Gobernar la IA en la universidad: quién decide, con qué reglas y con qué presupuesto

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

Edición. Proctorizer Research, octubre de 2026. Serie IA en la universidad 2026, informe 1 de 6. Cómo citar: Proctorizer Research (2026), Gobernar la IA en la universidad: quién decide, con qué reglas y con qué presupuesto, serie IA en la universidad 2026, 1 de 6.

De las 200 universidades de 19 países de América Latina y el Caribe que respondieron a la encuesta de UNESCO IESALC (una muestra no probabilística), el 86.5% ya usa inteligencia artificial en alguna área, pero sólo el 26.0% tiene estrategia formal, el 18.0% una unidad responsable y el 8.0% presupuesto propio.

Este informe ordena lo que dicen esa encuesta, la nacional de México y la global del Digital Education Council en cinco dimensiones (quién responde, qué riesgos van primero, qué reglas conoce la comunidad, qué entra por proveedores y qué cuesta), muestra qué hicieron cuatro universidades de la región y termina con seis decisiones con responsable y plazo y una lista de verificación de diez preguntas.

1. Resumen

La adopción llegó antes que el gobierno. Nueve de cada diez universidades encuestadas por UNESCO IESALC usan IA en algún área, y menos de una de cada cinco tiene política institucional, unidad responsable o evaluación formal de lo que hace con ella. El 56.5% no evalúa nada.

Tres de cada cuatro no conocen ninguna regla. En la encuesta nacional de México, el 75.3% de los estudiantes y el 76.7% de los docentes de universidades públicas no conocen ninguna norma de su institución sobre IA, sea porque no existe o porque no se comunicó (la encuesta no distingue), mientras en el conjunto de la encuesta el 66% de los estudiantes y el 60% de los docentes la usan cada semana.

En la encuesta global, sólo el 37% de los docentes considera prácticas las guías de su institución, y entre los docentes de América Latina que respondieron sólo el 28% siente que su institución los involucra en la política de IA, la proporción más baja de las cuatro regiones de esa encuesta.

Lo que habilita la adopción es humano. Los directivos de la región señalan grupos de trabajo internos (71.0%) y capacitación del personal (65.5%) muy por encima de infraestructura (26.0%) o financiamiento (3.0%). La autora del estudio lo lee como explicación de la velocidad y de la fragilidad de la adopción: depende de personas, no de estructuras.

Las políticas cubren el aula y dejan fuera el resto. De las 79 universidades con política, el 79.7% cubre docencia e integridad académica, el 41.8% privacidad y ciberseguridad, y el 26.6% equidad o decisiones administrativas con IA.

El presupuesto no acompaña. La región concentra el 6.6% del PIB mundial y atrae el 1.12% de la inversión global en IA. En Estados Unidos, según EAB, el 42% de los presupuestos de tecnología subió pero un tercio de las instituciones cerró con déficit estructural, y según EDUCAUSE sólo el 13% de las que tienen estrategia de IA para el trabajo mide su retorno.

Cuatro universidades de la región ya tomaron decisiones de gobierno que se pueden leer en sus documentos oficiales: una vicerrectoría dedicada (Pontificia Universidad Católica de Chile), un consejo coordinador creado por acuerdo del rector (UNAM), una declaración obligatoria de uso de IA en tesis (Universidad de Chile) y lineamientos construidos con docentes, directivos y estudiantes (Universidad de los Andes). Las seis decisiones de la sección 9: nombrar quién responde, inventariar por riesgo, ampliar la política más allá del aula, medir conocimiento y no existencia, poner una puerta a los proveedores y definir el retorno antes del mandato.

2. Qué muestran los datos: región, país y mundo

Seis fuentes miden el gobierno de la IA desde ángulos distintos. Ninguna de las encuestas es probabilística: cada una describe patrones en quienes respondieron, y así se leen aquí. Este informe no las combina ni las promedia.

Fuera de la región, la foto es parecida en la dirección y distinta en el grado. En Estados Unidos, el 92% de las instituciones dice tener una estrategia de IA para el trabajo del personal, pero sólo el 13% mide su retorno y el 46% del personal no conoce las políticas de su institución, incluido el 38% de los directivos (EDUCAUSE, enero 2026).

Entre administradores, sólo el 32% reporta una política de IA para toda la institución, y donde existe, el 22% de los docentes la considera efectiva frente al 44% de los administradores (Tyton Partners, junio 2026). Casi la mitad de los presidentes de universidades (48%) espera que la IA sea lo que más impacte a la educación superior hacia 2030 (Inside Higher Ed, mayo 2026).

La distancia entre usar y gobernar no es un problema de la región: es un problema de todos. Lo que cambia en la región es la base de recursos con que se enfrenta.

3. Gobernanza y rendición de cuentas: quién decide y quién responde

La dimensión más básica del gobierno de la IA es saber quién responde por ella. En la encuesta regional, el 18.0% de las universidades tiene una oficina o unidad dedicada, el 43.0% distribuye la responsabilidad entre departamentos y el 36.0% no la asigna a nadie. Entre las públicas, el 48.3% no tiene a nadie a cargo; entre las privadas sin fines de lucro, el 25.0%.

Donde hay una estructura de gobernanza (120 instituciones), la componen académicos (81.7%), personal de tecnología (66.7%) y administración o planeación (60.8%). Los estudiantes participan en el 8.3% de esas estructuras, y en ninguna de las universidades privadas con fines de lucro ni de las especializadas. La recomendación de UNESCO sobre la ética de la IA pide gobernanza con todos los grupos afectados; la autora señala que la comunidad que más usa la herramienta es la que menos participa en decidir sobre ella.

La estrategia formal existe en el 26.0% de las instituciones; otro 32.0% tiene una estrategia digital más amplia que no aborda la IA de forma específica, y el 41.0% no tiene ninguna. Las instituciones especializadas (30 en la muestra) son las más rezagadas: el 63.3% sin estrategia; la fuente excluye de estas comparaciones a las 21 privadas con fines de lucro por su número. La brecha por tipo de institución es consistente: estrategia formal en el 39.1% de las privadas sin fines de lucro contra el 13.8% de las públicas; política institucional en el 26.1% contra el 11.5%.

Sin formación de IA para estudiantes, el 8.6% de las privadas sin fines de lucro contra el 40.2% de las públicas.

La política también tiene un contenido, y ese contenido delata su origen. De las 79 instituciones con política, 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 ciberseguridad (41.8%), y una de cada cuatro cubre equidad y no discriminación (26.6%) o el uso de IA en decisiones administrativas (26.6%). La autora lo lee así: la conversación de política se ha concentrado hasta ahora en lo académico, no en las dimensiones institucionales y sociales del gobierno de la IA.

La rendición de cuentas cierra con la evaluación, y ahí está el dato más débil de todos: el 9.0% de las universidades evalúa formalmente su implementación de IA, el 26.5% lo hace de manera informal y el 56.5% no lo hace de ninguna manera. La autora del estudio lo resume así:

"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, UNESCO IESALC, 2026. Traducción propia.)

Qué hicieron dos universidades. La Pontificia Universidad Católica de Chile creó en junio de 2025 una Vicerrectoría de Inteligencia Digital, aprobada por voto unánime de su Consejo Superior, como "la unidad encargada por el rector de elaborar y ejecutar la política de la Universidad" en entornos digitales, con tres ejes: IA para la formación, para la investigación y creación, y para la gestión institucional.

La UNAM creó el 17 de marzo de 2026, por acuerdo del rector publicado en su Gaceta, el Consejo Coordinador de Inteligencia Artificial, concebido como "eje articulador" para potenciar las capacidades institucionales y los esfuerzos de la Universidad. En los dos casos la decisión de fondo fue la misma: una instancia con nombre, mandato y responsable, antes que una lista de usos permitidos.

La decisión que abre. Nombrar quién responde. Una unidad o comité con mandato escrito, que incluya a quien usa la herramienta (docentes y estudiantes) y no sólo a quien la administra, y que reporte al consejo con indicadores fijos. Es el componente que el 36.0% de la región no tiene y el que ordena todos los demás.

4. Gestión de riesgos y proporcionalidad: qué usos van primero

No todos los usos de IA en una universidad pesan igual. Un asistente que resume lecturas y un sistema que decide admisiones o califica no merecen la misma regla. Gestionar el riesgo es clasificar cada uso por su daño posible y poner controles proporcionales, en lugar de una política única para todo o una prohibición general.

Los datos regionales muestran que las universidades sienten el riesgo pero lo ordenan después de los recursos. Cuando se les pide clasificar sus obstáculos del más al menos importante (promedio de la posición asignada; 1 sería el más importante), el orden queda así: falta de recursos financieros (3.26), falta de personal con experiencia (3.62), infraestructura (4.01), preocupaciones éticas y de gobernanza (4.07), resistencia al cambio (4.54), ausencia de política (4.71), riesgos de privacidad y ciberseguridad (5.78) e incertidumbre sobre el impacto (6.01). La ausencia de política queda sexta pese a la brecha documentada; la autora lo lee como indicio de que las instituciones avanzan con o sin reglas.

Al mismo tiempo, las políticas que existen dejan sin cubrir justo los usos de mayor riesgo. Sólo el 26.6% cubre el uso de IA en decisiones administrativas, que es donde una decisión automatizada afecta directamente a una persona (admisión, becas, alertas de deserción). El marco regulatorio más exigente hoy, el reglamento europeo de IA, clasifica como alto riesgo los sistemas que determinan el acceso o la admisión, evalúan resultados de aprendizaje o asignan el nivel educativo de una persona, y les exige gestión de riesgos documentada y supervisión humana. Ninguna ley de la región lo exige todavía en esos términos, pero el criterio sirve como vara.

En Estados Unidos, el debate ya pasó de la prohibición a la proporción. Sólo el 13% de los docentes de instituciones que prohíben la IA por completo considera que su política es efectiva, frente al 30% donde la IA está integrada en las tareas (Tyton Partners, 2026). Y entre docentes de la encuesta global, el 35% describe el enfoque de su institución como reactivo, el 32% como proactivo y el 34% como cauteloso o ausente (Digital Education Council, 2026).

Qué hizo una universidad. La Universidad de los Andes publicó en octubre de 2024 sus "Lineamientos para el uso de inteligencia artificial generativa", producto de un proceso que reunió a profesores, directivos y estudiantes. El documento, según la propia universidad, "busca orientar reflexiones y sugerir usos generales de la inteligencia artificial generativa, evitando crear una lista exhaustiva de aplicaciones". Es el enfoque opuesto al catálogo cerrado: principios y criterios que se aplican caso por caso.

La decisión que abre. Hacer el inventario de usos de IA que ya existen en la institución, por área, y clasificarlos en tres niveles: bajo riesgo (apoyo a tareas sin efecto sobre personas), medio (afecta el aprendizaje o el trabajo, con revisión humana) y alto (decide sobre admisión, evaluación, becas o permanencia). Los del nivel alto son los primeros que necesitan regla, responsable y supervisión humana escrita. El 86.5% ya usa IA; el inventario convierte lo informal en gobernable.

5. Alfabetización y conciencia: las reglas que nadie conoce

Una política que la comunidad no conoce no gobierna nada. Los datos de 2026 muestran esa distancia.

En las universidades públicas de México, el 75.3% de los estudiantes y el 76.7% de los docentes declaran no conocer ninguna norma institucional sobre el uso de IA generativa, sea porque no existe o porque no se comunicó: la encuesta no lo distingue. En el conjunto de la encuesta, el 66% de los estudiantes y el 60% de los docentes usan IA generativa al menos una vez por semana.

El conocimiento de alguna norma entre estudiantes va del 32.8% en las universidades particulares al 16.7% en las interculturales. La SEP lo lee así en sus principios: sin marco institucional, unos docentes sancionan el uso y otros lo integran, y la prohibición empuja el uso a la informalidad.

En la encuesta global, el 37% de los docentes considera que las guías de IA de su institución son prácticas y fáciles de aplicar; el 39% es neutral y el 25% no está de acuerdo. El Digital Education Council concluye que el reto ya no es si existen guías sino si sirven para aplicarse. En Estados Unidos, el 46% del personal universitario no conoce las políticas de su institución, y entre directivos el 38% (EDUCAUSE, 2026).

La formación es la otra mitad de la conciencia. El 91% de los docentes de universidades públicas de México dice que necesita cursos de IA; los que ya tomaron alguno van del 51% en las particulares al 25% en las interculturales. En la región, las universidades capacitan al personal académico (82.5%) mucho más que al administrativo y técnico (41.0%), y el 34.5% no ofrece nada a los estudiantes. En la encuesta global, el 64% de los docentes tuvo formación, pero sólo el 29% de los estudiantes cree que sus docentes están preparados.

Hay un dato que conecta esta dimensión con la anterior: sólo el 28% de los docentes de América Latina que respondieron a la encuesta global siente que su institución los involucra de forma significativa en la política de IA, y el 20% está en total desacuerdo, la proporción más alta de las cuatro regiones de esa encuesta. Este informe lee juntos ese dato y el de las guías poco prácticas como una hipótesis, no como un hecho medido: una política hecha sin quienes la aplican se comunica peor. La encuesta no cruza las dos preguntas.

Qué hizo una universidad. La Universidad de Chile publicó el 16 de junio de 2026 un instructivo de su Vicerrectoría de Asuntos Académicos que obliga a que todo trabajo de titulación de pregrado y de graduación de posgrado incluya "una declaración explícita sobre el uso de inteligencia artificial en su elaboración, independientemente del nivel o magnitud de dicho uso", como sección formal al inicio del documento; cuando la IA se usó en partes sustantivas, la declaración debe ser más detallada. Es una regla pequeña: convierte la transparencia en un hábito que cada estudiante practica al menos una vez.

La decisión que abre. Publicar las reglas aunque sigan en discusión, con fecha de revisión, en el lugar donde la comunidad ya está (el aula virtual, no el sitio de rectoría), y medir cada semestre, por separado, si la regla existe y qué porcentaje de docentes y estudiantes la conoce. El dato de conocimiento es el indicador de esta dimensión; el de existencia, solo, ya no sirve.

6. Proveedores y cadena de suministro: la IA que entra sin contrato

En la región, entre las universidades que usan IA en docencia, el 89.8% usa herramientas de IA generativa comerciales; el estudio regional menciona ChatGPT y Copilot como ejemplos. La adopción es, en su mayoría, de productos de terceros, no de desarrollos propios. Eso traslada al proveedor buena parte de las decisiones sobre datos, seguridad, disponibilidad y costo, y hace de la compra un acto de gobierno.

El dato más claro de esta dimensión viene de Estados Unidos: el 56% del personal universitario que usó IA en los últimos seis meses lo hizo con herramientas que su institución no le dio, y el 86% quiere seguir usándola (EDUCAUSE, 2026). Es el uso que ninguna política ve, ningún contrato cubre y ningún responsable de datos aprobó. En las mesas de directores de tecnología reunidas por EAB en 2026, las compras de agentes de IA hechas por las áreas sin pasar por tecnología aparecen como el primer problema de una lista de cuatro, junto con el personal, la capacidad y el mantenimiento.

En la región, la infraestructura ocupa el tercer lugar entre los obstáculos (4.01) y sólo el 26.0% de los directivos la considera un habilitador. Las alianzas con proveedores o socios externos son habilitador para el 9.5%, y los actores externos participan en el 15.0% de las estructuras de gobernanza. Dicho de otro modo: el proveedor entra por la puerta de cada área y casi nunca por la del gobierno institucional.

Los marcos de gestión de riesgos ya tratan esto como una dimensión propia. El marco del NIST de Estados Unidos incluye entre sus funciones de gobierno políticas para los riesgos que traen el software y los datos de terceros. La regla práctica es simple: toda herramienta de IA que procese datos de estudiantes o de personal necesita un contrato que diga qué datos toma, dónde los guarda, quién puede verlos y qué pasa cuando termina el servicio.

La decisión que abre. Un inventario de proveedores de IA en uso (incluidos los que nadie compró) y una regla mínima de entrada: sin contrato con cláusulas de datos, sin acceso a datos de estudiantes. Esta dimensión es la más floja en los datos de la región, y por eso mismo es donde una institución puede adelantarse con poco.

7. Sostenibilidad y costo: presupuesto y retorno

El 8.0% de las universidades de la región tiene presupuesto específico para IA. Las privadas sin fines de lucro financian sus iniciativas desde el presupuesto central en el 92.4% de los casos; el 67.8% de las públicas no tiene financiamiento específico. El financiamiento aparece como habilitador para el 3.0% de los directivos, aunque la falta de recursos sea el obstáculo que más pesa. Las instituciones piden recursos, y casi ninguna tiene un mecanismo que ya esté funcionando.

El contexto amplifica la brecha. Según el Índice Latinoamericano de Inteligencia Artificial 2025, citado por el estudio regional, América Latina representa el 6.6% del PIB mundial y atrae el 1.12% de la inversión global en IA, y la mayoría de las estrategias nacionales carecen de financiamiento, mecanismos de implementación y sistemas de evaluación. Cuando el marco nacional no llega, la institución queda como el sitio principal de gobierno, con la base de recursos que tenga.

En Estados Unidos la presión es de otro tipo, pero también es presión. Según EAB, el 42% de los presupuestos de tecnología subió y el 20% se mantuvo en el último ciclo, mientras un tercio de las instituciones cerró su último año fiscal con déficit estructural. Los directores de tecnología reunidos por EAB describen presupuestos que crecen y aun así equivalen a un recorte, por los costos variables de las suscripciones.

En paralelo, el 92% de las instituciones dice tener estrategia de IA para el trabajo, y sólo el 13% mide su retorno; la mayoría no sabe cómo hacerlo. Entre presidentes, el 45% señala la volatilidad financiera como uno de los riesgos que más crecen, al lado del 48% que ve en la IA el mayor impacto a 2030.

La sostenibilidad tiene una segunda cara que las encuestas de 2026 todavía no miden: el costo ambiental. La recomendación de UNESCO y los principios de la OCDE incluyen la sostenibilidad entre las condiciones de una IA confiable. Ninguna de las encuestas leídas para este informe pregunta por energía o agua, y por eso este informe no da cifras al respecto.

La decisión que abre. Antes de aceptar un mandato de "liderar la IA", definir qué significa éxito en números que la institución ya mide (retención, tiempo de respuesta administrativa, horas docentes liberadas) y presupuestar el costo recurrente, no sólo la compra inicial. Las instituciones que primero definen el retorno son la excepción: el 13%.

8. Qué no permiten concluir los datos

Ninguna de las encuestas es probabilística. La regional tiene 200 instituciones con sobrerrepresentación de Colombia, México y Argentina; la nacional mexicana es censal y en las instituciones particulares y federales participó el 5% de la matrícula; la global depende de quién respondió en cada país dentro de una red de instituciones, y sus comparaciones entre regiones comparan muestras de composición distinta. Los porcentajes describen muestras, no universos, y este informe no los combina ni los promedia.

Los datos dicen cuántas universidades tienen estrategia, política o unidad, no si esas estrategias funcionan. El único indicador de resultado, la evaluación formal, lo tiene el 9.0%, así que la región no puede saber todavía qué produce lo que implementa. Las cifras de Estados Unidos sobre retorno (13%) y efectividad de políticas (22% de los docentes) sugieren que tener el componente no garantiza que sirva.

Los cuatro casos institucionales muestran decisiones tomadas y documentadas, no resultados. Ninguna de las cuatro universidades ha publicado, hasta donde se leyó para este informe, una evaluación de lo que su vicerrectoría, consejo, declaración o lineamientos cambiaron. Se citan como ejemplos de estructura, no de impacto.

Dos lecturas de este informe son interpretaciones propias y están marcadas como tales: que la política hecha sin quienes la aplican se comunica peor (sección 5) y que el indicador útil es el conocimiento de la regla y no su existencia (sección 5 y decisión 4).

Sobre el costo ambiental, proveedores y contratos en la región no hay cifras en las fuentes leídas. Dos fuentes que se buscaron para este informe no se pudieron leer completas y no se usan: el referencial de IA en educación del Ministerio de Educación de Brasil, de marzo de 2026, y el índice de madurez digital y de IA de Times Higher Education 2026, que exige registro.

9. Seis decisiones para quien dirige

Las dos primeras son el punto de partida; las demás dependen de ellas.

1. Nombrar quién responde. Una unidad o comité con mandato escrito, responsable con nombre y reporte periódico al consejo. Incluir docentes y estudiantes, no sólo administración y tecnología (hoy los estudiantes están en el 8.3% de las estructuras). Responsable: rectoría, con acuerdo del consejo superior. Plazo: 90 días; primer entregable, el acuerdo de creación con nombre y mandato.
2. Inventariar y clasificar por riesgo. Levantar todos los usos de IA existentes por área y ordenarlos en bajo, medio y alto riesgo; escribir primero las reglas de los de alto riesgo (admisión, evaluación, becas, permanencia), con supervisión humana explícita. Responsable: la unidad de la decisión 1, con dirección de tecnología. Plazo: un semestre; entregable, el inventario con la clasificación y las reglas de alto riesgo.
3. Ampliar la política más allá del aula. Cubrir privacidad y ciberseguridad, equidad y decisiones administrativas, que hoy tienen entre el 26.6% y el 41.8% de cobertura en las políticas de la región. Responsable: secretaría general o quien emita normativa, con la unidad de la decisión 1. Disparador: la primera revisión de la política vigente, y en todo caso antes de un año.
4. Medir conocimiento, no sólo existencia. Publicar las reglas donde está la comunidad y medir cada semestre, por separado, si la regla existe y qué porcentaje la conoce, con la meta de invertir la proporción mexicana de tres de cada cuatro que no la conocen. Responsable: vicerrectoría académica, con comunicación institucional. Plazo: primera medición al cierre del semestre siguiente a la publicación.
5. Poner una puerta a los proveedores. Inventario de herramientas en uso, incluidas las no compradas, y una regla de entrada: contrato con cláusulas de datos antes de cualquier acceso a información de estudiantes. Responsable: dirección de tecnología, con asesoría jurídica. Disparador: antes de renovar o firmar cualquier contrato que procese datos de estudiantes; inventario en 90 días.
6. Definir el retorno antes del mandato. Fijar qué se medirá y presupuestar el costo recurrente; sumar tres indicadores de resultado que se reporten al consejo cada semestre, para salir del 56.5% que no evalúa. Responsable: planeación y finanzas, con la unidad de la decisión 1. Disparador: el próximo ciclo presupuestal.

10. Lista de verificación: diez preguntas por dimensión

Cada pregunta corresponde a un dato de este informe. Responder sí o no da una posición frente a las universidades encuestadas.

Una institución que responde sí a siete o más tiene cubierto lo que, en la encuesta regional, cubre menos de una de cada cinco universidades (unidad responsable, presupuesto, evaluación). Una que responde sí a dos o menos está donde está la mayoría de las encuestadas, y las preguntas 1 y 3 indican por dónde empezar.

Fuentes

• Valentini, A. (2025). AI Adoption and Governance in Latin American and Caribbean Higher Education: Findings from a Regional Survey. Revista Educación Superior y Sociedad, 37(2), 372-397. UNESCO IESALC, publicado el 30 de mayo de 2026. https://doi.org/10.54674/ess.v37i2.1278
• Secretaría de Educación Pública (Subsecretaría de Educación Superior), con la colaboración de ANUIES. "Usos y percepciones sobre la Inteligencia Artificial Generativa en la educación superior mexicana. Encuesta Nacional [ENIAG 2025]", dossier de resultados, y "Principios de acción para un uso ético y crítico de la IAG en la educación superior mexicana". 15 de abril de 2026. https://www.gob.mx/sep/documentos/usos-y-percepciones-sobre-inteligencia-artificial-generativa-en-la-educacion-superior-en-mexico
• Digital Education Council. AI in Higher Education Global Survey 2026. Julio de 2026. https://www.digitaleducationcouncil.com/resource-library-items/ai-in-higher-education-global-survey-2026
• Robert, J. (EDUCAUSE, con AIR, NACUBO y CUPA-HR). The Impact of AI on Work in Higher Education. EDUCAUSE Research Report, 12 de enero de 2026. https://www.educause.edu/research/2026/the-impact-of-ai-on-work-in-higher-education
• Shaw, C., Dorn, H., Narayanan, A., Hay, L. y Bryant, G. (Tyton Partners). Time for Class 2026: The AI Tipping Point: From Monitoring Students to Engaging Them. Resumen público de hallazgos, 12 de junio de 2026. https://tytonpartners.com/time-for-class-2026-the-ai-tipping-point-from-monitoring-students-to-engaging-them/
• Flaherty, C. (Inside Higher Ed). "For Presidents, Necessity Breeds Innovation", con datos de la 2026 Survey of College and University Presidents (Inside Higher Ed y Hanover Research, marzo de 2026). 11 de mayo de 2026. https://www.insidehighered.com/news/governance/executive-leadership/2026/05/11/presidents-necessity-breeds-innovation
• Panthagani, A. (EAB). "How AI is reshaping the higher ed CIO agenda". 22 de mayo de 2026. https://eab.com/resources/blog/strategy-blog/ai-reshaping-higher-ed-cio-agenda/
• Pontificia Universidad Católica de Chile. "Se crea la Vicerrectoría de Inteligencia Digital en la UC". 18 de junio de 2025. https://www.uc.cl/noticias/se-crea-la-vicerrectoria-de-inteligencia-digital-en-la-uc/
• UNAM. Acuerdo por el que se crea el Consejo Coordinador de Inteligencia Artificial de la Universidad Nacional Autónoma de México y la Coordinación General del Consejo Coordinador de Inteligencia Artificial de la Universidad Nacional Autónoma de México. Gaceta UNAM, 17 de marzo de 2026. https://www.gaceta.unam.mx/wp-content/uploads/2026/03/260317-Acuerdo-creacion-CCOIA-UNAM.pdf
• Universidad de Chile, Vicerrectoría de Asuntos Académicos. Lineamientos para el uso transparente de inteligencia artificial en las tesis de la Universidad de Chile (Instructivo N° 17/2026). 16 de junio de 2026. https://uchile.cl/informacion-y-bibliotecas/lineamientos-uso-ia-en-tesis
• Universidad de los Andes. "Un documento pionero en Colombia para usar la IA generativa". 29 de noviembre de 2024. https://www.uniandes.edu.co/es/noticias/inteligencia-artificial/un-documento-pionero-en-colombia-para-usar-la-ia-generativa
• UNESCO. Recomendación sobre la ética de la inteligencia artificial, adoptada el 23 de noviembre de 2021. https://www.unesco.org/en/artificial-intelligence/recommendation-ethics
• Unión Europea. Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024 (Reglamento de Inteligencia Artificial), anexo III, punto 3. https://eur-lex.europa.eu/eli/reg/2024/1689
• NIST. Artificial Intelligence Risk Management Framework (AI RMF 1.0), NIST AI 100-1, 26 de enero de 2023. https://www.nist.gov/itl/ai-risk-management-framework

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

La serie IA en la universidad 2026

Seis informes por área de decisión, uno cada martes, y un tomo con los seis al cerrar.

1. Gobierno y estrategia de la IA (este informe, 6 de octubre de 2026).
2. Docencia, aprendizaje y evaluación, martes 13 de octubre de 2026.
3. Alfabetización en IA, currículo y empleabilidad, martes 20 de octubre de 2026.
4. Admisiones, permanencia y éxito estudiantil, martes 27 de octubre de 2026.
5. Tecnología, datos, privacidad y compras, martes 3 de noviembre de 2026.
6. Operación administrativa e investigación con agentes, martes 10 de noviembre de 2026.