La respuesta es sí, aunque no por las razones que comúnmente se asumen. La IA en sí misma no es peligrosa; el verdadero problema es que las instituciones educativas están utilizando esta poderosa tecnología con sistemas obsoletos, como datos dispersos, herramientas desconectadas y métodos de enseñanza diseñados para una época en la que la información era difícil de encontrar. Si estos aspectos básicos no cambian, la IA no solucionará la educación. En cambio, empeorará los problemas actuales. El desafío más urgente no es la tecnología en sí, sino la gobernanza.
La adopción ya ocurrió, pero la gobernanza no
Las cifras muestran una tendencia constante en todas las regiones. Según el estudio EDUCAUSE AI Landscape Study, el 57% de los líderes universitarios en los Estados Unidos ya identifica a la IA como una prioridad estratégica. Eso representa un amplio respaldo ejecutivo. Sin embargo, el mismo estudio encontró una brecha significativa en la ejecución: menos de la mitad de esas instituciones contaba con una política de IA formal y exhaustiva.
Los datos globales de la UNESCO confirman el patrón: solo el 19% de las instituciones de educación superior tiene una política oficial de IA, otro 42% todavía está redactando una y el resto no tiene ninguna.
La brecha entre la rápida adopción de la IA y la lenta gobernanza es el principal desafío para la educación superior. Este problema no se limita a las universidades; los gobiernos también lo enfrentan, pero a mayor escala. Algunos evitan crear nuevos organismos reguladores y prefieren normas ligeras y específicas para cada sector. Otros, como la Unión Europea, han promulgado leyes que clasifican categorías de riesgo. En América Latina, un organismo de auditoría pública afirmó recientemente que las personas, y no los sistemas de IA, son siempre las responsables de los resultados generados por la IA. Distintos gobiernos están tomando diferentes decisiones, pero el problema de fondo es el mismo. La educación superior no puede ignorarlo.
Nuestra principal preocupación no es el uso de la IA por parte de los estudiantes, sino la falta de orientación institucional: la ausencia de reglas claras, marcos éticos, protección de datos o estándares pedagógicos compartidos. Cada docente aborda estos temas de forma independiente y las instituciones están improvisando. La improvisación a esta escala genera consecuencias significativas, y una institución requiere un esfuerzo colectivo para cambiar de rumbo, ya que el progreso es limitado si solo unos pocos contribuyen.
Para avanzar, la estrategia educativa debe evolucionar. Debe ser más que un documento; debe reflejar un compromiso con la transformación de la forma en que las personas trabajan, aprenden y lideran juntas. Esto requiere una estrategia arraigada en la experiencia vivida de las escuelas y la creación de condiciones donde las personas no solo cumplan con la norma, sino que estén plenamente comprometidas con un cambio coordinado y significativo. Esto no es un detalle menor: es el pilar de todas las acciones posteriores.
Tres desafíos que las instituciones continúan enfrentando
Estos desafíos no son nuevos; la IA simplemente los ha vuelto más urgentes.
1. Los datos están fragmentados
La IA solo genera valor cuando se alimenta de datos de alta calidad, y en la mayoría de las instituciones, esos datos viven en silos: los registros académicos en un sistema, los pagos en otro, la asistencia en otro totalmente distinto y el historial completo del estudiante en ningún lugar en particular.
Sin embargo, construir IA sobre una arquitectura fragmentada no produce resultados; amplifica las fallas a mayor velocidad, como sugiere el informe del Banco Mundial, Artificial Intelligence Revolution in Higher Education: What You Need to Know. Una infraestructura interconectada permite a las instituciones implementar modelos predictivos que detectan más rápido a los estudiantes en riesgo y respaldan esfuerzos de retención proactivos. Sin ella, estos análisis e intervenciones quedan fuera de alcance.
Algunas instituciones ya demuestran lo que significa organizarse primero. En lugar de depender de un solo proveedor o modelo de IA, construyen plataformas capaces de ejecutar múltiples modelos juntos, cumplir con las normas de protección de datos y conservar únicamente datos de uso agregados, no los detalles de cada interacción. No comenzaron comprando un producto de IA; primero unificaron sus datos y luego añadieron la IA por encima.
El primer paso no es adquirir una herramienta de IA, sino organizar los sistemas internos. A esto lo llamamos un Campus Conectado: una visión unificada de cada estudiante que habilita avances de mayor alcance.
2. La gobernanza no existe
La mayoría de las instituciones no tiene una postura activa sobre el uso de la IA, lo que no significa que nadie la esté usando; significa que todos la están usando de manera diferente, sin criterios compartidos, sin protección y sin transparencia.
¿Qué sucede cuando un profesor carga datos de estudiantes en una herramienta gratuita de IA para calificar exámenes? En la mayoría de los casos, esos datos entrenan a un modelo externo, lo que representa no solo un riesgo ético, sino, en muchas jurisdicciones, una violación de los derechos de los estudiantes. Algunas directivas institucionales lo expresan claramente: herramientas como ChatGPT vienen «sin garantías de protección de datos personales e institucionales», razón por la cual tiene todo el sentido construir una alternativa propia en lugar de dejar que cada profesor trabaje por su cuenta con herramientas públicas.
¿Qué sucede cuando un sistema de admisión o calificación toma decisiones sin supervisión humana? La Ley de IA de la UE (EU AI Act) no deja margen para la ambigüedad: clasifica los sistemas de IA utilizados para determinar el acceso o la admisión a la educación, evaluar los resultados del aprendizaje o detectar comportamientos prohibidos durante los exámenes como de «alto riesgo», lo que activa auditorías obligatorias, obligaciones de transparencia y la necesidad de validación humana (human-in-the-loop). Otras instituciones han llegado, de forma independiente y sin que ninguna ley lo exija, a la misma línea roja: prohibir el uso de IA generativa para decisiones de alto impacto, contratación, evaluación del rendimiento académico o resolución de quejas sin consultar previamente con los equipos legales y tecnológicos pertinentes. Que diferentes instituciones coincidan en el mismo límite por sí solas es una señal, no una coincidencia.
Un marco práctico que está ganando terreno es el modelo del semáforo: rojo significa que la IA está prohibida y cualquier uso se trata como plagio; amarillo significa que está permitida incluyendo la cita correspondiente y la entrega de los prompts utilizados; verde significa que es obligatoria, ya que la tarea fue diseñada específicamente para realizarse con IA. Es simple, visual y fácil de integrar directamente en el LMS junto a cada asignación.
3. La pedagogía no se ha rediseñado
Este es el problema más profundo y el que más nos preocupa. La IA es ahora muy buena en tres cosas que antes eran exclusivamente humanas: generar ideas, estructurar contenidos y expresarlos con claridad (los tres primeros pasos de la retórica clásica: inventio, dispositio, elocutio), como nos dijo recientemente el rector de una universidad. Si la IA hace estas tres tareas por el estudiante, ¿qué queda por enseñar?
La solución no es prohibir la IA. Es cambiar lo que medimos. Si los exámenes solo evalúan el producto final, la IA los vuelve inútiles con un solo clic. Pero si los exámenes se centran en el proceso de pensamiento, en la capacidad de cuestionar, verificar y revisar lo que genera un algoritmo, la IA no puede reemplazar eso, porque no puede copiar el pensamiento humano real.
El informe Digital Education Outlook de la OCDE recomienda a las universidades enseñar a los estudiantes a «cuestionar con criterio», auditando los resultados generados por algoritmos en lugar de confiar en ellos por defecto. El Banco Mundial añade una práctica concreta: pedir a los estudiantes que entreguen no solo el trabajo final, sino también los prompts que utilizaron y una reflexión sobre su proceso. María Cristina Kanobel, investigadora en educación, va un paso más allá y lo denomina «autoría aumentada«, definida como una cocreación reflexiva entre las personas y los sistemas de IA que requiere un seguimiento humano significativo, la divulgación de cada intervención algorítmica y un valor intelectual añadido demostrable, no solo una casilla que declare «aquí se usó IA». (Observe lo naturalmente que esto se combina con el modelo del semáforo).
La Recomendación sobre la Ética de la Inteligencia Artificial de la UNESCO, adoptada por los 193 Estados miembros (el único instrumento ético de IA con ese nivel de consenso), señala algo que vale la pena citar directamente: los sistemas de IA utilizados en el aprendizaje «deberían estar sujetos a requisitos estrictos en lo que respecta al monitoreo, la evaluación de habilidades o la predicción de los comportamientos de los estudiantes», y la IA «debería respaldar el proceso de aprendizaje sin disminuir las capacidades cognitivas». Un estudio del MIT planteó una posibilidad incómoda: cuando la IA generativa asume demasiado trabajo cognitivo, el aprendizaje puede verse afectado. Los participantes que dependían en gran medida de ChatGPT mostraron menores niveles de compromiso neuronal, retención de memoria y pensamiento crítico, lo que sugiere que la herramienta a veces puede acortar el proceso de aprendizaje en lugar de reforzarlo.
Esa es la diferencia entre usar la IA como un atajo o usarla como un copiloto.
Los docentes no están siendo reemplazados, están siendo reposicionados
Escuchamos mucho sobre el temor docente, y no es irracional. La tecnología avanza tan rápido que apenas hay tiempo de aprender lo que existe hoy antes de que algo nuevo lo reemplace. La parálisis, en ese contexto, es una respuesta comprensible. Tampoco es algo exclusivo de la docencia; se manifiesta en todas las profesiones que enfrentan el mismo ritmo de cambio. Sin embargo, hay cosas que solo los humanos pueden hacer: mostrar empatía, tomar decisiones éticas, conectar con los demás y comprender el estado de ánimo de un grupo. Esto es exactamente de lo que la educación necesita más, no menos.
Lo que está cambiando es cómo los profesores utilizan su tiempo. Transmitir información ya no es la tarea principal, dado que la información está en todas partes y es fácil de acceder. Ahora, el enfoque está en ayudar a los estudiantes a pensar, hacer preguntas y trabajar juntos. Estas llamadas «habilidades blandas» son en realidad las más difíciles de enseñar y las más complejas de copiar y automatizar para la IA.
Los docentes que utilizan herramientas de IA ahorran varias horas a la semana en calificación, planificación y tareas administrativas. Pero esto solo conduce a una mejor enseñanza si se rediseña todo el sistema. Si un profesor ahorra tiempo con la IA pero sigue siendo evaluado únicamente por las puntuaciones de los exámenes, no podrá utilizar ese tiempo extra para labores más importantes. El cambio real exige que cambie todo el sistema, no solo la tecnología.
Lo que tienen en común las instituciones líderes
Las mejores iniciativas no se definen por la tecnología que utilizan; más bien, todas comenzaron haciéndose las preguntas correctas: ¿Para qué sirve esto? ¿Quién se beneficia? ¿Qué datos necesitamos realmente? ¿Cómo protegemos a los estudiantes? ¿Cómo sabemos que está funcionando?
Por eso, cada solución de IA que utilizamos debe superar una prueba sencilla: debe ser segura, basada en evidencia, inclusiva, fácil de usar y compatible con otros sistemas.
La decisión que cada institución debe tomar
El Observatorio de IA en la Educación de la UNESCO lo expresó de la mejor manera: «La cuestión no es si la IA llegará a las escuelas. Ya lo ha hecho. La cuestión es si los sistemas educativos tienen las condiciones para hacer que esa presencia sea beneficiosa». Sin embargo, esas condiciones se tienen que crear, ya que no se generan por sí solas.
Las instituciones que establezcan reglas claras, conecten sus datos, rediseñen las evaluaciones y pongan a los docentes en el centro (no solo como usuarios de tecnología, sino como líderes en pensamiento crítico) no solo sobrevivirán a estos cambios: le darán forma al futuro.
La IA es como una Ferrari: si se usa bien, puede potenciar enormemente lo que podemos hacer. Si se usa descuidadamente, puede causar el mismo nivel de daño. Ya hemos visto suceder esto con las redes sociales. Esta vez, tenemos la oportunidad de construir una historia mejor.
Javier Scher es SVP de Tecnología y Head del Education AI Studio en Globant. Mayra Botta es Learning Manager en el mismo AI Studio, donde se enfoca en la intersección entre la pedagogía y las tecnologías emergentes.
