Inteligencia artificial en la universidad: qué cambia

En menos de cuatro años, las herramientas de inteligencia artificial generativa pasaron de curiosidad a infraestructura cotidiana. Hoy, prácticamente cualquier estudiante universitario en México tiene acceso gratuito a un sistema capaz de redactar un ensayo, resumir un capítulo, explicar un tema y escribir código.

La reacción institucional inicial fue prohibir. La reacción madura —la que estamos viendo consolidarse en 2026— es otra: rediseñar qué se evalúa.

Lo que la IA volvió barato

Conviene ser claros sobre lo que efectivamente cambió. Un modelo de lenguaje actual hace, en segundos y con calidad aceptable:

• Resumir un texto largo.
• Redactar un primer borrador de casi cualquier documento estándar.
• Traducir con soltura entre idiomas.
• Explicar un concepto en varios niveles de dificultad.
• Generar código funcional para tareas acotadas.
• Producir la sección de "marco teórico" genérica de cualquier trabajo escolar.

Todas esas eran tareas que antes ocupaban horas de un estudiante y que, en muchos casos, constituían la evaluación completa de una materia.

Si la evaluación consistía en pedir un resumen, esa evaluación dejó de medir algo.

Lo que la IA no volvió barato

Aquí está la parte que importa para quien está eligiendo carrera hoy.

El juicio. Un modelo produce respuestas plausibles, no necesariamente correctas. Distinguir una de otra exige saber del tema. Un estudiante de Contaduría que no sabe determinar un impuesto no puede detectar cuando la herramienta se equivoca —y se equivoca—.

La responsabilidad. Nadie firma un dictamen clínico, un estado financiero auditado o un escrito judicial en nombre de una herramienta. La cédula profesional es de una persona, y con ella viaja la responsabilidad legal.

El contacto humano. Nada sustituye a una enfermera valorando a un paciente, un maestro leyendo la cara de un grupo o un abogado familiar conteniendo a un cliente en crisis.

El trabajo físico especializado. Una exploración clínica, una intervención de fisioterapia, un procedimiento estomatológico, la supervisión de una obra.

La formulación del problema. Las herramientas responden preguntas. Decidir cuál es la pregunta correcta sigue siendo el trabajo más valioso y el peor distribuido.

Cómo cambia la evaluación universitaria

Las instituciones que están respondiendo bien se están moviendo en tres direcciones.

Hacia la evidencia de proceso

En lugar de evaluar sólo el producto final, se evalúan las etapas: el planteamiento, las fuentes, los borradores, las decisiones descartadas. Un proceso documentado es difícil de fabricar y, además, es lo que se parece al trabajo profesional real.

Hacia lo presencial y lo oral

La defensa oral de un trabajo, el examen práctico, la resolución de un caso en el aula. No porque sean "a prueba de IA" —ninguna evaluación lo es del todo— sino porque miden comprensión, que es lo que interesa.

Hacia el uso declarado

El enfoque más honesto: permitir la herramienta y exigir que se declare cómo se usó. "Usé el modelo para generar tres estructuras posibles y elegí la segunda por estas razones" es una respuesta académicamente válida y, de hecho, más exigente que redactar sin ayuda.

Lo que debería enseñarse ahora

Cuatro competencias que hace cinco años no estaban en ningún plan de estudios y que hoy son necesarias en casi cualquier profesión:

1. Verificación. Cómo comprobar una afirmación, rastrear una fuente primaria y detectar una cita inventada. Los modelos generan referencias falsas con total seguridad; un profesional que no verifica firma errores.

2. Formulación. Cómo plantearle a una herramienta un problema con contexto, restricciones y criterio de éxito. Es, en el fondo, la vieja competencia de definir bien un problema.

3. Límites y datos. Qué información no se puede introducir en una herramienta de terceros: datos de pacientes, información financiera de clientes, secretos profesionales. En salud y derecho esto tiene consecuencias legales concretas.

4. Criterio de suficiencia. Saber cuándo la respuesta de la herramienta basta y cuándo hace falta el trabajo humano completo. Es la competencia más difícil de enseñar y la más valiosa.

Lo que esto significa para elegir carrera

Hay mucha ansiedad en torno a esto y vale la pena ordenarla.

Las carreras con componente humano irreductible —Enfermería, Fisioterapia, Estomatología, Nutrición, Educación, Pedagogía— no sólo no se ven amenazadas: se ven revalorizadas, porque su valor está exactamente donde la automatización no llega.

Las carreras con responsabilidad legal personal —Derecho, Contaduría Pública— cambian de herramienta, no de función. El abogado que usa IA para investigar jurisprudencia sigue siendo el que firma.

Las carreras técnicas —Ingeniería de Software, Arquitectura Sustentable— son las que más cambian en el día a día, y también donde la productividad individual más ha subido. El desarrollador que usa bien las herramientas hace hoy lo que antes hacía un equipo pequeño. Eso desplaza tareas de entrada y premia el criterio de arquitectura y diseño.

Las carreras de gestión —Administración de Empresas, posgrados en dirección— ganan valor en la medida en que el cuello de botella se desplaza hacia la decisión y la coordinación.

En ningún caso la conclusión razonable es "no estudies". La conclusión es: estudia algo donde el juicio profesional sea el producto, y aprende a usar las herramientas sin delegarles la responsabilidad.

Una regla simple para estudiantes

Úsala para entender, no para entregar.

Pídele que te explique lo que no entendiste. Pídele preguntas de examen para practicar. Pídele que critique tu borrador. Pídele tres enfoques posibles antes de elegir el tuyo.

Lo que no funciona es pedirle el trabajo y entregarlo. No principalmente por la sanción —que existe— sino porque cuatro años después estarás en una entrevista donde nadie te va a preguntar qué entregaste, sino qué sabes hacer.

Lo que conviene preguntarle a una universidad hoy

Si estás evaluando dónde estudiar, la postura de la institución frente a estas herramientas dice bastante sobre qué tan actualizada está:

1. ¿Cuál es su política sobre el uso de IA en trabajos? Una respuesta clara —permitido con declaración, prohibido en ciertos casos, obligatorio en otros— es señal de que lo pensaron. "No tenemos política" o "está prohibido" a secas, no.
2. ¿Cómo evalúan? Si todo se reduce a trabajos escritos entregados a distancia, el programa no se ha actualizado.
3. ¿Los profesores usan estas herramientas en clase? Enseñar a usarlas bien es hoy parte del contenido.
4. ¿Hay formación sobre privacidad de datos en herramientas de terceros? Es crítico en salud, derecho y contaduría.

Una consideración para quien ya trabaja

Si estás considerando un posgrado, hay un cálculo que vale la pena hacer.

Las tareas que la automatización absorbe primero son las operativas y repetitivas. Las que resiste son las de diseño, coordinación, negociación y responsabilidad profesional. Un posgrado bien elegido mueve a una persona exactamente en esa dirección: de ejecutar a decidir.

No es un argumento de miedo —"estudia o te reemplazan"— sino de posicionamiento. El valor profesional se está desplazando hacia arriba en la cadena de decisión, y la formación es el mecanismo más directo para acompañar ese desplazamiento.

Lo tratamos con más detalle en cuándo conviene estudiar una maestría.

---

En UGLATAM los proyectos integradores se defienden, no sólo se entregan. Conoce nuestro modelo educativo o solicita informes del programa que te interesa.