Los desafíos del uso de la IA en la enseñanza superior

Columna

Inteligencia Artificial

13 de abril de 2026

Los desafíos del uso de la IA en la enseñanza superior

El MEC propone directrices para alinear el uso de la tecnología con los principios pedagógicos, éticos y sociales que orientan la educación brasileña

La creciente incorporación de la inteligencia artificial en los procesos educativos ha producido tensiones relevantes, especialmente en lo que se refiere a la superficialidad del aprendizaje y a la reducción del esfuerzo cognitivo en actividades complejas. Según Kasneci et al. (2023), aunque los sistemas basados en modelos de lenguaje amplían el acceso a la información y apoyan actividades educativas, su uso indiscriminado puede comprometer procesos cognitivos esenciales, como la elaboración crítica y la construcción activa del conocimiento. Como se discutió en mi columna anterior (IA y formación profesional), aunque la tecnología amplía el acceso a la información y aumenta la eficiencia en la ejecución de tareas, se observa un desplazamiento progresivo del papel del estudiante, que pasa de la construcción activa del conocimiento a la supervisión de respuestas automatizadas.

Bender et al. (2021) afirman que los sistemas de lenguaje basados en IA tienden a producir respuestas plausibles sin compromiso con la comprensión o la veracidad, lo que puede inducir a un uso acrítico y reforzar la dependencia en relación con las salidas automatizadas, con potenciales impactos sobre el desarrollo del pensamiento crítico y de la autonomía intelectual. En este contexto, la reciente publicación del “Referencial para el Desarrollo y Uso Responsable de Inteligencia Artificial en la Educación (Brasil, 2026)”, elaborada por el Ministerio de Educación, se inserta como respuesta institucional a estas transformaciones, al reconocer tanto las oportunidades como los riesgos asociados a la adopción acelerada de la tecnología y al proponer directrices que buscan alinear su uso a los principios pedagógicos, éticos y sociales que orientan la educación brasileña. Se vuelve, por lo tanto, fundamental examinar el documento de forma crítica y profunda, a fin de comprender no solo sus recomendaciones formales, sino también sus implicaciones efectivas sobre prácticas pedagógicas, procesos evaluativos y la formación de estudiantes en un escenario mediado por inteligencia artificial.

Educación superior

El texto de esta columna se centra en la educación superior, donde la presencia de la inteligencia artificial impone revisiones más profundas sobre enseñanza, aprendizaje e investigación. El Marco explícito que las instituciones deben promover reorientaciones curriculares orientadas al desarrollo de competencias de orden superior, como pensamiento crítico, creatividad y resolución de problemas inéditos, al mismo tiempo que exige la revisión de prácticas evaluativas, dada la facilidad de producción automatizada de respuestas. Desde el punto de vista regulatorio, el documento establece la necesidad de estructuras institucionales de gobernanza, con definición clara de políticas para el uso de IA, mecanismos de supervisión humana efectiva y evaluación continua de los impactos de los sistemas adoptados. También enfatiza la transparencia y explicabilidad, la protección de datos y la privacidad, la prevención de sesgos algorítmicos, la garantía de integridad académica y el enfrentamiento de desigualdades de acceso. En este contexto, la adopción de la IA en la educación superior se trata no como una cuestión meramente tecnológica, sino como decisión pedagógica, ética e institucional, que debe permanecer subordinada al proyecto formativo y al papel central de la docencia.

Plan pedagógico

En el plan pedagógico, los desafíos se vuelven aún más evidentes, en la medida en que la presencia de la IA tensa los fundamentos tradicionales del proceso de enseñanza y aprendizaje. La disponibilidad de respuestas automatizadas y la facilidad de generación de contenidos ponen en riesgo la centralidad del esfuerzo cognitivo, favoreciendo la externalización de etapas esenciales, como el análisis, la síntesis y la construcción argumentativa. Firth et al. (2019) demuestran que la creciente dependencia de los sistemas digitales para el acceso y procesamiento de información puede reducir el compromiso en procesos cognitivos más profundos, reforzando dinámicas de externalización del pensamiento.

En este escenario, se hace necesaria la revisión de prácticas evaluativas históricamente basadas en la reproducción de contenido. Según lo discutido por Bearman et al. (2022), la creciente presencia de herramientas basadas en inteligencia artificial desafía los modelos tradicionales de evaluación en la educación superior, exigiendo la adopción de estrategias que privilegien la autoría, el pensamiento crítico y la aplicación del conocimiento en detrimento de la simple reproducción de respuestas. Paralelamente, se impone la necesidad de desarrollar competencias de orden superior, como pensamiento crítico, creatividad y resolución de problemas complejos, asegurando que la inteligencia artificial sea utilizada como herramienta de apoyo y no como sustituto del proceso formativo.

Plan docente e institucional

En el plan docente e institucional, los desafíos se centran en la necesidad de reconfiguración del papel del profesor y de las estructuras académicas ante la incorporación de la inteligencia artificial. El Referencial enfatiza la centralidad de la docencia como elemento insustituible. En consonancia, la Unesco (2023) destaca que los sistemas de IA deben actuar como soporte a las prácticas pedagógicas, sin sustituir el papel del profesor, que permanece responsable de la mediación crítica, la orientación ética y la conducción del proceso de aprendizaje.

En este contexto, se vuelve indispensable invertir en la formación inicial y continua para el uso pedagógico de la IA, así como promover reestructuraciones curriculares que integren la tecnología de forma intencional y alineada a los objetivos formativos. Además, las instituciones de enseñanza superior están llamadas a establecer directrices claras para el uso de la IA en actividades académicas, garantizando coherencia entre prácticas pedagógicas, criterios de evaluación y principios institucionales, de modo a evitar el uso indiscriminado o desalineado con el proyecto educativo.

Plan regulatorio

En el plano regulatorio y de gobernanza, los desafíos se centran en la construcción de estructuras institucionales capaces de orientar el uso de la inteligencia artificial de forma responsable, transparente y alineada al interés público. El Marco destaca la necesidad de políticas claras que involucren protección de datos, garantía de privacidad, mitigación de sesgos algorítmicos y exigencia de explicabilidad de los sistemas adoptados. En consonancia con estas directrices, la Unesco (2023) enfatiza que la adopción de inteligencia artificial en la educación debe estar orientada por principios de transparencia, supervisión humana y responsabilidad institucional, asegurando que las decisiones educacionales permanezcan bajo el control de agentes humanos cualificados.

En la educación superior, esto se traduce en la creación de mecanismos de supervisión continua, evaluación del impacto de las tecnologías utilizadas y definición de criterios para su adopción. A este escenario se suma la preocupación por la integridad académica, especialmente ante los riesgos de plagio y autoría automatizada, así como por las desigualdades de acceso a la infraestructura digital, que pueden ampliar asimetrías ya existentes. De esta forma, la gobernanza de la IA deja de ser un aspecto accesorio y pasa a constituir un elemento central en la regulación de las prácticas educativas mediadas por tecnología.

Ante este conjunto de desafíos, se hace evidente que la incorporación de la inteligencia artificial en la enseñanza superior no puede ser tratada como una simple actualización tecnológica, sino como un proceso de reconfiguración estructural del propio modelo educativo. Las directrices presentadas por el Referencial indican que la centralidad del proceso formativo debe ser preservada, exigiendo que la adopción de sistemas de IA esté subordinada a criterios pedagógicos, éticos e institucionales claramente definidos. En este contexto, la tecnología deja de ser un fin en sí misma y pasa a ser comprendida como un instrumento cuya legitimidad depende de su capacidad para sustentar procesos de aprendizaje profundo y desarrollo intelectual consistente.

Así, el principal desafío no reside en la presencia de la inteligencia artificial, sino en la forma en que se integra en los procesos educativos. El riesgo de superficialidad, dependencia y fragilización cognitiva no es inherente a la tecnología, sino a su uso desarticulado de una intencionalidad pedagógica consistente. En este sentido, la incorporación de la IA en la educación superior exige no solo la adopción de herramientas, sino la construcción deliberada de entornos formativos que preserven la complejidad del pensamiento, la autoría intelectual y la capacidad de afrontar problemas inéditos. La consolidación de prácticas responsables depende, por lo tanto, de la articulación entre formación docente, revisión curricular, políticas institucionales y mecanismos de gobernanza, de modo que la inteligencia artificial actúe como amplificadora, y no como sustituta, de las competencias humanas esenciales.

Para tener acceso a las referencias de este texto haz clic aquí

Quién publicó esta columna

Maurício Acconcia Dias

Possui graduação em Ciência da Computação pela Universidade Federal de Lavras, mestrado e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo e MBA em Data Science Analytics pela USP/Esalq. Atua com desenvolvimento de hardware para sistemas inteligentes aplicados à robótica. É consultor em Data Science & Analytics e Desenvolvimento de sistemas embarcados e orientador do MBA USP/Esalq.

También te puede interesar

02 de octubre de 2026

Determinantes de la ubicación de supermercados en São Paulo

Un estudio investigó los factores determinantes de la ubicación de supermercados en el estado de São Paulo, con el objetivo de investigar los factores que explican la presencia y expansión de estos establecimientos, considerando dimensiones socioeconómicas, demográficas y de mercado. Se utilizaron datos de los Censos Demográficos de 2010 y 2022 del IBGE y información del Cadastro Nacional de Pessoas Jurídicas de la Receita Federal do Brasil para construir una base de datos georreferenciada. Se aplicó un modelo de clasificación Random Forest, ajustado por grid search con validación cruzada, priorizando la métrica recall-macro debido al desbalanceo de la variable dependiente, que representó la presencia o ausencia de supermercados en un buffer de 50 metros. Los resultados indicaron que la ubicación de supermercados está fuertemente asociada a características demográficas, de ingresos y de población en el entorno. El análisis de importancia de las variables evidenció que factores sociodemográficos, como alfabetización de ancianos, ingresos familiares y la presencia de otros establecimientos de alimentación, ejercieron una influencia significativa, especialmente en el entorno inmediato. Los hallazgos reforzaron la hipótesis de que la distribución espacial de supermercados no es aleatoria, siendo condicionada por características socioeconómicas y por la estructura comercial del territorio, ofreciendo subsidios para decisiones empresariales y planificación urbana.

Palabras clave: Análisis espacial; Aprendizaje automático; Expansión; Ubicación comercial; Supermercados.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Educación Antirracista: Prácticas Educativas Inclusivas y Desarrollo Social

La educación antirracista, comprendida como eje estructurante de la educación inclusiva y del desarrollo social, fue investigada en el contexto brasileño. El estudio tuvo como objetivo identificar y analizar, con base en documentos legales y en la percepción de profesores, las prácticas educativas capaces de promover el antirracismo en la escuela y en la sociedad, y cómo la implementación de las Leyes nº 10.639/03 y nº 11.645/08 contribuyó a la justicia social. Se adoptó un enfoque cualitativo y documental, con análisis de legislación educacional, directrices curriculares, informes institucionales y literatura académica. Complementariamente, se aplicó un cuestionario semiestructurado a 295 profesores de Educación Básica. Los datos fueron evaluados cuantitativa y cualitativamente, por medio de análisis de contenido temático, y validados con estudios bibliográficos. Los resultados revelaron una paradoja: a pesar de un marco legal robusto, la implementación de las políticas antirracistas se mostró frágil y puntual, con carencia de formación docente, materiales didácticos adecuados y monitoreo. Se constató la persistencia de desigualdades educacionales significativas entre estudiantes blancos y negros, y la mayoría de los profesores reconoció la ocurrencia de racismo en las escuelas, pero sin protocolos institucionales claros. El análisis neurocientífico demostró que el racismo impacta negativamente el desarrollo cognitivo y emocional de los estudiantes. Se concluyó que la educación antirracista es central para una educación de calidad, exigiendo compromiso político, inversión pública y articulación intersectorial. La integración de la Neurociencia en la formación docente y la producción de materiales cualificados son cruciales para fortalecer el papel de la escuela en la construcción de una sociedad más justa e inclusiva.

Palabras clave: Desarrollo Social; Educación Antirracista; Justicia Social; Ley 10.639/03; Prácticas Educativas Inclusivas.

Neurociencia Y Aprendizaje En La Educación

02 de octubre de 2026

Caminos de la Inclusión: Percepciones de Padres y Profesores sobre la Escolarización de Estudiantes con Doble Excepcionalidad en el Contexto Brasileño

La Doble Excepcionalidad, caracterizada por la coexistencia de Altas Habilidades/Superdotación y trastornos del neurodesarrollo, representa un fenómeno complejo que desafía los modelos tradicionales de identificación y escolarización. El estudio tuvo como objetivo comprender las percepciones de padres o tutores, profesores y otros profesionales de la educación sobre la escolarización de estudiantes con Doble Excepcionalidad en el contexto brasileño, investigando desafíos, estrategias pedagógicas y posibilidades de inclusión basadas en la equidad. La investigación adoptó un enfoque cualitativo, exploratorio y descriptivo, y recopiló datos a través de un cuestionario en línea, voluntario y anónimo, respondido por 25 participantes. Los datos discursivos fueron analizados mediante análisis de contenido temático. Los resultados indicaron que el conocimiento sobre el tema se construye frecuentemente a partir de experiencias personales y profesionales, revelando lagunas en la formación sistematizada. Se identificaron dificultades en la identificación de estos estudiantes, en la formación docente y en la implementación de planes educativos individualizados, flexibilización pedagógica y enriquecimiento curricular. Se relataron repercusiones socioemocionales, como frustración y baja autoestima. Sin embargo, algunas escuelas demostraron prácticas inclusivas fundamentadas en la equidad, articulando necesidades específicas y potencialidades. Aunque los resultados no permiten generalizaciones, evidenciaron la necesidad de fortalecer la formación profesional y la articulación entre escuela, familia y servicios especializados. Se concluyó que la inclusión de estudiantes con Doble Excepcionalidad requiere prácticas que reconozcan simultáneamente sus dificultades y potencialidades, garantizando condiciones equitativas de participación, aprendizaje y desarrollo.

Palabras clave: Desarrollo humano; Formación docente; Inclusión escolar; Neurodivergencia; Prácticas pedagógicas.

02 de octubre de 2026

Modelado predictivo para la gestión de inventarios: aumento de la productividad y la eficiencia en un centro de distribución de alimentos

La gestión eficiente de las operaciones logísticas en centros de distribución es fundamental para la competitividad, especialmente en actividades intensivas en mano de obra, que impactan los costos operativos y el nivel de servicio. El estudio tuvo como objetivo desarrollar y evaluar diferentes modelos de pronóstico de demanda para optimizar la gestión de inventario y recursos en un centro de distribución de alimentos. Para ello, se utilizaron datos históricos de movimiento de un sistema WMS, aplicando modelos de regresión lineal, suavización exponencial de Holt-Winters y el algoritmo LightGBM. Los resultados indicaron que los modelos tradicionales presentaron limitaciones en la captura de la dinámica de la demanda, con un rendimiento inferior al LightGBM. El algoritmo de aprendizaje automático demostró un rendimiento superior, especialmente después de la incorporación de mayor granularidad de los datos y variables temporales, lo que permitió una mayor adherencia a la dinámica de la demanda. La aplicación del modelo resultó en una reducción del 36,38% en el desplazamiento para el pallet picking y del 31,98% para el case picking, totalizando una reducción global del 33,64%. Se concluyó que la utilización de modelos predictivos contribuyó a la mejora de la eficiencia operativa, permitiendo una mejor asignación de recursos y organización de los artículos en el proceso de separación de pedidos.

Palabras clave: Aprendizaje automático; Clasificación ABC; Eficiencia operativa; Logística; Pronóstico de demanda.

02 de octubre de 2026

Transformación de Datos en Estrategia: Investigación Aplicada para la Optimización de Operaciones en Ecoturismo

La creciente demanda en el turismo ecológico en Minas Gerais impulsó la búsqueda de inteligencia de negocios para transformar datos de clientes en información estratégica. El estudio objetivó estructurar un pipeline de ciencia de datos para recolectar, segmentar y clasificar la base de clientes de una operación de ecoturismo, con el fin de optimizar acciones de marketing y anticipar movimientos de mercado. Se realizó una investigación exploratoria, de naturaleza cuali-cuantitativa, por medio de un estudio de caso. Se utilizaron 2.777 registros transaccionales de una empresa de ecoturismo, referentes a enero de 2024 a diciembre de 2025. El proceso metodológico involucró recolección automatizada de datos (API Google Sheets), tratamiento y enriquecimiento (ETL), validación y creación de atributos RFM (Recencia, Frecuencia y Valor Monetario). Se aplicó reducción de dimensionalidad vía PCA y agrupamiento K-Means, con el número de clusters definido por el método del Codo y Silhouette Score. Se validaron los resultados con DBSCAN y K-Medoids. Los resultados revelaron la identificación de tres segmentos comportamentales de clientes: “Fiel”, “Bajo Valor” y “Potencial”. El segmento “Fiel” representó el mayor valor económico acumulado, mientras que el “Potencial” se destacó por el alto ticket promedio y potencial de conversión en recurrencia. La integración de las técnicas de análisis de datos demostró ser un método robusto y replicable para generar inteligencia en el ecoturismo. Se concluyó que el pipeline de ciencia de datos estructurado viabilizó la segmentación comportamental de la base de clientes, la validación estadística de los grupos y la creación de un sistema predictivo para nuevos compradores, proporcionando subsidios para decisiones estratégicas basadas en datos y futuros análisis.

Palabras clave: Clusterización; Inteligencia de negocios; Machine Learning; Segmentación de clientes; Toma de decisiones.

02 de octubre de 2026

Clasificación de clientes morosos mediante técnicas supervisadas de aprendizaje automático

El riesgo de incumplimiento en operaciones de crédito demandó enfoques analíticos para anticipar pérdidas. Este estudio evaluó comparativamente el desempeño de modelos supervisados de aprendizaje automático en la clasificación de clientes incumplidos en operaciones de tarjeta de crédito. Se utilizó la base pública “Default of Credit Card Clients”, de la Universidad de California Irvine, con 30.000 observaciones y desbalanceo de clases. Se emplearon los algoritmos Regresión Logística, Random Forest y Extreme Gradient Boosting. El desbalanceo se trató mediante la asignación de pesos a las clases, y la optimización de los modelos se realizó con el método RandomizedSearchCV, priorizando la sensibilidad. Los resultados de la validación cruzada indicaron que el modelo Extreme Gradient Boosting presentó mayor capacidad de identificación de la clase incumplida y mejor desempeño discriminatorio, seguido por Random Forest y Regresión Logística, con una sensibilidad de 0,8250 y un AUC-ROC de 0,7844 para el XGBoost. El análisis de interpretabilidad, realizado por la técnica Shapley Additive Explanations (SHAP), evidenció la predominancia de variables asociadas al comportamiento de pago, especialmente el historial de retrasos. Se concluyó que los modelos basados en árboles, particularmente técnicas de boosting, se mostraron más adecuados para capturar patrones complejos en los datos, configurándose como alternativas consistentes para la gestión de riesgo de crédito.

Palabras clave: Aprendizaje Automático; Tarjeta de Crédito; Clasificación; Extreme Gradient Boosting; Riesgo de Crédito.

02 de octubre de 2026

Análisis de Sentimientos sobre Bancos Brasileños en Twitter/X: Comparación entre Instituciones Tradicionales y Digitales

Un estudio analizó la percepción pública sobre instituciones financieras brasileñas en la plataforma Twitter/X, resaltando la importancia del monitoreo de sentimientos en redes sociales para la comprensión de la reputación y la experiencia del cliente en el sector bancario. El objetivo consistió en comparar la percepción de los usuarios sobre la imagen y la reputación de bancos tradicionales y digitales, a partir de los patrones de sentimiento identificados en las manifestaciones analizadas, buscando identificar diferencias estructurales entre estos grupos. La metodología se basó en el análisis de 1.096 tweets recopilados entre noviembre de 2022 y junio de 2023. Se utilizaron dos enfoques complementarios de análisis de sentimientos, la suma y la media de las etiquetas, para captar el sentimiento mayoritario y los matices de la percepción. Adicionalmente, se desarrollaron el Modelo de Perfil de Mercado, con indicadores de reputación emocional, riesgo reputacional, neutralidad y polarización, y el Modelo de Clusterización Bancaria, que permitió agrupar las instituciones conforme a patrones de percepción. Los resultados indicaron predominancia de sentimientos neutros y negativos, mayor volumen de interacciones en los bancos digitales y diferencias estructurales en la intensidad emocional de las percepciones, con mayor estabilidad en los bancos digitales y mayor polarización en los tradicionales. Se concluyó que la combinación de técnicas analíticas y estadísticas contribuyó a una comprensión profunda de la imagen institucional en el entorno digital, evidenciando la importancia de estrategias de gestión de la reputación basadas en datos.

Palabras clave: Bancos digitales; Bancos tradicionales; Modelado de datos; Opinion mining; Redes Sociales.

02 de octubre de 2026

Optimización de la planificación presupuestaria anual mediante metodologías de gestión de proyectos

El Plan Presupuestario Anual (POA) es un proceso crucial para traducir la estrategia organizacional en metas operativas y financieras, pero frecuentemente enfrenta presiones de plazos, dependencias interdepartamentales y la repetición de gastos habituales. El estudio objetivó analizar cómo la aplicación combinada de prácticas de gestión de proyectos y del Presupuesto Base Cero (PBC) puede optimizar el POA. Para ello, se desarrolló un estudio de caso en la operación brasileña de una compañía abierta del sector de bebidas, utilizando investigación documental de su informe de resultados de 2023 y un cuestionario anónimo aplicado a 47 encuestados. El análisis documental indicó crecimiento de la receta neta, expansión del margen bruto y del EBITDA ajustado, y avance contenido de los gastos de ventas, generales y administrativos, sugiriendo disciplina de costos y apalancamiento operativo. El relevamiento complementario reveló alta percepción de efecto cascada en el cronograma, fuerte apoyo a la definición de responsables por paquetes de costos y preferencia por justificación técnica de los gastos, además de demanda por flexibilidad controlada tras la definición de la línea base. Se concluyó que la estructuración del POA como proyecto, asociada al rigor del PBC, aumentó la previsibilidad del proceso, reforzó la responsabilidad sobre los gastos y amplió la coherencia entre la ejecución presupuestaria y el desempeño económico-financiero.

Palabras clave: Control de Costos; Eficiencia Operativa; Presupuesto Base Cero; PMBOK; Sector de Bebidas.

02 de octubre de 2026

Innovación en modelos de negocio tradicionales y su impacto en el entorno laboral

El estudio analizó cómo la innovación aplicada en modelos de negocio tradicionales impacta el ambiente de trabajo. Con este objetivo, se realizó una investigación de campo que involucró a 225 profesionales de diferentes sectores y niveles jerárquicos. La recolección de datos se llevó a cabo a través de un cuestionario estructurado, que investigó el perfil, las percepciones y los comportamientos de los participantes en relación con la innovación. Los resultados obtenidos indicaron que los colaboradores de empresas consideradas innovadoras percibieron niveles elevados de innovación, demostraron mayor compromiso, motivación para proponer mejoras y una mejor comprensión de los cambios implementados. En contraste, los profesionales de empresas tradicionales presentaron una percepción de innovación más baja, mayor neutralidad frente a las transformaciones y niveles más elevados de estrés e inseguridad en el ambiente laboral. Se observó, además, que el liderazgo, la comunicación clara, el apoyo y la capacitación adecuada fueron identificados como factores esenciales para facilitar la adaptación a los cambios y aumentar la receptividad de los colaboradores. Se concluyó que la tipología organizacional, asociada a la cultura y a las prácticas de gestión, influye directamente en la forma en que se vive la innovación internamente y sus efectos en el ambiente de trabajo.

Palabras clave: Compromiso; Empresas tradicionales; Gestión del cambio.