Spanish (pdf)
Article in xml format
Article references
Automatic translation
Send this article by e-mail
Cited by SciELO 
Similars in
SciELO 
Permalink
INTRODUCCIÓN
La inteligencia artificial (IA), más allá de verse como una tecnología emergente, en la actualidad es considerada como un componente estructural imprescindible de la vida contemporánea. Esto se justifica por la dependencia que ha desarrollado el ser humano de las facilidades que, tanto en la vida social como empresarial, ofrece; dígase: capacidad para procesar grandes volúmenes de información, identificar patrones complejos y de generar contenidos en un sinnúmero de formatos. Estas facilidades la posicionan en el centro de la transformación digital a nivel global (Uriarte et al., 2026).
A nivel internacional se han desarrollado varios marcos de referencia orientados a garantizar un uso responsable de la IA, incluida la educación superior. Según PNUD (2025), entre el 2015 y 2025 proliferaron más de 1000 iniciativas regulatorias en IA en alrededor de 70 países, aunque con marcada descoordinación internacional. La Unión Europea destaca como la región con un mayor número de despliegues, mientras que América Latina y el Caribe resalta por la falta de marcos normativos sólidos. La UNESCO ha sido el organismo con mayor presencia en la elaboración de documentos regulatorios referentes al uso ético, responsable y humano de la IA, entre ellos el primer instrumento normativo a nivel mundial sobre la ética de la IA (UNESCO, 2021b). Ha llamado la atención sobre la necesidad de tener en cuenta los principios de equidad, dignidad humana, sostenibilidad y diversidad humana (UNESCO, 2023). Además, ha formulado una guía para el uso de la IA generativa (IAGen), destacando la necesidad de que las instituciones educativas validen la idoneidad ética y pedagógica de los sistemas de IAGen (UNESCO, 2024b), así como marcos de competencias para estudiantes y docentes (UNESCO, 2025a y 2025b).
La gobernanza digital y la responsabilidad algorítmica también han sido abordadas en lineamientos emitidos por la Organización para la Cooperación y el Desarrollo Económicos (OECD, por sus siglas en inglés) (OECD, 2019). Mientras que la Unión Europea ha emitido un reglamento de IA (RIA) que establece un marco común basado en el riesgo e impone un amplio conjunto de obligaciones a todos los agentes de la cadena de valor de la IA, desde los proveedores hasta los implantadores (Cuatrecasas, 2024). Este modelo europeo constituye un referente para otras regiones que aún no han emitido marcos normativos sólidos (Presno Linera & Meuwese, 2024).
En América Latina y el Caribe, la situación es heterogénea. Mediante la hoja de ruta de política de IA del Caribe (UNESCO 2021a y 2024a) se presenta un marco regulatorio basado en cuatro pilares (cultura y creatividad, gobernanza y transformación, educación y formación de competencias, resiliencia y sostenibilidad) para el desarrollo de políticas de colaboración regional, mientras que la Guía Práctica de la CAF (2024) propone un enfoque estratégico y responsable para la adopción de la IA, adaptando las estructuras gubernamentales a su contexto y formulando e implementando políticas públicas orientadas al desarrollo sostenible y la inclusión social en la región.
En contraste, la CEPAL (2024) evidencia la existencia de brechas significativas relacionadas con la institucionalidad, el talento y su formación, la regulación y la infraestructura en los países caribeños. Aunque destaca la adopción de estrategias de IA en algunos de los países de Latinoamérica y el Caribe (Brasil, Argentina, Perú, Chile, México, República Dominicana y Uruguay), no deja de señalar la carencia de marcos normativos específicos y sostenibles como una limitación que debe ser superada mediante la adaptación de normativas internacionales a las particularidades regionales y locales, y el fortalecimiento de la institucionalidad.
Diversos sectores de la sociedad (salud, cultura, manufactura, gestión pública, seguridad) emplean la IA como una vía para optimizar procesos industriales, facilitar la toma de decisiones complejas, prevenir riesgos y mejorar el desempeño. En el entorno educativo, especialmente en la educación superior, resulta necesaria por el impacto que implica. En la “Declaración de Cartagena de Indias para la gobernanza, la construcción de ecosistemas de inteligencia artificial y el fomento de la educación en IA de manera ética y responsable en América Latina y el Caribe” (Cumbre Ministerial Latinoamericana y del Caribe, 2024) se hace un llamado, entre otras cuestiones, a fomentarán la educación, la formación y la capacitación en temas digitales, así como el intercambio de buenas prácticas respecto al uso de la IA en el sistema educativo.
Desde el punto de vista del personal docente, la IA suele utilizarse para personalizar el proceso de enseñanza-aprendizaje, para la creación y desarrollo de contenidos académicos, la orientación y concreción de la investigación científica, y la gestión institucional por parte del personal directivo (Sarun et al., 2026). La IA generativa ha aportado grandes beneficios a estudiantes y docentes, garantizando facilidades en el proceso de interacción con el conocimiento y abriendo oportunidades relacionadas con la innovación pedagógica; aun así, a criterio de UNESCO (2024b) y Vélez Rivera et al. (2024), también genera un grupo de desafíos concernientes a la integridad académica, la transparencia y la equidad.
La UNESCO (2024b) ha llamado la atención sobre el cuidado que deben tener las entidades de educación superior al implementar la IA en sus procesos de enseñanza-aprendizaje, destacando que esto debe desarrollarse de manera responsable y que es preciso garantizar la igualdad de género y la inclusión. En este sentido, se ha orientado el uso de la IA hacia el logro de mejoras en el desempeño de los estudiantes, evidenciadas en el desarrollo de un pensamiento crítico, un razonamiento basado en la ética y una mayor creatividad (Sarun et al., 2026; Comas Rodriguez, 2025).
En los centros de educación superior, la IA ha impactado tanto en la pedagogía como en la investigación académica y la gestión institucional. Desde el punto de vista de la gestión institucional, la IA ha facilitado las tareas relacionadas con la previsión de riesgos de deserción, la optimización de los procesos de selección e inscripción y la toma de decisiones estratégicas mediante el empleo de algoritmos predictivos y sistemas de análisis de datos (George & Sevak, 2026). En el ámbito investigativo, ha tenido un mayor impacto mediante el procesamiento de grandes volúmenes de información. La IA contribuye a optimizar el tiempo, el cual puede ser empleado para una mejor interacción docente-estudiante. Asimismo, ayuda a reforzar el papel del profesor como guía durante la práctica investigativa y apoyo en el proceso de generación de nuevos conocimientos (Sarun et al., 2026). Las instituciones de educación superior se apoyan en estas aplicaciones de la IA para alcanzar sus objetivos encaminados a incrementar su transformación digital en aras de mejorar su eficiencia administrativa y potenciar la innovación académica (CAF, 2024; UNESCO, 2025a).
El empleo de la IA en la educación superior, no obstante, a los amplios beneficios que trae asociada, también plantea un grupo de riesgos éticos y desafíos normativos que, tanto el personal administrativo como los docentes, no pueden ignorar. Vélez Rivera et al. (2024) han identificado, mediante una revisión sistemática de la literatura, varios elementos referentes al adecuado uso de la IA que no deben ser ignorados, dentro de estos se destaca la necesidad de establecer regulaciones y normativas éticas encaminadas a eliminar sesgos y tratos discriminatorios, así como a disminuir la pérdida de confianza institucional.
La educación constituye la máxima prioridad para la UNESCO. Al respecto, como se especificó anteriormente, ha propuesto marcos de referencia para estudiantes y docentes (UNESCO, 2025a y 2025b), los cuales están orientados a desarrollar un uso crítico, ético y humano de la IA, dentro de la nueva dinámica docente-IA-estudiante, a la vez que se promueve la transparencia, la rendición de cuentas y la protección de datos personales. No obstante, a decir de Ruiz González & Bodes Bas (2025), se precisa disponer de políticas, regulaciones y normativas que definan claramente cómo usar la IA de manera que se evite la desigualdad en el acceso a esta tecnología, la vulneración de la privacidad y el deterioro de la moralidad académica.
En Latinoamérica la disponibilidad de normativas que regulen el empleo de la IA en la educación superior se encuentra fragmentada. Resultan insuficientes las dispersas iniciativas que han sido aprobadas en determinadas instituciones, a diferencia de las universidades europeas donde ya se observa un régimen sancionador más robusto y vinculante, y de los organismos internacionales que han venido fomentando la interiorización de principios éticos en el uso de esta tecnología. En consecuencia, la presente investigación tiene como objetivo analizar las normativas sobre el uso de la inteligencia artificial en las universidades de Latinoamérica y el Caribe.
MÉTODO
El estudio estuvo basado en la revisión de literatura académica y documentos oficiales de organismos internacionales mediante un enfoque cualitativo y documental dirigido a profundizar en el estado actual de las políticas, estrategias, normativas, reglamentaciones y vacíos éticos existentes en las instituciones de educación superior de Latinoamérica y el Caribe para regular el uso de la IA en el proceso de enseñanza-aprendizaje. La organización, análisis y síntesis de la documentación se realizó a través de tres fases complementarias.
En la primera fase se realizó la identificación de las fuentes de la base documental a utilizar en el estudio. Se abordaron documentos emitidos por organismos internacionales (Organización de las Naciones Unidas para la Educación, la Ciencia y la Cultura, UNESCO; Organización para la Cooperación y el Desarrollo Económicos, OCDE), regionales (Banco de Desarrollo de América Latina y el Caribe, CAF; Comisión Económica para América Latina y el Caribe, CEPAL; Programa de Naciones Unidas para el Desarrollo, PNUD; Unión Europea, UE) y Consejos, Ministerios e instituciones nacionales. Igualmente, fueron considerados varios artículos científicos que abordaban el uso de la IA en la educación superior, riesgos, percepciones, desafíos éticos, oportunidades y perspectivas.
En la segunda fase se organizaron los documentos identificados por categorías, y se procedió a su análisis siguiendo cuatro ejes fundamentales: utilización general de las herramientas de la IA y su introducción en el proceso docente educativo de la educación superior; la normativa internacional desarrollada para regular el uso de la IA, principios éticos y su orientación o no hacia el entorno educativo; la conceptualización de normativas referentes a la IA en el contexto universitario; y la situación de las iniciativas normativas sobre el uso de la IA en universidades latinoamericanas y caribeñas. Finalmente, la tercera fase estuvo orientada a concretar los resultados del análisis de la documentación procesada mediante síntesis comparativa.
Para garantizar transparencia en el proceso de selección y síntesis de la información y con ello la validez del estudio, en las primeras fases se tuvieron en cuenta criterios de inclusión y exclusión como los considerados en cualquier revisión sistemática de la literatura, según la declaración PRISMA 2020 (Preferred Reporting Items for Systematic Reviews and Meta-Analyses) (Acevedo Carrillo et al., 2026; Vélez-Rivera et al., 2024). Se incluyeron artículos y documentación secundaria publicada entre los años 2019 y 2026, editados en idioma español e inglés, y se excluyeron aquellos que no tuvieran respaldo académico o institucional.
RESULTADOS
En este apartado primeramente se profundiza en la utilización actual de la IA en las instituciones de educación superior latinoamericanas y caribeñas, y luego se aborda lo referente al enfoque normativo existente para regular dicha utilización.
Uso de la inteligencia artificial en la educación superior en América Latina y el Caribe
La IA ha tenido un impacto relevante en el contexto universitario en la región de América Latina y el Caribe desde puntos de vista fundamentales (pedagogía, investigación y gestión institucional). A decir de Acevedo Carrillo et al. (2026) y Laguna Costano (2025), en la actualidad se observa un ambiente donde conviven el entusiasmo, tanto por estudiantes como por el personal docente, por sus potencialidades y la incertidumbre sobre las implicaciones que su uso pueda generar a mediano y largo plazo.
En la literatura especializada sobre el tema se documenta una cantidad considerable de aplicaciones de la IA en la educación superior. Salas Pilco & Yang (2022) han identificado cinco áreas principales de aplicación: modelado predictivo, análisis inteligente de contenidos, tecnologías de asistencia, analítica de clasificación y análisis de imágenes.
Estos autores destacan la aplicación de modelos predictivos en contextos universitarios de Brasil, Colombia, Ecuador y Chile orientados a la anticipación de la deserción estudiantil, el rendimiento académico y la evaluación institucional. De igual manera, en universidades de México, Perú y Ecuador, reportan el uso de chatbots (tecnología de asistencia) para brindar apoyo emocional y académico continuo, principalmente en estudiantes en riesgo (síntomas de trastorno por déficit de atención, tendencias suicidas, y síntomas de ansiedad y depresión). También son utilizados para facilitar la comunicación de los estudiantes con los diferentes servicios prestados en los centros de educación superior.
Un ámbito donde se ha destacado el uso de la IA es en el plano investigativo. En los últimos años se ha incrementado la producción científica sobre IA y generada por esta vía en los centros universitarios de la región (González Fernández et al., 2025); de igual manera, se ha potenciado su utilización en revisiones sistemáticas de la literatura, el análisis de datos y la sistematización de información (Acevedo Carrillo et al., 2026).
Saforas-Huamán & Mendoza-Mesías (2026) reportan un alto uso de IA, en universidades públicas del Perú, como instrumento académico en actividades relacionadas con la traducción de textos, generación de ideas y elaboración de esquemas. Dentro de las motivaciones se destacan la optimización del tiempo y la mejora de la calidad de los trabajos académicos (eficiencia en trabajos investigativos, análisis de datos, y corrección de redacciones y mejora de su coherencia).
Laguna Costano (2025), en un estudio en universidades bolivianas, destaca la divergencia perceptiva existente entre estudiantes y profesores respecto a la IA. Los estudiantes expresan que realizan un uso activo de aplicaciones como ChatGPT o Gemini, mientras que los docentes, aunque destacan que ha tributado a un mejor acceso a la información y a la eficiencia de los procesos de aprendizaje, expresan preocupación por el efecto que puede ocasionar en el desarrollo del pensamiento crítico y por la progresiva dependencia tecnológica por parte del estudiantado. Se llama a establecer un equilibrio donde se emplee esta tecnología como una herramienta de apoyo y no como sustituto del esfuerzo cognitivo.
Diversos estudios han identificado la existencia de brechas referentes a la capacitación en el uso de las herramientas digitales relacionadas con la IA. CEPAL (2020), referenciado en Machado (2025) expone que amplios sectores de la población en América Latina y el Caribe adolecen de bajos conocimientos para realizar un uso crítico creativo y seguro de las tecnologías digitales. Según Michelon & Camacho-Zúñiga (2023), citados en Valentini & Blancas, 2025), en el caso de los estudiantes universitarios, aunque son considerados nativos digitales, requieren formación en comunicación escrita, pensamiento crítico y razonamiento lógico para realizar una mejor utilización de estas herramientas
Saforas-Huamán & Mendoza-Mesías (2026) confirman esta situación. En su estudio, identificaron que la mayoría de los estudiantes poseen bajo o nulo conocimiento sobre IA, destacando a la autoformación en línea (aprendizaje eminentemente autodirigido), la capacitación institucional formal y los programas de posgrado como las principales rutas formativas utilizadas para superar esta limitante. Los estudiantes de carreras relacionadas con Ingeniería y Tecnología de la Información se destacan por poseer un alto o muy alto nivel de conocimiento sobre la IA.
En lo referente al claustro profesoral, en la encuesta realizada por la Red de Educación Continua de Latinoamérica y Europa (RECLA, 2024, citada en Machado, 2025) en universidades de Ecuador, Cuba, Argentina, España, México, Perú, Colombia, El Salvador y República Dominicana, se identifica la existencia de un bajo conocimiento e inseguridad ante el empleo de herramientas de IA. Se destaca, la falta de capacitación, la resistencia al cambio y la desigualdad en el acceso, entre las principales causantes de esta situación.
La IA ha influido en la reconfiguración de los procesos de enseñanza-aprendizaje en las instituciones de educación superior. Acevedo Carrillo et al. (2026) plantean que la innovación tecnológica, la ética educativa, la transformación pedagógica y la sostenibilidad institucional constituyen las dimensiones clave que han influido en esta reconfiguración, y que tributan fundamentalmente a la personalización del aprendizaje. A pesar de ello, resaltan las tensiones derivadas del uso de estas tecnologías, dentro de las que destacan el uso inadecuado, la baja originalidad en las creaciones estudiantiles y la poca autenticidad del aprendizaje.
Resulta relevante el hallazgo realizado por Ruiz González & Bodes Bas (2025), relacionado con el papel estratégico que juegan los bibliotecarios y gestores de información en la integración de la IA en las universidades. Este reconocimiento viene fundamentado por el desempeño crítico que juegan en un contexto donde existe una amplia generación de información y conocimiento por IA, y se hace necesario establecer un “filtro” que sea capaz de garantizar las competencias informacionales y algorítmicas necesarias para realizar curaciones digitales, verificar fuentes, gestionar metadatos de manera ética, así como realizar estudios de trazabilidad y preservación del conocimiento académico.
En el debate latente sobre el papel de la IA en la educación superior emerge la dimensión ética como uno de los ejes centrales. Saforas-Huamán & Mendoza-Mesías (2026) destacan la privacidad de los datos, el procesamiento algorítmico y la existencia de sesgos como desafíos éticos prioritarios, y resaltan la necesidad de lineamientos institucionales claros, igualdad de acceso, procesos de capacitación que conduzcan su implementación y la evaluación de impacto ético. Autores citados por González-Fernández et al. (2025) expresan preocupación por la afectación que puede generar el uso de la IA a la integridad académica, evidenciada en el plagio académico y la “deshumanización” de la educación.
El estudio de la literatura ha permitido identificar un grupo de desafíos referentes a la implementación de la IA en la educación superior latinoamericana y caribeña, donde se destacan la infraestructura, la brecha digital y la formación docente. Según el Índice Latinoamericano de Inteligencia Artificial (ILIA) (Soto et al., 2025), existe un desarrollo estructural desigual entre países. Chile, Brasil y Uruguay destacan por su infraestructura y talento humano, le siguen ocho países, entre ellos México, Costa Rica, Colombia, Perú y Argentina. En contraste, más de un tercio de los países presentan limitantes importantes para el desarrollo estratégico de la IA. Otro obstáculo relevante es la brecha digital. En este sentido, según Machado (2025), la mayoría de los hogares de áreas rurales en la región no cuenta con acceso a internet, lo que restringe el acceso a plataformas virtuales, recursos digitales y servicios basados en IA. La formación docente constituye otro desafío clave; Acevedo Carrillo et al. (2026) evidencian que las herramientas de IA son usadas de manera empírica por los docentes, y no siempre se comprende el funcionamiento interno de las mismas ni sus implicaciones pedagógicas o éticas.
Pese a los desafíos, son alentadoras las oportunidades identificadas en la literatura para integrar las herramientas de la IA en la educación superior. Ruiz-Ruiz et al. (2025) plantean que dicha integración dependerá más de factores sociales que tecnológicos, orientados a garantizar la formación de los estudiantes. Este enfoque, a decir de Ruiz González & Bodes Bas (2025), pretende fomentar la innovación educativa, implementar modelos de “IA responsable”, promover el pensamiento crítico y creativo, y asegurar la equidad en el acceso.
Normatividad en el uso de la IA en universidades latinoamericanas y caribeñas
La IA ha tenido una inserción acelerada en el ámbito educativo; pese a ello, en las instituciones de educación superior latinoamericanas la definición de normativas asociadas a su uso ha quedado rezagada. Se observa una respuesta reactiva y fragmentaria por parte de las instituciones ante el uso generalizado de estas herramientas por parte de estudiantes y personal docente. A continuación, se realiza un análisis del estado actual de la base normativa relacionada con el uso de la IA en universidades.
En la región no existe un marco normativo unificado que regule el uso de la IA en la educación superior. Se observan iniciativas nacionales aisladas, sin presentar especificidades para el sector educativo. Chile posee una Política Nacional de IA desde el año 2021 y actualizada en el 2024 (MinCiencia, 2024), mientras que Brasil y Colombia han desarrollado estrategias nacionales (MCTI, 2021; CONPES, 2025), en las cuales se estimula la investigación y la innovación. Se debe destacar que, en el año 2025, Brasil aprobó el Plan Brasileño de Inteligencia Artificial (MCTI-CGEE, 2025) que contempla una inversión superior a los 4.000 millones de dólares con el objetivo de impulsar la autonomía tecnológica, fomentando innovaciones sostenibles y de orientación social en sectores clave, donde se encuentra la educación.
Miranda Alvarado & Arana Vera (2026) realizan un estudio sobre las políticas públicas, avances normativos y estrategias nacionales sobre IA en seis países de la región (Brasil, Chile, Argentina, Colombia, Perú, Ecuador y México). El análisis evidencia la desigualdad existente en el desarrollo normativo entre estos países; sin embargo, se observa la existencia de un consenso en torno a la necesidad de establecer criterios éticos, inclusivos y transparentes para la utilización de esta herramienta.
Ante la ausencia de lineamientos que regulen el uso de la IA en la educación, las universidades operan bajo decisiones propias, elaborando respuestas autónomas que limitan la definición de criterios comunes y equitativos entre los centros de educación superior. Filgueiras (2023) sustenta esta situación en el estudio de estrategias nacionales de IA de Brasil, Argentina, Chile, Colombia, México y Uruguay, y destaca que estas estrategias tienden a reproducir las directivas de agencias internacionales.
Valentini & Blancas, 2025, a partir del estudio de un grupo de universidades representativas de las cinco regiones administrativas de la UNESCO, destacan que todas las instituciones estudiadas se basan en enfoques centrados en las personas y la ética en el uso de la IA y han definido resoluciones básicas para la aplicación de estas tecnologías en el proceso de enseñanza-aprendizaje. Sin embargo, señalan la ausencia de un enfoque centrado en el ser humano, orientado a garantizar la seguridad, la inclusión y la justicia en su utilización. En el estudio, se resalta el documento emitido por la Universidad Autónoma de México (UNAM) sobre el uso crítico de la IA, el cual pudiera servir de referencia a otras universidades que se encuentren en fases prematuras de implementación de esta tecnología.
El desarrollo de normativas sobre el empleo de la IA presenta una situación interesante en el caso mexicano. México fue uno de los 10 primeros países de la región que en 2018 inició trabajos para la definición de una estrategia de IA, la cual no fructificó. En 2020, un grupo de representantes de la esfera pública establecieron la Coalición ciudadana IA2030Mx y crearon la Agenda Nacional Mexicana de Inteligencia Artificial (Coalición IA2030Mx, 2020), que ha sido tomada como referente por las universidades del país para desarrollar sus propias normativas. Más recientemente, se aprueba la “Propuesta de Agenda Nacional de la Inteligencia Artificial para México (2024 - 2030)” (Lagunes et al., 2024) donde se presentan un conjunto de recomendaciones para orientar el desarrollo y uso, de forma ética y responsable, de la IA en el país.
Diversas instituciones de educación superior (IES) en el país han presentado normativas y regulaciones sobre el uso de la IA. Ramírez Martinell et al. (2025) describen los documentos regulatorios aprobados en cinco universidades y el papel del Observatorio Interinstitucional de IA en la Educación Superior (OIIAES) impulsado por la Asociación Nacional de Universidades e Instituciones de Educación Superior (ANUIES). Por su parte, Medina Armienta (2025) presenta siete casos reales documentados en la literatura en los cuales participaron una veintena de universidades, describiendo las acciones acometidas en este sentido y los resultados normativos alcanzados; a la vez, presenta una lista de chequeo para la implementación de políticas de regulación del uso de la IA en IES. En ambos estudios se observa una convergencia en las universidades alrededor de la necesidad de abordar el uso de la IA bajo principios éticos (la transparencia, la equidad, la privacidad y la supervisión humana en el uso de sistemas basados en algoritmos) orientados hacia una implementación comprometida de estas tecnologías. Además, las universidades reconocen la necesidad de desarrollar su implementación de una manera progresiva, apoyada en la capacitación del capital humano y la cooperación interinstitucional.
En Chile, país con el desarrollo normativo más avanzado de la región, se definen un conjunto de lineamientos estratégicos en la política de IA que impactan en el entorno universitario. Estos lineamientos, están orientados a los factores habilitantes, el desarrollo del talento, la privacidad de los datos, la ética, los aspectos legales y regulatorios, y, especialmente, los derechos humanos (Miranda Alvarado & Arana Vera, 2026).
Lion et al. (2025) realizan un estudio sobre las políticas y estrategias necesarias para integrar la IAGen de manera ética y equitativa en el Sistema de Educación Superior Argentino, evidenciando la falta de normativas encaminadas a su regulación. También, presentan un grupo de recomendaciones orientadas a la utilización responsable de las potencialidades de la IA regenerativa en las IES argentinas. Finalmente plantean que “toda implementación de IAGen en educación exige marcos socioeducativos integrales que consideren, simultáneamente, la formación docente especializada; la promoción de un uso crítico de estas tecnologías; e inversiones sostenidas en infraestructura tecnológica, para construir una ciudadanía digital crítica, inclusiva y democrática”.
En los países de la región con menor desarrollo relativo, donde no existe una estrategia nacional ni una ley específica sobre el uso de la IA, representa un reto la definición de marcos normativos que orienten su uso ético y riguroso, a nivel nacional y adecuados al ámbito de la educación superior. Esta dificultad está dada por la falta de infraestructura digital y de personal capacitado en procesos de digitalización y en Ciencia, Tecnología, Ingeniería y Matemáticas (Acevedo Carrillo et al., 2026; Filgueiras, 2023).
Cáceres Troche (2026) define un grupo de recomendaciones encaminadas a realizar una implementación ética de la IA en los procesos de enseñanza-aprendizaje en la educación superior. Dichas recomendaciones se resumen en: formular estrategias nacionales con enfoque educativo y participativo; crear órganos colectivos multisectoriales para guiar y supervisar la aplicación de la IA educativa; definir estándares éticos adaptados al contexto latinoamericano y caribeño; definir normativas adecuadas a las capacidades de cada institución, acompañadas de orientaciones sobre la implementación de manera progresiva que reconozca la diversidad y heterogeneidad del sistema universitario; asignar recursos a la capacitación del capital humano y a la investigación en IA; y fomentar la cooperación internacional sobre buenas prácticas.
DISCUSIÓN
En el apartado anterior se pudo constatar la situación existente respecto a la inserción de herramientas de la IA en la educación superior latinoamericana y caribeña, así como el actual desarrollo normativo orientado a regular su uso. A continuación, se realiza un análisis encaminado a contrastar las similitudes y divergencias existentes con la literatura especializada disponible en aras de enriquecer la comprensión de dicho fenómeno.
El comportamiento evidenciado en los estudios de Laguna Costano (2025) y Saforas-Huamán & Mendoza-Mesías (2026) sobre la incorporación del uso de la IA en la práctica académica de estudiantes y profesores en la universidades de la región, principalmente en tareas relacionadas con la generación de conocimientos y la organización de contenidos, no es exclusivo de América Latina y el Caribe. Parker et al. (2025), en un estudio desarrollado en 343 universidades de cinco países (Estados Unidos, Canadá, Australia, Reino Unido y China), identifican que a los docentes se le otorga la posibilidad de utilizar la IA, de manera descentralizada y a discreción, en el proceso docente-educativo. Similares resultados alcanzan Ruiz-Lázaro et al. (2025) en su estudio sobre el uso de herramientas de IA en universidades españolas.
Se observa un marcado contraste entre el dinamismo que caracteriza la utilización de la IA en el proceso de enseñanza-aprendizaje en las instituciones de educación superior y la fragilidad de los marcos normativos para su control. En Europa, la utilización de la IA se encuentra regulado por el RIA (Díaz Senés, 2024), aprobado por el Parlamento Europeo. En América Latina, sólo en Chile se dispone de una Política Nacional de IA, mientras que Brasil y Colombia cuentan con estrategias para su regulación. En los otros países se observan iniciativas regulatorias aisladas, y la mayoría de las universidades operan en un vacío regulatorio (Cáceres Troche, 2026; Medina-Zuta et al., 2025).
Se advierte una clara heterogeneidad en el panorama normativo latinoamericano y caribeño respecto al uso de la IA (Miranda Alvarado & Arana Vera, 2026), el cual responde a diversas trayectorias históricas de desarrollo institucional, capacidades gubernamentales y relación con organismos internacionales de innovación (Filgueiras, 2023). Algunos países han aprobado políticas y estrategias que regulan el uso de la IA, algunas con proyecciones hacia la educación superior; sin embargo, en un número considerable de naciones su implementación depende de iniciativas institucionales aisladas (Cáceres Troche, 2026; Miranda Alvarado & Arana Vera, 2026).
Medina Zuta et al. (2025), mediante un estudio en universidades iberoamericanas, confirma esta disparidad, incluso comparado con instituciones europeas. Por su parte, Parker et al. (2025) destaca la importancia de la soberanía tecnológica mediante el caso de China, donde el gobierno ha prohibido el uso de ChatGPT y las universidades se han orientado hacia el desarrollo de programas de formación especializada basados en modelos internos de IA.
Filgueiras (2023) resalta la seriedad de la asincronía existente entre la práctica y la regulación, la cual genera desarrollos heterogéneos de estas tecnologías que pueden resultar en consecuencias descontroladas en su aplicación. Aunque esta situación también está presente en otros contextos a nivel internacional (Presno Linera & Meuwese, 2024), en América Latina y el Caribe adquiere una dimensión particular (Salas-Pilco & Yang, 2022).
Se identifica un patrón común en las instituciones latinoamericanas y caribeñas, donde se han desarrollado iniciativas internas particulares en respuesta a la ausencia de marcos regulatorios nacionales que contemplen el uso de la IA en la educación superior. Ruiz-Lázaro et al. (2025), a partir del estudio de 24 guías universitarias españolas sobre el uso de la IA, detalla que dentro de los principales elementos abordados se encuentran los aspectos éticos, los usos y aplicaciones, las herramientas específicas y las recomendaciones sobre prompts. Experiencias similares se observan en las guías elaboradas en universidades de América Latina, como la Universidad Nacional Autónoma de México (UNAM, 2023) y la Facultad de Medicina de la Universidad de Chile (Jerez Yañez, 2025), aunque con menor sistematización y difusión.
Respecto a la percepción de la IA dentro de la comunidad universitaria, existen diferencias significativas. Los estudiantes son propensos a utilizar estas herramientas por los beneficios que traen al desarrollo de sus trabajos y a la optimización del tiempo, mientras que los docentes expresan preocupación por su repercusión en el pensamiento crítico y la autonomía en el aprendizaje (Laguna Costano, 2025). Parker et al. (2025) denominan “zona gris normativa” a esta divergencia perceptiva, dado que se puede comprometer el proceso de enseñanza-aprendizaje como resultado de prácticas desmedidas en el uso de la IA por la ausencia de lineamientos que la regulen.
Ruiz Lázaro et al. (2025) identifican que la mayoría de las guías sobre el uso de la IA en las universidades estudiadas están destinadas a estudiantes y profesorado, y en menor medida hacia el personal investigador, reflejando que se prioriza la docencia sobre la investigación en los marcos normativos de la IA. Este hallazgo resulta especialmente relevante para el contexto latinoamericano y caribeño, donde Salas-Pilco & Yang (2022) han identificado que la investigación en IA es incipiente.
Otra preocupación evidenciada en la literatura (Saforas-Huamán & Mendoza-Mesías, 2026) es el auge en el uso de la IA por los beneficios que trae en el proceso de aprendizaje sin llevar a cabo análisis reflexivos. En relación con ello, Michelon & Camacho-Zuñiga (2023), citados por Valentini & Blancas, 2025, resaltan la necesidad de desarrollar procesos de alfabetización en IA, a pesar de que los estudiantes sean considerados nativos digitales.
Elgueta (2024) y Gonzáles-Fernández et al. (2025) proponen integrar la formación técnica con la reflexión ética y filosófica, basados en el planteamiento de que solo mediante una utilización responsable de la IA es posible desarrollar habilidades para utilizarla de manera crítica y ética. A este respecto, Valentini & Blancas (2025) llaman a tener en cuenta los marcos de competencias en IA emitidos por el Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe (IESALC), donde se propone un enfoque centrado en las personas.
CONCLUSIONES
Las herramientas de la IA han sido asimiladas en las instituciones de educación superior de América Latina y el Caribe por parte del estudiantado y el personal docente debido a los beneficios que tienen asociados a la generación de nuevos conocimientos, organización de contenidos docentes y el trabajo personalizado. No obstante, esta adopción generalizada contrasta con la baja o nula presencia de marcos normativos para regular el uso de esta tecnología y con un bajo nivel de conocimientos sobre IA.
Desde el punto de vista regulatorio, se observa una marcada heterogeneidad entre los países de la región. Chile, Brasil y Colombia lideran con la definición de políticas o estrategias nacionales, aunque padecen de no estar orientadas específicamente hacia el sector educativo. En otros casos, donde destaca México, se depende principalmente de iniciativas internas aisladas. Esta fragmentación pone de relieve los riesgos asociados al empleo de esta tecnología en las universidades, especialmente los referentes a la protección de datos personales, la previsión de sesgos en el trabajo con algoritmos y la integridad académica.
En la región, se requiere el establecimiento de marcos regulatorios contextualizados a las particularidades de cada institución de educación superior, que articulen las propuestas nacionales, institucionales e internacionales, sean precisos y participativos, y que contribuyan a desarrollar modelos educativos inclusivos, equitativos, éticos y responsables, alineados con las metas de desarrollo sostenible.
