La inteligencia artificial (IA) está dejando de ser una promesa del futuro para convertirse en un componente central de la transformación educativa en las universidades. En el artículo “Artificial intelligence as a teaching tool in university education”, los autores (Reina Marín, Cruz Caro, Maicelo Rubio, Alva Tuesta, Sánchez Bardales y Carrasco Rituay) investigan cómo perciben estudiantes y profesores la incorporación de la IA en el ámbito académico, identificando resistencias, esperanzas y desafíos estructurales.
Este estudio busca comprender no solo si la IA puede usarse técnicamente como herramienta docente, sino cómo se recibe —qué confianza genera, qué expectativas ofrece y qué temores despierta—. También subraya la urgencia de desarrollar políticas institucionales, metodologías de evaluación y capacitación docente.
Metodología y percepciones principales
El estudio emplea un diseño descriptivo cuantitativo mediante cuestionarios con escala tipo Likert, dirigido a estudiantes universitarios y profesores. Las respuestas revelaron:
- Un escepticismo ampliamente compartido: alrededor del 71,5 % de los estudiantes y el 73,1 % de los profesores manifestaron dudas respecto al uso de IA como herramienta docente.
- Respecto al impacto en el aprendizaje, el 59 % de los estudiantes y el 65,9 % de los profesores lo valoraron de forma desfavorable.
- En materia de ética y privacidad, los estudiantes mostraron una confianza alta (84 %), mientras que los docentes mantuvieron una confianza moderada (73,2 %).
Estos resultados indican una brecha importante entre el potencial técnico de la IA y la postura institucional y personal de quienes la usarían: la confianza y preparación aún no han alcanzado el nivel necesario para una adopción segura y eficaz.
Posibilidades pedagógicas de la IA en la universidad
Aun con percepciones mixtas, el artículo y la literatura relacionada identifican múltiples aplicaciones concretas de la IA en la educación universitaria:
- Plataformas adaptativas que ajustan contenidos al ritmo y estilo de aprendizaje de cada estudiante.
- Sistemas automáticos de evaluación y retroalimentación (por ejemplo, corrección de ejercicios escritos o análisis de redacciones) que liberan tiempo al docente para actividades de mayor valor.
- Herramientas de apoyo para la escritura y edición, como asistentes que sugieren mejoras en estilo, gramática y claridad.
- Generación de recursos didácticos: la IA puede ayudar a producir ejemplos, problemas, simulaciones o materiales personalizados en función de los perfiles de los estudiantes.
- Analítica educativa: usar datos de desempeño para detectar brechas en el aprendizaje y diseñar intervenciones tempranas.
Sin embargo, estas posibilidades están condicionadas por la necesidad de políticas institucionales claras, capacitación docente y mecanismos de evaluación precisos.
Obstáculos señalados y desafíos éticos
El estudio también subraya las preocupaciones más frecuentes frente a la adopción de la IA en universidades:
- Falta de confianza en la eficacia: muchos usuarios dudan de que la IA mejore realmente el aprendizaje profundo.
- Privacidad y protección de datos: inquietudes sobre quién accede a los datos de los estudiantes y con qué fines.
- Transparencia del algoritmo: los modelos de IA suelen ser cajas negras, difíciles de auditar o comprender por quienes los utilizan.
- Formación insuficiente: muchos docentes no cuentan con competencias técnicas ni pedagógicas para emplear la IA de forma reflexiva.
- Resistencia institucional y normativa: sin normas claras y políticas que guíen el uso, la adopción queda fragmentada o conflictiva.
Estas barreras muestran que la integración de la IA no es solo un desafío tecnológico, sino también cultural, formativo e institucional.
Recomendaciones y hoja de ruta sugerida
Para sortear los desafíos y aprovechar las oportunidades, el artículo propone algunas líneas de acción:
- Desarrollar políticas institucionales comprensivas que orienten el uso de IA en enseñanza, evaluación y administración académica.
- Diseñar metodologías de evaluación que contemplen la IA, no solo como recurso sino como objeto de reflexión y crítica.
- Ofrecer formación sistemática para estudiantes y docentes sobre competencias digitales, ética, transparencia y buen uso de la IA.
- Fomentar la colaboración entre disciplinas (pedagogía, informática, ética, derecho) para construir estrategias sustentables.
- Realizar estudios longitudinales que monitoreen el impacto real de la IA en los resultados educativos institucionales.
Hacia una universidad acompañada por la IA
El artículo “Artificial intelligence as a teaching tool in university education” aporta una mirada valiosa y cautelosa: la IA tiene un potencial transformador para la universidad, pero su adopción masiva requiere no solo infraestructura tecnológica, sino una base sólida de confianza, formación y reflexión ética.
Para las universidades que, como INNOVA LAB, aspiran a incorporar IA en sus aulas, la lección es clara: avanzar con paso firme, no apresurado; acompañar la tecnología con política institucional, apoyo humano y monitoreo constante; y convertir cada herramienta en una oportunidad para enseñar también sobre las virtudes y riesgos de la propia IA.
Cita del artículo original:
Reina Marín, Y., Cruz Caro, O., Maicelo Rubio, Y. del C., Alva Tuesta, J. N., Sánchez Bardales, E., & Carrasco Rituay, Á. M. (2025). Artificial intelligence as a teaching tool in university education. Frontiers in Education. https://www.frontiersin.org/articles/10.3389/feduc.2025.1578451/full
