado laboral que exige, cada vez más, fluidez en el uso de herramientas de IA.
Estas promesas no son infundadas: existe evidencia de que un uso reflexivo y bien diseñado de la IAG puede mejorar los procesos de escritura académica y de pensamiento crítico cuando se integra en secuencias didácticas explícitas. Sin embargo, la clave de esa condición —"cuando se integra en secuencias didácticas explícitas"— es precisamente lo que suele omitirse en el discurso promocional.
2. Análisis crítico: ¿realmente mejora el aprendizaje?
La literatura reciente sobre IAG y pensamiento crítico converge en una conclusión incómoda para el optimismo tecnológico: el efecto de la IA sobre el aprendizaje no es uniforme ni automático; depende críticamente del modo en que el estudiante interactúa con la herramienta.
Una revisión sistemática publicada en Smart Learning Environments documenta que el uso excesivo de sistemas de diálogo con IA se asocia con un deterioro de capacidades cognitivas relacionadas con el pensamiento crítico y la resolución autónoma de problemas cuando dicho uso no está mediado por una intervención pedagógica intencional (Zhai et al., 2024). En la misma línea, estudios recientes sobre "descarga cognitiva" (cognitive offloading) muestran que delegar tareas de bajo nivel en la IA no es intrínsecamente negativo, pero que la delegación del juicio evaluativo —aceptar acríticamente las respuestas generadas— sí se asocia sistemáticamente con un desempeño académico más débil (López-Pernas et al., 2025, según se cita en Baker & Ogata, 2025).
Dicho de otro modo: la investigación empírica no respalda la idea de que la IA "mejora el aprendizaje" como una propiedad inherente de la herramienta. Lo que mejora —o empeora— el aprendizaje es el diseño pedagógico que rodea su uso. La misma herramienta puede producir aprendizaje profundo en un curso en el que el profesorado exige justificar y revisar críticamente cada output de la IA, y producir "pereza metacognitiva" en un curso en el que se usa como atajo para completar tareas (Zhai et al., 2024). Esta distinción es, quizás, la conclusión más importante —y menos difundida— de la investigación disponible hasta la fecha.
3. Ventajas y desventajas: una mirada sin maquillaje
| Dimensión |
Ventaja documentada |
Desventaja o riesgo documentado |
| Escritura académica |
Apoyo en fases de planificación y retroalimentación formativa |
Riesgo de homogeneización de la voz y el estilo argumentativo del estudiante |
| Pensamiento crítico |
Puede fortalecerse si el estudiante evalúa y refuta activamente el output de la IA |
Puede debilitarse cuando el estudiante acepta la respuesta sin contrastarla (dependencia y "pereza metacognitiva") |
| Personalización |
Retroalimentación inmediata y disponible fuera del horario docente |
Sustituye, en algunos casos, la interacción humana necesaria para el andamiaje socioemocional del aprendizaje |
| Acceso y equidad |
Puede reducir barreras de acceso a apoyo académico especializado |
Puede ampliar la brecha entre quienes cuentan con conectividad, dispositivos y alfabetización digital adecuada, y quienes no |
| Productividad docente |
Reduce tiempo dedicado a tareas administrativas repetitivas |
Introduce nuevas cargas de trabajo: verificación de integridad académica, rediseño de evaluaciones |
| Integridad académica |
Puede usarse como herramienta de aprendizaje declarado y transparente |
Facilita formas de fraude académico difíciles de detectar con los instrumentos actuales |
4. Ética, privacidad y equidad: las preguntas que no podemos posponer
Más allá del debate pedagógico, la adopción de IAG en la universidad plantea al menos tres tensiones estructurales:
Ética. ¿Quién es responsable cuando un sistema de IA proporciona información incorrecta que un estudiante incorpora a su formación profesional? ¿Cómo se garantiza la autoría y la trazabilidad del conocimiento cuando la frontera entre "asistencia" y "sustitución" del trabajo intelectual es cada vez más difusa?
Privacidad. Buena parte de las herramientas de IAG utilizadas en el aula procesan datos de estudiantes —textos, patrones de escritura, en ocasiones datos biométricos en sistemas de proctoring— en servidores de terceros, a menudo fuera de la jurisdicción de protección de datos del país de origen de la institución. La ausencia de políticas claras sobre retención, uso secundario y titularidad de estos datos constituye, hoy, una laguna regulatoria significativa en buena parte de las instituciones de educación superior.
Equidad. La adopción de IA no es neutra en términos de desigualdad. La evidencia disponible en América Latina y el Caribe, por ejemplo, muestra que la brecha no está tanto en el uso de las herramientas —que es ya generalizado— sino en la capacidad institucional de gobernarlas: apenas una cuarta parte de las instituciones de la región cuenta con una estrategia formal de IA, y menos de una de cada diez dispone de mecanismos de evaluación de sus efectos (Valentini et al., 2025). Esta asimetría de gobernanza tiende a reproducirse también al interior de cada institución, entre facultades con recursos para experimentar de forma responsable y otras que adoptan la tecnología sin ningún acompañamiento.
5. El riesgo de un uso acrítico
Quizás el mayor riesgo no sea la IA en sí misma, sino la adopción acrítica —tanto por exceso de entusiasmo como por prohibición reactiva—. Ambas posturas comparten un mismo defecto: eluden la pregunta pedagógica de fondo, que no es "¿usar o no usar IA?", sino "¿qué tipo de aprendizaje queremos proteger, y qué papel puede jugar —o no— la IA en ese propósito?". Un uso acrítico se manifiesta, entre otras formas, en:
- Incorporar herramientas de IA en el currículo por presión de mercado o de imagen institucional, sin evidencia pedagógica que lo respalde.
- Prohibir su uso sin ofrecer alternativas para el desarrollo de competencias digitales, lo que empuja su uso a la clandestinidad.
- Evaluar del mismo modo tareas que antes medían un proceso cognitivo que la IA ahora puede automatizar, sin rediseñar el instrumento de evaluación.
6. Formación docente y competencias digitales: la pieza que falta
Ninguna política institucional sobre IA —por bien redactada que esté— tiene efecto real si no va acompañada de un proceso sostenido de desarrollo de competencias digitales en los docentes. La Universidad de Hong Kong, por ejemplo, ha optado por instaurar la alfabetización en IA como una "quinta alfabetización", al mismo nivel que la oral, escrita, visual y digital (University of Hong Kong, 2023) —un reconocimiento explícito de que no se trata de una competencia técnica accesoria, sino de una dimensión formativa transversal. Formar al profesorado no debería limitarse al manejo instrumental de herramientas, sino incluir: criterios para el rediseño de evaluaciones auténticas, marcos para el diálogo con el estudiantado sobre uso responsable, y espacios de reflexión colegiada sobre los límites pedagógicos de la delegación cognitiva.
7. ¿Necesitamos reforzar la gobernanza? Sí, y con urgencia
La respuesta corta es sí. La respuesta larga es que la gobernanza de la IA en educación superior no puede seguir dependiendo de la voluntad individual de cada docente o de directrices genéricas de "uso responsable" sin mecanismos de seguimiento. La experiencia comparada internacional muestra que los marcos más sólidos comparten al menos tres rasgos: (a) un órgano de gobierno institucional claramente identificado con mandato explícito sobre la política de IA, (b) mecanismos de revisión y actualización periódica —dado que tanto la tecnología como la evidencia pedagógica evolucionan con rapidez—, y (c) instrumentos de rendición de cuentas que permitan evaluar si la política efectivamente protege el aprendizaje, y no solo regula el fraude. La ausencia de gobernanza no es una opción neutra: es, en sí misma, una forma de gobernanza —la más débil de todas— que deja la definición del uso de la IA en manos del mercado tecnológico y de la improvisación individual.
Conclusión
La inteligencia artificial generativa no es, por sí sola, ni la solución a los problemas estructurales de la educación superior ni una amenaza existencial para el pensamiento crítico. Es una herramienta cuyo impacto depende, de forma decisiva, del diseño pedagógico, de la formación docente y —sobre todo— de la calidad de la gobernanza institucional que la enmarca. Adoptarla sin gobernanza es tan acrítico como rechazarla sin evidencia.
Preguntas para la reflexión
- En su propia práctica docente o institucional, ¿la incorporación de la IA generativa ha respondido a una necesidad pedagógica identificada, o más bien a la presión de no "quedarse atrás" frente a otras instituciones?
- Si tuviera que rediseñar una evaluación de su curso partiendo de la premisa de que sus estudiantes tendrán acceso irrestricto a la IA generativa, ¿qué capacidad cognitiva o competencia querría proteger por encima de todas las demás?
Referencias (APA 7ª edición)
Baker, R. S., & Ogata, H. (2025). Cognitive offloading in student–AI collaboration: A longitudinal analysis of prompting strategies. Computers & Education. https://www.sciencedirect.com/science/article/pii/S2451958826002046
University of Hong Kong. (2023, 3 de agosto). HKU introduces new policy to fully integrate GenAI in teaching and learning [Comunicado de prensa]. https://www.hku.hk/press/press-releases/detail/26434.html
Valentini, A., Plana, J., & Sabzalieva, E. (2025). Adopción y gobernanza de la IA en la educación superior de América Latina y el Caribe: Resultados de una encuesta regional. Revista Educación Superior y Sociedad, 37(2). https://ess.iesalc.unesco.org/index.php/ess3/article/view/v37i2-dt-14
Zhai, C., Wibowo, S., & Li, L. D. (2024). The effects of over-reliance on AI dialogue systems on students' cognitive abilities: A systematic review. Smart Learning Environments, 11(1), Artículo 28. https://doi.org/10.1186/s40561-024-00316-7
