El reciente auge de la inteligencia artificial (IA), impulsado especialmente por la aparición y rápida popularización de herramientas de IA generativa, transformó en muy poco tiempo la manera en que millones de personas acceden, producen y procesan información. La educación no permaneció al margen de este fenómeno; por el contrario, estas herramientas se incorporaron rápidamente a las prácticas de estudiantes, profesores e investigadores en todo el mundo, muchas veces de manera espontánea y antes de que las instituciones alcanzaran a definir criterios claros para orientar su utilización. La IA llegó así a las universidades antes que muchas de las políticas destinadas a regular y orientar responsablemente su uso. Cuando las instituciones comenzaron a discutir formalmente sus implicaciones, estudiantes, profesores, investigadores y equipos administrativos ya utilizaban herramientas para generar contenidos, analizar información, automatizar tareas y apoyar procesos de decisión. Se produjo, de esta manera, un desfase entre la velocidad de adopción de la tecnología y la capacidad institucional para comprender sus implicaciones y establecer marcos adecuados para su uso. Esta velocidad de adopción, advertida también por organismos como la UNESCO, hizo que las instituciones se dieran a la tarea de construir orientaciones sobre una tecnología cuyas capacidades y formas de uso continúan cambiando mientras esas mismas orientaciones se formulan. En este escenario de adopción acelerada, oportunidades emergentes y necesidad de establecer criterios institucionales comenzó la construcción de los lineamientos de IA de la Institución Universitaria Pascual Bravo.
Al comenzar este proceso, una de las preguntas parecía relativamente sencilla: ¿qué debería permitir o restringir la institución frente al uso de la IA? Sin embargo, la revisión de referentes nacionales e internacionales nos mostró que esta pregunta era insuficiente. Los marcos implementados por universidades, organismos internacionales y entidades públicas coincidían en preocupaciones relacionadas con la transparencia, la privacidad, la seguridad, la integridad académica, la equidad, la responsabilidad y la supervisión humana, pero también reconocían las oportunidades que estas tecnologías podían ofrecer para la enseñanza, el aprendizaje, la investigación y la gestión institucional (UNESCO, 2023). En el ámbito educativo, esta discusión comenzó precisamente a desplazarse desde posiciones centradas en incorporar o prohibir estas herramientas hacia aproximaciones para integrar su uso con los propósitos formativos, la integridad académica y el desarrollo de nuevas capacidades (Perkins et al., 2024). La discusión no podía reducirse, por tanto, a establecer límites, debíamos encontrar un equilibrio entre el aprovechamiento de las posibilidades de la IA y la gestión responsable de sus riesgos. La revisión permitió advertir, además, que buena parte de las primeras respuestas universitarias se había concentrado en el aula y en el uso de IA generativa por parte de los estudiantes, con especial atención a sus implicaciones para la integridad académica, la autoría y la evaluación (Cotton et al., 2023; Sullivan et al., 2023). Aunque estas preocupaciones continúan siendo fundamentales, el alcance institucional de la IA es considerablemente mayor, pues sus aplicaciones se pueden extender a la investigación, la extensión, el bienestar, las comunicaciones, la planeación, la gestión documental, la atención a la ciudadanía, la infraestructura y el análisis de información, entre otros procesos.
Esta ampliación de la mirada terminó por transformar el propósito de la política con el fin establecer criterios para orientar la incorporación responsable de una capacidad tecnológica con potencial para atravesar y transformar múltiples procesos institucionales. Este cambio también modificó la manera de aproximarnos a los referentes externos, dado que se convirtieron en marcos que debíamos interpretar desde la realidad institucional, pues la aplicación de principios como responsabilidad, transparencia, privacidad y supervisión humana depende de los propósitos, actores y contextos de cada institución (UNESCO, 2023; Universidad de los Andes, 2023; Universidad del Rosario, 2025). En el Pascual Bravo, esto significó trasladar la discusión hacia los procesos e identificar en ellos oportunidades, riesgos y condiciones de uso. Los lineamientos debían responder, en consecuencia, a la institución que pretendía orientar y no solamente a la tecnología que buscaba regular.
El tránsito de los principios a los procesos permitió reconocer entonces que no todos los usos de IA tienen las mismas implicaciones. Explorar alternativas de redacción no tiene las mismas consecuencias que procesar información personal o apoyar una decisión que pueda afectar a una persona. Los enfoques contemporáneos de gobernanza de IA parten precisamente de esta diferenciación y establecen medidas proporcionales a los posibles impactos de cada aplicación (NIST, 2023; European Parliament & Council of the European Union, 2024). La pregunta pasó de ser si era posible utilizar IA para incorporar otras más relevantes, por ejemplo: ¿para qué se utilizará?, ¿qué información requiere?, ¿qué podría ocurrir si falla?,¿qué supervisión necesita y quién conserva la responsabilidad? Desde esta perspectiva, pudimos diferenciar los usos según sus posibles implicaciones y establecer niveles proporcionales de supervisión y control. La experimentación se podía promover en escenarios de menor riesgo, mientras que aquellos relacionados con información sensible, derechos de las personas o decisiones de mayor impacto requerían condiciones más estrictas (NIST, 2023; European Parliament & Council of the European Union, 2024). Este ejercicio produjo, además, un resultado menos evidente: analizar dónde y cómo incorporar la IA exigió volver a mirar cómo funciona la propia institución. El recorrido por los procesos permitió identificar actividades susceptibles de transformación, información que requiere especial protección, decisiones que deben conservar supervisión humana y tareas en las que la automatización podría liberar tiempo para actividades de mayor valor. La construcción de este documento se convirtió así en un ejercicio de autodiagnóstico institucional: preguntarse qué podía hacer la IA para también revisar cómo se hacían las cosas y cuáles de ellas se podían hacer de manera diferente.
Con esta mirada sobre los procesos pudimos comprender, al tiempo, que la madurez institucional frente a la IA depende por supuesto de las herramientas adoptadas, y también de la capacidad para utilizarlas con criterio. Esto implica reconocer cuándo la IA aporta valor, cómo se deben validar los resultados, qué controles requiere y qué decisiones deben permanecer bajo responsabilidad humana, capacidades que ocupan un lugar creciente en los marcos de alfabetización y gobernanza de IA (UNESCO, 2024; NIST, 2023). Desde esta perspectiva, nos movimos hacia un propósito adicional al normativo y también cultural: establecer un lenguaje común para orientar decisiones sobre IA entre los diferentes actores institucionales y adquirir una dimensión cultural. Conceptos como riesgo, transparencia, validación, supervisión humana y responsabilidad se llevaron a la discusión sobre situaciones y procesos institucionales concretos. Una normativa puede establecer principios y condiciones de uso; sin embargo, su verdadero alcance depende de las prácticas, las conversaciones y las decisiones institucionales que logre transformar.
Precisamente por ese carácter transformador, los lineamientos también deben reconocer sus propios límites, puesto que ninguna política de IA se puede considerar definitiva. Las herramientas, las capacidades y los riesgos asociados continuarán evolucionando, por lo que estos marcos requieren mecanismos de seguimiento, evaluación y actualización periódica. Para el Pascual Bravo, esto significa que la aprobación de los lineamientos es el comienzo de una etapa de apropiación, formación, experimentación responsable y evaluación de sus impactos, orientada hacia la construcción de una universidad capaz de integrar la IA de manera crítica y responsable. Al analizar retrospectivamente esta construcción, uno de los principales aprendizajes es que establecer una normativa de IA obliga a discutir mucho más que el uso de la tecnología y nos lleva reflexionanar sobre educación, investigación, datos, procesos, autonomía y responsabilidad, pero también sobre los límites de la automatización y las decisiones que deben permanecer bajo supervisión humana.
La experiencia del Pascual Bravo apenas comienza y será su implementación la que permita evaluar el alcance de las decisiones adoptadas y reconocer los ajustes necesarios. Sin embargo, el proceso deja una primera conclusión: los lineamientos de IA quizá nunca estén completamente terminados, ni deberíamos aspirar a que lo estén. El valor reside en fortalecer la capacidad institucional para decidir responsablemente entre las posibilidades que se abren entre ambos extremos. Supone aprender de su aplicación, revisar sus decisiones y adaptar sus formas de gobernanza mientras la tecnología continúa cambiando. Estos lineamientos constituyen, pues, una infraestructura para continuar aprendiendo y gobernando la IA como institución.
Rubén Fonnegra
Docente, líder Grupo de Investigación en Ciencia de Datos e Inteligencia Artificial Aplicada (CIDIA)
Referencias
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating: Ensuring academic integrity in the era of ChatGPT. Innovations in Education and Teaching International, 61(2), 228–239. https://doi.org/10.1080/14703297.2023.2190148
European Parliament & Council of the European Union. (2024). Regulation (EU) 2024/1689 of the European Parliament and of the Council of 13 June 2024 laying down harmonised rules on artificial intelligence (Artificial Intelligence Act). Official Journal of the European Union, L, 2024/1689.
National Institute of Standards and Technology. (2023). Artificial intelligence risk management framework (AI RMF 1.0) (NIST AI 100-1). U.S. Department of Commerce. https://doi.org/10.6028/NIST.AI.100-1
Perkins, M., Furze, L., Roe, J., & MacVaugh, J. (2024). The Artificial Intelligence Assessment Scale (AIAS): A framework for ethical integration of generative AI in educational assessment. Journal of University Teaching & Learning Practice, 21(06). https://doi.org/10.53761/q3azde36
Sullivan, M., Kelly, A., & McLaughlan, P. (2023). ChatGPT in higher education: Considerations for academic integrity and student learning. Journal of Applied Learning & Teaching, 6(1), 31–40. https://doi.org/10.37074/jalt.2023.6.1.17
UNESCO. (2023). Guidance for generative AI in education and research. United Nations Educational, Scientific and Cultural Organization.
UNESCO. (2024). AI competency framework for students. UNESCO.
Universidad de los Andes. (2023). Lineamientos para el uso de inteligencia artificial generativa en la Universidad de los Andes. https://secretariageneral.uniandes.edu.co/images/documents/lineamientos-uso-inteligencia-artificial-generativa-IAG-uniandes.pdf
Universidad del Rosario. (2025). Orientaciones para el uso de inteligencia artificial en la Universidad del Rosario. Vicerrectoría Académica. https://drive.google.com/file/d/1acf_ghJWCL3NKQWPheiIg8RgxfYejSMa/view
