Cómo crear una política de uso de IA para tu universidad

Actualmente, la mayoría de las universidades cuentan con algún tipo de política sobre IA, pero muy pocas tienen una que funcione en la práctica. Una política que define principios, pero deja al azar su cumplimiento, divulgación e implementación en los cursos, no es una política, sino un deseo. Para crear una política sólida, es fundamental tener claro para qué sirve, a quién vincula y cómo se puede verificar su cumplimiento más allá de la palabra del estudiante.

Por qué la mayoría de las políticas de IA se quedan cortas

Un estudio de EDUCAUSE sobre el panorama de la IA de 2024 reveló que solo el 23 % de las instituciones contaban con políticas de uso aceptable relacionadas con la IA, y casi la mitad de los encuestados no estaban de acuerdo en que su institución tuviera directrices adecuadas para la toma de decisiones éticas y eficaces sobre la IA. Un estudio de 2025 publicado en New Directions for Adult and Continuing Education halló que, si bien el 94 % de las principales universidades estadounidenses habían desarrollado directrices sobre IA, estas varían ampliamente en cuanto a alcance, aplicabilidad y participación del profesorado, lo que genera incertidumbre entre los educadores sobre qué es permisible, recomendable o restringido.

El problema no radica en que las instituciones carezcan de voluntad para crear buenas políticas, sino en que la mayoría de ellas se redactan a nivel institucional y se transmiten sin la infraestructura necesaria para implementarlas en la práctica académica. Una declaración del vicerrector sobre transparencia no le indica al estudiante si puede usar inteligencia artificial para generar ideas para su revisión bibliográfica.

Comencemos con lo que la política debe hacer.

Antes de redactar cualquier texto, es útil tener claro qué pretende lograr la política. El Plan de Acción EDUCAUSE 2024 sobre Políticas de IA lo organiza en dos ámbitos: gobernanza y operaciones. La gobernanza abarca la privacidad de los datos, la propiedad intelectual, el acceso equitativo y la forma en que se supervisa y evalúa el uso de la IA. Las operaciones abarcan el desarrollo profesional del profesorado, la infraestructura y la implementación a nivel de curso.

Una política que solo aborde un ámbito generará deficiencias en el otro. Las instituciones que se centran en la gobernanza sin apoyo operativo dejan al profesorado a la tarea de interpretar principios vagos de forma independiente. Las instituciones que se centran en las operaciones sin una gobernanza clara se exponen a riesgos en materia de privacidad de datos y cumplimiento normativo. Ambas dimensiones deben abordarse, aunque sea en documentos diferentes.

Defina claramente el uso permitido y el prohibido.

Este es el paso que la mayoría de las instituciones manejan mal. Declaraciones como “los estudiantes deben usar la IA de forma responsable” o “el uso de la IA debe divulgarse” no son definiciones, sino aspiraciones. Un estudio del King’s College de Londres reveló que el 74 % de los estudiantes no completó las declaraciones obligatorias sobre IA, siendo la ambigüedad de las directrices una de las razones principales. Los estudiantes que no saben con exactitud dónde está el límite, trazarán el suyo propio, de forma inconsistente.

Un lenguaje normativo claro especifica: qué herramientas de IA están permitidas, para qué tareas (lluvia de ideas, revisión gramatical, asistencia en la investigación, redacción, edición), en qué contextos (evaluaciones formativas frente a sumativas) y cómo se aplica la divulgación en la práctica. El consejo de la Universidad de Duke merece ser tomado en serio: las políticas de IA uniformes no son sostenibles. Las declaraciones específicas para cada curso, basadas en un marco institucional compartido, brindan al profesorado la flexibilidad de adaptar los permisos de IA a sus objetivos pedagógicos, al tiempo que ofrecen a los estudiantes una expectativa básica coherente.

[Recomendación de ubicación visual: Tipo visual A, el diagrama de brecha entre la política y la práctica] Una infografía de dos columnas contrasta lo que suelen establecer las políticas institucionales sobre IA (divulgación obligatoria, definición de usos permitidos y prohibidos) con los mecanismos de aplicación habituales (autoinforme, ausencia de proceso de verificación, interpretación inconsistente por parte del profesorado). Esta representación visual pone de manifiesto la brecha en la aplicación de la normativa para los administradores y responsables políticos, y encaja perfectamente en este contexto, ya que el artículo pasa del diagnóstico a la solución.

Construya el proceso de divulgación en torno a la confianza, no al cumplimiento.

Muchas instituciones consideran la transparencia como el principal mecanismo de integridad. Los estudiantes declaran si utilizaron IA y cómo lo hicieron, y la institución se basa en esa declaración. El problema es que la transparencia sin confianza no genera transparencia honesta. Un estudio de 2025 que analizó las políticas de IA en una universidad de Hong Kong reveló que los estudiantes trataban las políticas vagas como acertijos que debían descifrar, en lugar de normas que debían seguir, dedicando un esfuerzo considerable a desenvolverse en la ambigüedad en lugar de participar con transparencia.

La divulgación es más efectiva cuando se concibe como documentación del proceso, en lugar de una confesión de uso. La forma en que se presenta es crucial. Los estudiantes que informan sobre el uso de IA al describir su metodología de trabajo, en lugar de admitir algo potencialmente prohibido, son más propensos a brindar información veraz. Las instituciones deberían combinar los requisitos de divulgación con medidas reparadoras, en lugar de meramente punitivas, especialmente en casos novedosos o poco claros, para eliminar el incentivo al silencio.

Proporcionar al profesorado lo que necesita para implementar la política.

Incluso una política institucional bien redactada se aplicará de forma inconsistente si el profesorado la recibe sin apoyo. Un estudio de 2025 publicado en Frontiers in Education, que examinó las perspectivas del profesorado sobre las políticas de integridad académica, reveló que la aplicación inconsistente no suele deberse a la indiferencia del profesorado. Refleja la complejidad de los procedimientos, la falta de claridad en las directrices y la ausencia de formación sobre cómo gestionar el presunto uso indebido de la IA. El profesorado que opera sin un proceso claro recurre a su propio criterio, que varía.

Para una implementación eficaz se requiere: un programa de estudios con ejemplos que el profesorado pueda adaptar, directrices claras sobre qué hacer ante la sospecha de un uso indebido de la IA y formación sobre cómo presentar la documentación del proceso (en lugar de las puntuaciones de detección) como prueba. Las políticas que se transmiten sin estas estructuras de apoyo no están listas para ser aplicadas.

Incorpore la verificación al diseño.

El último aspecto que suelen omitir la mayoría de las políticas es un mecanismo de verificación fiable. La autodeclaración, incluso si está bien diseñada, informa a la institución sobre lo que los estudiantes dicen haber hecho, pero no sobre lo que realmente hicieron. Esta es la brecha en la validación de la autoría, y es donde muchos casos de integridad se vuelven imposibles de probar: un estudiante niega el uso de IA, la institución sospecha pero carece de pruebas, y el caso queda sin resolver o se resuelve con fundamentos débiles.

Un número creciente de instituciones está explorando la documentación del proceso de escritura como la solución estructural a esta deficiencia. En lugar de analizar el trabajo finalizado en busca de señales de IA, la documentación del proceso registra la sesión de escritura de principio a fin: pulsaciones de teclas, revisiones, interacciones con la IA y pausas de reflexión. El registro resultante no reemplaza el criterio del profesorado, pero le proporciona una base sólida para su análisis. Para los administradores que desarrollan un flujo de trabajo de validación de autoría, herramientas como DocuMark ofrecen una capa de integridad del trabajo que permite verificar las afirmaciones de los estudiantes sobre el proceso, en lugar de darlas por sentadas, sin necesidad de una implementación a nivel institucional desde el primer día.

Utilice ejemplos reales antes de redactar su propia política.

Antes de redactar el documento, conviene ver cómo lo han gestionado otras instituciones similares. Las políticas de Stanford, el MIT, la ETH Zúrich, el Imperial College de Londres y docenas de otras universidades están disponibles públicamente y ofrecen una idea concreta de la variedad de enfoques, desde marcos permisivos que dejan las decisiones en manos de los profesores, hasta sistemas estructurados por niveles que especifican el uso de la IA según el tipo de evaluación.

El Centro de Políticas de IA para Universidades de Trinka reúne las políticas de IA de universidades de Estados Unidos y otros países en un repositorio con función de búsqueda, lo que facilita la comparación de enfoques, la búsqueda de un lenguaje que se ajuste al contexto institucional y la comprensión de cómo las instituciones líderes gestionan la divulgación, la aplicación y la implementación a nivel de curso. Si está elaborando o revisando la política de IA de su institución, este es un punto de partida práctico.