Universidad e Inteligencia Artificial: realidad, retos y expectativas de la aplicación de la IA en las universidades españolas
La inteligencia artificial (IA) está transformando la educación superior al influir en todos los procesos y dinámicas de la actividad universitaria: enseñanza-aprendizaje, investigación y transferencia, extensión universitaria y gestión institucional.
Como en otros ámbitos, la irrupción de la IA en las universidades tiene aspectos positivos y otros no tanto, por lo que genera expectativas y temores con sus correspondientes filias y fobias.
La aplicación de la IA genera un gran debate, pero ¿cuál es la situación en la universidad española? Al intentar hacer un diagnóstico, si quiera con carácter exploratorio, cabe preguntarse: ¿Cuál es la situación actual en la que se encuentran las universidades españolas? ¿Cuál es el grado de implantación y de utilización de la IA en las universidades españolas? ¿Cuál es la percepción de los retos y del impacto que tiene?
Un intento de respuesta
Para intentar responder a estas cuestiones se ha realizado una encuesta entre los responsables de la implementación de la IA en las universidades españolas, durante los meses de abril y mayo de 2025. Quienes han respondido son vicerrectores/as de universidades españolas o personas con posiciones similares que tienen entre sus competencias la transformación digital de su universidad, integrados en el Grupo de Trabajo en Inteligencia Artificial y Gobierno de Dato (dentro de la sectorial de la CRUE Digitalización) coordinado por los profesores García Varea y Fuertes Tudanca. En total se han obtenido 37 respuestas a un cuestionario online autoadministrado, 28 de universidades públicas y 9 de universidades privadas. A continuación, se expone sintéticamente algunas de las conclusiones de esta encuesta.
En primer lugar, el análisis de la encuesta pone de manifiesto el enorme potencial de la IA como acompañante del estudiante en el proceso de aprendizaje. La IA es una herramienta de ayuda a los estudiantes para aprender y comprender mejor los contenidos, es decir contribuye a «aprender a aprender». La IA opera como un «asesor” en el desarrollo de la formación, de la investigación y de la gestión.
La implementación de la IA en las universidades españolas
La incorporación de la IA en las universidades españolas está en una fase incipiente. El panorama actual muestra una adopción baja y fragmentada de la IA en las universidades, con excepciones puntuales en chatbots y algunos ámbitos de investigación. La situación se ve lastrada por la falta de planificación.
Los encuestados señalan una capacitación insuficiente, el 81% indica que menos del 25% del personal de la institución ha recibido formación. Los frenos no son solo estructurales (presupuesto y escasez de personal cualificado, citada como muy relevante por el 40,5%), sino también organizativos y culturales: más del 60% percibe una resistencia al cambio de moderada a muy relevante y el 81% reconoce la falta de claridad en los requisitos técnicos como factor limitante. A ello se suman retos éticos (sesgos, privacidad y transparencia) que, aunque presentes, se priorizan por detrás de los operativos en esta etapa incipiente.
Según las respuestas obtenidas, un 38,7% de las universidades manifiesta no tener una estrategia oficial de implementación, ni guías ni manuales para el uso y gestión de la IA en la Universidad. Casi la mitad de las universidades (48,6%) no disponía de una unidad específica para coordinar y supervisar las iniciativas. En tres de cada cuatro universidades entrevistadas, la adopción de la IA se encuentra en una fase de exploración inicial o a lo sumo realizando algún piloto, mientras que en el 81% de los casos no se cuenta con una hoja de ruta para la implementación.
En una escala de 1 (nada) a 5 (mucho), los resultados muestran un bajo nivel de adopción de las distintas tecnologías de inteligencia artificial en las universidades. El 62% indica tener poco o nada implementado el uso de herramientas de procesamiento del lenguaje natural; el 81%, los sistemas de recomendación; y un porcentaje similar, las soluciones basadas en aprendizaje automático. En cuanto al uso de herramientas de reconocimiento de imágenes y/o vídeos, el 78,4% señala un nivel de implantación bajo. Los chatbots presentan una situación algo mejor, aunque todavía el 51,4% de las universidades afirma tenerlos poco o nada desarrollados.
Impacto de la IA en usos específicos de la gestión universitaria
Recurriendo a una escala de 1 (muy bajo) a 5 (muy alto), se ha preguntado por la aplicación actual de la IA y la que tendrá en un futuro próximo en determinados usos de la gestión universitarios. Los resultados se muestran en la figura 1, en todos los casos la aplicación actual se sitúa por debajo del punto medio de la escala y también en todos los casos se considera que en el futuro la aplicación estará por encima del punto medio, destacando la investigación científica (4,19); en la optimización de procesos administrativos y de gestión (4,03); en el análisis de datos internos para la toma de decisiones estratégicas (3,87) y chatbot para atención al estudiante.
Figura 1: Aplicaciones de la IA en las universidades españolas: situación actual versus futura
Relevancia del conocimiento-sensibilización y recursos disponibles respecto a la implantación de la IA.
De nuevo mediante una escala de 1 (muy bajo) a 5 (muy alto) se ha interrogado sobre el grado de conocimiento y sensibilidad respecto a la IA de diferentes colectivos y de la adecuación de recursos en la situación actual, así como la relevancia que tiene para el futuro (figura 2).
La relevancia actual que se concede al conocimiento y la sensibilización, así como a los recursos ante la implantación de la IA no alcanza en ningún caso el punto medio de la escala, pero en todos los casos lo supera con respecto a la relevancia futura. En particular, los aspectos considerados más relevantes son los referidos a la utilización de la IA para la toma de conciencia por el gobierno de la universidad (4,27), por el PDI (4,19), estudiantado (4,05) y la formación en la materia de todos los colectivos (4,14).
Figura 2: Relevancia actual y el futuro del conocimiento, sensibilización y recursos disponibles respecto a la implantación de la IA
Principales retos de las universidades ante la adopción de la IA
Los retos frente a la adopción de la inteligencia artificial no se limitan a factores técnicos o presupuestarios, sino que abarcan dimensiones organizativas, culturales y éticas.
Entre los obstáculos que se perciben como más relevantes destaca en primer lugar la preocupación por cómo afecte a la originalidad en tareas académicas (3,92), seguido de la existencia de personal capacitado (3,86), de la dotación presupuestaria (3,68) y de la resistencia al cambio (3,51). A continuación, siguen los retos de la claridad de los requisitos técnicos y normativos, dependencia externa de empresas tecnológicas, infraestructura insuficiente y preocupación por los aspectos éticos y legales, la pérdida de privacidad o la obtención de resultados de investigación con menos rigor derivados de la implantación de la IA.
En este conjunto de aspectos que se valoran, el que alcanza menos relevancia, con una puntuación inferior al punto medio de la escala, es la preocupación por la pérdida de puestos de trabajo, por la introducción de sesgos por la aplicación de la IA o por la pérdida de transparencia que conlleva.
La integración de la IA en la universidad no solo exige inversión en recursos materiales, sino también un profundo proceso de adaptación institucional y cultural.
Figura 3: Principales restos de las universidades ante la adopción de la IA
En síntesis
Los resultados de este estudio reflejan una asimetría clara entre la situación actual y las expectativas declaradas. En el presente, la adopción de la IA en el sistema universitario es limitada y heterogénea, sin embargo, a corto-medio plazo, las previsiones son elevadas y transversales a docencia, investigación y gestión.
A pesar del reconocimiento de la importancia y consecuencias de la aplicación de la IA, la implementación de la IA en las universidades es incipiente, por lo que no parece que se haya abordado de una forma decidida a la vista de las medidas adoptadas. La clave reside en cómo reducir esta distancia.
Destaca como freno a la implementación de la IA los aspectos organizativos y de factor humano, como son la toma de conciencia de la situación, capacitación de las personas o la resistencia al cambio y también los presupuestarios, por encima de aspectos técnicos o las consecuencias derivadas por sesgos, pérdida de privacidad o transparencia.
La brecha entre expectativas y realidad
La brecha entre expectativas y las condiciones actuales apunta a la necesidad de una respuesta institucional clara y planificada. Es decir, es necesaria una planificación estratégica capaz de abordar explícitamente el rol de la IA y su implementación y desarrollo con una asignación de recursos sostenida y programas formativos diferenciados por perfiles (docente e investigador, administrativo, etc.). De esta manera, se puede proyectar una mejora notable en todos los colectivos, señal de una creciente toma de conciencia institucional y del compromiso por cerrar la brecha entre capacidades (limitadas) e intenciones (de mayor y mejor implantación de la IA).
En definitiva, se trata de definir y ejecutar una estrategia, así como un desarrollo organizativo adecuado con gobernanza ética, preparar a los diferentes colectivos, infraestructura, continua revisión y evaluación para el aprendizaje continuo durante el proceso.
(1) Proyecto C-SEJ-197-UGR23 cofinanciado por Consejería de Universidad, Investigación e Innovación y por Programa FEDER Andalucía 2021-2027.
«El sistema de evaluación es el elefante en la habitación».
Sirve como eslogan y como mantra.
Ese es «el problema» más profundo en la aparición de herramientas de GenAI de uso general en la universidad.
Pero, si lo piensas bien, el problema no es que los estudiantes utilicen GenAI para hacer sus entregables evaluables. el problema es que los profesores (y los centros, y las instituciones) habíamos planteado esas actividades (y el sistema de evaluación en general, y las normativas disciplinarias relacionadas con el plagio) antes de la democratización de las herramientas de GenAI. Y, ahora, por pereza, por falta de ideas y conocimientos, por lastres burocráticos o presupuestarios o por la combinación de todas esas causas y de otras muchas, no somos capaces de modificar las piezas fundamentales del sistema: los resultados de aprendizaje y los sistemas para su medida y evaluación.
Y, mientras no hagamos eso, tendremos un problema serio, tan serio, que puede dar al traste con la reputación de una universidad al completo o, incluso y siendo «catastrofistas», dilapidar la credibilidad del sistema universitario en su conjunto.
Si, se decía, que en los años 60 0 70 un grupo de estudiantes d ela Sorbona había conseguido que un caballo de carreras terminara su licienciatura (creo que en derecho; los estudiantes lo matricuaron e hicieron los exámenes por el y aprobó toda la carrera y luego destaparon el caso), ¿qué va a ocurrir cuando un grupo de estudiantes matricule a una herramienta de GenAI en «todas las titulaciones de España» y consigan todos los títulos en un mismo año?
¿no pareceposible?¿por qué? ¿Por algún trámite burocrático que sirve de «garantía» como tener DNI o algo así? Fojo… con un par de «sujétame el cubata» de una veintena de personas comprometidas con ese propósito, se arregla.
Resumo: o cambiamos los resutlados de aprendizaje o nos cambian el sentido de la universidad en el siglo XXI
El impacto mas importante de la aparición de la inteligencia artificial es que obliga a cuestionar la idea establecida de que para certificar si un estudiante ha aprendido basta con que produzca un documento, sea un examen escrito o un trabajo entregable. Porque la IA permite generar ese tipo de documentos sin haber aprendido nada. Pero ¿de verdad es eso un problema? Cualquiera que tenga experiencia en educación sabe que esa manera de examinar/calificar/certificar tenía muchos problemas ya antes de que apareciera la IA. No se aplica porque sea buena sino porque permite industrializar el proceso. Durante muchos años la hemos tolerado como mal menor porque nos daba un filtro aplicable a gran escala (grupos grandes de alumnos) que medio funcionaba. Si con la llegada de la IA ha dejado de funcionar, quizá sea momento para encontrar otra solución mejor para evaluar los resultados de aprendizaje. ¿Que no hay alternativas buenas que puedan funcionar a gran escala? A lo mejor la IA, con su capacidad para implementar soluciones interactivas personalizadas y registrables, resulta ser la solución en vez del origen del problema.
Creo que Pablo Gervás y yo coincidimos en lo fundamental: La GenAI ha venido a demostrarnos que el emperador está desnudo (ie, el sistema de evaluación está roto)… La IA no es el problema, es la prueba del problema. ¿Aprovecharemos la oportunidad para resolverlo o haremos como hicimos con el cambio de créditos a ECTS? (muchas universidades, o puede que todas, lo que hicimos fue una transformación lineal, «si antes un crédito eran 9 -10 horas de clase y ahora un ECTS son 25-30 horas de trabajo del estudiante, pues hacemos que 8-9 horas de clase de cualquier asignatura correspondan a ese esfuerzo del estudiante y convertimos un crédito en un ECTS con facilidad»). Entonces nos funcionó porque produjo «paz social» en la comunidad académica y a la sociedad a las que nos debemos les pareció un tema técnico, interno, menor, sin consecuencias fuera de la Academia; pero ahora… ahora escuece al profesor, preocupa a la «marca Universidad», crea dudas a la sociedad civil… ahora hay que actuar de verdad y no solo «hacer que hacemos» algo, me temo.
La duda es si tendremos la valentía, la fuerza y la generosidad para dedicar el esfuerzo necesario a esa transformación.
Tengo dudas, muchas dudas, y algunas esperanzas.
Ya veremos :-)
Muchas gracias por compartir, estas interesantes reflexiones. El sistema de evaluación es solamente uno de los aspectos, pero la transformación abarca a todo el proceso de enseñanza-aprendizaje además de a las otras misiones de la universidad (investigación, extensión universitaria) y, por supuesto, a la gestión en todos sus ámbitos. Hay tarea.
Coincido, Teodoro, y matizo mi opinión.
Tenemos «mucha plancha» y por eso conviene empezar eligiendo el hilo del que tirar.
El sistema de evaluación es, en mi opinión, el mejor hilo posible por tres características.
Una, preocupa mucho a profesores y gestores universitarios. Es decir, hay interés.
Dos, es como «asuntos internos» de la docencia: organiza todo el proceso de enseñanza-aprendizaje. Hablo del sistema de evaluación completo, no sólo el sistema de calificación. Es decir, resultados de aprendizaje, actividades de evaluación formativa, rubricas de evaluación, feedback, etc…
Y tres, adaptar el sistema de evaluación sirve de «prototipo viable» para repensar otros procesos análogos, como el sistema de reconocimientos y recompensas de profesores universitarios, la carrera docente, sexenios de investigación, proyectos financiados y competitivos…. Es decir, todos los procesos que «evalúan» y toman decisiones en la universidad.
No es cosa menor…
En primer lugar quiero comentar que me parece muy interesante el artículo.
Yo vengo a comentar como PTGAS en el ámbito de la gestión universitaria, especialmente la económica relacionada con la investigación.
Creo esta faceta de gestión es de las que más se puede beneficiar de una implantación planificada de herramientas IA, como refleja uno de los gráficos que ilustra el artículo.
Superar la resistencia al cambio es el punto clave. Y no es fácil ya que, en muchas universidades, nos encontramos con una edad media elevada en el personal y con un reto importante de relevo generacional.
Creo que es importante implementar sistemas de selección de personal donde se valore claramente la presencia de habilidades con nuevas tecnologías. Esto sumado a una apuesta clara por la formación del personal actual.
Viendo al ritmo al que avanza el desarrollo de la IA (de los meros LLM a la IA Agéntica o multiagente) estamos ante una necesidad de abordarlo en el corto plazo.
Ojalá la creación de normativas reguladoras no suponga un freno al desarrollo e implantación de la IA en todos los ámbitos universitarios.
No sé… Lo que sí veo es el ciclo de mierdificación de Doctorow, herramientas con muchas funciones que acaban abandonadas en poco tiempo por su coste creciente: de Zoom ahora a Teams, de Urkund a otra plataforma antiplagio, de Adobe a ilovepdf, de Wooclap a Kahoot, las distintas versiones de Moodle, las distintas plataformas de almacenamiento de archivos.
Nada dura lo suficiente como para planificar a medio plazo.
La evaluación será siempre objeto de trampas. Antes de la IA ya se podía y se pagaba para que un tercero hiciera un trabajo de clase para presentarlo como propio.
Ahora existen negocios online que te hacen el TFG a medida.
Es una carrera de obstáculos hacia el título que muchos caraduras consiguen por su red de contactos, entonces «no seré yo el idiota que vaya en serio», salvo quizá aquello que me motive más.