Español (pdf)
Articulo en XML
Referencias del artículo
Traducción automática
Enviar articulo por email
Citado por SciELO 
Similares en
SciELO 
Permalink
Introducción
La inteligencia artificial (IA) se ha consolidado como uno de los principales motores de la transformación digital en la educación superior, redefiniendo las prácticas pedagógicas, los entornos virtuales y el rol de los distintos actores educativos. En las últimas décadas, el uso de sistemas inteligentes en contextos universitarios ha trascendido el ámbito experimental para convertirse en una herramienta estratégica en los procesos de enseñanza-aprendizaje, investigación y gestión institucional. Su implementación ha propiciado nuevas dinámicas de interacción, facilitando una mayor personalización del aprendizaje, el diseño de recursos adaptativos y la automatización de tareas que tradicionalmente dependían del juicio humano.
En el caso particular de la educación superior en América Latina, la integración de la IA presenta un escenario complejo y ambivalente, donde las oportunidades de innovación conviven con desafíos estructurales y éticos. Entre los avances más destacados se encuentran el uso de tutores virtuales, sistemas de evaluación automatizada, asistentes conversacionales, algoritmos de recomendación académica y plataformas de retroalimentación inteligente. Estas aplicaciones han demostrado un notable potencial para aumentar la retención estudiantil, mejorar la eficiencia docente y optimizar la experiencia de aprendizaje. Sin embargo, persisten obstáculos significativos, como la brecha tecnológica, la resistencia institucional, la falta de normativas claras y la insuficiente formación docente en entornos algorítmicos, que limitan una adopción plena y equitativa.
Frente a este panorama, la educación superior se ve impulsada a replantear no solo su currículo, sino también su arquitectura digital y su sentido pedagógico. Este fenómeno va más allá de la mera incorporación de herramientas tecnológicas, implicando una profunda transformación epistemológica y organizacional. Las universidades latinoamericanas deben responder a la urgente necesidad de formar profesionales con competencias en inteligencia artificial, pensamiento crítico digital y ética tecnológica, mientras redefinen el papel del profesorado en el acompañamiento de procesos formativos mediados por algoritmos. La aparición de nuevas modalidades de evaluación, el fomento del trabajo autónomo potenciado por la IA y la generación automatizada de contenidos evidencian una reconfiguración del acto educativo que demanda una atención crítica y regulatoria.
Tomando en cuenta lo planteado, el presente estudio tiene como objetivo comprender las dimensiones clave del impacto de la IA en la educación superior, abordando aspectos fundamentales como la innovación pedagógica, la gestión curricular, la ética educativa, la formación docente y la sostenibilidad institucional. La diversidad de enfoques metodológicos y perspectivas disciplinares analizadas ofrece un panorama amplio y actualizado sobre cómo la inteligencia artificial está transformando la universidad contemporánea en sus múltiples niveles.
En definitiva, esta investigación busca responder a la pregunta central: ¿Cuáles son los principales desafíos y oportunidades que plantea la implementación de la inteligencia artificial en las instituciones de educación superior de América Latina? A partir del análisis cualitativo de los hallazgos de investigaciones recientes, se pretende generar conocimiento relevante que contribuya a la toma de decisiones en políticas educativas, desarrollo docente y estrategias institucionales, promoviendo así una educación superior más inclusiva, ética, innovadora y alineada con los retos del siglo XXI.
Metodología
Esta investigación adoptó un diseño cualitativo basado en una revisión sistemática de la literatura, con el propósito de identificar, analizar y sintetizar los aportes más relevantes relacionados con los desafíos y oportunidades que plantea la IA en la educación superior universitaria en el contexto latinoamericano. Para ello, el enfoque metodológico se sustentó en los lineamientos PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), asegurando así la transparencia, trazabilidad y rigor en el proceso de búsqueda y selección de la evidencia.
En primer lugar, la estrategia de búsqueda se inició en junio de 2024, empleando combinaciones de los términos clave “inteligencia artificial” y “educación superior universitaria”, mientras se excluyeron de manera explícita términos no pertinentes como “plataformas virtuales”, con el fin de delimitar con precisión el alcance temático. Las consultas se realizaron en siete bases de datos científicas especializadas y multidisciplinarias: Scopus, Web of Science, Dialnet, Redalyc, Google Académico, Latindex y DOAJ. Además, se aplicaron filtros automáticos y manuales para acotar los estudios publicados entre los años 2020 y 2024.
El universo inicial estuvo conformado por 115 documentos, de los cuales se eliminaron 26 por duplicidad y 4 por no cumplir con los criterios de pertinencia, quedando así 85 artículos para una evaluación exhaustiva. Posteriormente, tras un análisis detallado de contenido y pertinencia temática, se descartaron 45 trabajos debido a redundancia, superficialidad o escasa vinculación con el objetivo del estudio, seleccionándose finalmente 40 artículos para un análisis cualitativo profundo.
En cuanto a los criterios de inclusión, se consideraron: (a) artículos de acceso abierto; (b) publicados entre 2020 y 2024; (c) que abordaran explícitamente el uso o impacto de la IA en instituciones de educación superior; (d) provenientes de autores o contextos vinculados a América Latina; y (e) que presentaran evidencia empírica o reflexiva suficientemente desarrollada. Por el contrario, se excluyeron aquellos trabajos que: (a) carecieran de aplicación directa en educación superior; (b) se centraran exclusivamente en tecnologías complementarias o plataformas virtuales sin relación directa con la IA; o (c) correspondieran a editoriales, reseñas o notas breves sin sustento metodológico.
El análisis de los datos se realizó de manera cualitativa y temática, con el objetivo de identificar categorías recurrentes y patrones interpretativos en torno a cuatro dimensiones fundamentales: progreso tecnológico e innovación, transformación pedagógica, ética y evaluación, y sostenibilidad educativa. Para ello, se elaboró una matriz de codificación basada en los hallazgos clave de cada estudio, sistematizados en una tabla comparativa. La información fue descrita, interpretada y contrastada sin recurrir a procedimientos estadísticos, dado que muchas de las variables analizadas no son cuantificables, priorizando así la profundidad interpretativa y la riqueza contextual.
En definitiva, esta revisión sistemática ofrece un mapeo riguroso y actualizado de la producción científica reciente sobre inteligencia artificial en la educación superior latinoamericana, lo que permite no solo sistematizar evidencias relevantes, sino también establecer bases sólidas para la reflexión crítica y la formulación de futuras líneas de investigación y políticas institucionales.
Resultados
A partir del análisis exhaustivo de 40 estudios científicos centrados en la inteligencia artificial aplicada a la educación superior, se elaboró una tabla comparativa que sintetiza los principales hallazgos, organizados de manera cronológica y agrupados según autor y país. Esta sistematización facilita la identificación de las tendencias más significativas, así como de las áreas de oportunidad, las preocupaciones emergentes y las transformaciones institucionales vinculadas al uso de la IA en los entornos universitarios.
Tabla 1 Análisis comparativo de estudios sobre inteligencia artificial en la educación superior: autores, países y hallazgos relevantes (2018-2024)
| Autor (Año) | País | Hallazgos relevantes con la IA |
|---|---|---|
| Barcia Cedeño et al. (2024) | Ecuador | Exploran las tendencias y el potencial transformador de la IA en la educación. |
| Chávez Granizo et al. (2024) | Ecuador | Analizan oportunidades y amenazas de la IA en la educación superior. |
| Delgado et al. (2024) | España | Analiza beneficios y limitaciones percibidas por docentes sobre la IA. |
| Lara-Colón et al. (2024) | Puerto Rico | Impacto de los modelos de lenguaje generativo en la educación superior. |
| Mendez et al. (2024) | Colombia | Critican el mal uso de la IA en el trabajo autónomo estudiantil. |
| Gavilanes et al. (2024) | Alemania | Evalúan los efectos e implicaciones de la IA en la educación superior. |
| Méndez-Mantuano et al. (2024) | Ecuador | Analizan las implicaciones de la IA en la evaluación académica. |
| Ordoñez García et al. (2024) | Ecuador | Estudian la formación docente para aplicar la IA en la enseñanza. |
| Suarez Gomez (2024) | Colombia | Visión prospectiva de la IA en las universidades del futuro. |
| Chan (2023) | EE.UU. | Propuesta de marco de políticas educativas sobre IA en las universidades. |
| Vera (2023) | Ecuador | Reflexión sobre desafíos y oportunidades de la IA educativa. |
| Chávez Solís et al. (2023) | México | Presentan nuevas herramientas educativas con IA generativa. |
| Del Pilar Gibert Delgado et al. (2023) | Colombia | Destacan la necesidad de innovar en métodos educativos con IA. |
| Diez Cuan (2023) | Ecuador | Examina casos exitosos del metaverso y la IA en universidades. |
| Gallent Torres et al. (2023) | España | Exploran la integridad académica ante la IA generativa. |
| Jimbo-Santana et al. (2023) | Ecuador | Uso de la IA para el análisis del rendimiento académico. |
| Jofre (2023) | Chile | Analiza las tensiones y desafíos del uso de ChatGPT en universidades. |
| López López et al. (2023) | México | Abordan la ciberseguridad en sistemas educativos con IA. |
| Lozano Carrillo & Pérez Rodríguez (2023) | México | Reflexionan sobre la IA y la educación semipresencial. |
| Macias Lara et al. (2023) | Perú | Analizan el presente y el futuro de la IA en las universidades. |
| Salmerón Moreira et al. (2023) | Cuba | Reflexionan sobre el futuro de la IA en la educación. |
| Mora Naranjo et al. (2023) | Costa Rica | Abordan la ética y la responsabilidad en el uso educativo de la IA. |
| Núñez-Michuy et al. (2023) | Ecuador | Proponen la integración de la IA para el desarrollo sostenible educativo. |
| Zavala Cárdenas et al. (2023) | Ecuador | Estudian el papel de la IA en la enseñanza universitaria. |
| Rosales Fernández et al. (2023) | Colombia | Proponen estrategias de lectura y ciudadanía con IA. |
| Sabzalieva & Valentini (2023) | UNESCO - internacional | Guía introductoria al uso de ChatGPT en el ámbito educativo. |
| Saltos et al. (2023) | Ecuador | Análisis bibliométrico sobre IA, neurociencia y robótica. |
| Sánchez Osorio (2023) | Colombia | Estudio bibliométrico sobre IA en educación superior. |
| Toro-Espinoza et al. (2023) | Ecuador | Aplicación práctica de IA en el aprendizaje universitario. |
| Torres Vargas (2023) | Perú | Propone estrategias para maximizar los beneficios de la IA. |
| Zamora Varela & Mendoza Encinas (2023) | México | Discuten los horizontes pedagógicos ante la IA. |
| Albuja Sánchez & Guadalupe Almeida (2022) | Ecuador | Identifican áreas clave de aplicación de la IA en universidades ecuatorianas. |
| Jalón et al. (2022) | Ecuador | Exploran la IA en la creación de recursos didácticos innovadores. |
| Parra-Sánchez (2022) | Colombia | Explora la personalización del aprendizaje mediante IA. |
| Rincón Macías (2022) | México | Analiza la IA como aliada o amenaza en la evaluación. |
| Cervantes Hidalgo (2021) | México | Evalúa el impacto de la IA en los procesos de enseñanza-aprendizaje. |
| Cotrina-Aliaga et al. (2021) | Perú | Optimización de procesos educativos mediante la IA. |
| Fainholc (2021) | Argentina | Análisis epistemológico de la tecnología educativa e IA. |
| García Villarroel (2021) | Bolivia | Estudia el uso de la IA en aulas virtuales universitarias. |
| Cachón Rodríguez et al. (2019) | España | Aplicación de la IA para predecir la lealtad universitaria. |
| Zapata-Ros (2018) | España | Plantea la transición hacia sistemas inteligentes en las universidades. |
Los resultados expuestos en la Tabla 1 reflejan tanto la diversidad geográfica como la variedad temática de las investigaciones, al tiempo que revelan una orientación compartida hacia la innovación pedagógica, la ética digital y la sostenibilidad educativa.
Progreso e innovación tecnológica
La primera dimensión identificada está relacionada con el avance tecnológico que la inteligencia artificial ha introducido en la educación superior, marcando una ruptura significativa con los modelos tradicionales de enseñanza. Autores como Vera (2023), Zamora (2023), Lara-Colón et al. (2024) y Chávez Solís et al. (2023) destacan que las tecnologías basadas en IA, especialmente las de tipo generativo, han revolucionado los entornos educativos mediante nuevas herramientas interactivas, la automatización de tareas académicas y la generación de contenidos en tiempo real. Estas innovaciones no solo transforman los procesos pedagógicos, sino que también instauran un nuevo paradigma en la creación del conocimiento, dinamizando la interacción entre estudiantes, docentes y plataformas virtuales.
Dinámicas pedagógicas y adaptación docente
Otra dimensión relevante se refiere a la transformación de las dinámicas pedagógicas impulsada por el uso de la IA. Diversos estudios (Torres, 2023; Cotrina-Aliaga et al., 2021; Jofre, 2023; Parra-Sánchez, 2022) evidencian cómo las estrategias de enseñanza evolucionan hacia modelos más personalizados, automatizados y centrados en el estudiante. La incorporación de la IA en plataformas de gestión del aprendizaje, tutores virtuales y recursos de retroalimentación inmediata han reconfigurado el rol del profesorado, demandando nuevas competencias digitales y ajustes curriculares que respondan a los retos éticos, técnicos y metodológicos que esta tecnología plantea.
Evaluación, ética y calidad educativa
En tercer lugar, se destaca la tensión existente entre el uso creciente de la inteligencia artificial y los principios de ética, integridad académica y calidad educativa. Investigaciones como las de Gallent (2023), Méndez-Mantuano et al. (2024), Mora et al. (2023) y López et al. (2023) abordan el impacto de la IA en los procesos de evaluación, la protección de datos, el plagio automatizado y la transparencia de los algoritmos. En este sentido, la IA representa no solo una oportunidad para mejorar la eficiencia evaluativa, sino también un riesgo si no se establecen marcos normativos claros que garanticen el respeto a los derechos académicos y la privacidad. La percepción docente sobre estas amenazas es un tema recurrente, como evidencian Delgado et al. (2024) y Chan (2023).
Inclusión, sostenibilidad y proyección futura
Por último, los estudios de Núñez-Michuy et al. (2023), Suarez (2024), Albuja Sánchez & Guadalupe (2022), y Rosales et al. (2023) subrayan una visión más estructural de la IA, vinculada a su papel en la promoción de la sostenibilidad, la inclusión educativa y la ciudadanía digital. Las universidades que han integrado la IA como parte de su estrategia institucional muestran mejores indicadores en participación estudiantil, accesibilidad y reducción de brechas digitales. Asimismo, la dimensión prospectiva cobra relevancia en autores como Saltos et al. (2023) y Jimbo-Santana et al. (2023), quienes anticipan escenarios en los que la IA será fundamental para la toma de decisiones basadas en datos y para el rediseño de políticas educativas alineadas con los Objetivos de Desarrollo Sostenible (ODS).
Discusión
La inteligencia artificial, incluyendo herramientas como ChatGPT, está transformando profundamente la educación, presentando tanto oportunidades como desafíos. En este sentido, Jofre (2023) resalta el potencial revolucionario de estas tecnologías en los entornos educativos, mientras que Barcia Cedeño et al. (2024) subrayan la importancia de fomentar la colaboración entre educadores, investigadores y legisladores para maximizar su impacto positivo.
Los resultados muestran una convergencia entre autores como Vera (2023), Chávez Solís et al. (2023), Lara-Colón et al. (2024) y Jalón et al. (2022), quienes coinciden en que la IA ha abierto nuevas posibilidades para innovar en las aulas universitarias. Esta transformación no solo se refleja en el uso de algoritmos adaptativos o generativos, sino también en el rediseño de los entornos virtuales y físicos. En este contexto, herramientas como el metaverso (Diez Cuan, 2023) y la IA generativa facilitan una interacción más fluida y creativa. No obstante, esta visión optimista se contrapone a las posturas críticas de autores como Méndez et al. (2024) y Rincón (2022), quienes advierten sobre el uso inadecuado de estas tecnologías, especialmente en el desarrollo de trabajos autónomos y en los procesos evaluativos.
Además, se observa una preocupación constante respecto al vacío normativo que rodea el uso de la IA en contextos educativos. Investigaciones de Gallent (2023), Mora et al. (2023), López et al. (2023) y Chan (2023) coinciden en que el desarrollo de políticas éticas, marcos regulatorios y protocolos institucionales sigue siendo insuficiente. Esta carencia puede generar riesgos como la desinformación, el sesgo algorítmico y la vulneración del derecho a la privacidad. En este sentido, Chávez Granizo et al. (2024) y Sabzalieva & Valentini (2023) proponen una gobernanza algorítmica educativa desde una perspectiva multiactoral que integre las voces de estudiantes, docentes y responsables políticos.
Por otra parte, autores como Cotrina-Aliaga et al. (2021), Ordoñez García et al. (2024), Fainholc (2021) y Del Pilar Gibert Delgado et al. (2023) coinciden en que la IA demanda una reconfiguración profunda del rol del profesorado. La formación docente debe trascender lo técnico para abordar también las implicaciones filosóficas, pedagógicas y sociales que implica el uso de algoritmos en la enseñanza. En esta línea, García Villarroel (2021) y Macías Lara et al. (2023) argumentan que la resistencia o la baja apropiación de la IA por parte del cuerpo docente limita su potencial transformador, mientras que experiencias como la de Saltos et al. (2023) demuestran que una capacitación sistemática favorece un uso más consciente y ético de estas tecnologías.
Finalmente, la IA se proyecta también como un recurso estratégico para la sostenibilidad educativa, la personalización del aprendizaje y la formación de una ciudadanía crítica. Los aportes de autores como Rosales et al. (2023), Núñez-Michuy et al. (2023), Suarez (2024) y Sánchez Osorio (2023) refuerzan esta idea, señalando que el desarrollo de competencias digitales críticas debe ir acompañado de una alfabetización algorítmica. En la misma línea, Zamora (2023), Lozano Carrillo & Pérez Rodríguez (2023), y Zavala Cárdenas et al. (2023) sostienen que es fundamental preparar a los estudiantes para interactuar con sistemas inteligentes, no solo desde el uso práctico, sino también desde la comprensión ética, legal y social de su funcionamiento.
Conclusiones
La inteligencia artificial está transformando la educación superior al posibilitar experiencias de aprendizaje más personalizadas; sin embargo, también plantea desafíos que deben ser abordados tanto por educadores como por estudiantes. Diversos estudios destacan la importancia de enfrentar los retos relacionados con la alfabetización digital y la correcta implementación de estas tecnologías para aprovechar al máximo sus beneficios. Asimismo, resulta fundamental fomentar la colaboración entre los distintos actores del ámbito educativo, con el fin de promover una educación inclusiva y de calidad. En este sentido, es necesario diseñar estrategias que integren la IA en los procesos educativos, considerando las inquietudes de los docentes y el impacto que esta tiene en el rol de los tutores virtuales.
Por otra parte, la IA puede enriquecer el aprendizaje y estimular la innovación a través de recursos variados, como textos, imágenes y audios. Además, contribuye a mejorar la personalización del aprendizaje y la gestión educativa, influyendo en áreas emergentes como la realidad virtual, la realidad aumentada y la robótica. No obstante, es fundamental mantener una conciencia crítica sobre los desafíos tecnológicos y pedagógicos que implica su uso, así como evaluar de manera constante su impacto en la educación superior.
