Un ensayo bien escrito, una presentación clara o un programa que funciona son productos valiosos. Sin embargo, cuando pueden elaborarse con ayuda de inteligencia artificial, entregarlos ya no basta para demostrar que el estudiante comprende cómo se construyeron. La universidad necesita observar también las decisiones, la verificación y el conocimiento que hay detrás.

El cambio tiene una dimensión concreta en México. En abril de 2026, la Secretaría de Educación Pública informó de la participación de 1.5 millones de estudiantes y más de 166 mil docentes en una encuesta sobre inteligencia artificial generativa en educación superior. Según el comunicado, más del 60% de los participantes la utilizaba cotidianamente y ocho de cada diez estudiantes la empleaban para elaborar textos. Estas cifras describen lo reportado por la encuesta, no demuestran por sí mismas efectos sobre el aprendizaje. Comunicado de la SEP.

La discusión no debería agotarse en permitir o prohibir una aplicación. La pregunta de fondo es qué debe demostrar una persona para que su título certifique capacidades reales cuando puede delegar una parte del trabajo intelectual a un sistema automático.

Evaluar la comprensión, además del resultado

Los ensayos, proyectos y exámenes siguen teniendo un lugar en la formación universitaria. Lo que conviene revisar es la relación entre el producto solicitado y la capacidad que se pretende evaluar. Si una actividad busca desarrollar argumentación, no basta con recibir un texto coherente: interesa saber si el estudiante puede explicar su tesis, contrastar fuentes y responder a una objeción.

Una opción es combinar la entrega final con versiones sucesivas, una bitácora breve de decisiones o una conversación sobre el trabajo. También pueden utilizarse demostraciones prácticas, ejercicios supervisados y defensas orales. No es necesario aplicar todos estos instrumentos en cada actividad; corresponde elegir los que aporten evidencia útil sin multiplicar innecesariamente la carga docente.

La declaración del uso de IA puede formar parte de ese proceso. Conviene pedir que se identifiquen las tareas realizadas con apoyo, los resultados descartados y las comprobaciones efectuadas. El propósito no es documentar cada interacción ni aumentar la vigilancia, sino distinguir entre producir una respuesta y comprenderla.

Una alfabetización que atraviese las carreras

La formación básica en inteligencia artificial no debería quedar reservada a las ingenierías. Un estudiante de historia, administración, educación o ciencias de la salud necesita criterios para decidir cuándo utilizar estas herramientas y cómo revisar lo que obtiene. Saber manejar una interfaz es sólo una parte de esa preparación.

Como base común, proponemos trabajar cinco capacidades:

  • Formular una tarea y aportar el contexto necesario para resolverla.
  • Reconocer que una respuesta convincente puede contener errores u omisiones.
  • Contrastar información con fuentes pertinentes y revisar su procedencia.
  • Distinguir datos que pueden compartirse de información personal o confidencial.
  • Explicar el uso de la herramienta y asumir responsabilidad por el resultado.

Estas capacidades son más duraderas que una colección de instrucciones para un producto específico. Las aplicaciones cambiarán; la necesidad de definir problemas, verificar evidencia y reconocer límites permanecerá como parte de la formación profesional.

Integrar la tecnología sin desplazar los fundamentos

La alfabetización común debe complementarse con trabajo propio de cada disciplina. En ingeniería, una propuesta de código requiere pruebas y revisión de especificaciones; en humanidades, una interpretación exige conocer el corpus y su contexto. En otras profesiones, los criterios de validación y las responsabilidades serán distintos.

Por eso conviene distinguir las actividades en las que la automatización apoya el aprendizaje de aquellas en las que puede sustituir precisamente la práctica que se busca desarrollar. Un estudiante que aún aprende a construir un argumento necesita ejercitar esa capacidad, aunque después utilice herramientas para revisar su redacción. La decisión pedagógica depende del objetivo de la actividad, no únicamente de la disponibilidad de software.

Integrar IA no tendría que significar reducir el conocimiento disciplinar. La propuesta es combinarlo con capacidad de razonamiento, verificación y explicación: utilizar herramientas contemporáneas y poder justificar lo que se hizo con ellas.

Dar a los docentes condiciones para diseñar

Una lista institucional de usos permitidos y prohibidos puede aclarar expectativas, pero no reemplaza la formación docente. El profesorado necesita tiempo para revisar actividades, probar herramientas con materiales adecuados y acordar criterios de evaluación. También necesita apoyo para identificar usos que no aportan valor educativo.

La capacitación puede partir de una tarea concreta del curso: qué aprende el estudiante, qué parte podría delegar y qué evidencia permitirá reconocer su avance. A partir de esas preguntas resulta más sencillo decidir si conviene incorporar IA, limitarla o prescindir de ella. Así, la formación no se reduce a mostrar funciones de una aplicación.

Es recomendable documentar los ajustes y revisar sus resultados antes de extenderlos. Una experiencia útil en una asignatura no debe presentarse automáticamente como una solución para todas las carreras o modalidades.

Acceso equitativo y reglas comprensibles

Una actividad obligatoria que depende de una suscripción comercial puede colocar al alumnado en condiciones distintas. Antes de adoptarla, la institución debería comprobar la disponibilidad de equipos, conectividad, accesibilidad y alternativas de trabajo. El acceso a una herramienta no debería convertirse, sin una justificación pedagógica y una solución institucional, en un requisito económico adicional para aprobar.

La inclusión y la protección de datos forman parte de las cuestiones que aborda la guía de UNESCO sobre IA generativa en educación e investigación. El documento propone desarrollar capacidades y evaluar la pertinencia pedagógica y ética de las herramientas, en lugar de asumir que su incorporación es beneficiosa por sí misma. Guía de UNESCO.

Para llevar estos principios a la práctica, cada universidad necesita reglas comprensibles: qué herramientas admite, qué información no debe introducirse, quién resuelve dudas y cómo se revisan incidentes. Los criterios también deben alcanzar las compras y los servicios de terceros, no sólo la conducta del alumnado.

Mantener control institucional no exige construir un modelo propio. Exige conocer qué datos se comparten, qué dependencias se adquieren y quién conserva la responsabilidad sobre las decisiones. Una política útil debe poder explicarse a quien va a aplicarla en un salón, un laboratorio o una oficina.

Aprender con problemas y restricciones reales

Los proyectos aplicados ofrecen una oportunidad para vincular estas capacidades. Un problema de una organización, un laboratorio o una comunidad requiere algo más que una respuesta plausible: hay que delimitarlo, trabajar con información incompleta, acordar criterios y comprobar si la propuesta funciona.

En ese contexto, la IA puede utilizarse como apoyo sin convertirse en el centro del ejercicio. La evaluación puede concentrarse en la calidad de las preguntas, la selección de evidencia, la coordinación del equipo y la validación del resultado. Cuando el trabajo involucre información sensible, también debe contemplar los límites de acceso y uso desde el inicio.

Esta aproximación permite reunir conocimiento disciplinar y competencia tecnológica en una misma actividad. No promete resolver por sí sola los problemas de la educación superior; ofrece una forma concreta de diseñar trabajo cuyo valor no termine en la entrega de un documento.

Qué debería certificar el título

La transformación universitaria no se resuelve agregando una materia de IA y conservando intacto todo lo demás. Tampoco se reduce a comprar licencias. Requiere revisar programas, formar docentes, construir evaluaciones y sostener reglas de acceso y uso que puedan aplicarse.

Para la universidad mexicana, la oportunidad consiste en precisar su compromiso con estudiantes y sociedad. Un título debería acreditar conocimiento disciplinar, autonomía intelectual, capacidad de verificación y responsabilidad profesional. El uso de herramientas puede formar parte de esas capacidades, pero no sustituirlas.

El objetivo no es exigir que cada tarea se realice sin ayuda tecnológica. Es poder demostrar que quien utiliza esa ayuda sabe pensar, decidir, explicar y responder por su trabajo. Ése es el criterio que debería orientar la incorporación de inteligencia artificial a la educación superior.