Nombre (Máx.
1000 caracteres):
Resumen (Máx. 4000 caracteres):
Descripción del Problema u oportunidad a la cual responde el proyecto (hipótesis).
(Máx. 4000 caracteres):
La integración de la Inteligencia Artificial (IA) en la educación superior representa una
oportunidad estratégica para mejorar la equidad y la eficiencia de los sistemas educativos,
pero también plantea profundos desafíos éticos, pedagógicos y tecnológicos. En este
contexto, las instituciones exploran el potencial de la IA para facilitar “un aprendizaje más
adaptativo y personalizado” (Valderrama Barragán et al., 2025), optimizar procesos
administrativos y preparar a los estudiantes para entornos profesionales cada vez más
tecnificados. De hecho, “existe un creciente interés y esfuerzos por integrar la IA en aspectos
como el aprendizaje personalizado y adaptativo, los asistentes virtuales y chatbots, la
evaluación y retroalimentación automatizada, y el desarrollo de herramientas de análisis de
aprendizaje” (Flores Jaramillo & Nuñez Olivera, 2024).
Sin embargo, la implementación responsable de la Inteligencia Artificial generativa (GenAI)
en la educación requiere abordar de manera prioritaria las preocupaciones éticas, pedagógicas
y de privacidad. Mantener la privacidad de los datos se convierte en un desafío significativo,
ya que el uso de la IA en entornos educativos implica la recopilación y el análisis de grandes
volúmenes de información sensible sobre los estudiantes. Esto exige medidas sólidas de
protección y el cumplimiento de marcos legales como el Reglamento General de Protección
de Datos (GDPR), así como directrices claras sobre el intercambio y almacenamiento de
información, otorgando a los usuarios control sobre quién puede acceder a sus datos.
Además de la privacidad, la existencia de sesgos algorítmicos y las cuestiones de equidad son
consideraciones éticas fundamentales. Los sistemas de IA pueden reforzar inadvertidamente
los sesgos presentes en sus datos de entrenamiento, lo que podría llevar a un trato desigual
hacia los estudiantes en función de factores como el género, la raza o el estatus
socioeconómico. El principio de justicia exige que los sistemas de IA estén libres de sesgos
que puedan desfavorecer a ciertos grupos. Otros problemas incluyen la pérdida de autonomía
cognitiva cuando los estudiantes dependen excesivamente de las herramientas, lo que limita
su pensamiento crítico, así como la preocupación por la desinformación y el plagio
académico. De hecho, “la falta de ética de responsabilidad en el uso de estas herramientas
aumenta el riesgo de perpetuar la desinformación, especialmente en entornos educativos
donde la veracidad del contenido es crítica” (García-López y Trujillo-Liñán, 2025).
Para que la GenAI cumpla su promesa de automatizar tareas y personalizar el aprendizaje, las
instituciones educativas deben superar importantes desafíos de integración que van más allá
de la tecnología. Uno de los principales retos es la necesidad de una alineación pedagógica
clara, que asegure que las herramientas de IA estén diseñadas para mejorar —y no
reemplazar— los métodos de enseñanza tradicionales. La implementación exitosa depende de
la colaboración continua entre desarrolladores, educadores y responsables de políticas
educativas para crear herramientas coherentes con los objetivos pedagógicos.
Otro desafío crítico es la falta de preparación del personal docente. Es esencial ofrecer
desarrollo profesional continuo y apoyo técnico que permita a los profesores integrar la IA de
forma efectiva y ética en sus prácticas. Como señalan AlAli, Wardat, Al-Saud y Alhayek
(2024), “los educadores deben recibir capacitación adecuada para utilizar las herramientas de
IA de manera efectiva y ética, asegurando que complementen la instrucción humana en lugar
de socavarla”. A estas dificultades estructurales se suman la resistencia institucional al
cambio, anclada en modelos pedagógicos tradicionales, y la ausencia de marcos regulatorios
claros. En este sentido, las “preocupaciones incluyen la protección de la privacidad de los
datos de los estudiantes, la equidad en el acceso a la tecnología, y la transparencia en el uso
de algoritmos de IA para la toma de decisiones educativas” (Tamayo Arellano et al., 2024).
La introducción de tecnologías avanzadas, como los sistemas de IA de alto riesgo en la
educación y las aulas inteligentes, plantea además serias preocupaciones sobre la equidad y la
posible amplificación de las disparidades socioeconómicas existentes. Si no se garantiza un
acceso equitativo, el impacto positivo de la GenAI podría limitarse a las comunidades más
privilegiadas. Esto es especialmente relevante porque los sistemas de IA utilizados para
determinar el acceso o la asignación de personas a centros de formación se clasifican como
de alto riesgo. Además de los riesgos de equidad algorítmica, los costos de infraestructura
representan una barrera práctica y financiera: el alto costo del equipo, la instalación, la
actualización y el mantenimiento de las aulas inteligentes puede obstaculizar su adopción
generalizada. Es vital abordar la equidad en el acceso, pues si estos sistemas se diseñan o
aplican incorrectamente, pueden perpetuar patrones históricos de discriminación. De hecho,
la Comisión Europea (2021) advierte que los sistemas de IA aplicados a la educación
“pueden decidir la trayectoria formativa y profesional de una persona y, en consecuencia,
afectar a su capacidad para asegurar su subsistencia”.
Pregunta de investigación
¿Cuáles son las necesidades, capacidades y barreras específicas que enfrenta la Universidad
Nacional de Colombia, sede Bogotá, para la integración efectiva de la inteligencia artificial
en sus procesos de formación profesional e investigación?
Justificación:
Los procesos de transformación que la Inteligencia Artificial está generando desde la
educación superior han producido varios cambios en las dinámicas actuales y futuras, debido,
en gran parte, al rol múltiple que desarrolla la universidad como escenario clave para el
aprovechamiento de esta tecnología y con repercusiones posteriores en el desarrollo laboral
de los egresados. (Lago, M. 2024).
El panorama laboral es uno de los más reformados por la integración de está herramienta;
estudios científicos actuales coinciden en resaltar que uno de los mayores problemas que se
presentan en materia es el efecto del desplazamiento laboral, producto de la excesiva
automatización de tareas que aumentan la productividad (MIT, 2018). La posibilidad de que
la IA reemplace a los trabajadores humanos es una preocupación generalizada, la Oxford
Martin School (2013) estimó que el 47% de los empleos estadounidenses estaban en "alto
riesgo" de automatización en las próximas dos décadas, enfrentando una problemática de
desempleo tecnológico. El reemplazo en materia laboral da lugar a la creación de nuevos
empleos que exigen el manejo de la IA como herramienta, la SSRN (2025) ha estudiado este
fenómeno y concluyó que los efectos complementarios son hasta 1.7 veces mayores que los
efectos de sustitución. Es por esto que la transición que impone la IA en el mercado laboral
moderno exige la incorporación de esta como herramienta para conservar la competitividad
en este ámbito (Foro Económico Mundial, 2025).
La adopción de esta herramienta desde las universidades impulsa nuevas formas de
enseñanza, evaluación, gestión académica y automatización de procesos administrativos
(Acevedo, M. 2025). Esto supone un reto que estas instituciones deben asumir, se vuelve
necesario evaluar la forma en que las dinámicas cambian y estimar los riesgos y las
oportunidades que existen en este fenómeno. De la misma manera, es prudente revisar los
patrones de estas tecnologías y examinar su viabilidad, siempre con el objetivo de conservar
el rigor científico del saber humano.
De otra parte, nos encontramos frente a un momento de desarrollo no lineal de está
tecnología, son múltiples los productos generados en las actividades que relacionan o
directamente implican a las universidades. Estas instituciones, como grandes consumidores
del conocimiento y los trabajos especializados, deben preocuparse por la forma en que se
seleccionan entre la comunidad. ¿Cuáles son recomendadas? ¿En cuales se invierten
recursos? ¿bajo qué criterio una inteligencia artificial es adecuada para el trabajo
académico-científico?¿cómo se comportan estas en términos económicos y cómo funciona la
relación valor precio?.
El Observatorio busca constituirse como un referente académico que aporte conocimiento
riguroso y propuestas prácticas sobre cómo implementar la IA de manera ética, pedagógica y
efectiva. Las Universidades son reflejo de los cambios que implican estas tecnologías mucho
antes que otros sectores, su estudio no solo mejora la adaptación de los egresados a los
nuevos retos profesionales, sino que permite visualizar escenarios de transformación en las
estructuras sociales.
Este estudio responde a la creciente demanda, tanto en el mercado laboral como en entornos
académicos, de comprender e incorporar la IA como una herramienta de uso masificado
(Vera, 2023). Con ello, no solo se promueve la innovación y la calidad en los procesos
formativos, sino también se garantiza que las universidades cumplan su misión de formar y
liderar.
.
Objeto/Objetivo general (Máx. 4000 caracteres):
Analizar y comparar los modelos de integración de la inteligencia artificial en el ámbito
universitario, mediante estudios bibliográficos, comparativos y de campo, con el fin de
formular una propuesta de implementación que promueva una incorporación ética,
pedagógica y efectiva de la IA para los ejes de formación e investigación.
Objetivos específicos:
1. Caracterizar los modelos actuales de integración de la inteligencia artificial en
instituciones de educación superior.
2. Analizar las estrategias implementadas por universidades internacionales para
incorporar la IA en los procesos de formación e investigación.
3. Identificar las condiciones institucionales, capacidades técnicas y barreras que
enfrenta la Universidad Nacional de Colombia, sede Bogotá, para la adopción efectiva
de la IA.
4. Diseñar una propuesta de integración ética, pedagógica y efectiva de la IA que oriente
la implementación institucional en los ejes de formación e investigación universitaria
5. Evaluación de resultados respecto a la aplicación de la propuesta y socialización de
resultados
Por favor ingrese cada objetivo específico (Máx. 2000 caracteres):
Por favor ingresar el medio de verificación del obj. específico (Máx. 2000
caracteres
Por favor ingrese cada resultado (Máx. 2000 caracteres):
Por favor ingrese el entregable del resultado (Máx. 2000 caracteres):
l
Por favor ingrese la fecha para el entregable:
Productos académicos
Metodología
propuesta
Alcance de la propuesta
Pertinencia de la temática a observar
Participación en red interna
Participación en red externa
Actividades
Bibliografia