La calidad de la educación superior en la era de la inteligencia artificial
- noviembre 21, 2026
- Posted by: Emilio Rodríguez
- Categoría: ASEGURAMIENTO DE LA CALIDAD, Columna
Columnas AEQUALIS # 49. Noviembre 2026
Dr. Emilio Rodríguez Ponce,
Profesor Titular,
niversidad de Tarapacá
La calidad de la educación superior adquiere una exigencia particular en la era de la inteligencia artificial. Las instituciones disponen de nuevas posibilidades para formar personas y producir conocimiento, cuyo aprovechamiento depende de las decisiones que adopten. A mi juicio, el desafío consiste en traducir esas posibilidades en resultados académicos valiosos y en contribuciones pertinentes para la sociedad. Por consiguiente, la dirección institucional tiene una responsabilidad central en ese tránsito.
Un estudio de UNESCO IESALC publicado en 2026 permite dimensionar esta cuestión. Entre las 200 instituciones participantes, pertenecientes a 19 países de América Latina y el Caribe, el 87 % utilizaba inteligencia artificial en alguna de sus actividades y el 26 % contaba con una estrategia formal de uso. Estos resultados invitan a examinar cómo se está conduciendo una transformación que ya ocurre dentro de las comunidades académicas.
En efecto, la IA amplía la capacidad de producir análisis y propuestas. Esa posibilidad hace más exigente el juicio sobre su valor académico. Una institución necesita reconocer qué conocimientos están adquiriendo sus estudiantes y qué contribuciones se sostienen cuando sus resultados se examinan con rigor.
En la formación, la tarea comienza con una reflexión sobre lo que cada carrera espera de sus egresados. Un futuro ingeniero puede utilizar IA para explorar una solución y aprender, al mismo tiempo, a revisar los supuestos que la sostienen. Ahora bien, el dominio de la disciplina le permitirá formular mejores preguntas y continuar aprendiendo cuando cambien las herramientas disponibles. En el aula se aprende también a discutir las consecuencias de esas soluciones y a justificar una decisión ante quienes pueden resultar afectados.
Existen oportunidades concretas para enriquecer esa formación. Un experimento publicado en Scientific Reports en 2025 encontró mejores resultados inmediatos con una tutoría de IA diseñada pedagógicamente que con las clases de aprendizaje activo utilizadas como comparación. El estudio realizado con estudiantes de física de Harvard, de naturaleza acotada, invita a seguir investigando qué usos favorecen el aprendizaje y bajo qué condiciones conviene extenderlos.
Algo semejante ocurre con la investigación. Cuando un equipo utiliza IA para analizar sus datos, la calidad del trabajo permanece vinculada con la relevancia de su pregunta y con la validez de sus conclusiones. Comprender cómo se obtuvo un resultado y qué supuestos lo sostienen forma parte del oficio del investigador. La formación de los equipos adquiere así una importancia creciente, al igual que la discusión entre pares sobre el alcance de los hallazgos.
La investigación básica tiene, además, tiempos propios. Su contribución puede madurar durante años y abrir posibilidades que adquieren sentido en otros contextos. Evaluarla exige reconocer la calidad del conocimiento que aporta y la capacidad científica que permite desarrollar.
Pensemos en una universidad que colabora con un municipio para mejorar la distribución de los servicios públicos. Un análisis apoyado por IA podría identificar sectores que reciben una atención insuficiente. Correspondería al equipo contrastar esa información con las condiciones del territorio y con la experiencia de sus habitantes. El problema podría, además, incorporarse a la formación de los estudiantes, quienes tendrían la oportunidad de discutir las decisiones del análisis y seguir sus efectos. En una experiencia de esta naturaleza, la investigación y la docencia podrían enriquecerse a partir de una necesidad social concreta.
El aporte de la educación superior puede tomar formas distintas. Un centro de formación técnica desarrolla su contribución desde un proyecto diferente al de una universidad dedicada intensamente a la investigación. En ambos casos, la calidad exige coherencia entre la misión asumida y los resultados alcanzados. Respetar esa diversidad permite reconocer los avances de cada institución y exigirle un desempeño consistente con las responsabilidades que ha adquirido.
Para sostener estos esfuerzos se requieren capacidades académicas y decisiones de gestión. Un profesor que transforma sus asignaturas necesita tiempo para diseñar las actividades y examinar lo que sus estudiantes están aprendiendo. Un equipo que trabaja con una organización local requiere continuidad para acompañar la aplicación de sus resultados. Así, el presupuesto destinado a la IA debe contemplar la formación y la dedicación de las personas que harán posible su aprovechamiento. Las autoridades tienen que resolver cómo respaldarán ese trabajo durante los años siguientes.
La equidad también se juega en esas decisiones. Cuando una carrera incorpora herramientas de IA, corresponde asegurar el acceso de sus estudiantes y ofrecerles el acompañamiento que necesitan. La evaluación de los resultados debe considerar sus diferentes condiciones de ingreso. Un promedio favorable puede reunir experiencias muy distintas, cuya comprensión permitirá ajustar los apoyos y ampliar las oportunidades de aprendizaje.
En Chile, el aseguramiento interno de la calidad tiene un alcance que comprende el conjunto de las funciones universitarias. Ese marco ofrece una base para incorporar el examen de las transformaciones asociadas a la IA. La información recogida en las carreras puede ayudar a revisar las políticas docentes, mientras que las experiencias de investigación y vinculación aportan antecedentes para ajustar las prioridades institucionales. Las autoridades debieran poder mostrar qué decisiones modificaron a partir de esas evidencias y qué efectos tuvieron los cambios.
AEQUALIS puede contribuir a este aprendizaje compartido mediante un diálogo entre instituciones que examine los resultados de sus iniciativas y las condiciones que permitieron alcanzarlos. Conocer las dificultades de implementación sería especialmente útil para orientar las decisiones de quienes cuentan con menos recursos. La colaboración entre instituciones ofrece, además, una oportunidad para desarrollar capacidades que cada una tendría mayores dificultades para sostener por separado.
La calidad de la educación superior en la era de la inteligencia artificial compromete, por tanto, la capacidad de las instituciones para aprender de su propio quehacer. Ese aprendizaje exige una comunidad académica que discuta sus resultados y una dirección dispuesta a actuar sobre lo que esa discusión revela. La tarea adquiere sentido cuando se traduce en una formación más profunda y en conocimientos que contribuyen al desarrollo de las personas y de sus territorios.
en la era de la inteligencia artificial