De usar IA a gobernarla: qué muestran 200 universidades de América Latina y el Caribe y por dónde empezar

Para quién es. Rectorías, vicerrectorías académicas, direcciones de innovación y direcciones de tecnología de universidades de América Latina.

El 86.5% de 200 universidades de América Latina y el Caribe ya usa inteligencia artificial en al menos un área, pero sólo el 26% tiene una estrategia formal para gobernarla. Esa distancia entre usar y gobernar es el hallazgo central del estudio de UNESCO IESALC, y la minoría que ya gobierna tiene rasgos en común. El documento muestra las cifras, lo que comparte esa minoría, cuatro frentes de trabajo para empezar y una autoevaluación de diez preguntas para aplicar en la propia institución.

1. Qué mide el estudio y qué no

UNESCO IESALC encuestó a 200 instituciones de educación superior de 19 países entre agosto y octubre de 2025. Respondieron directivos y responsables institucionales, no docentes individuales. La distribución no es probabilística: Colombia aporta el 20% de las respuestas, México el 15% y Argentina el 14%. La autora lo dice de forma explícita: los resultados describen patrones en un conjunto diverso de instituciones y no son estimaciones generalizables para la región.

El estudio mide por separado dónde se usa la IA (docencia, investigación, administración, vinculación con la comunidad) y qué condiciones institucionales existen para gobernarla (estrategia, presupuesto, políticas, unidad responsable, monitoreo, capacitación). El hallazgo central del artículo está en la distancia entre lo uno y lo otro.

2. La brecha entre adopción y gobernanza

Entre las universidades que usan IA en docencia, el 89.8% usa herramientas de IA generativa (el estudio menciona ChatGPT y Copilot como ejemplos). Es decir, la adopción es en su mayoría de herramientas comerciales disponibles, no de desarrollos propios.

Cuando se les preguntó qué habilita la adopción de IA, los directivos señalaron personas antes que recursos o políticas: grupos de trabajo internos y promotores (71.0%), capacitación del personal (65.5%) y compromiso de la dirección (52.0%), muy por encima de infraestructura digital (26.0%), alianzas externas (9.5%), incentivos de política nacional (9.0%) y financiamiento (3.0%). La autora lo llama adopción impulsada por personas, y advierte que eso explica tanto la velocidad del cambio como su fragilidad.

"La región está escalando la implementación de IA sin una manera sistemática de entender qué está produciendo ese escalamiento. Es un problema estructural de rendición de cuentas." (Valentini, sección de discusión, sobre el 56.5% sin monitoreo. Traducción propia.)

3. La brecha pública y privada

El estudio compara universidades públicas con privadas sin fines de lucro en varios indicadores. La diferencia es consistente y va siempre en la misma dirección.

Un matiz que el artículo destaca: el 19.5% de las universidades públicas reporta lineamientos informales de las facultades en lugar de una política institucional. La gobernanza existe, pero fragmentada y sin respaldo formal.

El contexto regional agrava la brecha. El artículo cita el Índice Latinoamericano de Inteligencia Artificial (ILIA 2025): la región representa el 6.6% del PIB mundial y atrae el 1.12% de la inversión global en IA. Sin marcos nacionales que den guía y estándares, la institución se vuelve el sitio principal de gobernanza de la IA. Y donde la capacidad institucional también es baja, todo el peso recae en los promotores individuales.

4. Qué tiene la minoría que ya gobierna

Los datos del estudio permiten describir, componente por componente, qué hay dentro de las instituciones que sí construyeron gobernanza.

Estrategia. El 26.0% tiene estrategia formal de IA. Otro 32.0% la incluye dentro de una estrategia digital más amplia. El 41.0% no tiene ninguna. Las instituciones especializadas son las más rezagadas: el 63.3% sin estrategia.

Política y qué cubre. De las 79 instituciones con política institucional, la mayoría cubre docencia (79.7%) e integridad académica (79.7%), y buena parte cubre ética de la investigación (72.2%). Menos de la mitad cubre privacidad y protección de datos (41.8%), y sólo una de cada cuatro cubre equidad y no discriminación (26.6%) o uso de IA en decisiones administrativas (26.6%). El estudio concluye que las políticas nacieron como respuesta al uso en el aula, no como marcos integrales.

Integridad académica. Sólo el 24.0% tiene lineamientos claros y comunicados a toda la comunidad. El grupo mayor (46.5%) los tiene en discusión. El 15.5% no tiene ninguno. Mientras tanto, el 48.5% reporta mayor confusión estudiantil sobre qué está permitido, el 40.0% preocupaciones del profesorado por equidad y consistencia en la evaluación asistida por IA, el 38.0% confusión del profesorado, el 35.0% más casos de plagio, y el 26.0% uso de IA sin declararlo.

Unidad responsable. El 18.0% tiene una oficina o unidad dedicada. El 43.0% distribuye la responsabilidad entre departamentos. El 36.0% no la asigna a nadie. Donde hay estructura de gobernanza (120 instituciones), participan académicos (81.7%), tecnología (66.7%) y administración (60.8%); actores externos (15.0%) y estudiantes (8.3%) casi no están.

Monitoreo. Formal en el 9.0%, informal en el 26.5%, inexistente en el 56.5%. Entre las 147 instituciones que usan IA en docencia, el 49.0% no evalúa de ninguna manera esa implementación.

Capacitación. El 82.5% capacita a personal académico, pero sólo el 41.0% llega al personal administrativo y técnico. Para estudiantes, el modelo dominante es el curso electivo (41.0%), seguido de la integración curricular (33.5%); el 34.5% no ofrece nada.

Obstáculos. En orden de importancia (promedio de ranking, menor es más importante): falta de recursos financieros (3.26), falta de personal con experiencia (3.62), infraestructura (4.01), preocupaciones éticas (4.07), resistencia al cambio (4.54), ausencia de política (4.71), privacidad de datos (5.78) e incertidumbre sobre beneficios (6.01). La autora hace notar que las instituciones piden más recursos, pero casi ninguna identifica el financiamiento como un habilitador que ya esté funcionando.

5. Por dónde empezar: cuatro frentes

El artículo cierra con cuatro áreas prioritarias de acción institucional. Las tomamos como están y las traducimos en un primer paso concreto para una institución que hoy no tiene ninguno de los componentes del punto 4.

1. Cerrar la brecha entre adopción y gobernanza (estrategia formal, estructura dedicada, monitoreo). Primer paso: nombrar una unidad o comité con responsabilidad explícita y hacer un inventario de los usos de IA que ya existen, por área. El 86.5% ya usa IA; el inventario convierte lo informal en visible.
2. Atender la brecha pública y privada con inversión focalizada y marcos de política que apoyen a las universidades públicas. Primer paso, para una pública: formalizar los lineamientos de facultad que ya existen (el 19.5% los tiene) en una política institucional mínima, y llevar la necesidad de presupuesto a la instancia de financiamiento nacional con los datos de este estudio.
3. Proteger a los estudiantes con alfabetización en IA integrada al currículo, lineamientos de integridad claros y comunicados, y representación estudiantil formal en la gobernanza. Primer paso: publicar los lineamientos de integridad aunque sigan en discusión, con fecha de revisión, y sumar al menos un representante estudiantil al comité.
4. Construir la base de evidencia regional con marcos compartidos de monitoreo y revisiones periódicas. Primer paso: definir tres indicadores que se medirán cada semestre (por ejemplo, cursos con lineamientos de uso de IA, incidentes de integridad, personal capacitado) y reportarlos al consejo.

El estudio recuerda además la hoja de ruta de UNESCO para la educación superior, que pide estructuras de gobernanza, participación de la comunidad y evaluación continua.

6. Autoevaluación en diez preguntas

Cada pregunta corresponde a un indicador del estudio. Responder sí o no y anotar el porcentaje regional al lado da una idea de dónde está la institución respecto de las 200 encuestadas.

Una institución que responde sí a siete o más está por encima de la mayoría de la muestra en todos los componentes. Una que responde sí sólo a la primera o a ninguna está donde está la mayoría, y el punto 5 indica por dónde empezar.

Fuentes

• Valentini, A. (2026). AI Adoption and Governance in Latin American and Caribbean Higher Education. Educación Superior y Sociedad, 37(2), 372-397. UNESCO IESALC. https://doi.org/10.54674/ess.v37i2.1278

Análisis y conclusiones de Proctorizer a partir de los informes citados. El artículo original es de acceso abierto bajo licencia CC BY-NC 4.0.