Durante las últimas décadas las universidades han incorporado plataformas digitales, sistemas de información, modalidades virtuales de enseñanza y nuevas herramientas para la investigación. Cada una de esas transformaciones exigió aprendizaje institucional, ajustes pedagógicos y decisiones sobre infraestructura. 

A este proceso vino a sumarse la inteligencia artificial,introduciendo una diferencia relevante: además de apoyar el acceso y el tratamiento de la información, genera contenidos, formula recomendaciones y, en algunos casos, ejecuta tareas con diferentes grados de autonomía. Por ello, su incorporación exige un nuevo ciclo de aprendizaje institucional que articule las capacidades humanas y tecnológicas y defina los criterios para orientar esta retadora etapa.

En ese contexto, a medida que se extienda su uso, las autoridades universitarias están llamadas a responder qué información podrá compartirse, cuáles decisiones exigirán revisión humana, cómo se preservará la calidad académica y qué ocurrirá si una recomendación automatizada perjudica a una persona o a la propia institución. Son decisiones de gobierno universitario y requieren la participación de quienes dirigen la docencia, la investigación, la tecnología y la gestión.

En distintos países estas preocupaciones están dando lugar a políticas, procesos de evaluación, mecanismos de supervisión y protocolos para atender incidentes. La discusión ha dejado de concentrarse en la disponibilidad de una herramienta. Ahora incluye las condiciones en que se usa, los límites que se le fijan y la responsabilidad de la institución frente a sus consecuencias.

La brecha entre adopción y gobernanza: Un estudio de UNESCO IESALC y UNU-IAS publicado en 2026 muestra con claridad la magnitud del desafío en América Latina y el Caribe. El 87 por ciento de las instituciones de educación superior consultadas utiliza inteligencia artificial en al menos un ámbito académico u operativo, pero solo el 26 por ciento cuenta con una estrategia institucional formal para gobernarla.

La distancia entre esos dos datos ayuda a entender el problema. Muchas universidades ya usan estas herramientas, aunque todavía no han definido de manera suficiente cómo se integran, quién responde por sus resultados, qué datos se protegen y dónde debe mantenerse la revisión humana. La gobernanza permite convertir decisiones dispersas en criterios institucionales que puedan sostenerse con el tiempo.

Referentes que ayudan a mirar el problema: La experiencia de otras instituciones no ofrece fórmulas para trasladar sin más a cada contexto, pero sí permite identificar y analizar decisiones que ya están en marcha. La Universidad de Oxford ha desarrollado políticas para el uso de inteligencia artificial generativa en investigación y evaluación, vinculadas con la integridad académica, la protección de datos y la responsabilidad de quienes emplean estas herramientas. Harvard, a través de su área de tecnología, creó un entorno institucional de inteligencia artificial con controles de privacidad y seguridad para su comunidad. El Russell Group del Reino Unido publicó cinco principios para orientar el uso de la IA generativa en educación. Ambos casos muestran que la adopción necesita reglas comprensibles y espacios en los que docentes, estudiantes e investigadores puedan trabajar con mayor claridad. La Universidad de Melbourne ha impulsado el rediseño de las evaluaciones para recoger evidencias del proceso de aprendizaje. Sus orientaciones incluyen entregas por etapas, documentación del trabajo realizado, entrevistas orales y declaraciones transparentes sobre el uso de herramientas de IA. En México, las experiencias de acompañamiento docente del Tecnológico de Monterrey también muestran la importancia de ofrecer orientaciones diferenciadas según la actividad académica y el nivel de uso de estas tecnologías.

Estos referentes coinciden en varios puntos: la universidad necesita definir responsabilidades, acompañar a su comunidad y revisar sus procesos antes de que los problemas se acumulen. Desde esa perspectiva, hay cinco temas que merecen una atención sostenida por parte de la alta dirección y que podrían ser parte de una agenda sectorial:

1. De la política a la gobernanza operativa; Una política institucional es un punto de partida, pero no ordena por sí sola lo que sucede en la práctica. Sus criterios deben llegar a las decisiones sobre compra de software, contratación de proveedores, uso de herramientas en las aulas, investigación y procesos administrativos. Para que la norma tenga efecto, la universidad necesita procedimientos de seguimiento, registro de decisiones y revisión periódica de los usos que ya están autorizados.

2. Responsabilidades e incidentes: Las respuestas equivocadas, los sesgos, los fallos técnicos y las decisiones automatizadas pueden tener consecuencias reales. Por eso, conviene acordar con anticipación quién decide, quién supervisa, cómo se informa un incidente y de qué manera se corrige. Los comités de supervisión, las matrices de responsabilidades y los protocolos de atención no sustituyen el criterio profesional, pero ayudan a que ese criterio tenga un cauce claro cuando más se necesita.

3. Agentes de IA y control humano: El debate se vuelve más exigente cuando la inteligencia artificial deja de ser una herramienta de consulta y empieza a ejecutar tareas o a encadenar procesos. En esos casos, cada institución debe fijar límites operativos, niveles de autorización y puntos de revisión antes de validar una acción que pueda afectar a estudiantes, datos, recursos o decisiones académicas. La supervisión humana tiene que estar prevista en el diseño del proceso y no aparecer solo cuando surge un problema.

4. Datos propiedad intelectual y regulación: En una universidad, los datos no son materiales intercambiables. Hay información de estudiantes, resultados de investigación, registros administrativos, contenidos docentes y conocimiento producido por la propia comunidad. La incorporación de IA exige reglas claras sobre qué información puede utilizarse, en cuáles entornos, con qué proveedores y bajo qué condiciones. También demanda atención a la propiedad intelectual y a las normas nacionales e internacionales que correspondan.

5. Hoja de ruta y preparación institucional: La gobernanza no se resuelve con una decisión aislada. Requiere una ruta que permita priorizar riesgos, asignar presupuesto, formar a quienes toman decisiones y revisar lo que cambia con la tecnología. La alta dirección puede ordenar este trabajo por etapas, empezando por los procesos de mayor impacto y ampliándolo conforme la institución desarrolla capacidades. Así, la universidad evita reaccionar tarde y conserva margen para decidir con fundamento.

Una responsabilidad que alcanza a todas las universidades: La inteligencia artificial está transformando tareas, profesiones y formas de producir conocimiento. Por ello, la universidad necesitaacompañar y dar respuestas a esa transformación como parte de su responsabilidad formativa. Sus estudiantes necesitan aprender a utilizar estas herramientas, pero también a evaluar sus resultados, reconocer riesgos, proteger información y comprender los límites de una decisión automatizada.

Por otra parte, la gobernanza de la IA atraviesa la calidad académica, la investigación, la protección de datos, la gestión institucional y la empleabilidad de los graduados. Su alcance exige que forme parte de las conversaciones y decisiones de la alta dirección, con la participación de las áreas que conocen de cerca el trabajo universitario. Reducirla a las unidades de tecnología dejaría fuera responsabilidades que pertenecen al conjunto de la institución.

Ante la magnitud de este reto, las asociaciones y redes universitarias pueden facilitar el intercambio de criterios, experiencias y capacidades, sin menoscabar la autonomía de cada institución. Una gestión de la inteligencia artificial basada en reglas claras y responsabilidad humana permitirá aprovechar sus aportes, sin poner en mayor riesgo la confianza que la sociedad ha depositado en las universidades.

Mireya Rodríguez, PhD
Experta en gobernanza ética y transformación digital
CEO de VORTEX AI SOLUTIONS S.A. de C.V.

2