La Secretaría de Educación Pública y la ANUIES levantaron la primera medición nacional sobre usos y percepciones de la inteligencia artificial generativa en la educación superior mexicana, cuyos resultados se publicaron en 2026 —la SEP la archiva bajo la clave ENIAG 2025—. Lejos de ser una encuesta de muestra reducida, el censo reunió respuestas de más de 1.5 millones de estudiantes y más de 163 mil docentes de 2,900 instituciones de educación superior. Sus resultados circulan en dos documentos publicados en 2026: el reporte del censo, a cargo de la ANUIES y la SEP, y los Principios de acción para un uso ético y crítico de la IAG en la educación superior mexicana, con los que la SEP propuso una lectura de esos datos como invitación al diálogo nacional, no como lineamientos definitivos.
Esta ficha se redactó en agosto de 2026 y cita las cifras tal como las consolida la propuesta de Orientaciones, que las sistematiza en su sección de contexto. Vale una advertencia de trazabilidad antes de empezar: el documento de principios de la SEP está disponible en línea y puede verificarse de forma directa; el reporte del censo, en cambio, no incluye un enlace público en la bibliografía consultada, de modo que las cifras atribuidas a él se citan aquí de segunda mano y conviene tratarlas con ese grado adicional de cautela.
Cómo se midió y cómo deben leerse los datos#
El censo recoge respuestas declaradas: lo que estudiantes y docentes dicen que hacen, saben y perciben. Ese tipo de dato describe percepciones y usos autorreportados, y deja fuera la calidad del aprendizaje, la eficacia de una política y el comportamiento observado en las aulas. Cuando el 73% del profesorado percibe que la IA mejora el desempeño académico, el dato informa sobre una expectativa extendida, no sobre una mejora demostrada.
Hay un segundo límite, y es el que más importa para quien lea esto desde una universidad concreta. La propia propuesta de Orientaciones, al presentar estos datos, exige que los porcentajes nacionales no se trasladen automáticamente a cada centro, programa o comunidad. Los documentos citados no publican resultados desagregados por institución, así que ninguna cifra de esta página describe a la Universidad de Guadalajara ni a ninguno de sus centros. Lo que un censo nacional ofrece es un punto de comparación y un repertorio de preguntas; el diagnóstico local hay que producirlo, no importarlo.
Qué reporta el censo#
El primer bloque de resultados dibuja una adopción masiva. Más del 60% de ambos grupos —estudiantes y docentes— declaró un uso cotidiano de IA generativa, y 8 de cada 10 estudiantes dijeron emplearla para elaborar textos. Al mismo tiempo, cerca de tres cuartas partes de ambos grupos desconocían si su institución contaba con normativa sobre el tema. La combinación es elocuente: la herramienta ya forma parte del trabajo académico ordinario, mientras que los acuerdos que deberían orientar ese trabajo resultan invisibles incluso donde existen.
Las respuestas también revelan cautela, no entusiasmo indiscriminado. Aunque el 73% del profesorado percibe una mejora en el desempeño académico, solo una pequeña minoría confía plenamente en los resultados que la IA devuelve, y menos de la mitad revisa siempre lo que recibe. Ese último dato merece subrayarse: entre percibir utilidad y comprobar sistemáticamente las salidas hay una distancia que ninguna herramienta cierra por sí sola.
El documento de la SEP añade tres resultados que delimitan dónde apretar. Primero, la demanda de formación es casi unánime: el 91% del profesorado manifiesta interés en tomar cursos sobre IA, pero el acceso es muy desigual entre subsistemas —en algunos, uno de cada dos docentes ya tomó un curso vinculado a la IA; en otros, apenas uno de cada cuatro—. Segundo, existe una dimensión de género persistente: tanto docentes como estudiantes mujeres declaran una percepción de dominio más baja que la de los hombres, lo que indica que una oferta formativa uniforme puede reproducir la brecha en lugar de cerrarla. Tercero, cerca de 92,000 estudiantes declararon haber usado herramientas de IA con fines de apoyo emocional —desahogarse, buscar motivación, pedir consejo— y el 88% de quienes lo hicieron reporta que les fue de ayuda. La política nacional propone leer ese dato como una señal de necesidades de salud mental que no encuentran respuesta en los servicios disponibles, y como un problema de privacidad: conversaciones íntimas están fluyendo hacia servicios comerciales externos sin garantías claras sobre su tratamiento.
Qué permite concluir#
Como hecho, el censo documenta a escala nacional el mismo desfase que la encuesta regional del Digital Education Council registró en 29 instituciones latinoamericanas: la adopción avanza más rápido que la formación y que los acuerdos institucionales. Las dos mediciones no son equivalentes —la del DEC reunió 30,260 respuestas de instituciones que decidieron participar; el censo mexicano cubrió 2,900 instituciones de un mismo sistema nacional— y por eso su coincidencia es informativa: cuando un patrón aparece en universos tan distintos, es menos probable que sea un efecto de quién respondió (un artefacto de la muestra).
Como interpretación, el resultado más incómodo es el cruce entre tres cifras, más que el porcentaje de uso: uso cotidiano arriba del 60%, tres cuartas partes que desconocen la normativa de su institución y menos de la mitad del profesorado revisando siempre lo que la IA devuelve. Ese cruce sitúa el problema central en la capacidad de usar la herramienta con criterio (comprender qué hace el sistema, examinar lo que entrega y decidir cuándo conviene utilizarlo), antes que en el acceso a ella.
Lo que el censo no permite concluir también debe decirse. No establece relaciones causales entre usar IA y aprender mejor o peor; no mide si la formación deseada por el 91% del profesorado sería eficaz; y no describe a ninguna comunidad específica, ni siquiera a las que respondieron en mayor número.
Qué puede hacer una comunidad con estos datos#
Para una academia o una coordinación, la recomendación razonable es adoptar las preguntas que generan los porcentajes, antes que los porcentajes mismos. Antes de acordar reglas, conviene averiguar si la propia comunidad conoce la normativa aplicable, qué usos declara y qué formación tiene y demanda; un acuerdo que se firma sin ese diagnóstico regula una situación imaginada. La demanda formativa casi unánime que documenta el censo respalda empezar por ahí: la sección de formación docente de este sitio reúne rutas y materiales para hacerlo sin esperar a un programa institucional. Y el dato del apoyo emocional advierte que la conversación sobre IA no se agota en la integridad académica: toca servicios de acompañamiento y protección de datos que suelen decidirse fuera del aula.
Procedencia y referencias#
Esta ficha desarrolla la sección de contexto de las Orientaciones, una propuesta académica en revisión que sistematiza estos datos junto con la evidencia regional (la encuesta del DEC). Las referencias siguen las fichas de esa propuesta.
Asociación Nacional de Universidades e Instituciones de Educación Superior. (2026). Censo nacional «Usos y percepciones sobre la Inteligencia Artificial Generativa en la comunidad del sector de educación superior en México» (CIMA). ANUIES / SEP. [Sin enlace público en la bibliografía consultada; las cifras se citan tal como las recoge la propuesta de Orientaciones.]
Secretaría de Educación Pública. (2026). Principios de acción para un uso ético y crítico de la IAG en la educación superior mexicana. Secretaría de Educación Pública. https://www.gob.mx/cms/uploads/attachment/file/1071410/ENIAG2025_PRINCIPIOS.pdf
Digital Education Council. (2026). Encuesta sobre la IA en la Educación Superior en América Latina 2026. Elaborada en colaboración con el Tecnológico de Monterrey y el Institute for the Future of Education. Página oficial y descarga.