Una política de IA práctica para las universidades en 2026

La mayoría de las políticas sobre IA de las universidades se redactaron en los primeros meses tras el lanzamiento de ChatGPT, cuando nadie sabía muy bien qué estaba pasando y el instinto era prohibir la tecnología por completo o permitirla con advertencias imprecisas. Tres años después, muchas de esas políticas siguen sin cambios a pesar de que el panorama ha cambiado drásticamente. Los estudiantes utilizan la IA tanto si está permitida como si no. Los docentes la utilizan para la investigación y la gestión administrativa mientras les dicen a los estudiantes que no la usen para estudiar. Las herramientas de detección que debían hacer cumplir las prohibiciones han demostrado ser poco fiables y han sido abandonadas por muchas instituciones tras señalar como sospechosos trabajos legítimos de los estudiantes.

El resultado es un entorno político que no satisface a nadie: los estudiantes no saben qué es aceptable, los docentes interpretan las normas de forma diferente según el departamento y los responsables de la integridad académica se ven obligados a juzgar los casos sin criterios claros.

Esta publicación propone un marco de trabajo que los comités de políticas pueden adaptar. No requiere la adopción de ninguna herramienta específica. Lo que sí requiere es hacer una distinción que la mayoría de las políticas actuales no logran hacer: la diferencia entre la IA que genera trabajo y la IA que apoya la comprensión.

El marco de las tres categorías

Categoría 1: Claramente inapropiada

IA que produce trabajos que el estudiante presenta como propios. Esto incluye la generación de textos de ensayos, la producción de respuestas para exámenes para llevar a casa, la creación de código que el estudiante presenta como original y cualquier uso en el que la IA realice el trabajo cognitivo que la evaluación debía desarrollar en el estudiante.

Esta categoría ya está cubierta por la mayoría de las políticas de integridad académica, incluso las escritas antes de que existiera la IA. El principio es el mismo que prohíbe comprar un ensayo a un servicio o que otra persona haga tu examen: el estudiante debe ser el autor del trabajo que presenta. La IA como redactora fantasma entra de lleno en los marcos existentes sobre deshonestidad académica.

Recomendación política: Prohibir y hacer cumplir a través de los procedimientos de integridad académica existentes. Ser explícitos en que presentar texto, código o análisis generado por IA como trabajo propio constituye una falta de conducta académica.

Categoría 2: Claramente apropiada

IA que ayuda a los estudiantes a comprender los materiales que se les han asignado. Esto incluye pedirle a una IA que explique un concepto de la lectura asignada, generar preguntas de práctica para la autoevaluación, encontrar conexiones entre diferentes partes del plan de estudios, resumir el contenido de las clases para repasar y obtener explicaciones alternativas cuando la estándar no tiene sentido.

Estas son exactamente las actividades que un estudiante llevaría a cabo con un tutor humano, un grupo de estudio o durante las horas de tutoría. La IA no está haciendo el trabajo del estudiante. Le está ayudando a comprender el material con el que debe interactuar. El trabajo cognitivo de análisis, evaluación y argumentación sigue siendo responsabilidad del estudiante.

Un tutor de IA basado en los propios materiales del curso del estudiante, que responde a partir de las lecturas asignadas y las transcripciones de las clases en lugar de datos de entrenamiento genéricos, entra firmemente en esta categoría. La distinción respecto a ChatGPT es importante porque el tutor basado en el curso redirige a los estudiantes a sus fuentes en lugar de reemplazarlas.

Recomendación política: Permitir explícitamente. Los estudiantes deben saber que utilizar la IA para comprender los materiales de su curso es aceptable y recomendable, del mismo modo que es aceptable utilizar un tutor humano o un grupo de estudio.

Categoría 3: Zona gris que requiere orientación

Aquí es donde se sitúan la mayoría de los casos difíciles, y es donde las políticas deben ser más específicas en lugar de más imprecisas.

Metodología de investigación. Un estudiante le pide a la IA que le ayude a diseñar una metodología de investigación para una tesis. La IA sugiere enfoques, identifica posibles dificultades y recomienda lecturas. Esto se parece más a lo que hace un supervisor que a lo que hace un redactor fantasma. Orientación de la política: permitido, pero el estudiante debe documentar la contribución de la IA y la metodología final debe reflejar la comprensión y el criterio del estudiante.

Retroalimentación estructural. Un estudiante le pide a la IA que evalúe la estructura del esquema de su ensayo y sugiera mejoras. El estudiante escribió el esquema; la IA ofrece retroalimentación sobre su organización. Orientación de la política: permitido de la misma manera que está permitido mostrar un borrador a un amigo para obtener comentarios sobre la estructura.

Gramática y estilo. Un estudiante utiliza la IA para revisar la gramática, mejorar la claridad de las frases y sugerir un vocabulario más preciso. Orientación de la política: permitido por lo general, ya que es funcionalmente equivalente a utilizar Grammarly o un servicio de corrección de textos, pero los departamentos deben ser explícitos sobre si lo permiten.

Asistencia en el análisis de datos. Un estudiante le pide a la IA que le ayude a interpretar resultados estadísticos o que le sugiera métodos analíticos adecuados. Orientación de la política: permitido si el estudiante demuestra comprender los métodos utilizados en su trabajo escrito; prohibido si el estudiante simplemente copia la interpretación de la IA sin comprenderla.

Resumen de fuentes externas. Un estudiante le pide a la IA que resuma un artículo largo que encontró durante su investigación. Orientación de la política: permitido para la comprensión personal, pero el estudiante debe leer el original y citar el original en lugar del resumen de la IA en su trabajo presentado.

Recomendación política: Proporcionar orientación explícita para cada caso de uso común dentro de la zona gris, reconociendo que personas razonables pueden no estar de acuerdo. La especificidad a nivel de departamento es mejor que la vaguedad a nivel de toda la institución, porque lo que es apropiado en un módulo de escritura creativa es diferente de lo que es apropiado en un módulo de informática.

Principios para la implementación

Hacer central la distinción entre la Categoría 1 y la Categoría 2. La mayoría de las políticas actuales tratan todo uso de la IA como un único fenómeno, lo cual es como tener una política de biblioteca que trate la lectura de un libro y el plagio del mismo como la misma actividad. La distinción principal en la política de IA debe ser entre la IA como redactora fantasma (Categoría 1) y la IA como herramienta de estudio (Categoría 2). Una vez aclarada esta distinción, la mayoría de las cuestiones de aplicación se vuelven manejables.

Ser específicos sobre los usos aceptables. "Los estudiantes pueden utilizar la IA de forma responsable" no es una política. "Los estudiantes pueden utilizar la IA para comprender las lecturas asignadas, generar preguntas de práctica y buscar explicaciones alternativas de los conceptos del curso. Los estudiantes no pueden utilizar la IA para producir textos, códigos o análisis que presenten como su propio trabajo" sí es una política.

Reconocer que la detección no es fiable. Las herramientas de detección de IA producen falsos positivos a un ritmo que las hace inadecuadas como mecanismo principal de control. Las políticas deben centrarse en unas expectativas claras, la comprensión de los estudiantes y el diseño de la evaluación, en lugar de en la tecnología de detección.

Diseñar evaluaciones que sean resistentes al mal uso de la IA. Los exámenes a libro abierto, las presentaciones en clase, los exámenes orales, las evaluaciones de portafolio con componentes reflexivos y las evaluaciones que requieren la interacción con materiales específicos del curso son intrínsecamente resistentes a la redacción fantasma por IA. La solución a largo plazo para la IA en la evaluación es el diseño de la propia evaluación, no la detección.

Proporcionar capacitación a los docentes. Muchos docentes no están seguros de qué hacer con la IA y toman decisiones políticas basadas en una comprensión incompleta. La política institucional sobre IA debe ir acompañada del desarrollo docente que cubra lo que la IA puede y no puede hacer, en qué se diferencian las herramientas de IA basadas en cursos de los chatbots de uso general y cómo diseñar evaluaciones que aprovechen la IA como una herramienta de aprendizaje en lugar de verla únicamente como una amenaza.

Revisar anualmente. El panorama de la IA está cambiando rápidamente. Una política escrita en 2026 puede requerir una revisión significativa para 2027. Incorpore un ciclo de revisión en la propia política.

Por qué este marco de trabajo beneficia a las instituciones

Una política de IA clara y de tres categorías tiene beneficios prácticos más allá de la integridad académica.

Ambigüedad reducida. Los estudiantes saben qué está permitido. Los docentes disponen de un marco para tomar decisiones. Los responsables de la integridad académica tienen criterios para juzgar los casos.

Mejores resultados para los estudiantes. Los estudiantes a los que se les permite y anima explícitamente a utilizar la IA como herramienta de estudio la utilizarán de forma más eficaz que los estudiantes que la utilizan de forma encubierta con la incertidumbre de si están haciendo algo malo. El permiso para utilizar la IA de forma abierta conduce a mejores prácticas de aprendizaje que el mercado gris que existe cuando la política no es clara.

Posicionamiento institucional. Las universidades que desarrollan políticas de IA reflexivas y matizadas se posicionan como vanguardistas en lugar de reactivas. Los futuros estudiantes y sus familias preguntan cada vez más por el apoyo de la IA, y una política clara que incluya el acceso a tutoría de IA basada en los materiales del curso es un verdadero factor diferenciador.

Menor carga de control. Unas categorías claras reducen el número de casos límite que los comités de integridad académica deben juzgar. Cuando la propia política responde a la pregunta, es necesario escalar menos casos.

Preguntas frecuentes

¿Cómo hacemos cumplir la distinción entre la Categoría 1 y la Categoría 2? Principalmente a través del diseño de la evaluación más que de la detección. Las evaluaciones que requieren interactuar con materiales específicos del curso, los componentes en clase, el examen oral y la práctica reflexiva son naturalmente resistentes a la redacción fantasma. La política establece la expectativa; el diseño de la evaluación la hace cumplir.

¿Deberían tener diferentes políticas los distintos departamentos? El enfoque más práctico es un marco universal para toda la institución (las tres categorías) con una especificidad a nivel de departamento para la zona gris. Lo que es apropiado en escritura creativa difiere de lo que es apropiado en ingeniería, y la política debería reconocerlo explícitamente.

¿Qué pasa si un estudiante utiliza un tutor de IA basado en el curso y un chatbot de uso general? Muchos lo harán. La política debe abordar la distinción entre tipos de herramientas y tipos de uso. Utilizar un tutor basado en el curso para comprender las lecturas es de la Categoría 2, independientemente de las otras herramientas que utilice el estudiante. Utilizar ChatGPT para generar el texto de un ensayo es de la Categoría 1, independientemente de las otras herramientas que utilice el estudiante. Las dos actividades se evalúan de forma independiente.

¿Cómo deben revelar los estudiantes el uso de la IA? Para los usos de la Categoría 2 (comprensión de materiales), la divulgación debería ser opcional, del mismo modo que los estudiantes no revelan que usaron un diccionario o visitaron la biblioteca. Para los usos de la Categoría 3 (zona gris), se debería esperar la divulgación y describir el uso específico. Para los usos de la Categoría 1 (generación de trabajo presentado), la divulgación es irrelevante porque el uso en sí mismo está prohibido.

Lecturas relacionadas: Tutoría de IA frente a ChatGPT, Una IA que solo responde a partir de los materiales de tu curso, El problema de las dos sigmas de Bloom. Páginas relacionadas: Tutor de IA, Para estudiantes, Soluciones: IA sin riesgos.