Archivo de la etiqueta: Enseñanza

La inteligencia artificial redefine la educación superior: herramientas, competencias y buenas prácticas para la docencia universitaria

Barra Arias, Enrique; López Fernández, Daniel; Conde Díaz, Javier; Dueñas Lerín, Jorge; Martínez Ruiz de Arcaute, Gonzalo; Ortega Requena, Fernando; Lara Cabrera, Raúl. Inteligencia Artificial en la Educación Superior 2025: Transformaciones Docentes, Herramientas y Buenas Prácticas. Madrid: Universidad Politécnica de Madrid, Servicio de Innovación Educativa, octubre de 2025. DOI: 10.20868/UPM.book.91489.

Descargar libro

La segunda edición del informe Inteligencia Artificial en la Educación Superior 2025 constituye una de las revisiones más completas en lengua española sobre el impacto de la inteligencia artificial generativa en la enseñanza universitaria.

Elaborado por investigadores y docentes de la Universidad Politécnica de Madrid, el documento ofrece una visión práctica y rigurosa dirigida al profesorado, con el propósito de facilitar la incorporación de la IA en la actividad docente de manera ética, responsable y pedagógicamente fundamentada. Más que presentar una posición institucional cerrada, el informe reúne experiencias reales, casos de estudio, recomendaciones metodológicas y un amplio catálogo de herramientas que permiten comprender cómo la IA está modificando los procesos de enseñanza, aprendizaje y evaluación en la universidad.

Uno de los aspectos más relevantes del informe es su análisis del momento histórico que vive la inteligencia artificial. Los autores plantean el debate sobre si la IA generativa atraviesa actualmente la denominada «curva de la desilusión» descrita por Gartner o si, por el contrario, se encuentra avanzando hacia la Inteligencia Artificial General (IAG). Para ello confrontan dos visiones complementarias: una más crítica, que alerta sobre problemas como la deuda cognitiva, las alucinaciones, el elevado coste económico y energético, el exceso de expectativas y la escasa rentabilidad de numerosos proyectos; y otra más optimista, basada en los extraordinarios avances recientes en razonamiento, programación, matemáticas y ciencias alcanzados por modelos como GPT-5, Gemini, Claude, DeepSeek o LLaMA. El informe concluye que ambas perspectivas no son incompatibles, sino que reflejan el proceso natural de maduración de una tecnología con enorme potencial transformador.

El documento dedica una parte sustancial a explicar el funcionamiento de la inteligencia artificial generativa y su evolución tecnológica. A partir de una introducción accesible sobre los grandes modelos de lenguaje (LLM), las redes neuronales y los procesos de entrenamiento e inferencia, analiza cómo estas tecnologías están cambiando profundamente la creación de contenidos, la evaluación del aprendizaje, la personalización educativa, los sistemas de tutoría inteligente y la asistencia al estudiante. La IA deja de entenderse únicamente como una herramienta de automatización para convertirse en un verdadero asistente cognitivo capaz de colaborar con docentes y estudiantes durante todo el proceso formativo.

Especial interés tiene el análisis de experiencias reales desarrolladas en la Universidad Politécnica de Madrid y en otras instituciones de educación superior. El informe presenta numerosos casos de estudio donde la IA ya forma parte de la práctica docente cotidiana: utilización de ChatGPT como apoyo en trabajos prácticos, asistentes virtuales integrados en escape rooms educativos, sistemas generadores de cuestionarios adaptativos y múltiples aplicaciones destinadas a facilitar la evaluación, la preparación de materiales o la atención personalizada del alumnado. Estos ejemplos no se presentan como modelos universales, sino como experiencias inspiradoras que muestran diferentes formas de integrar la IA respetando los objetivos pedagógicos y las características específicas de cada asignatura.

Otro de los grandes aportes del informe es la revisión sistemática de las herramientas de inteligencia artificial actualmente disponibles para el profesorado universitario. Además de analizar asistentes conversacionales como ChatGPT, Copilot, Gemini, Claude o Perplexity, incorpora aplicaciones para la generación de imágenes, presentaciones, vídeos, infografías, cuestionarios, análisis documental, programación mediante IA y creación de agentes inteligentes. Cada herramienta es descrita desde una perspectiva práctica, mostrando sus posibilidades educativas, sus limitaciones y los escenarios donde puede aportar mayor valor añadido. Esta orientación convierte al documento en una auténtica guía de referencia para quienes desean comenzar o profundizar en el uso de estas tecnologías en la universidad.

Los autores insisten especialmente en que el verdadero reto no consiste únicamente en aprender a utilizar herramientas de IA, sino en desarrollar competencias docentes adaptadas a este nuevo contexto. Proponen un perfil profesional basado en cuatro grandes dimensiones: comprender los fundamentos de la inteligencia artificial, conocer sus implicaciones éticas y sociales, integrarla estratégicamente en la práctica docente y diseñar actividades que permitan al alumnado utilizar estas tecnologías de forma crítica, ética y responsable. En este sentido, el informe adopta el concepto de «humano potenciado por la IA», entendido como aquel profesional capaz de aumentar sus capacidades intelectuales mediante una colaboración inteligente con estas herramientas, sin sustituir el juicio crítico ni la creatividad humana.

La obra dedica asimismo un amplio espacio a examinar los riesgos asociados al uso intensivo de la inteligencia artificial. Entre ellos destacan el plagio académico, la pérdida de habilidades de razonamiento y escritura, la dependencia tecnológica, las brechas digitales, la desinformación, los sesgos algorítmicos y los problemas relacionados con la privacidad y la protección de datos. Los autores subrayan que la integración responsable de la IA exige revisar los sistemas tradicionales de evaluación, fortalecer la alfabetización digital y desarrollar nuevas estrategias pedagógicas que fomenten el pensamiento crítico en lugar de limitarse a prohibir el uso de estas herramientas.

Finalmente, el informe aborda el marco regulatorio y competencial que comienza a consolidarse tanto en Europa como en organismos internacionales como la UNESCO. La obra concluye que la IA representa una transformación estructural comparable a la llegada de Internet, por lo que las universidades deben asumir un papel protagonista en la formación de docentes y estudiantes. En lugar de contemplar la inteligencia artificial como una amenaza, propone aprovecharla como una oportunidad para redefinir el papel del profesorado, personalizar el aprendizaje, impulsar la innovación educativa y preparar a los futuros profesionales para convivir con sistemas inteligentes cada vez más avanzados. La clave del éxito residirá en combinar las capacidades de la IA con las competencias exclusivamente humanas —creatividad, pensamiento crítico, juicio ético y capacidad de decisión— para construir una educación superior más eficaz, inclusiva y preparada para los desafíos del futuro

La evaluación en la era de la inteligencia artificial: el próximo gran cambio que necesita la educación

Richards-Hill, Jaye. Assessment in the Age of AI: The Next Great Education Reform. LinkedIn, 2026.

La irrupción de la inteligencia artificial generativa está obligando a replantear uno de los pilares fundamentales del sistema educativo: la evaluación. En su reflexión, Jaye Richards-Hill sostiene que el verdadero desafío no consiste en impedir que el alumnado utilice herramientas como ChatGPT, Claude o Gemini, sino en reconocer que los métodos tradicionales de evaluación han dejado de ser suficientes para medir el aprendizaje auténtico.

La facilidad con la que la IA puede producir ensayos, resolver problemas o generar proyectos cuestiona la validez de pruebas diseñadas para evaluar únicamente el producto final, impulsando una transformación profunda del modo en que se certifican los conocimientos y las competencias.

El artículo plantea que la educación debe abandonar un modelo centrado en la reproducción de contenidos y avanzar hacia evaluaciones que valoren procesos cognitivos complejos. En este nuevo escenario adquieren especial relevancia competencias difícilmente automatizables, como el pensamiento crítico, la creatividad, la capacidad de argumentación, el juicio ético, la resolución de problemas abiertos, la comunicación y la reflexión metacognitiva. Más que comprobar si un estudiante puede producir un texto, el objetivo pasa a ser comprender cómo llega a sus conclusiones, cómo utiliza la IA de manera responsable y qué valor intelectual aporta al resultado final.

Richards-Hill también subraya que esta transformación exige un cambio cultural dentro de las instituciones educativas. Los docentes deberán diseñar experiencias de aprendizaje más auténticas, incorporar evaluaciones continuas, presentaciones orales, proyectos colaborativos, portafolios digitales y actividades que hagan visible el proceso de aprendizaje. En lugar de perseguir un imposible «examen a prueba de IA», la propuesta consiste en integrar estas tecnologías de forma transparente, estableciendo normas claras sobre su uso y evaluando la capacidad del alumnado para trabajar conjuntamente con ellas de manera crítica y ética.

Finalmente, el autor defiende que la inteligencia artificial representa una oportunidad histórica para impulsar la mayor reforma educativa de las últimas décadas. Igual que en otros momentos la llegada de Internet o de las tecnologías digitales obligó a redefinir la enseñanza, la IA invita ahora a revisar los fundamentos de la evaluación. El éxito de esta transición dependerá de que universidades y centros educativos dejen de considerar la IA únicamente como un riesgo para la integridad académica y comiencen a utilizarla como catalizador para construir modelos de evaluación más relevantes, flexibles y alineados con las competencias que demandará la sociedad del conocimiento en el futuro.

Dave Eggers advierte que ChatGPT está “silenciando a toda una generación”: un llamamiento a padres y educadores para preservar el aprendizaje

Wolfe, A. (2026, 21 de julio). Author Dave Eggers says ChatGPT is ‘silencing an entire generation’ — here’s why parents should pay attention. Tom’s Guide https://www.tomsguide.com/ai/author-dave-eggers-says-chatgpt-is-silencing-an-entire-generation-heres-why-parents-should-pay-attention?utm_source=flipboard&utm_content=topic/artificialintelligence

El escritor estadounidense Dave Eggers, conocido por su defensa de la creatividad y la alfabetización, ha lanzado una contundente advertencia sobre el impacto de la inteligencia artificial generativa en la educación. Durante una charla ofrecida a empleados de OpenAI, Eggers afirmó que el uso de ChatGPT para redactar trabajos escolares está “silenciando a toda una generación”, ya que los estudiantes dejan de desarrollar su propia voz y pierden una de las habilidades fundamentales del aprendizaje: escribir para pensar. Su intervención ha reabierto el debate sobre el papel de la IA en las aulas y sobre los límites entre utilizar estas herramientas como apoyo o como sustituto del esfuerzo intelectual.

Según Eggers, escribir no consiste únicamente en producir un texto final, sino que es un proceso mediante el cual las personas organizan sus ideas, construyen argumentos, desarrollan pensamiento crítico y descubren qué piensan realmente sobre un tema. Cuando un estudiante delega esta tarea en un sistema de IA, obtiene un resultado aparentemente correcto, pero renuncia al proceso cognitivo que hace posible el aprendizaje. En sus palabras, si los alumnos utilizan ChatGPT para componer sus trabajos, “nunca aprenderán a escribir”, y con ello perderán la capacidad de expresar sus propias experiencias, opiniones y creatividad.

El artículo de Tom’s Guide, sin embargo, adopta una postura más matizada que la del novelista. Su autor, que utiliza herramientas de IA de forma habitual en su trabajo, reconoce que las preocupaciones de Eggers son legítimas, pero considera que prohibir ChatGPT en la educación no es una solución realista. La inteligencia artificial formará parte de la vida académica y profesional de las nuevas generaciones, por lo que el verdadero desafío consiste en enseñar a utilizarla de forma responsable. La diferencia fundamental está entre emplearla como tutor, compañero de aprendizaje o herramienta de lluvia de ideas, y convertirla en un sustituto del razonamiento y del trabajo personal.

El autor ofrece varios ejemplos de usos educativos positivos de la IA: explicar conceptos difíciles, proporcionar ejercicios adicionales, sugerir ideas para proyectos, ayudar a comprender textos complejos o resolver dudas durante el estudio. En todos estos casos, el estudiante sigue siendo el protagonista del aprendizaje. El problema surge cuando la IA redacta directamente ensayos, resuelve tareas o responde preguntas que el alumno debería elaborar por sí mismo, ya que entonces desaparece el esfuerzo intelectual que permite adquirir conocimientos y desarrollar competencias de escritura, análisis y comunicación.

La advertencia de Dave Eggers no debe interpretarse como un rechazo absoluto a la inteligencia artificial, sino como una llamada de atención sobre el riesgo de delegar el pensamiento en la tecnología. Para los padres y educadores, la prioridad no debería ser impedir que los jóvenes utilicen herramientas como ChatGPT, sino ayudarles a comprender cuándo estas enriquecen el aprendizaje y cuándo, por el contrario, limitan el desarrollo de su autonomía intelectual y de su propia voz. La IA puede convertirse en un poderoso aliado educativo, pero solo si complementa el aprendizaje humano en lugar de reemplazarlo.

¿El fin de los deberes? Los docentes replantean las tareas escolares ante las trampas con inteligencia artificial

Toppo, G. (2026). The End of Homework? Teachers Grapple With Cheating in the Age of AI. The 74, 14 de julio de 2026.

La rápida adopción de herramientas de inteligencia artificial generativa como ChatGPT, Gemini o Claude está transformando profundamente la forma en que los estudiantes realizan sus tareas escolares y obligando a los docentes a replantearse el papel tradicional de los deberes. El artículo de The 74 sostiene que el problema ya no consiste únicamente en detectar cuándo un alumno utiliza IA para completar una actividad, sino en diseñar experiencias de aprendizaje que mantengan su valor educativo en un contexto donde cualquier ejercicio rutinario puede resolverse en segundos mediante un chatbot.

Uno de los ejemplos destacados es el del profesor de matemáticas Al Rabanera, del instituto La Vista High School (California), quien parte de una premisa sencilla: asumir que sus estudiantes tienen acceso a la IA y que probablemente la utilizarán. En lugar de intentar impedirlo mediante vigilancia constante, ha transformado completamente sus métodos de enseñanza. Ha abandonado los tradicionales ejercicios repetitivos para sustituirlos por proyectos personalizados, desafíos realizados en clase y actividades relacionadas con situaciones reales, como la compra de un automóvil, el cálculo de préstamos, las puntuaciones de crédito o la planificación financiera. El objetivo es que los alumnos demuestren comprensión y capacidad de razonamiento, no simplemente la entrega de respuestas correctas.

El reportaje muestra que este cambio de enfoque se está extendiendo entre numerosos docentes. Muchos consideran que los deberes tradicionales han perdido gran parte de su utilidad porque las aplicaciones de IA pueden resolver fácilmente problemas estandarizados, redactar ensayos o responder cuestionarios. En consecuencia, los profesores están diseñando tareas más creativas, personalizadas y difíciles de automatizar, como la elaboración de proyectos originales, presentaciones, debates, actividades colaborativas o la creación de problemas propios a partir de intereses personales del alumnado. Estas propuestas obligan a los estudiantes a aplicar conocimientos, justificar decisiones y demostrar que comprenden realmente los conceptos trabajados.

El artículo también pone de manifiesto un cambio de filosofía educativa. En lugar de centrar todos los esfuerzos en perseguir el fraude mediante detectores de IA —herramientas cuya fiabilidad sigue siendo muy cuestionada— muchos educadores prefieren modificar los sistemas de evaluación para que el uso indiscriminado de la inteligencia artificial resulte poco útil. La evaluación continua, las actividades desarrolladas en el aula, las exposiciones orales y los proyectos contextualizados adquieren mayor protagonismo porque permiten valorar el proceso de aprendizaje y no únicamente el producto final entregado por el estudiante.

Más allá del problema del plagio, el artículo plantea una reflexión sobre el futuro de los deberes escolares. Si la IA puede realizar automáticamente una parte importante de las tareas tradicionales, quizá el verdadero reto no sea prohibir estas herramientas, sino redefinir qué significa aprender en la era de la inteligencia artificial. Para muchos docentes, la solución pasa por convertir la IA en un recurso de apoyo para el aprendizaje mientras se diseñan actividades que fomenten el pensamiento crítico, la creatividad, la resolución de problemas y la capacidad de explicar y defender las propias ideas, competencias que siguen dependiendo fundamentalmente del estudiante.

El mayor escándalo de fraude académico con IA en la Ivy League reabre el debate sobre la evaluación universitaria

Tangermann, V. (2026). Brown University Professor Horrified to Discover Largest AI Cheating Scandal in Ivy League History. Futurism, 30 de junio de 2026. https://futurism.com/artificial-intelligence/brown-university-professor-cheating-scandal-ivy-league?utm_source=flipboard&utm_content=other

El artículo analiza el que podría convertirse en el mayor caso documentado de fraude académico relacionado con inteligencia artificial en una universidad de la Ivy League. El protagonista es Roberto Serrano, profesor de Economía en Brown University, quien sostiene haber reunido pruebas concluyentes de un uso masivo de herramientas como ChatGPT durante un examen de evaluación continua. El caso ha despertado una intensa discusión sobre la eficacia de los actuales sistemas de evaluación y sobre el impacto que la inteligencia artificial generativa está teniendo en la educación superior.

Las sospechas surgieron tras corregir un examen parcial de una asignatura avanzada de Economía Matemática. De los 86 estudiantes matriculados, 40 obtuvieron la máxima calificación (100 sobre 100) y la nota media alcanzó los 96 puntos, unos resultados extraordinariamente inusuales para una prueba de ese nivel. Intrigado por estos datos, Serrano comparó varias respuestas con las generadas por ChatGPT y detectó coincidencias llamativas, incluyendo expresiones poco habituales y razonamientos prácticamente idénticos a los producidos por el modelo de inteligencia artificial. Según el profesor, la evidencia acumulada apuntaba claramente a un uso indebido de herramientas de IA durante un examen que debía resolverse de forma individual y bajo el código de honor de la universidad.

Las sospechas se reforzaron cuando llegó el examen final presencial. En esa prueba, que representaba una parte importante de la calificación definitiva, la nota media descendió hasta 48 puntos sobre 100, una diferencia difícil de explicar únicamente por la distinta naturaleza de los exámenes. Además, 27 estudiantes ni siquiera acudieron al examen final, entre ellos 22 que habían obtenido previamente una puntuación perfecta en la prueba domiciliaria. Para Serrano, esta enorme discrepancia constituye una evidencia empírica muy sólida de que una parte significativa de los estudiantes recurrió a la inteligencia artificial para resolver el examen realizado fuera del aula.

El artículo también pone el foco en la respuesta institucional. Según explica el profesor, la reacción inicial de la dirección universitaria fue muy limitada y no reflejó, a su juicio, la gravedad de los hechos. Aunque el caso terminó siendo remitido al comité encargado de velar por la integridad académica, Serrano lamenta la falta de una respuesta contundente por parte de las autoridades universitarias y advierte de que la defensa de la honestidad académica no puede recaer únicamente sobre el profesorado. Considera que las universidades necesitan políticas más claras y mecanismos de actuación mucho más ágiles para afrontar este nuevo escenario marcado por la inteligencia artificial generativa.

Más allá del episodio concreto, el artículo plantea una reflexión de alcance mucho mayor sobre el futuro de la evaluación universitaria. La aparición de modelos de lenguaje capaces de resolver problemas complejos, redactar ensayos o generar explicaciones de alta calidad cuestiona la validez de muchas formas tradicionales de examen, especialmente aquellas realizadas a distancia o sin supervisión. La experiencia descrita en Brown sugiere que los sistemas basados exclusivamente en la confianza o en el tradicional «Honor Code» pueden resultar insuficientes cuando los estudiantes tienen acceso inmediato a herramientas de IA extremadamente potentes.

En conjunto, el caso ilustra uno de los mayores desafíos que afronta actualmente la educación superior. Más que confiar en la detección del fraude mediante herramientas tecnológicas, el episodio refuerza la necesidad de rediseñar los métodos de evaluación para valorar competencias difíciles de delegar en una IA, como el razonamiento crítico, la argumentación, la resolución de problemas en contextos auténticos o la defensa oral del trabajo realizado. El escándalo de Brown evidencia que la irrupción de la inteligencia artificial no solo obliga a replantear las normas de integridad académica, sino también el propio modelo de enseñanza y evaluación sobre el que se ha sustentado la universidad durante décadas.

La inteligencia artificial generativa en la educación superior: percepciones, oportunidades y desafíos éticos desde la mirada estudiantil

Lopes, Carlos; Antunes, Maria Luz; Sanches, Tatiana. “Inteligência Artificial Generativa no Ensino Superior: perceções, crenças e desafios éticos dos estudantes de Psicologia e da Educação”. Ibersid. Revista de Sistemas de Información y Documentación, vol. 20, nº 1 (enero-junio 2026), pp. 109-123.

El artículo analiza en profundidad cómo los estudiantes universitarios portugueses perciben la incorporación de la Inteligencia Artificial Generativa (IA-Gen) en el contexto de la educación superior, centrándose especialmente en alumnado de las áreas de Psicología y Ciencias de la Educación. Los estudiantes quieren ser socios, no pasajeros: no solo quieren aprender sobre IA-Gen, sino ayudar a moldar la forma en que la IA se integra en la educación y cómo los prepara para el futuro.

Los autores parten de la idea de que herramientas como ChatGPT han transformado radicalmente la manera en que los estudiantes acceden al conocimiento, estudian, sintetizan información y desarrollan tareas académicas. Sin embargo, sostienen que la verdadera cuestión no reside únicamente en la sofisticación tecnológica de estas herramientas, sino en la capacidad crítica del alumnado para utilizarlas de forma ética, responsable y académicamente rigurosa. El estudio sitúa la irrupción de la IA generativa como uno de los fenómenos más disruptivos en la universidad contemporánea, obligando a replantear metodologías docentes, sistemas de evaluación y competencias digitales necesarias para desenvolverse en un ecosistema cada vez más automatizado.

La investigación se desarrolló a partir de una muestra de 272 estudiantes universitarios portugueses de primer año, pertenecientes principalmente a titulaciones de Psicología (73,1%) y Ciencias de la Educación, empleando una metodología mixta que combinó cuestionarios estructurados, escalas de percepción y preguntas abiertas. Los resultados muestran una penetración extraordinariamente rápida de estas tecnologías en la vida académica: el 96 % de los estudiantes declara utilizar herramientas de IA generativa, mientras que un 58,9 % afirma emplearlas semanalmente y un 12 % incluso diariamente. La plataforma claramente dominante es ChatGPT, utilizada por un 88 % de los encuestados, seguida por otras herramientas emergentes como Google Gemini, Microsoft Copilot, Perplexity o NotebookLM. Su uso principal se concentra en comprender temas complejos, resumir contenidos académicos, elaborar trabajos escritos y generar ideas para proyectos o presentaciones.

Uno de los hallazgos centrales del estudio es que los estudiantes manifiestan una actitud que los autores denominan “optimismo crítico”. Los encuestados consideran que la IA resulta intuitiva, fácil de usar y muy útil para ahorrar tiempo y esfuerzo en tareas académicas. Sin embargo, lejos de aceptar de manera acrítica sus respuestas, muestran conciencia de que la calidad del resultado depende en gran medida de saber formular correctamente las preguntas o prompts. De hecho, la puntuación más alta de toda la investigación corresponde precisamente al reconocimiento de que la capacidad para plantear instrucciones adecuadas es fundamental para obtener buenos resultados. Esto revela que los estudiantes no entienden la IA como una solución automática o mágica, sino como una herramienta que exige nuevas competencias técnicas y cognitivas para aprovechar plenamente su potencial.

El trabajo dedica especial atención a la fiabilidad de la información generada por la IA y a las preocupaciones éticas derivadas de su uso. Aquí aparece uno de los datos más significativos: casi todos los estudiantes coinciden en que cualquier información proporcionada por sistemas de IA debe verificarse con fuentes expertas o académicas antes de ser utilizada. Existe un escepticismo considerable respecto a la exactitud de las respuestas automáticas, reflejando una conciencia clara de fenómenos como las “alucinaciones” de los modelos generativos. Paralelamente, emergen inquietudes relacionadas con el plagio académico, la privacidad de los datos compartidos, la seguridad digital y la necesidad de que las universidades establezcan normativas claras que regulen el uso de estas herramientas dentro de los procesos de enseñanza y evaluación. La investigación muestra así que la aceptación tecnológica convive permanentemente con una actitud prudente respecto a sus riesgos potenciales.

Otro resultado especialmente interesante es la comparación que hacen los propios estudiantes entre la inteligencia artificial y el papel del profesorado. Aunque reconocen que la IA puede proporcionar respuestas estructuradas y facilitar el acceso rápido a información, la mayoría considera que la inteligencia de estas herramientas sigue siendo claramente inferior a la de sus docentes. Los encuestados rechazan la idea de que la IA pueda sustituir completamente la función del profesor o convertirse en una autoridad intelectual autónoma. Para ellos, el docente continúa siendo una figura esencial como mediador pedagógico, orientador crítico y garante de la calidad del aprendizaje. Esta percepción resulta especialmente relevante porque desmonta la idea de que los estudiantes desean reemplazar la enseñanza humana por sistemas automatizados; más bien ven la IA como un complemento funcional, no como un sustituto del conocimiento experto y la experiencia pedagógica.

En las preguntas cualitativas abiertas aparecen preocupaciones todavía más profundas acerca de los efectos sociales, cognitivos y ambientales de estas tecnologías. La categoría más mencionada por los participantes fue la erosión cognitiva, es decir, el temor a que una dependencia excesiva de la IA termine debilitando capacidades humanas fundamentales como la creatividad, la escritura autónoma, el esfuerzo intelectual o la capacidad de razonamiento crítico. También aparece una fuerte conciencia ecológica, ya que muchos estudiantes expresan preocupación por el elevado consumo energético, el uso intensivo de agua en centros de datos y la huella ambiental asociada al entrenamiento de modelos de gran escala. Junto a ello, se identifican temores vinculados a la dependencia tecnológica, el aislamiento social, la sustitución laboral por automatización y el aumento de desigualdades económicas derivadas del acceso desigual a herramientas avanzadas de IA.

Cuando se pregunta a los estudiantes cómo debería integrarse la inteligencia artificial en las aulas, las respuestas apuntan a una transformación del papel del profesorado. Los participantes consideran que los docentes deben dejar de ser simples transmisores de información para convertirse en guías de alfabetización en inteligencia artificial. Recomiendan enseñar cómo formular buenos prompts, cómo verificar la fiabilidad de las respuestas, cómo evitar el plagio académico y cómo utilizar la IA como apoyo para desarrollar pensamiento crítico, no para sustituirlo. También proponen emplear estas herramientas en metodologías activas, como la creación de materiales interactivos, cuestionarios, esquemas visuales o actividades de gamificación que hagan las clases más dinámicas. En otras palabras, los estudiantes no rechazan la IA, pero exigen una integración pedagógica acompañada de formación ética y criterios claros de uso responsable.

Como conclusión general, el estudio sostiene que la incorporación de la inteligencia artificial generativa en la universidad constituye mucho más que una innovación tecnológica: representa un cambio estructural en la forma de aprender, investigar y producir conocimiento. Los autores defienden que las instituciones de educación superior deben actuar rápidamente diseñando políticas institucionales claras, programas de alfabetización digital e iniciativas formativas que permitan aprovechar los beneficios de la IA sin poner en riesgo la integridad académica ni las capacidades cognitivas fundamentales del alumnado. El mensaje final del trabajo es claro: la inteligencia artificial puede democratizar el acceso al conocimiento y potenciar enormemente los procesos educativos, pero su integración solo será verdaderamente positiva si permanece subordinada al juicio humano, al pensamiento crítico y a principios éticos sólidos que garanticen que la innovación tecnológica fortalezca, y no debilite, la calidad del aprendizaje universitario.

El amor, el tiempo y el algoritmo: humanismo metafísico y gobernanza ética de la IA en la educación

Teacher and students collaborating on algorithm and time concepts in classroom
Students and a teacher engage with algorithm and time concepts using digital tools

Hedfeld, Patrick. “AI as a socio-technical actor: rethinking definitions for ethics and governance.” Springer Nature – AI and Ethics, vol. 6, artículo 254, 2026. Publicado el 14 de abril de 2026. DOI: 10.1007/s43681-026-01123-1

El artículo de Patrick Hedfeld plantea una revisión profunda de la manera en que actualmente entendemos y definimos la inteligencia artificial, argumentando que las definiciones dominantes resultan insuficientes para afrontar adecuadamente los desafíos éticos y regulatorios que surgen con su expansión.

Tradicionalmente, explica el autor, la inteligencia artificial ha sido entendida desde dos perspectivas principales: una definición técnica centrada en algoritmos, capacidades computacionales y rendimiento en tareas específicas, y una definición orientada a la gobernanza, enfocada en clasificar riesgos, regular usos y establecer marcos jurídicos. Aunque ambas aproximaciones son necesarias, Hedfeld sostiene que dejan fuera un elemento crucial: el contexto social e institucional dentro del cual la IA opera y produce efectos concretos.

La tesis central del trabajo propone considerar la inteligencia artificial no simplemente como una herramienta tecnológica, sino como un actor sociotécnico, es decir, como un sistema que participa activamente en redes complejas de interacción humana, institucional y tecnológica. El autor aclara que esto no significa atribuir conciencia, autonomía moral o personalidad a la IA, sino reconocer que estos sistemas median decisiones humanas, condicionan comportamientos, reorganizan prácticas institucionales y alteran relaciones sociales. Desde esta perspectiva, la IA deja de ser un objeto neutral utilizado por personas y pasa a entenderse como una entidad con capacidad de influir estructuralmente en procesos colectivos.

Uno de los aportes más relevantes del artículo consiste en señalar que las definiciones puramente funcionales de inteligencia artificial no permiten comprender adecuadamente fenómenos éticamente problemáticos que están emergiendo con rapidez. Entre ellos se encuentran la responsabilidad distribuida —cuando no resulta claro quién responde por una decisión tomada con asistencia algorítmica—, la discriminación estructural derivada de sesgos incorporados en los sistemas de entrenamiento, la dependencia epistémica que generan herramientas automatizadas en investigadores o profesionales, y la transformación silenciosa de instituciones que comienzan a reorganizar su funcionamiento en torno a decisiones automatizadas. Según Hedfeld, estos problemas no pueden analizarse correctamente si la IA se sigue entendiendo únicamente como software o infraestructura técnica.

El autor se apoya en campos interdisciplinarios como los estudios sociales de la ciencia y la tecnología (STS), la filosofía de la tecnología y la ética aplicada a la inteligencia artificial para construir su propuesta conceptual. Desde este marco teórico sostiene que la IA actúa como mediadora de acciones humanas: estructura opciones disponibles, dirige la atención hacia determinados resultados, establece patrones de interacción y modifica procedimientos institucionales mediante una interacción constante entre humanos y sistemas automatizados. En consecuencia, afirma que las discusiones sobre regulación no deberían centrarse únicamente en evaluar si un sistema funciona correctamente o si presenta riesgos inmediatos, sino también en analizar cómo transforma estructuras sociales más amplias.

En términos de gobernanza, el artículo concluye que adoptar una definición sociotécnica de inteligencia artificial permitiría desarrollar modelos regulatorios más sólidos y sensibles al contexto real de uso. En lugar de limitarse a clasificar sistemas por niveles abstractos de riesgo, los marcos regulatorios deberían incorporar análisis institucionales, mecanismos de responsabilidad compartida y evaluaciones continuas sobre impactos sociales de largo plazo. Hedfeld sostiene que esta perspectiva ofrece una base más adecuada para construir políticas públicas, mecanismos de rendición de cuentas y evaluaciones éticas capaces de responder a la complejidad real de la inteligencia artificial contemporánea.

En conjunto, el trabajo representa una contribución importante dentro del debate contemporáneo sobre ética de la inteligencia artificial, al desplazar la conversación desde una visión puramente tecnológica hacia una comprensión más amplia en la que la IA aparece integrada en sistemas sociales complejos. La investigación sugiere que definir correctamente qué entendemos por inteligencia artificial no es una cuestión meramente académica o semántica, sino una decisión fundamental que determina cómo distribuimos responsabilidades, cómo regulamos tecnologías emergentes y qué tipo de relación queremos establecer entre innovación tecnológica y valores democráticos en el futuro.

El 91 % de los estudiantes de último curso en Yale ya utiliza inteligencia artificial para sus trabajos académicos: la universidad frente a una nueva realidad educativa

Yale Daily News. “91 Percent of Senior Class Has Used AI for Schoolwork, News Survey Finds.” Yale Daily News, 16 de mayo de 2026. Disponible en: Yale Daily News

Un reciente estudio publicado por el periódico universitario Yale Daily News revela un dato que confirma hasta qué punto la inteligencia artificial generativa se ha integrado en la vida académica contemporánea: el 91 % de los estudiantes que integran la promoción 2026 de Yale University ha utilizado herramientas de inteligencia artificial para realizar algún tipo de trabajo académico durante su etapa universitaria.

La encuesta, realizada de manera anónima entre 172 estudiantes de último curso, ofrece una radiografía muy significativa sobre cómo tecnologías como ChatGPT y otros sistemas de IA han dejado de ser una novedad experimental para convertirse en parte habitual del ecosistema educativo universitario.

Los resultados muestran que únicamente un 9,1 % de los encuestados afirmó no haber utilizado nunca herramientas de inteligencia artificial en tareas relacionadas con sus estudios. La mayoría, concretamente un 67,5 %, declaró emplearlas de manera ocasional, frecuente o muy frecuente, lo que evidencia que el uso de estas tecnologías ha alcanzado niveles de normalización impensables apenas tres años atrás, cuando la irrupción pública de modelos generativos como ChatGPT abrió un intenso debate internacional sobre plagio, autoría, originalidad y el futuro mismo del aprendizaje universitario. La generación que se gradúa en 2026 aparece así como la primera cohorte académica que ha convivido plenamente con la IA durante gran parte de su formación superior.

La encuesta también permite observar cómo se utiliza concretamente la inteligencia artificial en el trabajo universitario. Más del 75 % de los estudiantes reconoció haber empleado estas herramientas para resolver ejercicios o problem sets, una práctica especialmente extendida en disciplinas técnicas, matemáticas y científicas. Un 64 % admitió utilizar IA para ayudar en la redacción de ensayos o trabajos escritos, mientras que uno de los datos más llamativos señala que casi la mitad de los estudiantes —48,5 %— afirmó haber usado inteligencia artificial incluso para colaborar en la elaboración de su tesis final o senior thesis, un tipo de trabajo que tradicionalmente representa la culminación intelectual individual del proceso universitario. Este dato plantea interrogantes profundos sobre cómo deberán redefinirse en el futuro conceptos como esfuerzo individual, originalidad académica o evaluación del aprendizaje.

Más allá de las cifras, el estudio refleja un cambio cultural profundo dentro de la educación superior. La universidad, históricamente concebida como un espacio donde se desarrollan capacidades de análisis crítico, escritura autónoma y construcción gradual del conocimiento, se enfrenta ahora a una tecnología capaz de automatizar precisamente parte de esos procesos cognitivos. Esto genera una paradoja cada vez más visible: mientras muchas instituciones educativas mantienen restricciones severas sobre el uso de inteligencia artificial por considerarla una amenaza para la integridad académica, el mercado laboral empieza simultáneamente a exigir competencias avanzadas en el manejo de estas herramientas. De esta forma, los estudiantes viven en un escenario contradictorio donde lo que en el aula puede considerarse una forma de hacer trampa, en el ámbito profesional comienza a verse como una habilidad necesaria.

Diversos estudios complementarios publicados durante 2026 confirman que el caso de Yale no es una excepción aislada sino parte de una tendencia global. Investigaciones de organizaciones como Gallup muestran que una mayoría creciente de estudiantes universitarios utiliza inteligencia artificial semanalmente para comprender conceptos complejos, revisar ejercicios, mejorar textos, resumir apuntes o desarrollar ideas para trabajos académicos. Paralelamente, una parte importante del profesorado expresa preocupación creciente por el posible deterioro de habilidades fundamentales como la escritura autónoma, el pensamiento crítico o la capacidad de razonamiento independiente, elementos que tradicionalmente constituyen la esencia misma del aprendizaje universitario.

En definitiva, el caso de Yale University ilustra con claridad que la educación superior se encuentra en medio de una transformación estructural sin precedentes. La pregunta central ya no parece ser si los estudiantes utilizan inteligencia artificial, porque las cifras demuestran que su adopción es prácticamente universal, sino cómo deberán adaptarse las universidades para integrar esta nueva realidad sin sacrificar los principios fundamentales del aprendizaje. Más que prohibir o aceptar acríticamente estas tecnologías, el verdadero desafío educativo del futuro inmediato será redefinir qué significa aprender, crear conocimiento y demostrar competencia intelectual en una era donde la inteligencia artificial se ha convertido en una extensión cotidiana del trabajo humano.

Cómo la IA generativa podría transformar el aprendizaje y el desarrollo

Goel, Sagar y Shubhankar Sohoni. “How Gen AI Could Transform Learning and Development.” Harvard Business Review, septiembre de 2025. https://hbr.org/2025/09/how-gen-ai-could-transform-learning-and-development

La inteligencia artificial generativa está empezando a redefinir el campo del aprendizaje y el desarrollo (L&D) dentro de las organizaciones, especialmente en el contexto corporativo. Los autores parten de una constatación clave: aunque muchas empresas invierten grandes recursos en formación, los métodos tradicionales de capacitación suelen ser genéricos, poco personalizados y desconectados del trabajo real. En este escenario, la IA generativa emerge como una herramienta capaz de transformar radicalmente la forma en que los empleados adquieren y desarrollan habilidades, ofreciendo experiencias de aprendizaje más adaptadas, dinámicas y continuas.

Uno de los principales argumentos del texto es que la IA puede funcionar como un “tutor personal” a gran escala. A diferencia de los modelos formativos tradicionales, la IA generativa permite diseñar itinerarios de aprendizaje individualizados, ajustados al rol, nivel de competencia y necesidades específicas de cada trabajador. Esto abre la posibilidad de una formación más contextualizada y eficiente, en la que los empleados pueden aprender directamente en el flujo de trabajo (“learning in the flow of work”), recibiendo apoyo inmediato y relevante en función de los problemas que enfrentan en tiempo real. Según el artículo, esta personalización no solo mejora la eficacia del aprendizaje, sino que también incrementa el compromiso y la motivación de los usuarios.

Sin embargo, el texto destaca que la IA generativa no sustituye el papel humano en el aprendizaje, sino que lo complementa y lo potencia. Los formadores, líderes de equipo y responsables de recursos humanos siguen siendo fundamentales para orientar, dar sentido y contextualizar el proceso formativo. Sin embargo, la IA introduce un cambio de paradigma al ampliar el alcance del aprendizaje, reducir costes y permitir una escalabilidad sin precedentes. El resultado es una transformación profunda del ecosistema de aprendizaje organizacional, donde la tecnología actúa como facilitadora de un desarrollo más continuo, personalizado y estratégico del talento.

La falsa percepción del uso de IA: cuando creer que todos la usan termina haciendo que todos la usen

Fasiang, Kristin, y Jill Barshay. 2026. “Is Everyone Using AI? How False Perceptions Can Become Self-Fulfilling.” MindShift (KQED) / The Hechinger Report, 8 de junio de 2026. https://www.kqed.org/mindshift/66379/is-everyone-using-ai-how-false-perceptions-can-become-self-fulfilling

El artículo aborda una cuestión clave en el contexto actual de la educación superior: no se sabe con precisión cuántos estudiantes utilizan realmente herramientas de inteligencia artificial como ChatGPT, y esa incertidumbre está influyendo tanto en la percepción social como en las políticas universitarias.

El punto de partida es un estudio realizado en la Universidad de Chicago con 338 estudiantes de grado. Los resultados muestran una discrepancia significativa: el 60 % afirma utilizar herramientas de IA, mientras que el 90 % cree que la mayoría de sus compañeros también las usa. Esta diferencia de 30 puntos plantea varias posibilidades: que los estudiantes subestimen su propio uso, que sobreestimen el de los demás o ambas cosas simultáneamente. En cualquier caso, el resultado es una visión distorsionada del fenómeno.

Los investigadores señalan que esta distorsión puede estar provocada por la llamada “sesgo de deseabilidad social”. Es decir, los estudiantes pueden no declarar con sinceridad su uso de IA porque consideran que admitirlo podría asociarse con pereza, falta de esfuerzo o incluso deshonestidad académica. En entrevistas complementarias, algunos estudiantes equiparan el uso de IA con no ser capaz de realizar el trabajo por sí mismos, lo que refuerza el estigma y favorece el ocultamiento.

Sin embargo, el artículo también plantea una explicación alternativa: la sobreestimación del uso de IA entre compañeros. Dado que estas herramientas son muy visibles en la vida cotidiana universitaria —pantallas abiertas con ChatGPT, conversaciones sobre su uso, referencias constantes en clase— los estudiantes pueden asumir que su uso es mucho más generalizado de lo que realmente es. Esta combinación de invisibilidad del uso real y visibilidad del discurso genera un efecto de “normalización percibida”.

El texto conecta este fenómeno con un concepto bien conocido en ciencias sociales: la “ignorancia pluralista”. Este ocurre cuando las personas creen erróneamente que los demás se comportan de manera distinta (generalmente más extrema o más frecuente) que la realidad. Un paralelismo clásico se observa en el consumo de alcohol o drogas en campus universitarios, donde los estudiantes suelen sobrestimar cuánto beben o consumen sus compañeros.

Estas percepciones erróneas no son inocuas. El artículo recuerda que en estudios sobre salud pública se ha demostrado que cuando los estudiantes creen que “todo el mundo bebe”, tienden a beber más ellos mismos. Es decir, la percepción social puede convertirse en una profecía autocumplida. Si los estudiantes creen que el uso de IA es casi universal, pueden sentirse presionados a adoptarlo para no quedarse atrás, aunque en realidad no sea tan extendido.

En este sentido, los investigadores advierten de un riesgo importante para las universidades: diseñar políticas sobre inteligencia artificial basadas en suposiciones y no en datos fiables. Si las instituciones asumen que la IA es omnipresente sin evidencias sólidas, podrían establecer normas excesivamente restrictivas o, por el contrario, demasiado permisivas.

El artículo también sugiere que las universidades podrían aprender de estrategias aplicadas en salud pública. En el caso del alcohol, algunas campañas dejaron de enfatizar el problema del consumo excesivo y empezaron a comunicar datos reales que mostraban que la mayoría de estudiantes bebía con moderación. Esta corrección de percepciones contribuyó a reducir comportamientos de riesgo.

Finalmente, el texto concluye que la gestión del uso de la IA en educación no solo depende de normas tecnológicas o académicas, sino también de cómo se construyen las percepciones sociales. Si los estudiantes creen que el uso de IA es la norma absoluta, esa creencia puede moldear su comportamiento, independientemente de la realidad estadística. Por ello, los autores subrayan la necesidad de investigar mejor estos patrones y comunicar datos más precisos para evitar dinámicas de presión social y uso inducido.