La inteligencia artificial ya forma parte de la vida ordinaria de muchas universidades de América Latina y el Caribe. El problema que documenta el Documento de Trabajo n.º 16 de UNESCO IESALC no es, por tanto, si la tecnología llegará a la educación superior. Ya llegó. La pregunta más difícil es si las instituciones están construyendo las capacidades, reglas y formas de participación necesarias para decidir qué hacer con ella.
El informe, elaborado por Arianna Valentini con la colaboración de UNESCO IESALC y la Universidad de las Naciones Unidas, ofrece una fotografía regional poco frecuente. Reúne respuestas válidas de 200 instituciones de educación superior en 19 países, recogidas entre agosto y octubre de 2025, y organiza la implementación de la IA en cinco dimensiones: enseñanza y aprendizaje, investigación, administración, participación comunitaria y gobernanza institucional. Su aporte principal no está en anunciar que la IA se usa, sino en mostrar la distancia entre esa adopción y la preparación para gobernarla.
La pieza reseñada#
La implementación de la IA en la educación superior en América Latina y el Caribe es el Documento de Trabajo n.º 16 de UNESCO IESALC. El estudio fue publicado en 2026 y está disponible en acceso abierto con licencia CC BY-SA 3.0 IGO. No es una revisión sistemática de investigaciones sobre los efectos de la IA ni un censo completo de universidades. Es un mapeo institucional basado en un cuestionario dirigido principalmente a rectorías, direcciones de facultad y responsables de planeación estratégica.
Ese encuadre importa. El documento permite saber qué reportan instituciones y sus directivos sobre el uso, las capacidades y las políticas relacionadas con la IA. No permite observar directamente la calidad de las herramientas, el aprendizaje de los estudiantes ni el comportamiento cotidiano de cada comunidad universitaria. Leído con ese límite, el informe constituye una línea de base útil para formular mejores preguntas.
La encuesta recibió 375 respuestas y, después de eliminar registros incompletos, duplicados o ajenos a la región, conservó 200 respuestas válidas. El informe declara que la muestra es autoseleccionada y no estadísticamente representativa. Colombia, México y Argentina concentran 97 respuestas, el 48.5% del total; la participación caribeña es mucho menor. Por eso, en esta reseña cada porcentaje se refiere a las instituciones participantes, salvo que se indique otro denominador.
Hay además una precaución de lectura que conviene conservar. Las preguntas sobre los objetivos de uso se activaban solo para las instituciones que habían declarado usar IA en el área correspondiente. Por tanto, sus porcentajes deben leerse sobre el grupo de instituciones usuarias —147 en enseñanza y aprendizaje, 114 en investigación, 68 en administración y 40 en participación comunitaria—, aunque algunas figuras del informe presentan n=200. Esa diferencia no invalida el estudio, pero sí aconseja revisar el denominador antes de comparar resultados.
La asimetría que organiza los resultados#
El hallazgo central puede resumirse así: la adopción avanza más rápido que la gobernanza. El 87% de las instituciones encuestadas reporta utilizar IA en al menos una de sus áreas de actividad, pero solo el 26% cuenta con una estrategia institucional formal que la incluya. La diferencia no significa que las universidades carezcan por completo de reflexión. Un 32% informa tener una estrategia digital que todavía no aborda específicamente la IA y un 41% no cuenta aún con una estrategia formal.
La adopción tampoco se distribuye de la misma manera en todas las funciones universitarias:
Versión vertical adaptada para pantalla estrecha.
Aprendizaje Digital e IA (UDGPlus), Universidad de Guadalajara CC BY-SA 4.0
Material editorial del proyecto; no constituye un dictamen institucional.
Aviso de alcance: Las cifras describen las instituciones participantes y no estiman toda la educación superior de América Latina y el Caribe.
Descripción textual del diagrama
Desliza horizontalmente para consultar todas las columnas.
| Área de uso | Instituciones que reportan uso de IA |
|---|---|
| Enseñanza y aprendizaje | 74% |
| Investigación | 57% |
| Administración | 34% |
| Participación comunitaria | 20% |
Las cifras describen una jerarquía comprensible. La IA está más cerca de las actividades en las que ya existen herramientas de acceso general y usos individuales, como la generación de textos, el apoyo al análisis de datos o la personalización de materiales. Su presencia es menor en funciones administrativas y, sobre todo, en la participación comunitaria, donde las relaciones de confianza y el conocimiento local no pueden reducirse a una tarea de automatización.
Sin embargo, una tasa alta de adopción no equivale a una integración sólida. El informe encuentra que los principales facilitadores son los promotores internos y las iniciativas de capacitación, mientras que factores más estructurales aparecen mucho menos desarrollados. Solo el 8% de las instituciones reporta un presupuesto específico para IA, el 19% cuenta con una política aplicable a toda la institución y el 18% tiene una oficina o unidad específica para gobernarla. La tecnología se mueve dentro de las universidades antes de que exista una arquitectura clara para decidir sobre ella.
Cinco hallazgos para detenerse#
1. Enseñanza y aprendizaje concentran la adopción#
El 74% de las instituciones informa utilizar IA en enseñanza y aprendizaje. Cerca de nueve de cada diez de las instituciones que la usan recurren a herramientas de acceso general como ChatGPT, Copilot o Gemini. Entre los objetivos más mencionados están promover la innovación pedagógica, mejorar la calidad de la enseñanza, mejorar los resultados de aprendizaje y aumentar la participación estudiantil.
El informe no demuestra que esos objetivos se hayan alcanzado. La pregunta de la encuesta registra usos y propósitos declarados, no resultados de aprendizaje comparados. Esta diferencia es decisiva para leer el dato sin convertirlo en publicidad. Una universidad puede usar IA para personalizar materiales y, al mismo tiempo, no saber si sus estudiantes comprenden mejor, dependen más de la herramienta o encuentran nuevas barreras para participar.
2. La investigación adopta IA con objetivos de eficiencia y calidad#
El 57% de las instituciones reporta utilizar IA para apoyar la investigación. Los objetivos más frecuentes son acelerar el procesamiento y análisis de datos, mejorar la calidad de los resultados y hacer más eficiente la revisión bibliográfica. La promesa es razonable en algunas tareas, pero el informe recuerda que la aceleración no resuelve por sí misma problemas de diseño, validez, autoría o interpretación.
La dimensión de investigación también vuelve visible un problema regional. Cuando los sistemas se entrenan principalmente con contenidos en inglés y procedentes de tradiciones dominantes, la adopción puede ampliar una homogeneización epistémica y cultural. La pregunta no es únicamente qué tan rápido procesa una herramienta, sino qué conocimientos vuelve más visibles, cuáles deja fuera y qué decisiones conserva el equipo investigador.
3. La capacitación se concentra en el profesorado#
El 83% de las universidades informa haber implementado algún tipo de capacitación en IA para el personal académico, pero solo el 41% la extiende al personal administrativo y técnico. Además, alrededor del 35% no ofrece capacitación en IA dirigida a estudiantes. La brecha muestra que la alfabetización en IA todavía se trata con frecuencia como un asunto del profesorado, aunque las decisiones sobre datos, compras, servicios estudiantiles, soporte técnico y evaluación afectan a toda la comunidad.
El informe recomienda convertir la alfabetización en IA en una capacidad transversal y diferenciada por función. No se trata de impartir el mismo curso a todas las personas. Un docente necesita revisar tareas, fuentes y procesos de aprendizaje; una persona responsable de datos necesita conocer riesgos de privacidad; una coordinación requiere decidir cuándo una herramienta es pertinente y cómo evaluar sus efectos.
4. La integridad académica ya es un problema de diseño de evaluación#
El 49% de las universidades reporta una mayor confusión entre estudiantes sobre lo que constituye un uso adecuado de la IA y el 35% informa un aumento en los casos de plagio. Entre el profesorado, el 38% señala mayor confusión sobre el uso apropiado y el 26% observa un uso no divulgado de IA. El informe añade que el 41% identifica preocupaciones sobre la equidad de la evaluación asistida por IA.
Estas cifras no autorizan a decir que la IA haya causado esos cambios. Sí indican que las políticas aisladas no están resolviendo el problema. El estudio sostiene que la IA generativa desplaza la discusión desde el plagio hacia la autoría, la transparencia y la posibilidad de hacer visible el pensamiento del estudiante. Prohibir una herramienta sin cambiar tareas, criterios y momentos de comprobación deja intacta la condición que vuelve sustituible el trabajo académico.
La consecuencia pedagógica es más exigente que añadir una declaración de uso. Las instituciones necesitan revisar qué pide cada evaluación, qué parte del razonamiento debe poder observarse, qué usos de IA se permiten y cómo se comprueba lo aprendido cuando la herramienta participó en el proceso.
5. El monitoreo es la mayor ausencia institucional#
Solo el 9% de las universidades reporta mecanismos formales para evaluar la implementación de la IA, mientras que el 57% no realiza ningún monitoreo o evaluación. Sin seguimiento no es posible saber si una herramienta cumple el propósito para el que se adquirió, si afecta de manera desigual a distintos grupos, si aumenta la carga de trabajo o si introduce riesgos de privacidad y seguridad.
El documento propone indicadores mínimos sobre cuatro dimensiones: adopción, preparación, resultados y riesgos. La recomendación es modesta y por eso resulta útil. No exige comenzar con una infraestructura sofisticada. Pide saber qué herramientas se usan, quién recibió capacitación, qué resultados se esperaban, qué problemas aparecieron y con qué frecuencia se revisarán esas decisiones.
Qué aporta el informe y qué no puede resolver#
La principal fortaleza del estudio es que reúne en un mismo marco funciones que suelen discutirse por separado. Enseñanza, investigación, administración, participación comunitaria y gobernanza no son compartimentos independientes. Una institución puede contar con un chatbot para orientar estudiantes y, sin embargo, no tener reglas claras para proteger sus datos. Puede capacitar al profesorado y dejar fuera al personal técnico que administra la infraestructura. Puede promover el uso de IA en investigación sin asignar recursos para evaluar sus consecuencias.
También es valioso que el informe compare instituciones públicas y privadas. Las universidades públicas aparecen con mayores déficits en estrategia, financiamiento y gobernanza. Pero la comparación debe leerse con cautela: el estudio no prueba que el tipo de institución sea la causa de esas diferencias y algunos subgrupos, en particular las universidades politécnicas, son pequeños.
El límite metodológico más importante es la muestra. Las respuestas fueron autoseleccionadas y la representación de los países caribeños fue muy reducida; Colombia, México y Argentina reúnen casi la mitad de las respuestas. Además, los datos provienen de directivos y responsables institucionales, no de una observación independiente de las prácticas. Por ello, los porcentajes deben interpretarse como patrones indicativos de las instituciones participantes, no como una estimación estadística de toda la educación superior latinoamericana.
La encuesta tampoco mide si la IA mejora el aprendizaje, si una política funciona o si una capacitación cambia las prácticas. Sus resultados son un punto de partida para investigar esas preguntas. Esta restricción no debilita el informe; define el uso responsable que puede hacerse de él.
Cómo leerlo desde una universidad concreta#
Versión vertical adaptada para pantalla estrecha.
Aprendizaje Digital e IA (UDGPlus), Universidad de Guadalajara CC BY-SA 4.0
Material editorial del proyecto; no constituye un dictamen institucional.
Aviso de alcance: El ciclo es una síntesis editorial y no una receta institucional ni una estimación de resultados.
Descripción textual del diagrama
El informe no debe usarse para afirmar que la Universidad de Guadalajara, una facultad o un programa presenta exactamente los porcentajes regionales. Conviene usarlo como una agenda de diagnóstico local. Antes de adoptar una herramienta o redactar una política, una universidad puede preguntar:
- Dónde se usa la IA realmente y quién la utiliza, incluso cuando no existe una política que lo reconozca.
- Qué capacidades necesita cada grupo, distinguiendo estudiantes, docentes, personal técnico, administración y responsables de dirección.
- Quién participa en las decisiones, incluyendo de manera efectiva a estudiantes y profesorado, no solo como consulta posterior.
- Qué se está midiendo, separando adopción, resultados de aprendizaje, carga de trabajo, equidad, privacidad e integridad académica.
- Qué cambiará en la evaluación, para que la transparencia no sea un formulario añadido a tareas que siguen premiando únicamente el producto final.
La recomendación más importante del documento es invertir en capacidad institucional y no solo en adquisición de herramientas. En ese punto la reseña coincide con una preocupación recurrente de la educación superior pública: una licencia nueva puede resolver una necesidad inmediata, pero no sustituye una política, una formación situada, una estructura de responsabilidad ni un ciclo de evaluación.
Veredicto#
El Documento de Trabajo n.º 16 es una fuente regional relevante porque pone cifras a una intuición extendida: la IA se está incorporando desde abajo, impulsada por personas y equipos que experimentan antes de que las instituciones terminen de acordar sus reglas. Su mayor aporte no es demostrar que la IA sea buena o mala para la universidad. Es mostrar que la discusión no puede reducirse a elegir herramientas.
Conviene leerlo como una línea de base para gobernar la incertidumbre. Sus datos no permiten importar una política ni prometer resultados pedagógicos. Sí ayudan a reconocer el orden de las decisiones: primero hacer visible el uso, después construir capacidades y responsabilidades, luego rediseñar las evaluaciones y finalmente monitorear qué ocurre. La universidad que adopta IA sin esa secuencia puede aumentar su actividad sin aumentar su capacidad de decidir.
Lecturas relacionadas#
La ruta para decidir institucionalmente sobre IA desarrolla una secuencia de propósito, gobernanza, capacidades, tecnología y seguimiento. La guía para investigar con IA sin perder el rigor aplica estos cuidados a proyectos de investigación. La reseña sobre evaluación en la era de la IA lleva la discusión del informe al diseño de actividades y evidencias de aprendizaje.
Referencias
Valentini, A. (2026). La implementación de la IA en la educación superior en América Latina y el Caribe (IESALC. Documentos de trabajo, 16). Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe y Universidad de las Naciones Unidas. https://doi.org/10.54674/WP.2026.104
UNESCO Digital Library. Registro oficial del documento y descarga en español. El informe declara el código ED/HE/IESALC/WP/2026/103 y licencia CC BY-SA 3.0 IGO.