AI Trends in Higher Education, organizado por Emerald Publishing y la Higher Education Teaching and Learning Association (HETL), 26 de marzo de 2025.
¿Y si presenciamos el fin de la universidad moderna?
El seminario AI Trends in Higher Education reunió a docentes, investigadores y especialistas en IA de todo el mundo para analizar cómo la inteligencia artificial reorganiza los fundamentos de la educación superior. Con más de 500 participantes de instituciones de distintos países, el encuentro planteó preguntas urgentes que muchas universidades apenas han comenzado a formular.
Participé junto a Christine O’Dea, Mariann Hardey y Ahmed Hassan Afridi, en una sesión moderada por Abhilasha Singh. Cada uno abordó la IA desde perspectivas como equidad, gobernanza, investigación y políticas. Compartimos una conclusión: la IA reconfigura la lógica de la educación superior. Tengo la impresión de que terminamos con más preguntas sobre su futuro que al comenzar.
Ver la grabación del seminario, en inglés
Más allá del entusiasmo: ¿Qué cambia?
Buena parte del debate se centra en chatbots, asistentes de calificación y motores de recomendación. El cambio más profundo es estructural. Planteé tres tendencias que ganan impulso y todavía reciben poca atención:
- Gobernanza institucional guiada por IA. Comenzamos a ver sistemas que apoyan decisiones estratégicas sobre presupuestos, políticas e incluso distribución del profesorado. Esto plantea una pregunta: ¿Quién ejerce la autoridad?
- Integración con otras tecnologías disruptivas. La atención a la IA ha desplazado otras tecnologías que modifican paradigmas. Combinarla con cadenas de bloques abre posibilidades de credenciales que se actualizan y registros descentralizados de aprendizaje que acompañan a las personas entre fronteras y trayectorias profesionales.
- Comercialización creciente del aprendizaje. Las plataformas están cada vez más controladas por empresas cuyas prioridades difieren de libertad académica y equidad. Podemos acabar externalizando diseño curricular, evaluación docente y apoyo estudiantil hacia algoritmos diseñados para ampliar escala, con poca atención al cuidado.
¿Quién se beneficia y quién queda atrás?
Se afirma que la IA «democratizará la educación». Es una idea reconfortante: el aprendizaje automático podría ofrecer personalización a gran escala, liberar tiempo docente y ampliar acceso. Pero democratizar implica igualdad de poder. Alguien posee las herramientas que utilizamos, y los sistemas operan dentro de relaciones de poder. Ampliar acceso no garantiza democracia.
Las personas construyen IA, la entrenan con datos históricos y la incorporan en instituciones moldeadas por jerarquías antiguas. Por eso, los sistemas tienden a reproducir sus supuestos y puntos ciegos.
Durante el panel destaqué el riesgo de conformidad algorítmica: la tendencia a premiar a estudiantes que encajan en moldes existentes. Quienes piensan de otra forma, provienen de contextos culturales o lingüísticos distintos o expresan comprensión mediante vías no tradicionales pueden quedar penalizados por situarse fuera de los datos de entrenamiento.
Las consecuencias merecen más atención. Si un análisis predictivo identifica a ciertos estudiantes como «en riesgo», ¿puede convertirse en una profecía autocumplida? Si los comentarios generados favorecen estilos de escritura o enfoques de resolución concretos, ¿qué saberes reciben legitimidad y cuáles se borran?
El sesgo puede existir en los datos sin que quienes diseñan la herramienta lo incorporen con intención. Muchos modelos grandes recurren de forma desproporcionada a fuentes en inglés, occidentales y escritas por hombres. Esto expresa un defecto sistémico de diseño. Las instituciones necesitan auditorías de equidad, evaluación transparente y participación de personas con perspectivas diversas, incluidos estudiantes, para evitar reproducir desigualdades a gran escala.
Además de preguntar si un sistema «funciona», debemos preguntar: ¿Para quién? ¿En qué contextos? ¿A qué coste?
Para que la IA apoye inclusión, debemos diseñarla, probarla y gobernarla con ese propósito. De otro modo, la promesa de «aprendizaje personalizado» puede ocultar sistemas que relegan a quienes más podrían beneficiarse.
Reimaginar el papel de la universidad
Si diseñáramos la educación superior desde cero en un mundo con IA, ¿se parecería a la actual?
Parece poco probable. El esquema industrial de títulos estructurados, semestres rígidos, disciplinas aisladas y evaluaciones basadas en escasez y estandarización se diseñó para otro mundo. Tiene dificultades para responder al aprendizaje continuo y distribuido y a sistemas que generan, traducen, evalúan y cocrean conocimiento bajo demanda.
En un futuro apoyado por IA, la universidad podría ser:
- Más descentralizada, con experiencias entre plataformas, lugares y etapas vitales. Las instituciones podrían actuar como centros que certifican, seleccionan recursos y conectan, compartiendo el aprendizaje con otros actores.
- Más personalizada, con recorridos dinámicos informados por datos, comentarios y sistemas de recomendación. La idea de un «estudiante promedio» podría desaparecer.
- Menos atada a estructuras rígidas de títulos, con microcredenciales, portafolios y reconocimiento de capacidades que complementen o sustituyan cualificaciones tradicionales. El aprendizaje vitalicio podría pasar del discurso a la infraestructura.
- Más integrada con el mundo exterior, mediante alianzas con comunidades, sectores productivos y redes globales para codiseñar experiencias pertinentes y aplicadas.
El profesorado también cambiaría sin quedar por ello obsoleto. Además de aportar experiencia disciplinaria, podría diseñar aprendizaje, orientar procesos cognitivos y mediar con IA, ayudando a interrogar, interpretar y aplicar conocimiento generado por máquinas. Su valor consistiría en ayudar a comprender el caudal de información producido por estos sistemas.
Las instituciones quizá deban competir tanto por calidad académica como por su posición ética: cómo gobiernan IA, protegen datos, sitúan inclusión en el centro y promueven agencia humana en un mundo apoyado por máquinas.
Estos cambios pueden redefinir qué cuenta como aprendizaje, quién lo ofrece y cómo lo valoran instituciones, empleadores y estudiantes, sin implicar que desaparezcan la educación o sus profesionales.
La universidad futura podría ser una red, una plataforma o un conjunto de relaciones y compromisos que supere un lugar físico. Las instituciones más resilientes serán aquellas que comprendan este cambio como una invitación a evolucionar.
Avanzar mediante imaginación estratégica
Podemos intervenir en el cambio tecnológico. La educación es una institución social moldeada por valores humanos, contextos culturales y decisiones colectivas. Todavía tenemos una oportunidad para definir el papel de la IA en la educación superior antes de que nos defina.
Esto exige actualizar políticas y adoptar herramientas, pero también imaginación estratégica: pensar más allá de eficiencia inmediata y ganancias a corto plazo para diseñar el futuro que queremos habitar.
Podemos comenzar con tres cambios:
- Construir capacidad institucional para experimentar con criterio. Las iniciativas suelen imponerse desde arriba o externalizarse. Las instituciones necesitan capacidad interna, en informática y en unidades académicas y administrativas, para probar, evaluar y revisar herramientas. Esto incluye espacios de experimentación de bajo riesgo, programas piloto y desarrollo de alfabetización en IA entre funciones, sostenidos más allá de talleres aislados.
- Desarrollar políticas arraigadas en valores humanos. La gobernanza debe examinar lo que es justo, inclusivo y educativamente adecuado, además de establecer lo permitido. Debe priorizar integridad académica, agencia estudiantil, privacidad y transparencia en decisiones algorítmicas, en especial admisión, evaluación y orientación.
- Cultivar colaboración interdisciplinaria como capacidad institucional central. La IA y sus efectos atraviesan departamentos. Reunir docentes, tecnólogos, especialistas en ética, estudiantes y responsables políticos exige estructuras que premien indagación compartida y reconozcan anticipación ética como forma de liderazgo.
La imaginación estratégica también requiere otro relato. Debemos preguntar: ¿Qué ecosistema de aprendizaje queremos construir? ¿Para quién? ¿Qué nos negamos a optimizar?
El peligro reside en utilizar IA para optimizar lo equivocado: velocidad a costa de profundidad, eficiencia a costa de equidad y predicción a costa de posibilidad.
Avanzar exige recuperar nuestra agencia al relacionarnos con IA y decidir para qué la adoptamos. El cambio educativo dependerá de los valores que amplifiquemos mediante nuestras decisiones.
