La simulación de la innovación: Análisis crítico de la irrupción de la inteligencia artificial en la educación superior en México

La perspectiva de la trayectoria docente frente al cambio algorítmico

El examen de la incorporación de la inteligencia artificial (IA) en las aulas universitarias de México adquiere una dimensión de profunda lucidez cuando se analiza desde el prisma de una trayectoria docente de 28 años en el nivel superior. Este mirador temporal, que ha sido testigo de la llegada y el subsecuente desvanecimiento de múltiples promesas tecnológicas, permite comprender que la actual conmoción ante los sistemas algorítmicos generativos no constituye un fenómeno aislado, sino el capítulo más reciente de un ciclo histórico de asimilación tardía, dispersa y superficial¹. Históricamente, la academia mexicana ha respondido a las transformaciones tecnológicas desde la periferia del diseño y la producción, adoptando un rol de consumidora pasiva que intenta reaccionar cuando las dinámicas sociales y de mercado ya han asimilado la disrupción³.

La experiencia acumulada a lo largo de casi tres décadas revela que el debate educativo actual sobre la IA suele quedar atrapado en extremos estériles: la apología tecnofílica que visualiza a los algoritmos como la solución automática al rezago educativo, o el repliegue tecnofóbico que reduce la tecnología a una amenaza contra la integridad académica⁵. Ninguna de estas posturas aborda la raíz del problema. La realidad áulica demuestra que el verdadero desafío no reside en la sofisticación de los modelos de lenguaje o en la automatización de tareas, sino en la fragilidad de las bases institucionales sobre las cuales se pretende estructurar la transición digital⁷. Al carecer de un modelo pedagógico situado, reflexivo y de largo aliento, la universidad corre el riesgo de repetir el simulacro de la modernización formal, transmitiendo a las nuevas generaciones de profesionales habilidades técnicas instrumentales y endebles que no corresponden a las exigencias de un entorno altamente automatizado².

La inercia del simulacro tecnológico en las políticas públicas mexicanas

Para entender la vulnerabilidad de las instituciones de educación superior ante la inteligencia artificial, es necesario contextualizar los antecedentes de la tecnología educativa en el país. El esfuerzo del Estado mexicano por digitalizar la enseñanza ha estado marcado históricamente por un discurso futurista que contrasta agudamente con la precariedad de su implementación y la falta de continuidad transexenal¹⁰. Desde los primeros ensayos de teleducación, como el modelo de Telesecundarias en 1968, hasta los programas de inclusión digital del siglo XXI, la constante ha sido la adquisición masiva de equipamiento físico sin un acompañamiento didáctico ni el desarrollo de capacidades humanas endógenas³.

La historia reciente registra costosas iniciativas federales que ilustran esta inercia de simulación:

• Enciclomedia: Implementado en el ciclo básico con un presupuesto que superó los 23,400 millones de pesos, el programa colapsó debido a la falta de conectividad real, fallas graves de mantenimiento físico y la ausencia de una capacitación profunda al magisterio, demostrando que la instalación de pizarrones electrónicos no modificaba la naturaleza de la práctica pedagógica tradicional¹¹.
• Mi Compu MX y la entrega de dispositivos: En 2013, se destinaron cerca de 3,000 millones de pesos para la distribución de más de 240,000 computadoras portátiles¹¹. Los equipos, caracterizados por un software obsoleto y lentitud operativa, se entregaron en zonas desprovistas de infraestructura de red; miles de ellos terminaron almacenados o empeñados debido a la falta de soporte técnico y seguimiento educativo¹¹.
• Gasto acumulado sin impacto estructural: Entre los años 2001 y 2018, el erario público destinó más de 30,000 millones de pesos a programas de digitalización escolar¹¹. No obstante, los datos oficiales revelan que más del 60% de las escuelas públicas del país carecen de acceso a internet, y la conectividad en las zonas rurales apenas alcanza el 18%¹¹.

Esta trayectoria histórica evidencia que México no ha participado activamente en las revoluciones tecnológicas previas, consolidándose como un país dependiente de la transferencia tecnológica externa³. Las directrices de los Planes Nacionales de Desarrollo han reconocido de manera sistemática el rezago en ciencia, tecnología e innovación, pero las soluciones propuestas suelen subordinarse a lógicas de mercado o a la simulación gubernamental del avance tecnológico, una inercia que hoy se traslada de forma directa a las universidades en su intento por normar y asimilar la inteligencia artificial³.

Brechas estructurales en las instituciones de educación superior: Datos y realidades

La irrupción de la inteligencia artificial generativa a partir de 2022 evidenció que las universidades mexicanas albergan desigualdades socioeconómicas y tecnológicas que impiden una transición equitativa¹⁵. Mientras las universidades privadas de élite y las grandes casas de estudio públicas lideran proyectos de asimilación algorítmica, el grueso de las instituciones de educación superior se desenvuelve en un escenario de escasez de recursos y ausencia de directrices claras⁸.

Los datos recopilados en los diagnósticos de la Asociación Nacional de Universidades e Instituciones de Educación Superior (ANUIES) y los estudios interinstitucionales coordinados por la Universidad Nacional Autónoma de México (UNAM) ofrecen una radiografía del desfase estructural del país en comparación con las dinámicas de la Organización para la Cooperación y el Desarrollo Económicos (OCDE)⁸.

Dimensión de Análisis de IA en Educación Superior	Indicador y Estado Actual en México	Comparativa y Referencia Internacional
Acceso a infraestructura tecnológica	Solo el 30% de las universidades mexicanas cuenta con la infraestructura avanzada necesaria para implementar sistemas basados en IA8.	El promedio de acceso a infraestructura tecnológica avanzada en las universidades de la OCDE se ubica en el 80%8.
Formación y capacitación del claustro	Únicamente el 15% del personal docente recibe capacitación anual en competencias digitales avanzadas y uso ético de la IA8.	Demanda de planes de formación docente continua, transversales y obligatorios en el 100% de los currículos de posgrado14.
Brecha de uso académico activo	El 78% de los estudiantes utiliza habitualmente herramientas de IA en sus estudios, frente al 43% de los profesores que la incorporan en su docencia8.	Estudios regionales del Digital Education Council (DEC) reportan que el 91.5% del estudiantado de América Latina ya usa activamente la IA18.
Gobernanza y marcos normativos	La mayoría de las instituciones de educación superior carecen de políticas éticas institucionales y comités específicos de supervisión8.	Países industrializados avanzan en la adopción de directrices alineadas con los marcos éticos de la UNESCO y regulaciones estatales de IA7.

Esta disparidad estadística revela que la brecha digital contemporánea en las universidades ya no se limita al mero acceso de conectividad física, sino que se ha transformado en una brecha de alfabetización digital crítica⁴. La asimetría de uso entre estudiantes y profesores genera un vacío didáctico dentro de las aulas: el alumnado utiliza con fluidez plataformas como ChatGPT o Claude para resolver las tareas universitarias tradicionales, mientras que el profesorado, desprovisto de herramientas metodológicas y criterios de evaluación actualizados, carece de la capacidad para discernir si las producciones académicas reflejan un proceso de aprendizaje real o una simple delegación algorítmica¹⁴.

Liderazgos de oportunidad y la retórica de la innovación

La respuesta de las administraciones universitarias ante el impacto de la inteligencia artificial ha estado marcada por lo que la crítica especializada denomina la “retórica de la innovación”²². En momentos de crisis o transición tecnológica, emergen en el espacio académico “líderes de oportunidad”¹⁴. Estos gestores adoptan de manera expedita el discurso de la modernidad digital y la inteligencia artificial, promoviendo foros, alianzas mediáticas y reformas superficiales con el fin de capitalizar el prestigio asociado a la vanguardia tecnológica¹⁴.

Esta dinámica institucional fomenta el fenómeno del ethics-washing (o lavado de cara ético)¹⁴. Las universidades apresuran la publicación de guías metodológicas o códigos de conducta para el uso de la IA con el propósito de obtener un “sello de aprobación” que las legitime ante las agencias acreditadoras y el mercado de servicios educativos¹⁴. No obstante, estas directrices rara vez se sustentan en una transformación real de las estructuras curriculares o en una inversión seria en el desarrollo de capacidades docentes².

La contradicción sustancial radica en que, mientras los discursos corporativos universitarios ensalzan un modelo de enseñanza flexible, dinámico y centrado en el aprendizaje adaptativo mediado por tecnologías inmersivas e IA, la práctica cotidiana de las aulas continúa estructurada bajo el esquema decimonónico de la clase magistral²³. Se mantiene una pedagogía de la memorización y la reproducción fáctica de datos que resulta obsoleta ante herramientas capaces de automatizar la generación de contenidos y la resolución de exámenes estándar en tiempo real¹⁵.

Las consecuencias generacionales: Transmitiendo bases endebles a los nuevos profesionales

La consecuencia más grave de esta asimilación simulada y fragmentada de la tecnología educativa recae de manera directa sobre los estudiantes de nivel superior, quienes egresan de las aulas con competencias profesionales profundamente endebles². Al no estructurar una alfabetización digital crítica desde las cátedras, las universidades transmiten de manera involuntaria un uso superficial de la inteligencia artificial, limitando el potencial cognitivo de los futuros profesionistas⁷.

Las implicaciones pedagógicas y laborales de esta transición precaria se manifiestan en dimensiones críticas:

• Pérdida de competencias cognitivas avanzadas: Cuando la IA se incorpora como un recurso para la resolución mecánica de tareas sin una mediación docente activa, se debilita el desarrollo de habilidades de pensamiento crítico, redacción científica, análisis crítico de datos y argumentación lógica².
• Falta de vinculación con los sectores de desarrollo: A pesar de la necesidad de formar talento humano capaz de liderar el ecosistema tecnológico nacional, en México solo el 4.2% de los emprendimientos y startups pertenecen al sector de la tecnología educativa (Edtech), reflejando una escasa articulación entre las universidades, el sector científico y las fuerzas productivas³.
• Desigualdad en la inserción laboral: Los estudiantes formados bajo el paradigma del simulacro tecnológico compiten en desventaja en un mercado de trabajo crecientemente automatizado, donde ya no basta con saber operar un software, sino que se requiere la capacidad de auditar, programar, rediseñar y regular el uso de sistemas inteligentes con perspectiva ética y responsabilidad social⁴.

La persistencia de una formación profesional que ignora la dimensión epistémica de los algoritmos de la IA perpetúa la condición de México como un país maquilador de servicios tecnológicos y consumidor pasivo de propiedad intelectual del Norte Global, profundizando la brecha de soberanía científica y de desarrollo social inclusivo³.

El espectro ideológico ante la inteligencia artificial

La diversidad de posturas adoptadas por los docentes y directivos universitarios frente a la irrupción de los modelos de lenguaje puede analizarse a través de un esquema sociocultural que clasifica las narrativas de la transición tecnológica según sus fundamentos teóricos e implicaciones prácticas²⁸.

Categoría Narrativa	Fundamento Conceptual	Manifestación en la Práctica Universitaria	Consecuencia Pedagógica Directa
Tecnofilia Acrítica	Convicción de que la tecnología resolverá mecánicamente los retos de cobertura, personalización y eficiencia en las universidades5.	Adopción compulsiva de plataformas de IA generativa; delegación de procesos evaluativos a algoritmos14.	Subordinación del diseño curricular a los intereses de comercialización de la industria tecnológica (ethics-washing)14.
Tecnofobia y Alarmismo	Caracterización de la IA como un dispositivo amenazante que atenta contra la integridad académica, fomenta el plagio y deshumaniza las aulas15.	Prohibición absoluta de asistentes lingüísticos; adopción de software punitivo de detección de IA; vigilancia digital excesiva15.	Parálisis pedagógica; distanciamiento con los estudiantes; incapacidad para preparar a los alumnos en el uso profesional de las herramientas2.
Conservadurismo Educativo	Resistencia gremial a modificar los métodos didácticos; priorización exclusiva de la clase de cátedra magistral e individualizada23.	Ignorancia voluntaria del impacto del ecosistema algorítmico en la disciplina enseñada; continuación de evaluaciones factuales23.	Desconexión absoluta entre el perfil de egreso académico y las demandas tecnológicas reales de la sociedad contemporánea23.
Apropiación Crítica y Ética	Postura centrada en el ser humano que concibe la IA como puente de capacidades, manteniendo la autonomía cognitiva y el juicio crítico7.	Codiseño pedagógico; explicitación de la contribución de la IA en tareas; fomento de la autorreflexión y la metacognición15.	Formación de egresados capaces de auditar y usar éticamente la IA; desarrollo de una ciudadanía digital crítica8.

Este análisis cualitativo demuestra que la universidad mexicana no requiere de recetas instrumentales rápidas, sino de un posicionamiento dialéctico que supere la falsa dicotomía entre la tecnofobia y la tecnofilia, construyendo metodologías pedagógicas emergentes y situadas en la realidad nacional².

Rutas para una apropiación tecnológica auténtica y crítica

Sistematizar una transición real y responsable hacia la inteligencia artificial en el nivel superior de México exige sustituir la simulación retórica por políticas institucionales integrales y democráticas⁷. Con base en el diagnóstico de la ANUIES y las guías actualizadas de organismos internacionales y nacionales, se definen líneas de acción prioritarias para las instituciones académicas⁸:

En primer lugar, es indispensable democratizar la infraestructura y modernizar la conectividad en las instituciones públicas del país⁸. El desarrollo de políticas de inclusión digital debe enfocarse en dotar de recursos y equipamiento tecnológico de vanguardia a las comunidades universitarias marginadas y de zonas rurales, transformando la IA en un puente que reduzca las disparidades socioeconómicas y geográficas en lugar de un factor que las ensanche⁸.

En segundo lugar, se debe transitar hacia un modelo de evaluación formativa y de alta demanda cognitiva¹⁴. La labor docente tiene que alejarse de la solicitud de tareas mecánicas, resúmenes o cuestionarios de datos de memorización rápida que la IA generativa resuelve de forma automatizada, priorizando el diseño de actividades que requieran el pensamiento crítico, la resolución de casos prácticos situados en el entorno real, el debate colaborativo y el juicio valorativo interdisciplinario¹⁴.

En tercer lugar, resulta imperativo reconfigurar los marcos éticos de integridad académica¹⁴. Las universidades deben establecer lineamientos claros que normen de manera explícita la contribución de los sistemas de inteligencia artificial en las producciones escolares, instruyendo a los estudiantes en la correcta citación de bases de datos generativas, la verificación de hechos falsos o sesgos cognitivos y la asunción de la responsabilidad final del contenido presentado¹⁴. Ello requiere la activación real de comités de ética y de gobernanza de datos personales que protejan los repositorios del conocimiento institucional y garanticen la diversidad de género y cultural de las comunidades universitarias ante los sesgos de discriminación algorítmica⁷.

Por último, la formación docente en competencias digitales avanzadas debe asumirse como una política de Estado de carácter permanente⁶. La capacitación al profesorado universitario no puede reducirse a adiestramientos instrumentales y compulsivos de corto plazo; por el contrario, requiere el fomento de espacios interdisciplinarios de discusión didáctica y metodológica que empoderen al educador como guía indispensable del aprendizaje reflexivo⁶.

La experiencia acumulada de tres décadas de docencia demuestra de manera inequívoca que ninguna innovación tecnológica, por más disruptiva o inteligente que parezca, puede sustituir el valor de la presencialidad, el diálogo constructivo, la ética del cuidado mutuo y el compromiso social del profesorado de nivel superior en la formación de seres humanos íntegros, críticos e históricamente situados⁶.

Fuentes citadas

1. La docencia ante la inteligencia artificial: prudencia, imaginación y compromis, https://revista.unam.mx/ojs/index.php/rdu/article/view/3693
2. UNA TRANFORMACIÓN TECNOLÓGICO EDUCATIVA ELECTRÓNICA EN LA EDUCACIÓN SUPERIOR: REFLEXIONES EPISTEMOLÓGICAS. A suggestion of – Dialnet, https://dialnet.unirioja.es/descarga/articulo/7204538.pdf
3. Política y gestión de Tecnología Educativa en México – CUDI, https://cudi.edu.mx/sites/default/files/2022-01/Politica_gestion_Tecnologia_Educativa_Mexico.pdf
4. México ante la infraestructura de la IA: el país que no puede llegar tarde a su propio futuro, https://www.eleconomista.com.mx/opinion/mexico-infraestructura-ia-pais-llegar-tarde-propio-futuro-20260526-815334.html
5. Vista de Uso de la tecnología en las aulas universitarias, ¿una utopía en la era de la información? | Horizontes Revista de Investigación en Ciencias de la Educación, https://revistahorizontes.org/index.php/revistahorizontes/article/view/99/265
6. Redalyc.HALLAZGOS EN INVESTIGACIÓN SOBRE EL PROFESORADO UNIVERSITARIO Y LA INTEGRACIÓN DE LAS TIC EN LA ENSEÑANZA, https://www.redalyc.org/pdf/447/44713054006.pdf
7. en la Educación Superior – GAIA-GEN UNAM, https://iagen.unam.mx/recursos/ANUIES—IA-en-ES-Mx—2025.pdf
8. 10 Avances de la Comisión de Inteligencia artificial. – Órganos Colegiados ANUIES, https://organoscolegiados.anuies.mx/cupria/wp-content/uploads/sites/4/2025/05/10-Avances-de-la-Comision-de-Inteligencia-artificial.pdf
9. revista25.pdf – REVISTA TECNOLOGICA CEA, https://www.revistatecnologicacea.mx/revistas/revista25.pdf
10. La Enciclomedia, el fracaso… – Contralínea, https://contralinea.com.mx/tamaulipas/la-enciclomedia-el-fracaso/
11. El Fracaso de la Educación Tecnológica en México: Enciclomedia, Tablets y Corrupción, https://www.youtube.com/watch?v=JyihvcQt2jk
12. Un fracaso de 23,498,000,000 de pesos – Excélsior, https://www.excelsior.com.mx/opinion/leo-zuckermann/un-fracaso-de-23498000000-de-pesos/958954
13. Enciclomedia ¿interés educativo o conflicto de intereses? – ITESM, https://cic.itesm.mx/DocumentosPrincipalAlumno/d61881e9-b902-ff07-fc15-eb266678c846.pdf
14. Guía de Uso de Inteligencia Artificial Generativa en Evaluación Educativa en el posgrado, https://www.pdcb.unam.mx/documentos/alumnos/guia-de-uso-de-inteligencia-artificial-generativa-en-evaluacion-educativa-en-el-posgrado.pdf?ui=1635188922
15. Entre la ética epistémica y los algoritmos digitales, uploaded:Entre la ética epistémica y los algoritmos digitales
16. Brechas digitales y apropiación de la Inteligencia Artificial en contextos educativos desiguales: usos, percepciones y desafíos estudiantiles en Guerrero, México – The Anáhuac Journal, https://publicaciones.anahuac.mx/index.php/sintaxis/article/view/3253
17. Competencias pedagógicas digitales y la brecha digital en la educación moderna | Reencuentro. Análisis de problemas universitarios, https://reencuentro.xoc.uam.mx/index.php/reencuentro/article/view/1333
18. La inteligencia artificial ya forma parte de la vida académica de la UNAM, https://almomento.mx/la-inteligencia-artificial-ya-forma-parte-de-la-vida-academica-de-la-unam/
19. La inteligencia artificial ya forma parte de su vida académica – Gaceta UNAM, https://www.gaceta.unam.mx/la-inteligencia-artificial-ya-forma-parte-de-su-vida-academica/
20. IA avanza en universidades, pero persisten brechas de preparación y regulación: Tecnológico de Monterrey | DPL News, https://dplnews.com/ia-avanza-en-universidades-pero-persisten-brechas-de-preparacion-y-regulacion-tecnologico-de-monterrey/
21. Recommendations for the Educational Use of Generative Artificial Intelligence at UNAM, https://www.youtube.com/watch?v=6iRQADw0Xm8
22. Vista de Propuesta de modelo estratégico que muestra los elementos esenciales de la innovación curricular | Revista Ensayos Pedagógicos, https://www.revistas.una.ac.cr/index.php/ensayospedagogicos/article/view/14724/20410
23. La transformación de la educación superior – Cátedra UNESCO UNEIR, https://catedra-unesco-uneir.org/2024/03/04/la-transformacion-de-la-educacion-superior/
24. Desafíos interdisciplinares en el currículo universitario: Tendencias y perspectivas para una formación profesional integral latinoamericana – Revistas UCPEJV, http://revistas.ucpejv.edu.cu/index.php/rVar/article/view/3152/3456
25. Uso-y-desarrollo-etico-del-IA-en-la-UNAM_v-digital.pdf – TIC UNAM, https://www.tic.unam.mx/wp-content/uploads/2025/11/Uso-y-desarrollo-etico-del-IA-en-la-UNAM_v-digital.pdf?fbclid=IwY2xjawSBfgJleHRuA2FlbQIxMABicmlkETFOTm9lb0J4MXh4Z0dEeG5qc3J0YwZhcHBfaWQQMjIyMDM5MTc4ODIwMDg5MgABHmBBqlyn9YoMBDK2AjEtv4kAMmQJcGYKOiRL67tVIU8xse6MtPI3uEG1Wjok_aem_9omDGJACitGrUmMojw-afw
26. Recomendaciones para el uso educativo de la Inteligencia Artificial Generativa en la UNAM, https://iagen.unam.mx/recursos/Recomendaciones_IAGEN_UNAM_2025.pdf
27. Edtech: el futuro (y rezago) de la tecnología educativa en México – WORTEV, https://wortev.com/podcast/edtech-tecnologia-educativa-en-mexico/
28. Capítulo 7 De la tecnofilia a la tecnofobia. Narrativas sobre inteligencia artificial y educación superior, https://astraeditorialshop.com/wp-content/uploads/2025/01/7_De-la-Tecnofilia-a-la-Tecnofobia_.pdf
29. La Inteligencia Artificial Generativa (IAGEN) en el profesorado y estudiantado de la UNAM. Retos y prospectivas, https://www.ceide.unam.mx/wp-content/uploads/2025/08/IAGen_UNAM_2025.pdf
30. estado actual de las tecnologías educativas en las instituciones de educación superior en méxico – Publicaciones del Comité ANUIES-TIC, https://publicaciones-tic.anuies.mx/descargas/2023/libros/Estado_Actual_Tecnologias_2023.pdf
31. Observatorio Interinstitucional de Inteligencia Artificial en la Educación Superior en México, http://observatorio-ia.org/OIIAES_24052025.pdf