Inteligencia artificial y escritura académica: recomendaciones para un uso ético de la IA generativa

Cheng, Adam, Aaron Calhoun y Gabriel Reedy. “Artificial Intelligence-Assisted Academic Writing: Recommendations for Ethical Use.” Advances in Simulation 10, n.º 1 (2025): 22. https://doi.org/10.1186/s41077-025-00350-6

Se analiza de manera profunda el impacto de las herramientas de inteligencia artificial generativa —especialmente los grandes modelos de lenguaje como ChatGPT— en la escritura académica y científica. Los autores, Adam Cheng, Aaron Calhoun y Gabriel Reedy, abordan una cuestión central en el ecosistema universitario contemporáneo: cómo aprovechar las capacidades de la IA sin comprometer la integridad académica, la calidad científica ni la autoría intelectual.

El texto parte de una constatación evidente: desde la aparición pública de ChatGPT en 2022, el uso de herramientas de IA generativa se ha extendido rápidamente entre investigadores, estudiantes y docentes. Estas aplicaciones permiten resumir información, redactar borradores, corregir estilo, traducir textos, generar ideas e incluso estructurar artículos científicos completos. Sin embargo, los autores advierten que esta expansión se ha producido más rápido que la creación de marcos éticos y normativos claros. La comunidad académica se encuentra así ante un escenario ambiguo, en el que conviven enormes posibilidades de mejora de la productividad intelectual con riesgos serios para la credibilidad científica.

Uno de los aspectos más relevantes del artículo es la identificación de los principales peligros asociados al uso indiscriminado de la IA en la escritura académica. Los autores subrayan que los modelos generativos pueden producir “alucinaciones”, es decir, afirmaciones aparentemente verosímiles pero falsas, además de referencias bibliográficas inventadas o inexactas. Este fenómeno resulta especialmente problemático en contextos científicos, donde la verificabilidad y el rigor documental constituyen pilares fundamentales. También se aborda el riesgo de plagio involuntario, la reproducción de sesgos presentes en los datos de entrenamiento y la tendencia a generar textos estilísticamente homogéneos que pueden empobrecer la diversidad discursiva y crítica de la producción científica.

El artículo dedica una parte importante a examinar cómo las editoriales académicas y las revistas científicas están reaccionando frente a la irrupción de la IA generativa. Los autores señalan que muchas publicaciones científicas ya exigen transparencia explícita sobre el uso de herramientas de IA en la redacción de manuscritos. Algunas revistas prohíben considerar a la IA como autora de un trabajo, argumentando que carece de responsabilidad ética y legal sobre el contenido producido. Otras instituciones, en cambio, aceptan el uso de IA como herramienta auxiliar, siempre que exista supervisión humana y se informe claramente de su utilización. Este debate refleja una transformación profunda de los criterios tradicionales de autoría, originalidad y responsabilidad intelectual en la ciencia contemporánea.

Los autores no adoptan una postura tecnófoba. Por el contrario, reconocen que la IA puede aportar beneficios reales cuando se utiliza de manera crítica y controlada. El artículo describe tres grandes categorías de uso éticamente aceptable de la inteligencia artificial en la escritura académica. La primera es el apoyo lingüístico y editorial: mejorar gramática, claridad, estilo o traducción de textos, especialmente útil para investigadores que escriben en una lengua distinta de la materna. La segunda categoría incluye la organización y síntesis de información, como la generación de esquemas, resúmenes preliminares o estructuras de artículos. Finalmente, la tercera categoría contempla el apoyo creativo y cognitivo, por ejemplo en la generación de ideas iniciales o en la reformulación de conceptos complejos. En todos los casos, los autores insisten en que la supervisión humana es imprescindible y que la IA nunca debe sustituir el juicio crítico del investigador.

Uno de los aportes más importantes del trabajo es la formulación de cuatro principios éticos fundamentales para orientar el uso responsable de la IA en la escritura científica.

  1. El primero es la transparencia: los investigadores deben declarar de manera explícita cuándo y cómo han utilizado herramientas de IA.
  2. El segundo es la verificación humana: todo contenido generado debe ser revisado críticamente para garantizar exactitud, coherencia y autenticidad.
  3. El tercero es la responsabilidad intelectual: el autor humano sigue siendo plenamente responsable de los errores, sesgos o falsedades presentes en el texto final.
  4. El cuarto principio es la preservación de la integridad académica, evitando que la automatización sustituya procesos esenciales de reflexión, análisis y construcción de conocimiento. Estos principios buscan equilibrar innovación tecnológica y rigor científico en un contexto de cambio acelerado.

El artículo también plantea una reflexión más profunda sobre la naturaleza misma de la escritura académica. Los autores advierten que escribir no es simplemente producir texto, sino un proceso intelectual de elaboración de pensamiento, argumentación y aprendizaje. Si los investigadores delegan excesivamente estas funciones en sistemas automáticos, existe el riesgo de una “descapacitación académica”, es decir, una pérdida progresiva de habilidades críticas, analíticas y argumentativas. Esta preocupación conecta con debates actuales sobre alfabetización en IA, pensamiento crítico y el papel de las universidades en una sociedad crecientemente automatizada.

Otro aspecto relevante es que el artículo se centra especialmente en el ámbito de la simulación sanitaria y la investigación en salud, aunque sus conclusiones son extrapolables a prácticamente cualquier disciplina académica. Los autores consideran que el entorno científico necesita desarrollar urgentemente políticas institucionales claras, programas de formación en uso ético de IA y nuevas competencias de alfabetización digital que permitan a estudiantes e investigadores comprender tanto el potencial como las limitaciones de estas tecnologías. La IA deja de ser vista únicamente como una herramienta técnica y pasa a convertirse en un desafío cultural, educativo y epistemológico.

En conjunto, el trabajo constituye una de las aportaciones más relevantes y equilibradas sobre inteligencia artificial y escritura académica publicadas recientemente. Frente a posiciones extremas —ya sea de entusiasmo acrítico o de rechazo absoluto—, el artículo propone una vía intermedia basada en el uso responsable, transparente y supervisado de la IA. Los autores defienden que estas tecnologías pueden enriquecer el trabajo académico siempre que permanezcan subordinadas a la capacidad humana de análisis, interpretación y juicio ético. En definitiva, el texto plantea que el verdadero reto no es decidir si la IA debe utilizarse o no en la investigación científica, sino aprender a integrarla de forma que fortalezca, y no debilite, la integridad intelectual y la calidad del conocimiento producido.

Amazon pone fin al soporte de los Kindle clásicos

Binder, Matt. “Amazon Kindle Is Losing Support: What You Should Do With Your Old Device.” Mashable. Publicado en mayo de 2026. Consultado el 19 de mayo de 2026.

Ver original

El creciente malestar de miles de usuarios tras la decisión de Amazon de retirar el soporte a numerosos modelos antiguos de Kindle y Kindle Fire lanzados en 2012 o antes. A partir del 20 de mayo de 2026, estos dispositivos dejarán de tener acceso a funciones esenciales del ecosistema Kindle: no podrán comprar, descargar ni pedir prestados nuevos libros directamente desde la tienda digital. Aunque los libros ya descargados seguirán siendo legibles, el lector electrónico perderá gran parte de su funcionalidad conectada, convirtiéndose prácticamente en una biblioteca estática.

El texto subraya que la reacción de los usuarios ha sido especialmente intensa porque muchos de estos dispositivos continúan funcionando perfectamente. Modelos como el Kindle Keyboard, el Kindle Touch o el primer Kindle Paperwhite son considerados por numerosos lectores como ejemplos de hardware duradero, cómodo y diseñado específicamente para leer sin distracciones. Algunos usuarios afirman incluso preferirlos frente a las versiones modernas, debido a sus botones físicos, su sencillez y su extraordinaria autonomía de batería. En redes sociales y foros especializados, muchos interpretan la medida como un caso claro de obsolescencia programada más que como una necesidad técnica inevitable.

Uno de los aspectos más polémicos es que, después de la fecha límite, un Kindle antiguo que sea restaurado o desvinculado de la cuenta de Amazon no podrá volver a registrarse. Esto significa que un simple reinicio accidental podría dejar el dispositivo prácticamente fuera del ecosistema oficial. La situación ha provocado preocupación entre coleccionistas, usuarios veteranos y defensores del derecho a reparar y conservar dispositivos tecnológicos. Algunos críticos señalan que millones de lectores electrónicos aún plenamente funcionales podrían terminar convirtiéndose en residuos electrónicos innecesarios.

El artículo también explora las alternativas que están adoptando muchos usuarios para prolongar la vida útil de sus lectores. Una de las más mencionadas es el sideloading, es decir, la transferencia manual de libros mediante cable USB desde un ordenador. Este método permite seguir utilizando archivos EPUB o PDF sin depender completamente de la tienda de Amazon. Otros usuarios más avanzados están recurriendo al jailbreak, una modificación del sistema que permite instalar software alternativo, lectores externos y nuevas funcionalidades. Herramientas como KOReader se han convertido en símbolos de resistencia tecnológica frente al control corporativo del hardware adquirido por los consumidores.

El caso ha reabierto además un debate más amplio sobre la propiedad digital. Muchos lectores consideran paradójico que un dispositivo comprado hace años pueda perder funciones esenciales simplemente porque la empresa decide dejar de mantenerlo. La controversia recuerda otros casos recientes de plataformas digitales que limitan servicios, aplicaciones o contenidos mediante decisiones unilaterales. Para numerosos usuarios, el problema no es solo técnico, sino filosófico: la sensación de que los consumidores ya no poseen realmente sus dispositivos, sino que dependen permanentemente de la infraestructura y permisos de las grandes compañías tecnológicas.

Además, los antiguos Kindle han adquirido un valor casi emocional y cultural. En plena era de la hiperconectividad y las pantallas multifunción, muchos lectores ven en estos dispositivos una tecnología más tranquila, minimalista y enfocada exclusivamente en la lectura. Paradójicamente, mientras Amazon impulsa nuevos modelos más sofisticados, parte de la comunidad reivindica precisamente las limitaciones de los primeros Kindle como una de sus mayores virtudes. El conflicto entre innovación, sostenibilidad y apego emocional convierte esta decisión empresarial en un símbolo de los dilemas contemporáneos de la cultura digital.

Google publica una guía clave para optimizar contenidos en la era de la búsqueda generativa

Infographic on optimizing website for generative AI features on Google Search
A detailed infographic explaining optimization strategies for generative AI features on Google Search.

Google Search Central. “Optimizing Your Website for Generative AI Features on Google Search.” Search Engine Land (cobertura periodística del documento oficial de Google). https://searchengineland.com/google-publishes-guide-on-optimizing-for-generative-ai-features-477671

Google acaba de publicar una nueva guía oficial destinada a ayudar a editores, responsables de SEO y creadores de contenido a optimizar sus sitios web para las nuevas funciones de búsqueda generativa, como las AI Overviews y el AI Mode. Este documento representa un paso importante en la consolidación del ecosistema de búsqueda impulsado por inteligencia artificial, ya que por primera vez Google ofrece directrices unificadas sobre cómo debe estructurarse y publicarse el contenido para aparecer de forma efectiva en resultados generativos. La guía no plantea una ruptura con el SEO tradicional, sino que lo reinterpreta dentro del nuevo contexto de la inteligencia artificial aplicada a la búsqueda.

Uno de los elementos centrales del documento es la afirmación de que las prácticas clásicas de optimización para buscadores siguen siendo plenamente válidas. Google subraya que los sistemas de IA generativa se apoyan en los mismos mecanismos de indexación, clasificación y recuperación de información que el buscador tradicional. En este sentido, conceptos emergentes como AEO (Answer Engine Optimization) o GEO (Generative Engine Optimization) no constituyen disciplinas independientes, sino extensiones del SEO convencional. El objetivo sigue siendo el mismo: producir contenido útil, accesible, bien estructurado y orientado a las necesidades reales de los usuarios, más que a la manipulación de los sistemas algorítmicos.

La guía también aclara varias ideas erróneas que se habían extendido en el sector del marketing digital durante los últimos años. Google señala explícitamente que no es necesario crear archivos especiales como llms.txt, ni desarrollar versiones del contenido pensadas exclusivamente para modelos de lenguaje. Tampoco es obligatorio introducir marcado estructurado adicional para “optimizar” la visibilidad en sistemas de IA generativa. Según la compañía, estos elementos no influyen directamente en la aparición del contenido en las respuestas generadas por IA, ya que los sistemas se basan principalmente en la comprensión del contenido visible y en señales de calidad general del sitio web.

Otro aspecto relevante es la insistencia en la calidad y utilidad del contenido como factor decisivo. Google destaca que los sistemas generativos están diseñados para identificar información fiable, clara y relevante, priorizando páginas que aporten valor real frente a aquellas que simplemente repiten información genérica. Esto refuerza la idea de que la estrategia más efectiva no es técnica, sino editorial: crear contenidos originales, con estructura clara, autoridad temática y utilidad demostrable para el usuario final.

Finalmente, el artículo subraya que esta guía supone una consolidación del enfoque de Google hacia la integración de la inteligencia artificial en la búsqueda. Lejos de sustituir el SEO, la búsqueda generativa lo amplía y lo redefine dentro de un marco más complejo, donde la calidad del contenido, la intención del usuario y la comprensión semántica juegan un papel más relevante que nunca. En conjunto, el documento marca un punto de referencia importante para entender cómo evolucionará la visibilidad en la web en la era de la inteligencia artificial aplicada a los motores de búsqueda.

Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como Innovación Impulsora de la Creatividad

Mejía-Trejo, Juan . Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como Innovación Impulsora de la Creatividad (Más de 500 prompts incluídos)., 2024 1, 1 . ACADEMIA MEXICANA DE INVESTIGACIÓN Y DOCENCIA EN INNOVACIÓN (AMIDI). [Book]

Texto completo

El libro Inteligencia Artificial. Fundamentos de Ingeniería de Prompts con ChatGPT como innovación impulsora de la creatividad es una obra indispensable para comprender los pilares esenciales de la inteligencia artificial (IA) y sus diversas aplicaciones. En este contexto, la IA y, específicamente, la plataforma ChatGPT se presentan como herramientas clave que están transformando profundamente la manera en que interactuamos con la tecnología y generamos contenido. La obra abarca desde los fundamentos teóricos de la IA hasta estrategias prácticas de ingeniería de prompts para optimizar el uso de ChatGPT. Con más de 500 prompts incluidos

Un estudio cuestiona el impacto del marcado en las citas y visibilidad de las páginas en la IA generativa

Diagram showing schema markup flow leading to AI citation and attribution with terms like JSON-LD, knowledge transfer, and algorithms.
Visual diagram illustrating schema markup and AI citation integration processes.

Schwartz, Barry. “Study: Adding Schema Did Not Improve AI Citations On Google, ChatGPT & More.” Search Engine Roundtable. Publicado el 13 de mayo de 2026. Consultado el 19 de mayo de 2026.

El artículo recoge los resultados de un estudio realizado por Ahrefs que cuestiona una de las creencias más extendidas dentro del SEO y del emergente ámbito del GEO (Generative Engine Optimization): la idea de que añadir marcado Schema o datos estructurados mejora la probabilidad de que una página web sea citada por sistemas de inteligencia artificial como Google AI Overviews, Google AI Mode o ChatGPT.

La investigación analizó 1.885 páginas web que incorporaron marcado JSON-LD Schema entre agosto de 2025 y marzo de 2026 y las comparó con un grupo de control formado por unas 4.000 páginas similares que no añadieron este tipo de marcado. El objetivo era determinar si existía una relación causal entre el uso de Schema y la frecuencia con la que las plataformas de IA citaban esos contenidos en sus respuestas generadas automáticamente. Según el estudio, los resultados no mostraron mejoras estadísticamente significativas en ninguna de las plataformas analizadas.

Los datos obtenidos fueron especialmente llamativos porque contradicen gran parte del discurso dominante en el sector SEO. En Google AI Overviews, las páginas que añadieron Schema incluso mostraron una ligera disminución del 4,6 % en las citas respecto al grupo de control. En Google AI Mode se registró un aumento del 2,4 %, mientras que en ChatGPT el incremento fue del 2,2 %, aunque ambos valores fueron considerados estadísticamente irrelevantes y posiblemente atribuibles al azar. Los investigadores concluyeron que no puede afirmarse que el Schema produzca un aumento real de visibilidad en sistemas de IA generativa.

El estudio también introduce una distinción importante entre correlación y causalidad. Ahrefs observó inicialmente que las páginas citadas por sistemas de IA tenían casi tres veces más probabilidades de incluir marcado Schema que las páginas no citadas. Sin embargo, los autores sostienen que esto probablemente se debe a que los sitios web técnicamente mejor mantenidos suelen aplicar simultáneamente buenas prácticas SEO, contenido de calidad, autoridad de dominio y estrategias de enlazado más sólidas. En otras palabras, el Schema sería un indicador indirecto de calidad técnica general, pero no el factor que impulsa directamente las citas de la IA.

Otro aspecto relevante es que algunos experimentos citados dentro del informe mostraron que varios sistemas de IA no utilizan directamente el marcado JSON-LD durante la extracción inmediata de información, sino que priorizan el contenido HTML visible de la página. Esto cuestiona la idea de que los modelos generativos “lean” o dependan necesariamente del Schema para interpretar el contenido web.

La noticia tuvo una fuerte repercusión dentro de la comunidad SEO y GEO. En diversos debates en Reddit y redes profesionales, numerosos especialistas interpretaron el estudio como un golpe a ciertas estrategias de “optimización para IA” que se habían popularizado rápidamente durante 2025 y 2026. Algunos comentarios destacan que muchas recomendaciones sobre Schema y visibilidad en IA se habían difundido más como hipótesis comerciales que como conclusiones respaldadas por evidencia empírica sólida.

No obstante, el estudio no concluye que el Schema carezca completamente de utilidad. Los autores recuerdan que los datos estructurados siguen siendo importantes para otros contextos: resultados enriquecidos en buscadores, interoperabilidad semántica, organización de contenidos, accesibilidad de datos y construcción de knowledge graphs. Además, reconocen que la investigación se centró únicamente en páginas ya visibles para los sistemas de IA y no pudo determinar si el Schema podría ayudar a páginas nuevas o menos visibles a ser descubiertas inicialmente.

En conjunto, el informe refleja una transformación profunda del SEO tradicional hacia un entorno dominado por motores generativos y asistentes conversacionales. La principal conclusión es que las estrategias centradas exclusivamente en optimizaciones técnicas aisladas parecen perder peso frente a factores más amplios como la autoridad temática, la calidad del contenido, la claridad informativa y la confianza del dominio. El debate abierto por este estudio muestra que el ecosistema GEO todavía se encuentra en una fase experimental, donde muchas prácticas consideradas “buenas estrategias” aún carecen de validación científica robusta.

Sabiduría humana para la era de la IA: una guía práctica para cultivar habilidades esenciales

American Association of Colleges and Universities (AAC&U). 2026. Human Wisdom for the Age of AI: A Field Guide. Washington, DC: AAC&U

Texto completo

El eje central del informe es la necesidad de reforzar lo que denomina “sabiduría humana” como competencia esencial para el siglo XXI. Frente a un entorno saturado de información y mediado por sistemas algorítmicos cada vez más potentes, el texto sostiene que no basta con desarrollar habilidades técnicas o cognitivas asociadas a la IA, sino que es imprescindible cultivar capacidades profundamente humanas: juicio ético, reflexión crítica, discernimiento moral y comprensión contextual.

La guía se inscribe en el enfoque clásico de las liberal arts education, defendiendo que la educación universitaria no debe limitarse a la adquisición de conocimientos técnicos, sino que debe promover habilidades transferibles como la indagación crítica, el razonamiento ético, la creatividad y la toma de decisiones responsable. En este marco, la “sabiduría” se entiende como una síntesis entre conocimiento, experiencia y juicio prudente, especialmente en situaciones complejas o ambiguas donde no existen respuestas algorítmicamente correctas.

El documento subraya que, en la era de la IA, la sabiduría humana adquiere un valor estratégico porque permite:

  • Interpretar críticamente la información generada por sistemas automatizados.
  • Evitar la dependencia acrítica de modelos de IA en la toma de decisiones.
  • Mantener la responsabilidad ética en contextos de automatización creciente.
  • Fomentar la autonomía intelectual frente a la delegación cognitiva en máquinas.

Además, la publicación se vincula con investigaciones contemporáneas sobre alfabetización en IA y formación universitaria, situando la sabiduría como un nivel superior en la jerarquía de habilidades cognitivas, por encima del conocimiento y la información, en línea con el modelo DIKW (data–information–knowledge–wisdom).

Las bibliotecas reducen el tiempo de los flujos de trabajo manuales entre un 30 y un 60 % con la IA académica.

Guzman, Dani. “New Study: Libraries Cut Manual Workflow Time by 30 to 60% with Academic AI.” Clarivate. Publicado el 24 de marzo de 2026. Acceso el 19 de mayo de 2026.

Texto completo

Un reciente estudio impulsado por Clarivate analiza cómo la inteligencia artificial está transformando los flujos de trabajo en bibliotecas académicas, especialmente en tareas relacionadas con la catalogación y la elaboración de listas de lectura. La investigación se basa en entrevistas realizadas a once profesionales de bibliotecas pertenecientes a ocho instituciones de América del Norte, América Latina y Oriente Medio, y ofrece uno de los primeros conjuntos de evidencias empíricas sobre el impacto operativo real de la IA en bibliotecas universitarias.

El informe destaca que las herramientas de IA permiten reducir entre un 30 % y un 60 % el tiempo invertido en tareas manuales y repetitivas. Actividades que antes requerían entre quince y cuarenta y cinco minutos, como la creación de listas de bibliografía docente, pueden completarse ahora en apenas dos o cinco minutos gracias a asistentes inteligentes integrados en plataformas bibliotecarias. Un ejemplo citado es el de la University of Windsor, donde una lista de veinte referencias pasó de requerir veinte minutos de trabajo a solo tres.

La investigación también subraya un notable incremento de la capacidad operativa de las bibliotecas. Los equipos responsables de metadatos y catalogación consiguieron multiplicar entre dos y cuatro veces el volumen de trabajo asumible sin necesidad de aumentar el personal. En el caso de la Universidad Tecnológica de Bolívar, la IA permitió abordar enormes retrasos de catalogación que hasta entonces se consideraban prácticamente imposibles de resolver. Según la directora de biblioteca Dora Lilia Sepúlveda, la automatización eliminó el cuello de botella derivado de la transcripción manual y recuperó hasta el 80 % del tiempo operativo, facilitando la recuperación y visibilidad de miles de registros olvidados.

Otro aspecto relevante del estudio es el impacto en el acceso a los recursos por parte de los estudiantes. Entre el 50 % y el 60 % de las listas de lectura procesadas mediante IA estuvieron disponibles inmediatamente gracias a la localización automática de materiales existentes en la colección y a la generación de enlaces directos. Esto mejora considerablemente la rapidez de acceso a la bibliografía académica y contribuye a optimizar la experiencia educativa.

En relación con la calidad de los datos generados, el estudio señala que entre el 70 % y el 90 % de los metadatos creados por IA fueron aceptados con solo pequeñas correcciones por parte de los bibliotecarios. El modelo aplicado no elimina la supervisión humana: la inteligencia artificial genera un primer borrador, mientras que los profesionales siguen siendo responsables de la revisión, validación y toma de decisiones finales. Desde la University of Haifa se destaca especialmente la utilidad de la IA en la catalogación de materiales en idiomas que el catalogador no domina, así como en la asignación preliminar de materias y encabezamientos temáticos.

El estudio insiste en que la IA no sustituye el criterio profesional bibliotecario, sino que transforma la naturaleza del trabajo. Las tareas mecánicas y repetitivas disminuyen, mientras que aumenta la dedicación a actividades estratégicas, de validación, comunicación y apoyo académico. De este modo, los bibliotecarios pueden concentrarse en funciones de mayor valor añadido, como la alfabetización informacional, la mediación crítica y el acompañamiento a investigadores y estudiantes.

Estas conclusiones coinciden con debates recientes dentro de la comunidad bibliotecaria internacional. En diversos foros profesionales y discusiones en Reddit, muchos bibliotecarios describen una transición hacia un nuevo papel como “verificadores” y mediadores críticos de contenidos generados por IA. Al mismo tiempo, persisten preocupaciones sobre la fiabilidad de las respuestas automáticas, la dependencia excesiva de estas herramientas y la necesidad de establecer políticas éticas claras para su adopción en bibliotecas.

La enseñanza superior ante la transformación acelerada de la IA: Informe Horizon 2026 de EDUCAUSE

Robert, Jenay, Nicole Muscanell, Mark McCormack y Kim Arnold. 2026 EDUCAUSE Horizon Report | Teaching and Learning Edition. Louisville, CO:

Texto completo

Sumario ejecutivo

El informe 2026 EDUCAUSE Horizon Report constituye una de las radiografías más relevantes sobre el futuro inmediato de la educación superior y el impacto de la inteligencia artificial en los procesos de enseñanza y aprendizaje. Elaborado mediante el marco metodológico STEEP —que analiza factores sociales, tecnológicos, económicos, ambientales y políticos—, el documento examina cómo las universidades atraviesan un periodo de transformación estructural marcado por la presión financiera, la disminución de matrículas, la crisis de confianza social hacia la educación superior y la irrupción de tecnologías generativas capaces de alterar profundamente el trabajo académico.

Uno de los ejes centrales del informe es la constatación de que la inteligencia artificial ya no representa una tecnología emergente marginal, sino una infraestructura transversal que está modificando la enseñanza, la evaluación, el diseño instruccional y las relaciones entre estudiantes y docentes. El documento señala que la IA influye especialmente en ámbitos como la tutoría personalizada, la producción de materiales educativos, la automatización de tareas administrativas y el acompañamiento académico. Sin embargo, también advierte que esta integración genera importantes tensiones éticas y pedagógicas: problemas de privacidad, dependencia cognitiva, vigilancia algorítmica, sesgos, desinformación y creciente preocupación por el impacto ambiental derivado del consumo energético de los sistemas de IA.

El informe subraya además que los métodos tradicionales de evaluación están entrando en crisis. Las herramientas generativas dificultan distinguir entre producción humana y automatizada, lo que obliga a las instituciones a replantear profundamente el concepto mismo de aprendizaje verificable. Frente a este escenario, EDUCAUSE identifica una transición hacia evaluaciones “auténticas”, basadas en procesos, evidencias de razonamiento, proyectos contextualizados y demostraciones prácticas del conocimiento. En lugar de centrarse únicamente en el resultado final, las universidades comienzan a valorar la trazabilidad del aprendizaje, la reflexión crítica y la capacidad de integrar herramientas de IA de manera ética y transparente.

Una de las principales novedades del informe de 2026 es la incorporación del concepto “señales de cambio”, definido como indicadores tempranos capaces de anticipar transformaciones futuras antes de que alcancen gran escala institucional. Estas señales funcionan como mecanismos de prospectiva estratégica para detectar innovaciones emergentes, cambios culturales o nuevas prácticas educativas todavía marginales pero potencialmente disruptivas. EDUCAUSE plantea que las universidades deben desarrollar capacidad institucional para interpretar estas señales y adaptarse de forma proactiva, evitando respuestas meramente reactivas ante los cambios tecnológicos y sociales.

Otro aspecto especialmente relevante es el cuestionamiento creciente del valor social y económico de la educación superior. El informe sostiene que muchas instituciones se enfrentan a una pérdida de legitimidad pública debido al aumento de costes, la incertidumbre laboral y la percepción de que los modelos educativos tradicionales no responden adecuadamente a las nuevas demandas profesionales y culturales. En este contexto, la educación superior se ve presionada para demostrar utilidad, flexibilidad y relevancia social. Esta tensión aparece vinculada directamente con la necesidad de redefinir competencias fundamentales como la alfabetización digital, la alfabetización en IA y las capacidades críticas necesarias para desenvolverse en entornos mediados por algoritmos.

El informe también insiste en la importancia de la formación docente. Las instituciones no solo necesitan incorporar tecnologías, sino desarrollar culturas organizativas capaces de acompañar a profesores y estudiantes en procesos de cambio continuo. La alfabetización en IA aparece así como una competencia transversal imprescindible para comprender tanto las oportunidades como los riesgos de estas herramientas. EDUCAUSE propone un enfoque equilibrado que combine innovación tecnológica con pensamiento crítico, ética digital y supervisión humana significativa.

En perspectiva histórica, el documento refleja la evolución progresiva de los informes Horizon desde los años posteriores a la pandemia hasta la actualidad. Mientras los informes de 2022 y 2023 todavía estaban muy marcados por la transición híbrida y el impacto inmediato de ChatGPT, el informe de 2026 muestra una etapa más madura, centrada ya no solo en la adopción tecnológica, sino en las consecuencias estructurales, cognitivas y sociales de la IA sobre el ecosistema universitario. La cuestión ya no es si la IA transformará la educación, sino cómo preservar la agencia humana, la confianza académica y el sentido formativo de la universidad en un entorno crecientemente automatizado.

Manual de catalogación : de las RCAA2 a las RDA

Kraemer, Elida Ofelia . Manual de catalogación : de las RCAA2 a las RDA., 2026 Lanús : Elida Ofelia Kramer, 2026. [Book]

Descargar

El libro consta de dos partes: la primera sobre aspectos técnicos y la segunda sobre su aplicación. La primera parte aborda: la organización de la información, control bibliográfico, catálogos, normas para la descripción y acceso. Se hace mención a los esquemas de codificación para la manipulación de datos, MARC y al sistema integrado de gestión de bibliotecas KOHA. Se presenta una revisión de los distintos elementos que conforman las áreas de RCAA2 y su comparación con las RDA. Finalmente se aborda el tema relacionado a los puntos de acceso. Para la segunda parte del libro se han elaborado guías para la catalogación de materiales cartográficos, música notada, grabaciones sonoras, videograbaciones, recursos integrables, publicaciones seriadas y catalogación analítica. Las guías consisten en grillas que están formadas por los elementos principales del registro, una breve síntesis de la regla RDA, el campo MARC correspondiente, un ejemplo y observaciones. Sigue a cada guía, registros MARC completos que responden a las RDA. El libro tiene además una tabla de siglas y abreviaturas, un glosario y bibliografía.

La IA hace que la inteligencia humana sea más importante, no menos

Sternfels, Bob, y Lucy Pérez. “AI Makes Human Intelligence More Important, Not Less.” Fortune. 22 de enero de 2026.

Texto completo

Se plantea una idea central que desafía muchas narrativas dominantes sobre la inteligencia artificial: cuanto más avanzada sea la IA, más importante será la inteligencia humana. Frente al discurso alarmista que anuncia la sustitución masiva de trabajadores y la obsolescencia de las capacidades cognitivas humanas, los autores sostienen que el verdadero valor diferencial del futuro no estará en la tecnología en sí misma —cada vez más accesible— sino en las capacidades humanas capaces de trabajar junto a ella.

El texto introduce el concepto de “brain capital” o “capital cerebral”, entendido como un activo económico y social compuesto por dos dimensiones inseparables: la salud cerebral y las habilidades cognitivas y emocionales. La salud cerebral incluye el bienestar mental, emocional y neurológico de las personas, mientras que las habilidades cerebrales abarcan competencias como la creatividad, la resiliencia, la empatía, el pensamiento crítico, la comunicación interpersonal y la alfabetización tecnológica. Los autores argumentan que estas capacidades no son complementos secundarios de la IA, sino el núcleo estratégico que permitirá aprovecharla de manera efectiva. En otras palabras, el problema ya no consiste únicamente en implementar tecnologías avanzadas, sino en desarrollar personas capaces de utilizarlas con criterio, adaptabilidad y sentido humano.

Uno de los aspectos más relevantes del artículo es la crítica implícita a la obsesión empresarial por la automatización y la productividad cuantificable. Sternfels y Pérez advierten que muchas organizaciones se preguntan cómo “reconfigurarse” para la IA, pero pocas se cuestionan cómo fortalecer las capacidades cognitivas y emocionales de sus trabajadores. El texto señala que el verdadero riesgo no es únicamente la automatización del trabajo, sino el deterioro de las capacidades humanas debido al exceso de dependencia tecnológica, la sobrecarga informativa y la aceleración permanente del entorno laboral. La paradoja es clara: la IA puede liberar tiempo y aumentar la eficiencia, pero también puede erosionar precisamente aquellas capacidades humanas que resultan más necesarias en un contexto de incertidumbre y cambio continuo.

El artículo subraya además que las empresas que inviertan en el desarrollo humano tendrán ventajas competitivas significativas. Según los datos citados, abordar adecuadamente los problemas de salud mental y potenciar las capacidades cognitivas podría generar enormes beneficios económicos globales y mejorar la productividad empresarial. Se insiste en que las organizaciones del futuro deberán diseñar entornos laborales que favorezcan la reflexión, el aprendizaje continuo y la colaboración entre humanos y sistemas inteligentes. La IA debe integrarse en los flujos de trabajo como una herramienta de apoyo y no como un sustituto absoluto de la inteligencia humana. En esta visión, las máquinas se encargan de tareas repetitivas o administrativas, mientras que las personas continúan liderando ámbitos como el juicio ético, la creatividad, la mentoría, la toma de decisiones complejas y la construcción de confianza.

Otro elemento importante del texto es la idea de que el liderazgo en la era de la IA será, paradójicamente, más humano que nunca. Los autores sostienen que las organizaciones exitosas no serán aquellas que simplemente usen más inteligencia artificial, sino las que logren combinar la potencia tecnológica con trabajadores mentalmente sanos, cognitivamente flexibles y emocionalmente preparados. Esta visión coincide con otros análisis recientes que destacan la importancia creciente de competencias como la empatía, la reflexión, el discernimiento y el pensamiento crítico frente a la automatización de tareas cognitivas rutinarias.

En conjunto, el artículo representa una defensa del humanismo tecnológico. Lejos de concebir la IA como sustituta de las personas, propone una relación de complementariedad donde la tecnología amplifica capacidades, pero el sentido, la creatividad, la ética y la inteligencia emocional continúan siendo profundamente humanos. El mensaje final es claro: el futuro no pertenecerá a las organizaciones que acumulen más algoritmos, sino a aquellas capaces de cultivar cerebros saludables, pensamiento crítico y talento humano preparado para convivir inteligentemente con la IA.