Cuando pensamos en Esparta solemos imaginar guerreros, escudos y batallas. Sin embargo, la característica más importante de aquella sociedad no era la guerra en sí misma. Lo verdaderamente singular era que toda la sociedad estaba orientada hacia un objetivo común: formar guerreros. La educación, el reconocimiento social, el honor e incluso la forma de entender el éxito personal giraban alrededor de ese propósito.
La historia nos muestra que las sociedades alcanzan sus mayores logros cuando son capaces de alinear a sus ciudadanos en torno a un objetivo compartido. Esparta eligió la guerra. Otras sociedades eligieron la religión, el comercio o la expansión territorial.
¿Se imaginan que una sociedad elija el conocimiento como uno de los objetivos compartidos? ¿cómo sería? ¿qué ocurriría? Desde luego no habría desfiles de sabios ni grandes gestas heroicas. Sus victorias, a menudo silenciosas, se producirían en laboratorios, aulas, bibliotecas, talleres o en las instituciones encargadas de gestionar el bien común. El prestigio social no estaría asociado a la fuerza física ni a la riqueza, sino a la capacidad de aprender, comprender, enseñar y contribuir al progreso colectivo.
En China coincidí con la celebración del Gaokao, la prueba nacional de acceso a la universidad, comparable en cierta medida a nuestra antigua Selectividad o a la actual EBAU. Sin embargo, lo que más me llamó la atención no fue la dificultad de los exámenes ni el número de estudiantes que participaban, sino la actitud de la sociedad en su conjunto.
En algunas ciudades se procuraba reducir el ruido e incluso evitar tocar el claxon para no distraer a los estudiantes. En los hoteles donde se alojaban era habitual encontrar mensajes de ánimo y buenos deseos, y muchas familias viajaban con ellos para acompañarlos durante esos días. Sin embargo, lo que más me sorprendió fue la salida de las pruebas: familiares esperaban a los estudiantes con ramos de flores, aplausos y abrazos, como si regresaran de una gran gesta.
Algo parecido debía ocurrir en Esparta cuando los jóvenes regresaban de una campaña militar o alcanzaban la condición de guerreros. Abrazos, felicitaciones, flores…una sociedad celebrando aquello que considera valioso.
Al igual que los espartanos eran reconocidos por su preparación para la guerra, las sociedades que valoran el aprendizaje y convierten el conocimiento en un objetivo compartido forman personas mejor preparadas para afrontar los desafíos de su tiempo, resolver problemas, innovar, generar riqueza, comprender el mundo e incluso contribuir a transformarlo.
Quizá la verdadera diferencia no esté en los exámenes, sino en la pregunta que se hace cada estudiante: ¿estudio para aprobar o estudio para aprender? Cuando una sociedad valora el conocimiento, la respuesta suele estar bastante clara.
Un 30 de noviembre de 2022 llegó a España ChatGPT gratis para todos. En menos de 4 años, hemos pasado de una IA que alucinaba dos de cada tres veces y generaba manos de 6 dedos a otra mucho más pulida y eficaz, aunque la supervisión y control humano siga siendo esencial para obtener resultados adaptados a tus necesidades y que respeten tu privacidad.
Estos días, OpenAI ha sacado a la luz una interfaz con herramientas y modelos nuevos. Este cambio no es superficial. Supone el paso de la IA conversacional a una agéntica, que diseñe y automatice tareas. ChatGPT se vuelve más oral, más autónoma y con más capacidad. Aquella IA basada en el prompt de múltiples iteraciones secuenciadas en una larga conversación da paso a otra en no es necesario tanta iteración, ya que te guía en el proceso de forma automática hasta dejar lista la tarea. Y no solo esto. La IA ya no solo genera tareas rutinarias. Construye, crea, realiza acciones autónomas a partir de instrucciones previas programadas. Dejas que trabaje y cuando esté listo te avisa. Y todo ello lo puedes hacer en modo voz.
Comparto un mini tutorial de esta nueva interfaz de ChatGPT, que trasciende el límite de lo conversacional para invitarnos a un uso más automatizable.
Esto cambia la forma de usar la IA y a su vez marca una brecha importante de usabilidad. La cuenta gratuita está muy limitada, tiene escaso alcance y profundidad. A mínimo que la pruebes, más pronto que tarde se te queda pequeña. Este reciente paso de OpenAI marca una mayor distancia entre los modelos de pago y el gratuito. La ingeniería social actúa con cuentagotas medidas. No es casualidad que en noviembre de 2025 sacaran Go, su versión low cost, a 10€. De esta forma, las distancias entre modelos facilitan la toma de decisiones del usuario hacia modelos de pago, sin notar una inversión personal relevante de un modelo a otro.
La misma decisión de OpenAI con ChatGPT la está tomando o tomará el resto de empresas, como Google o Anthropic. El usuario personal o profesional, de menudeo no intensivo ni asociado a una empresa, notará cada vez más que el modelo gratuito se le queda pequeño. Como cuando te dan a probar una degustación minúscula antes de decidir si llevarte la docena de pasteles. Muchos usuarios seguirán probando la degustación porque no han incorporado la IA a sus rutinas y la usan de forma residual y esporádica. Un porcentaje de ese perfil de usuario, no sabemos si significativo, se pasará a opciones de pago. El modelo Go de 10€ pasará a ser percibido con el tiempo como su hermano pequeño gratuito.
Un proceso de aclimatación tecnológica similar tuvo lugar con los móviles. De ser herramientas para adultos específicos —viajantes y camioneros— pasó a ser un objeto esencial para adultos y jóvenes. Móviles e IA comparten una característica similar: se incorporan a rutinas de comunicación y trabajo, haciéndose gestionables, pero imprescindibles. Quizá con la IA aún no veamos esa inmersión intrusiva porque estamos en una fase embrionaria, pero la linde marca el camino. La inserción en procesos de gestión y producción será la puntilla. Solo falta que sean seguros. 2026 y 2027 serán los años de la seguridad agéntica. Es cuestión de tiempo que nos pase lo que sucedió con los cajeros automáticos. Confiar en el dinero de plástico no fue rápido ni fácil, y hoy las nuevas generaciones pagan con sus relojes y móviles. Cuando esa aclimatación se asiente en las costumbres cotidianas, la IA pasará a ser una herramienta más de uso generalizado. Con sanas resistencias y controles, pero inevitable.
Existen modelos de IA con capacidades muy variadas en función de su potencial uso o contexto. Entre otros muchos perfiles podríamos diferenciar estos más relevantes:
El ciudadano que recurre a la IA para consultas puntuales, dudas prácticas o necesidades muy personales. Su interacción suele limitarse al prompt de menudeo: preguntar, resumir, traducir, buscar ideas o resolver pequeñas tareas. Habitualmente utiliza una cuenta gratuita.
La persona que emplea la IA en su trabajo, pero de forma esporádica y vinculada a objetivos concretos: redactar un documento, preparar una presentación, crear una tarea, resumir información o generar materiales. Este perfil suele dar el primer salto desde la cuenta gratuita hacia un plan básico de pago.
El usuario que quiere comprender mejor la herramienta, experimentar con ella y adaptarla a necesidades más complejas. No se limita a pedir resultados: diseña flujos de trabajo, crea asistentes, combina herramientas y busca mayor profundidad. Suele recurrir a planes como ChatGPT Plus, Gemini Pro u otras opciones equivalentes.
El autónomo o la pequeña organización que incorpora una cuenta profesional de IA generativa para reducir carga administrativa y centralizar parte de su gestión: documentación, presupuestos, seguimiento de clientes, comunicación, análisis, planificación o burocracia interna.
La empresa que contrata a una startup o proveedor especializado para implantar un sistema interno de automatización. Estos servicios conectan agentes de IA con procesos concretos como facturación, atención al cliente, recursos humanos, gestión documental, ventas, informes o soporte interno.
Las grandes organizaciones que trabajan con modelos de frontera y los someten a exigencias extremas de rendimiento, seguridad, integración y escala. Aquí la diferencia no está solo en el modelo, sino en la ingeniería fina que permite adaptarlo a sistemas complejos, datos internos y procesos críticos.
Equipos públicos y privados que utilizan modelos de frontera para acelerar descubrimientos, explorar hipótesis, analizar grandes volúmenes de datos, diseñar experimentos o resolver problemas científicos y técnicos de alta complejidad. En algunos casos, estos usos contribuyen a avances significativos.
Gobiernos, fuerzas armadas y empresas del sector de defensa que aplican la IA a inteligencia, simulación, logística, vigilancia, ciberseguridad, disuasión y planificación estratégica. En estos contextos, la tecnología puede utilizarse tanto para la defensa como para aumentar la capacidad de intervención o agresión en conflictos.
Comparando unas con otras, la IA gratuita es un tirachinas con agujeros. Lo es incluso para quienes pagamos por un uso individual. Y aún así, a mínimo que la uses la IA generativa con frecuencia y la pongas a prueba, apreciarás mejoras sustanciales que la separan de sus primeras versiones. La primera frontera significativa de uso se aprecia cuando pasas de usarla como chatbot conversacional a diseñar tareas y proyectos adaptados, cada vez más complejos. La segunda, cuando te animas a aprender a usarla como agente que automatice ciertas tareas o rutinas.
El perfil medio de docente que usa IA está aún dentro de la primera frontera. ChatGPT gratuito y uso rudimentario. A menudo se da el caso que la IA de su centro educativo es de mejor calidad que en su vida privada. ¿Usos? Consultas, tareas sencillas de aula y gestión documental. Este uso limitado provoca una sensación de que la IA puede hacer menos de lo que creemos, que se sigue equivocando y es enemiga del aprendizaje, ya que esperamos que haga lo que queremos por ciencia infusa, sin las directrices previas y detalladas del usuario y con un modelo gratuito limitado. Se nota mucho cuando en las redes sociales un usuario critica a la IA desde el desconocimiento o un uso muy rudimentario y limitado, a diferencia de quien se forma, la usa con cabeza y percibe las posibilidades y limitaciones a partir de la práctica y no de las expectativas o el ruido mediático.
Este último mes, las empresas más importantes de IA generativa están desplegando modelos que empiezan a establecer una fina, pero importante frontera de uso y capacidad entre la conversación y la automatización, el prompt y el agente. Este paso se está dando más en el ámbito empresarial que en el privado y educativo. La aclimatación es más lenta en la vida cotidiana porque las necesidades son primarias y suficientes.
En el ámbito educativo, el despliegue de agentes de IA avanza con más lentitud porque exige niveles elevados de seguridad, privacidad, trazabilidad y control institucional. Sin embargo, la barrera ya no es principalmente técnica. Hoy es posible implantar en cada centro educativo —o en una infraestructura compartida por varios centros— un entorno privado y seguro, con acceso restringido, datos protegidos, modelos alojados o conectados bajo control institucional y guardarraíles adaptados al contexto educativo.
Ese tipo de infraestructura podría automatizar una parte importante de la burocracia y de la gestión administrativa: elaboración de informes, organización documental, atención de consultas internas, seguimiento de incidencias, generación de comunicaciones, análisis de datos, apoyo a la planificación o tramitación de procedimientos repetitivos.
La lentitud de muchas administraciones educativas no se explica solo por limitaciones tecnológicas. También intervienen una comprensión incompleta de las posibilidades reales, el temor a incumplir la normativa, la falta de formación técnica y estratégica de quienes toman decisiones, la ausencia de perfiles intermedios capaces de traducir las necesidades educativas en soluciones tecnológicas y una cultura administrativa orientada más a evitar riesgos que a diseñar entornos seguros de experimentación.
La incorporación de la IA a la educación no sigue un proceso común. Avanza a tres velocidades distintas, cada una con sus propios ritmos, riesgos y lógicas, y con muy poca conexión entre ellas.
La de uso cotidiano de estudiantes y familias. La IA entra en casa y en los dispositivos personales con enorme rapidez, pero a menudo sin pautas claras, sin formación crítica, sin acompañamiento adulto, sin control parental suficiente y sin criterios compartidos sobre privacidad, veracidad o dependencia. Es el espacio más veloz, pero también el más desregulado.
La de docentes que intentan incorporar la IA a su práctica profesional. Con frecuencia, este avance depende de iniciativas individuales, formación autodidacta y experimentación personal. Paradoja: muchos profesores ya exploran usos complejos de la IA, pero trabajan en centros donde esta sigue siendo casi inexistente como recurso didáctico, organizativo o institucional. Es una velocidad intermedia, fragmentada y sostenida más por el compromiso personal que por una estrategia de centro.
La de las administraciones educativas. Su respuesta suele ser lenta, defensiva y condicionada por el miedo al riesgo, la incertidumbre jurídica y la falta de conocimiento técnico. En lugar de construir entornos seguros de experimentación, muchas instituciones optan por esperar, restringir o aplazar decisiones. El resultado es que la regulación llega después de los usos y la formación llega después de los problemas. Es la velocidad más lenta, aunque debería ser la que organizara y conectara las otras dos.
El problema no es solo que cada ámbito avance a un ritmo diferente, sino que lo haga sin coordinación. La IA privada crece sin orientación. La innovación docente crece sin respaldo. La respuesta institucional llega tarde y, a menudo, en forma de cautela o prohibición. La tormenta perfecta.
Por otro lado, tampoco existe una reflexión compartida que determine el papel de la IA generativa en el ámbito educativo, y cómo afecta y debe insertarse en los procesos de enseñanza y aprendizaje. Por ahora, las administraciones regulan a partir de papers nacionales, y estos adaptando la normativa europea. Mero papeleo, sin sustrato práctico en la realidad del aula. Mientras tanto, los estudiantes van modelando su propia cultura de uso de la IA ajenos a lo que ven en los centros educativos y el ámbito profesional va poco a poco transformando procesos de trabajo donde la IA tiene un progresivo e importante papel. Por otro lado, en los espacios educativos va ganando terreno una percepción negativa de la IA generativa, con defensa de estrategias defensivas en vez de proactivas. En redes sociales, ganan por goleada quienes vaticinan el apocalipsis frente aquellos que comparten las posibilidades de uso.
Tiene su sentido: es más fácil y cómodo quejarse desde una atalaya pasiva que probar y descubrir los límites y ventajas, los peligros y posibilidades de uso. Esta percepción negativa cala en las familias, quienes por otro lado se encuentran entre dos frentes contradictorios: por un lado, están invadidas por los vaticinios milenaristas, y por otro, sus hijos y ellos mismos usan la IA a destajo. Hay que volver al libro en papel, la hoja en blanco y el bolígrafo, proclama el pandemónium mediático. Pero después, en casa y en la calle, los adolescentes pasan 8 horas o más delante de una pantalla, sin diversificar las fuentes de su ocio e intereses.
Estas contradicciones no son patrimonio del ámbito privado. También atraviesan la esfera de lo educativo, donde la percepción negativa de la IA convive con la inevitable necesidad de enfrentarse a un escenario que impele a formarse y actuar.
La IA agéntica aún tardará en integrarse en los dispositivos móviles y ordenadores. Los estándares de privacidad y seguridad europeos son prudentes y garantistas. Pero cuando lo haga supondrá un salto relevante en los hábitos cotidianos de los estudiantes. Oralidad y automatización de tareas protagonizarán las costumbres más allá del aula, influyendo en la cultura de trabajo y percepción de la educación. Las instituciones educativas, y con ellas el docente, no podemos vivir de espaldas a esto. Hay que dialogar, formarse y reformular la evaluación.
Por Carlos Bravo Ryes y Mercedes Leticia Sánchez Ambriz
Una nueva actualización de ChatGPT para sus cuentas de pago me obligó a crear la segunda parte de esta publicación; la primera la puedes leer aquí.
La última actualización de OpenAI, la empresa propietaria de ChatGPT introdujo tres niveles llamados Sol, Terra y Luna. No son tres versiones ordenadas de manera simple, sino que cada una responde a una relación distinta entre profundidad, velocidad y recursos empleados.
Sol es el modelo principal de la familia GPT 5.6, orientado hacia problemas complejos que requieren análisis, planificación y razonamiento durante varios pasos. En educación puede utilizarse para examinar la coherencia de un diseño curricular, contrastar posiciones teóricas, analizar datos de una investigación, construir una rúbrica o revisar la relación entre objetivos, métodos y evaluación.
Terra busca un equilibrio entre capacidad y velocidad para el trabajo cotidiano. Puede resultar adecuado para organizar materiales de una asignatura, transformar contenidos en actividades, preparar borradores, clasificar información o desarrollar tareas que no requieren el nivel de razonamiento de Sol. Su valor no reside en competir con el modelo de mayor capacidad, sino en realizar con agilidad una amplia variedad de trabajos frecuentes.
Luna es el modelo más rápido de la familia. Su utilidad aparece en tareas donde la respuesta inmediata tiene más valor que un análisis prolongado. Puede emplearse para modificar formatos, producir varias versiones de una consigna, adaptar un texto a distintos niveles, generar ejemplos breves o realizar correcciones sucesivas durante la creación de un recurso.
Terra y Luna no se seleccionan en las conversaciones normales de ChatGPT; solo están disponibles según el plan dentro de ChatGPT Work y Codex.
La diversidad de modelos introduce una nueva competencia para profesores y estudiantes: elegir el modelo según la tarea. No toda actividad académica necesita Sol. Utilizar el modelo de mayor razonamiento para corregir una fecha, cambiar un título o resumir un párrafo sería innecesario. Del mismo modo, recurrir a Luna para examinar un problema científico complejo puede producir un resultado rápido, pero menos elaborado. La alfabetización en inteligencia artificial incluye aprender a formular preguntas y también seleccionar la capacidad que corresponde al propósito.
Esta lógica adquiere una dimensión mayor con ChatGPT Work como explicamos en el anterior trabajo. La herramienta puede investigar, trabajar con archivos, utilizar aplicaciones conectadas y producir documentos, presentaciones, hojas de cálculo, informes o sitios. El usuario puede observar el proceso, responder preguntas y modificar la dirección de la tarea. ChatGPT deja de limitarse a la conversación y comienza a trabajar dentro de una secuencia de producción.
ChatGPT Sites
Otra mejor que se introdujo es ChatGPT Sites representa una de las expresiones más visibles de este cambio. Permite crear sitios web interactivos y aplicaciones ligeras mediante una conversación. El usuario describe lo que necesita, incorpora archivos, datos, enlaces y condiciones, revisa una vista privada y solicita cambios hasta alcanzar el resultado esperado. También puede invocar esta función escribiendo @Sites dentro de su instrucción.
Para la educación, Sites abre un camino especialmente valioso. Un profesor puede crear una ruta de aprendizaje, un repositorio de recursos, una aplicación para formular proyectos de investigación, un tablero de seguimiento, una guía interactiva, un cuestionario o un portafolio. Un ejemplo lo vimos en el artículo: “El día que dejamos de pedirle textos a ChatGPT y empezamos a diseñar experiencias educativas”, que puedes leer aquí. No necesita comenzar escribiendo código ni contratar un alojamiento externo. El sitio puede publicarse mediante una dirección web y modificarse desde la misma conversación en la que fue creado.
El estudiante también puede pasar de consumidor de respuestas a creador de productos. En lugar de pedir un resumen y entregarlo como tarea, puede construir una exposición interactiva, un recurso para explicar un concepto, un sitio con los resultados de una investigación o un portafolio que muestre el proceso seguido. La evaluación se desplaza desde el texto final hacia las decisiones tomadas, la calidad de las fuentes, la organización del contenido, la utilidad del producto y la capacidad para justificar su diseño.
Sites también exige responsabilidad. Antes de publicar es necesario revisar textos, imágenes, enlaces, formularios, permisos y comportamiento interactivo. No deben incorporarse datos personales de estudiantes, documentos confidenciales ni materiales ajenos sin autorización. Un sitio generado por IA puede funcionar correctamente y contener errores conceptuales. La revisión pedagógica no desaparece por el hecho de que el producto tenga una apariencia profesional.
Estas novedades refuerzan la conveniencia de la versión de pago para el usuario intensivo. La diferencia ya no consiste solamente en enviar más mensajes. Se relaciona con disponer de Sol para el razonamiento complejo, elegir Terra o Luna dentro de Work, mantener proyectos prolongados y transformar una idea en un producto digital mediante Sites.
Pagar, sin embargo, no garantiza un uso de mayor calidad. Una persona puede suscribirse y continuar formulando preguntas superficiales, aceptar respuestas sin verificarlas o delegar decisiones que le corresponden. En ese caso, la versión de pago solo permite producir más contenido, no necesariamente mejor conocimiento.
En mi experiencia, el beneficio de la suscripción tampoco se mide por la cantidad de mensajes enviados. Se mide por las horas de trabajo que ayuda a reorganizar, por las ideas que permite contrastar y por la continuidad que mantiene entre diferentes proyectos. ChatGPT no reemplaza mi experiencia pedagógica ni mi responsabilidad intelectual. Funciona como un mediador con el que dialogo, cuestiono resultados, detecto errores y elaboro nuevas propuestas.
La decisión final puede resolverse mediante una pregunta: ¿ChatGPT ocupa un lugar ocasional o permanente dentro de mi trabajo? Si la respuesta es ocasional, la versión gratuita probablemente cubra las necesidades. Si la respuesta es permanente, como sucede en mi caso, la versión de pago deja de ser un lujo tecnológico y se convierte en una inversión de trabajo. Con Sol, Terra, Luna, Work y Sites, esa inversión adquiere una nueva dimensión. Su verdadero valor no está en tener más inteligencia artificial disponible, sino en seleccionar la herramienta adecuada, integrarla a un propósito pedagógico y conservar el criterio propio durante todo el proceso.
Por Melissa Guerra de EDUNEWS del Tec de Monterrey
La integridad académicaes un tema clave en la educación, ya que fomenta el desarrollo de valores y conductas éticas, tanto en lo personal como en lo profesional. Como docente, una de las tantas tareas en el aula es fomentar la integridad, la ética y los valores. No obstante, existen muchos retos para garantizar lacalidad de la educación, puesto que la deshonestidad académica está a un solo prompt de distancia.
Si bien la inteligencia artificial generativa (IAgen) se ha erigido como una herramienta para apoyar los procesos de enseñanza-aprendizaje, también se ha convertido en un obstáculo para la educación. En México, no solo no hay guías homologadas para la educación, sino que tampoco existe un marco normativo vigente que la regule como tal (solo existen iniciativas de ley que no se han concretado). Esto provoca que muchos modelos y sistemas de IA no cumplan con salvaguardar la privacidad de los datos ni la seguridad del usuario, o bien que simplemente apliquen un ethics washing, es decir, prácticas, en este caso éticas, que se realizan con afán de mejorar la percepción de una persona u organización, pero sin implementar cambios.
Aunque existen muchas consecuencias del mal uso de la IA en la educación (dependencia cognitiva, deuda cognitiva, academic laziness, etc.), este escrito se enfocará en la integridad de la educación en la era de la inteligencia artificial.
¿Qué es la integridad académica?
Según la RAE, la palabra íntegro significa «dicho de una persona: recta, proba, intachable», mientras que integridad es la «cualidad de íntegro». Ahora bien, no existe una definición consensuada de lo que abarca la integridad académica. Sin embargo, el término suele asociarse con la conducta académica, las virtudes (confianza, justicia, carácter, integridad) y los valores (honestidad, equidad, respeto, responsabilidad, etc.) (Mejía y Garcés, 2025).
Otros autores, como Șercan y Voicu (2022), la definen como la integridad, el respeto a la propiedad intelectual, los estándares morales y éticos, así como las normas de conducta (citados en Balalle y Pannilage, 2025). Por su parte, Sbaffi y Zhao (2022) la describen como el compromiso, la honestidad y el comportamiento moral en el trabajo académico de estudiantes y docentes (citados en Balalle y Pannilage, 2025).
Dentro de la práctica académica, la integridad académica busca evitar el plagio, el fraude, la trampa (ya sea de forma análoga o con tecnología), la obtención de material (como exámenes) para su venta o reproducción ilegal, el soborno para obtener mejores notas y, más recientemente, el ghostwriting y la escritura con IA (AI writing) (Balalle y Pannilage, 2025).
El impacto de la IA gen en la integridad académica
Un estudio realizado por Ruskulis et al. (2026), titulado An Academic Text: The Balance Between Academic Integrity and Artificial Intelligence, demostró que el 76 % de los encuestados (estudiantes de educación superior) utiliza IA constantemente para realizar tareas académicas, prefiriendo ChatGPT (65 %) por sobre otras herramientas. Asimismo, ese estudio reveló que los propios estudiantes perciben la dependencia excesiva de la IA como una violación de la integridad académica. Esto deja entrever que es necesario un enfoque más ético y responsable; se requiere un esfuerzo para fomentar la alfabetización en IA, así como para crear y aplicar políticas institucionales transparentes y bien definidas que preserven la calidad e integridad académicas.
Como ya se ha mencionado en otros artículos del Observatorio, los derechos de autor al usar herramientas de IA siguen siendo un tema de debate importante. En este caso, muchos estudiantes emplean LLM como ChatGPT, Claude, Gemini, etc., para producir texto al instante, gracias a la creación de prompts y agentes especializados (bots) para tareas de generación de texto.
En este sentido, el único esfuerzo «cognitivo» del estudiante consiste en redactar el comando, ya que la IA realiza todo el trabajo de buscar, analizar y sintetizar la respuesta. En este escenario, el estudiante comete errores de omisión y de comisión; es decir, cuando acepta la información como válida y la incorpora a su trabajo (omisión) y, en una segunda instancia, cuando no es capaz de identificar que existe un problema crítico con dicha información, ya sea porque no tuvo la iniciativa de revisar o porque la IA no se lo indicó (Watts, 2025). Esto también provoca el deterioro de los procesos cognitivos (deuda cognitiva), es decir, de los mecanismos del pensamiento crítico, la toma de decisiones y otras habilidades esenciales. Además, este tipo de procesos aumenta la dependencia cognitiva.
Muchos expertos sostienen que la IA carece de comprensión, pensamiento crítico e intuición para producir un trabajo auténtico, lo que genera preocupación por la integridad académica, ya que estas capacidades no reflejan las ideas ni la esencia del autor y, a su vez, disminuyen la originalidady el comportamiento ético (Currie et al., 2023; Balalle y Pannilage, 2025; Bittle y El-Gayar, 2025). Asimismo, autores como Currie et al. (2023) señalan que el uso de la IA generativa para cometer fraude académico afecta directamente los indicadores de calidad de las instituciones.
En consecuencia, los riesgos de la IA para la integridad académica se reflejan en el aumento de la deshonestidad académica, como el fraude o la trampa (sobre todo en programas no escolarizados), por ejemplo, la creación de textos sofisticados de ghostwriting indetectable. Asimismo, es importante recordar que estos sistemas pueden arrojar resultados sesgados, vulnerar la privacidad y ser utilizados indebidamente, además de conducir a la pereza académica (academic laziness) y a la dependencia cognitiva cuando no se gestionan adecuadamente (Bittle y El-Gayar, 2025). Por otro lado, algunos autores señalan que no solo hay un problema de deshonestidad académica provocada por la IA, sino que estos sistemas también generan una ventaja injusta para aquellos estudiantes que no tienen acceso, lo que conduce a una evaluación inequitativa del conocimiento (Cotton et al., 2023; Sullivan et al., 2023, como se citan en Ruskulis et al., 2026)
Retos e implicaciones de la IA gen en la integridad académica
En este sentido, Gulumbe et al. (2025) presentan algunos desafíos y posibles implicaciones de la IA en la integridad académica:
Las implicaciones sociotécnicas se refieren a la posible disrupción de la IA en la interacción que los humanos tienen con la tecnología; el sesgo debido a la capacidad de predicción de estos sistemas; la autoría, puesto que el uso de contenido generado por LLM es un riesgo para la integridad y los derechos de autor; la regulación, ya que no existen regulaciones homologadas (como en México, que no existe una ley que regule a la IA) que eviten que la IA sea creada con fines que evadan la ética; la automatización, puesto que refuerza la cultura de la conveniencia y reduce la contribución intelectual.
Aspectos como la seguridad, la confiabilidad, la responsabilidad y la transparencia se refieren a los marcos éticos que estos sistemas deben cumplir para garantizar que su desarrollo e implementación sean éticos. En el caso de la integridad académica, la seguridad se refiere al posible uso de la IA para cometer fraudes académicos y filtraciones de datos; la confiabilidad hace referencia a la pérdida de confianza en estos sistemas, es decir, cuando hay una falta de transparencia (cuando no se puede confiar en la toma de decisiones de la IA por algoritmos que no son entendibles o visibles); mientras que la responsabilidad es garantizar la rendición de cuentas de la IA en un entorno académico, así como el buen uso de los sistemas.
Acciones para asegurar la integridad académica
Estas son algunas acciones para fortalecer la integridad académica dentro de los procesos académicos (Bittle y El-Gayar, 2025):
Desarrollo y validación de aplicaciones o sistemas de detección de IA.
Creación de guías y marcos regulatorios para el uso de la IA en la educación.
Reevaluar y diseñar métodos de evaluación que promuevan el pensamiento crítico.
Investigar el impacto de la IA generativa en diversos grupos demográficos estudiantiles para garantizar la inclusión.
Asegurar la integridad académica en tiempos de IA es una tarea complicada, puesto que no solo es cuestión de garantizar que la ética y los valores se cumplan, por ejemplo, en la entrega de tareas, sino también en todos los procesos de enseñanza-aprendizaje. Para impartir clases en esta nueva era, el profesorado requiere alfabetización en IA, acceso a herramientas de calidad, así como un marco o guía institucional (y a nivel docente) sobre lo que sí aplica o no al utilizar IA, por ejemplo, qué porcentaje de IA se puede emplear para entregar tareas, así como lo que no es aceptable.
Del mismo modo, al momento de realizar planeaciones, los docentes deben tomar en cuenta que los estudiantes muy probablemente utilicen IA para realizar tareas, por lo que es necesario modificar actividades para que, en lugar de copiar y pegar, puedan corroborar la información que reciben de estos sistemas y, por ejemplo, debatir las ideas en clase, para que exista algún tipo de proceso cognitivo más complejo (evaluar, analizar) y no solo recordar o comprender. Otras modificaciones pueden ser: realizar actividades análogas (desenchufadas), actividades orales, debates u otras tareas que fomenten el pensamiento crítico, la toma de decisiones, así como otras habilidades críticas.
Es un buen momento para repensar la educación y el papel que la IA debe desempeñar en el aula. Si bien es una herramienta útil, como todo, debe cumplir un propósito y no solo servir para rellenar un espacio o dar la impresión de «innovación». La educación no debe ajustarse a la IA; la IA debe ajustarse a la educación.
Hace unas semanas atrás me encontré con esta imagen que me lleva a pensar nuevamente en el impacto de la #IA y la #robotización en la interacción hombre-máquina:
Recordé lo que había leído en el último libro de Eduardo Levy Yeyati y Darío Judzikn:“La automatización reemplaza tareas que las personas realizan bastante bien con tecnologías”.
Es decir, la IA puede resolver situaciones propias de los humanos con instrucciones complejas, pero cuesta explicar lo que hacemos sin darnos cuenta: ¿cómo explicarle a un algoritmo, por ejemplo, el proceso de andar en bicicleta, atarse los cordones de las zapatillas, o subir una escalera?
La IAGenerativa marcó un punto de inflexión. Parecería que, a diferencia de la automatización tradicional, esta tecnología no viene a reemplazar la "fuerza física", sino las actividades que demandan del conocimiento y el desarrollo de capacidades muy propias de la inteligencia humana.
Con la llegada de la IAGenerativa, Yuval Noah Harari, declaró que la IA ha venido a "hackear el sistema operativo de la humanidad", impactando directamente en las profesiones más sofisticadas.
Ante este panorama, surgen preguntas inevitables:
¿Existirá, en un futuro no muy lejano, algún/nos trabajos que sean realmente inmunes a la automatización?
En este contexto, los empleadores enfrentan desafíos como regulaciones desactualizadas y una cultura organizacional resistente al cambio, lo que suma complejidad a la situación. Según el informe del Observatorio de Innovación Educativa, "Retos de la transformación digital en universidades latinoamericanas", la adopción efectiva de estas tecnologías requiere una inversión significativa en la formación de talento y en la creación de políticas públicas que promuevan la inclusión digital. Se valoran cada vez más las habilidades para liderar equipos híbridos -humanos y algoritmos- y la gestión de procesos automatizados.
En el post anterior, IA y el mundo del trabajo (Parte I) traíamos el libroAutomatizados. Vida y trabajo en tiempos de inteligencia artificial y cuatro disparadores que los autores nos invitan a reflexionar en clave de interrogantes:
¿Qué efecto tendrá la tecnología sobre la probabilidad de conseguir trabajos de calidad?
¿Qué herramienta de distribución de ingresos reemplazará el trabajo cuando este escasee?
¿Existe una trinchera del trabajo humano que sea inmune a la automatización?
¿Qué haremos con las horas de ocio a medida que se vayan acumulando?
Conforme la IA se integra en los procesos de toma de decisiones y ejecución de tareas, los futuros graduados se encontrarán con un mercado laboral en el que las habilidades cognitivas medias y básicas pueden estar cada vez más sustituidas por robots y algoritmos. Pero a su vez, los pronósticos apuntan a la apertura de espacios para la especialización en análisis crítico, creatividad, resolución de problemas complejos y gestión de equipos multidisciplinares.
Si la IA genera abundancia material, es decir, si las máquinas pueden producir casi todo lo que produce un ser humano a un bajo costo, lo que se vuelve escaso no es el producto, sino el componente humano detrás de él.
En esta entrevista, José María Lassalleaborda un tema que toma relevancia en tiempos de datos sintéticos y el mundo del trabajo: la Renta Básica Universal.
En un mundo donde se habla que la IA parece estar compitiendo con la creatividad, el conocimiento y hasta las decisiones, la automatización amenaza a empleos en diversos sectores hacia 2030. Esto plantea un dilema entre 2 escenarios:
👎 Escenario negativo: desempleo estructural, aumento de desigualdades.
👍 Escenario positivo: redistribución de tareas, reducción de jornada laboral, liberación de tiempo para la creatividad y el cuidado.
Si el trabajo deja de definirnos, ¿seremos capaces de reconfigurar nuestras vidas y encontrar un nuevo propósito en el ocio creativo?
¿Es entonces la Renta Básica Universal (RBU) una posible solución a un contexto de automatización? ¿Es una solución inevitable para garantizar seguridad material a todos los ciudadanos frente a la pérdida de empleos?
Coincido con Lassalle en que la clave está en construir un marco humanista que combine regulación, innovación y políticas redistributivas, y laRBU es una herramienta viable de implementar para sostener la dignidad humana, pero que debe insertarse dentro de un humanismo tecnológico cuyo objetivo sea garantizar que la tecnología siga estando al servicio de la humanidad y no al revés.
Para finalizar, sigue abierta la pregunta: ¿Cómo se logra entonces integrar un enfoque multidisciplinario en donde los educadores sean parte de los desarrollos de IA?
