Ética y transparencia en el uso de IA

Conviene recorrer esta sección en tres niveles. El primero es conceptual: antes de decidir si un uso concreto de IA es aceptable, ayuda tener criterios con los que examinarlo. Los cuatro criterios éticos para educación superior —autonomía del aprendiz, transparencia, justicia epistémica y responsabilidad compartida— ofrecen ese punto de partida, y los principios de alfabetización crítica en IA explican qué significa relacionarse con estos sistemas sin delegarles el juicio.

El segundo nivel es normativo: qué dicen los organismos y las instituciones que ya se han pronunciado. La síntesis de los lineamientos UNESCO traduce los dos documentos internacionales de referencia a decisiones docentes operativas, y el panorama del marco regulatorio mexicano describe lo que existe —y lo que todavía no existe— en la regulación universitaria del país, desde ANUIES hasta los vacíos pendientes.

El tercer nivel es el aula, donde los principios se vuelven prácticas verificables. La guía sobre plagio y autenticidad académica distingue uso permitido, atribución y evidencia de aprendizaje cuando interviene IA generativa; la de sesgos algorítmicos y equidad propone convertir los sesgos de los modelos en objeto de aprendizaje en lugar de reproducirlos sin advertirlo; la de transparencia algorítmica en el aula aterriza el principio de transparencia en cinco intervenciones que una asignatura puede revisar y adaptar; y la de costos ecológicos y proporcionalidad lleva al aula una dimensión que las decisiones docentes casi nunca consideran: si el beneficio de usar un modelo grande justifica sus recursos y su costo ambiental.

El criterio editorial que ordena estos tres niveles es explícito y coincide con los lineamientos UNESCO que aquí se sintetizan: en esta sección tratamos la IA como una herramienta que amplifica capacidades bajo dirección humana, no como un sustituto del juicio de quien enseña o de quien aprende. Es una postura del sitio, discutible como cualquier otra, y las páginas que siguen muestran las razones y los límites con que la sostenemos. La transparencia sobre el uso de herramientas automatizadas se entiende aquí como acto de honestidad intelectual y práctica académica, no como mecanismo de vigilancia.

Las ocho páginas de la sección

#

Cuatro criterios éticos

Autonomía, transparencia, justicia epistémica y responsabilidad compartida como criterios para decisiones docentes.

Alfabetización crítica en IA

Cinco principios para una relación reflexiva y competente con la IA, sin delegarle el juicio.

Lineamientos UNESCO

Los dos documentos UNESCO de referencia traducidos a decisiones operativas para la docencia.

Marco regulatorio en México

Qué existe y qué falta en la regulación de IA universitaria: ANUIES, GIAES y vacíos pendientes.

Plagio y autenticidad

Uso permitido, atribución, evidencia de aprendizaje y procedimientos justos cuando interviene IA.

Sesgos algorítmicos y equidad

Tipología operativa de sesgos y prácticas para convertirlos en objeto de aprendizaje.

Transparencia en el aula

Cinco prácticas concretas para operacionalizar la transparencia algorítmica en una asignatura.

Costos ecológicos y proporcionalidad

Qué se sabe de la huella ambiental de la IA y cómo decidir con el criterio de proporcionalidad, sin catastrofismo ni negación.

Directrices para estudiantes

#

Si estudias y quieres saber cuándo usar IA en un trabajo, cómo declararlo y qué se considera uso inadecuado, el mejor punto de entrada no es un reglamento sino una práctica: el laboratorio guiado para decidir antes de entregar te lleva a comparar sugerencias con tu propio borrador y a conservar una decisión que puedas defender. Para las preguntas normativas que ese recorrido despierta, la guía de plagio y autenticidad explica qué cuenta como atribución honesta, y la de privacidad y datos qué información no debe entrar en una herramienta de IA.