UY Press - Agencia uruguaya de noticias

06.08.2026

La inteligencia artificial no vuelve inútil el conocimiento; obliga a revisar qué se enseña, cómo se evalúa y cuándo termina la formación.

Un estudiante entrega un ensayo impecable. El argumento es coherente, las palabras parecen exactas y la conclusión convence. Sin embargo, el profesor termina de leerlo sin saber qué realmente aprendió su autor. ¿Investigó? ¿Contrastó las fuentes? ¿Utilizó inteligencia artificial (IA) para desarrollar ideas propias o delegó en ella todo el razonamiento? La universidad conserva el producto, pero ha perdido de vista el proceso intelectual.

Esa escena resume uno de los mayores desafíos de la educación superior. Muchas instituciones concentran su energía en detectar el uso de IA cuando deberían examinar algo más incómodo: si sus tareas todavía permiten demostrar aprendizaje. Prohibir el uso de una herramienta puede ser necesario en determinadas evaluaciones. Convertir la prohibición en una política pedagógica general solo posterga la pregunta decisiva: ¿qué debe ser capaz de hacer el estudiante por sí mismo?

También conviene evitar el entusiasmo fácil. La llegada de la IA no convierte los contenidos, los exámenes ni al profesor en reliquias. Quien carece de conocimiento disciplinario difícilmente puede reconocer una fuente inventada, un cálculo absurdo o un argumento engañoso. Leer con profundidad, escribir, recordar conceptos, dominar métodos y sostener una posición con evidencia siguen siendo capacidades fundamentales. Una universidad que abandone esos fundamentos producirá usuarios rápidos en tecnología, pero profesionales vulnerables a sus propios errores.

La tecnología, entretanto, ya entró en las aulas mientras la gobernanza institucional avanza con lentitud. Una encuesta realizada a 200 instituciones de educación superior de 19 países de América Latina y el Caribe encontró que el 73.5% utilizaba IA en actividades de docencia y aprendizaje. Solo el 26% contaba con una estrategia formal y apenas el 9% disponía de mecanismos formales de evaluación.[1] La muestra no fue probabilística y, por tanto, sus resultados no pueden generalizarse a toda la región. Aun así, revelan una brecha inquietante: la IA se utiliza mucho más de lo que se orienta, se supervisa y se evalúa.

El primer cambio debe producirse en los currículos. Añadir una asignatura optativa sobre IA resulta insuficiente. Cada carrera necesita determinar qué conocimientos y competencias debe dominar el estudiante sin asistencia, qué actividades podrá realizar con apoyo tecnológico y qué responsabilidades nunca deberá delegar.

El marco de competencias de la UNESCO organiza 12 competencias en cuatro dimensiones: perspectiva centrada en el ser humano, ética de la IA, técnicas y aplicaciones de IA y diseño de sistemas de IA.[2] Alfabetizar en esta tecnología significa, por tanto, mucho más que aprender a redactar instrucciones. Exige comprender cómo funciona, reconocer sus límites, verificar sus resultados y responder por las decisiones tomadas con su ayuda.

La evaluación debe cambiar con la misma profundidad. Un ensayo o un examen todavía puede ser válido, pero ya no siempre basta como prueba aislada. Una revisión de 32 estudios empíricos identificó la necesidad de promover el aprendizaje autorregulado y responsable, proteger la integridad académica, formar al profesorado y revisar las políticas institucionales de evaluación.[3]

Borradores sucesivos, defensas orales, estudios de caso, bitácoras de decisiones, comprobación de fuentes y declaraciones transparentes sobre el uso de IA permiten observar el razonamiento que un documento pulido puede ocultar. El objetivo no es multiplicar innecesariamente las tareas, sino recuperar evidencia del proceso de aprendizaje.

Esto implica abandonar la idea de una regla única. Algunas actividades deberán realizarse sin asistencia tecnológica porque buscan comprobar el dominio individual. Otras tendrán que permitirla porque trabajar críticamente con esos sistemas formará parte del desempeño profesional. La decisión debe surgir del objetivo de aprendizaje, no del temor ni de la fascinación.

Antes de comenzar una tarea, el estudiante necesita saber qué apoyo está autorizado, qué uso deberá declarar y qué parte del resultado tendrá que explicar y defender. La transparencia debe sustituir la ambigüedad.

La formación ética tampoco puede reducirse al plagio. Los futuros médicos, abogados, administradores, docentes y comunicadores utilizarán sistemas capaces de reproducir sesgos, inventar información, exponer datos sensibles y diluir responsabilidades. La universidad debe enseñar a preguntar no solo si una solución funciona, sino también a quién beneficia, a quién puede perjudicar y quién responde cuando falla. Una respuesta técnicamente posible puede seguir siendo injusta, imprudente o socialmente inaceptable.

Lejos de disminuir la importancia del profesor, este escenario la redefine. Su valor ya no reside principalmente en transmitir información disponible en segundos, sino en explicar fundamentos, diseñar problemas auténticos, observar cómo se razona, ofrecer retroalimentación y construir una comunidad intelectual. Pero exigirle esa transformación sin formación, tiempo ni apoyo institucional sería una forma cómoda de trasladar al aula una responsabilidad que también corresponde a rectorías, organismos reguladores y gobiernos. La innovación no puede depender exclusivamente del entusiasmo de algunos profesores.

Otra regla del pasado consiste en imaginar que la educación termina con el título. La Organización Internacional del Trabajo estima que uno de cada cuatro trabajadores en el mundo se desempeña en una ocupación con algún grado de exposición a la IA generativa. También considera más probable la transformación de muchos puestos que su desaparición total.[4] Las universidades deberán abrir rutas de regreso mediante programas breves y acumulables, la actualización profesional y el reconocimiento de los aprendizajes previos. El aprendizaje permanente ya no es un complemento del grado: es parte de su promesa.

No todas las instituciones parten del mismo lugar. América Latina enfrenta esta transición con grandes diferencias en recursos, conectividad y capacidad institucional. Una encuesta regional del Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe (UNESCO IESALC) identificó, además, brechas entre universidades públicas y privadas, debilidades en instituciones especializadas y déficits en la protección del estudiantado.[1]

Copiar soluciones diseñadas para universidades bien financiadas puede ampliar la desigualdad si docentes y estudiantes no tienen acceso a condiciones comparables. Toda reforma debe considerar la infraestructura, la privacidad, la accesibilidad, el idioma y el costo. La innovación educativa también se mide por quien queda fuera.

El debate universitario no debería terminar en la pregunta: "¿permitimos o prohibimos la IA?" Cada programa necesita responder otras cuatro preguntas: ¿qué debe saber realmente su egresado?, ¿qué podrá hacer con apoyo tecnológico?, ¿cómo demostrará razonamiento propio? y ¿por cuáles decisiones seguirá siendo responsable?

Si una universidad no puede responderlas, el problema no está en la herramienta que llegó demasiado pronto, sino en las reglas que cambiaron demasiado tarde.

Luis J. Camacho es académico, investigador y editor en las áreas de negocios internacionales, comportamiento del consumidor y sostenibilidad. Preside ALBUS y dirige LABSREVIEW.

Referencias

[1] Valentini, A. (2026). 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), 288-307. https://doi.org/10.54674/ess.v37i2.1278 

[2] Miao, F., Shiohira, K., & Lao, N. (2024). AI competency framework for students. UNESCO. https://doi.org/10.54675/JKJB9835 

[3] Xia, Q., Weng, X., Ouyang, F., Lin, T. J., & Chiu, T. K. F. (2024). A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, 21, Article 40. https://doi.org/10.1186/s41239-024-00468-z     

[4] Gmyrek, P., Berg, J., Kaminski, K., Konopczynski, F., Ladna, A., Nafradi, B., Roslaniec, K., & Troszynski, M. (2025). Generative AI and jobs: A refined global index of occupational exposure (ILO Working Paper No. 140). International Labour Organization. https://doi.org/10.54394/HETP0387