Las políticas de divulgación sobre IA fracasan cuando los estudiantes las perciben como trampas en lugar de herramientas. Las investigaciones demuestran que la falta de divulgación no suele ser un acto de deshonestidad, sino una respuesta racional a normas vagas, una aplicación inconsistente y el temor a que admitir el uso de IA provoque una acusación. Las políticas que integran la transparencia en el proceso de escritura desde el principio, en lugar de pedir a los estudiantes que informen al final, obtienen resultados mucho mejores.
La política existe. Los estudiantes no la están cumpliendo.
Actualmente, la mayoría de las universidades cuentan con algún tipo de política sobre el uso de la IA. El problema es que tener una política no garantiza su eficacia.
Una encuesta realizada en 2023 a 50 de las principales universidades del mundo reveló que el 57 % contaba con directrices que exigían a los estudiantes reconocer o citar el uso de la IA. Sin embargo, un estudio de 2024 en la King’s Business School del King’s College de Londres halló que el 74 % de los estudiantes no completó la declaración obligatoria sobre IA en la portada de su trabajo, a pesar de que rellenaban sistemáticamente todos los demás campos del mismo formulario. La declaración fue la única parte que los estudiantes omitieron.
Los investigadores identificaron cuatro razones para esto: el temor a las consecuencias académicas, la falta de claridad en las directrices, la aplicación inconsistente de las normas en los distintos cursos y la influencia de los compañeros. Ninguna de ellas constituye un defecto de carácter. Todas son respuestas predecibles a un entorno normativo que exige honestidad sin antes crear las condiciones para ella.
¿Por qué los estudiantes permanecen en silencio incluso cuando se permite el uso de la IA?
Esta es la parte que sorprende a muchos profesores . Los estudiantes no solo ocultan el uso no autorizado de la IA. Muchos ocultan un uso que probablemente era lícito, porque no saben distinguir la diferencia.
En la Conferencia Anual de EDUCAUSE de 2025 , investigadores de la Universidad de Lamar y de Texas A&M describieron cómo los estudiantes lidiaban con políticas de IA contradictorias a nivel de clase y de tarea, sin una forma fiable de saber cuándo estaban cumpliendo con las normas. Ashley Dockens , vicerrectora asociada de Aprendizaje Digital en la Universidad de Lamar, señaló que se les exige a los estudiantes un estándar que nunca se les enseñó claramente, y que la mayoría de los usos indebidos no son malintencionados, sino una respuesta a la confusión y la presión.
Ponte en su lugar. Usas IA para generar ideas. No estás seguro de si eso constituye una infracción. Sabes que las herramientas de detección cometen errores. Guardar silencio parece la opción más segura. Ese razonamiento es lógico. No es deshonesto. Y seguirá siendo así mientras revelar información conlleve más riesgos que el silencio.
de la King’s Business School reveló que los estudiantes también temían que su profesor los menospreciara, los considerara perezosos o les aplicara calificaciones diferentes si revelaban el uso de IA. Un estudiante afirmó directamente: «Quién califica y cómo lo hace puede generar muchos prejuicios». Este temor se basa en la experiencia real, no en la paranoia.
Qué significa realmente “política clara” en la práctica.
El consejo más común que las instituciones dan a los profesores es que incluyan directrices claras sobre IA en sus programas de estudio. Esto es necesario, pero no suficiente. La claridad no se limita al texto. Se trata de que los estudiantes sepan, antes de comenzar una tarea, exactamente qué está permitido y qué no, en términos sencillos que les permitan actuar con eficacia.
Un estudio realizado en 2025 con 124 estudiantes de pregrado y siete profesores de dos universidades estadounidenses de investigación de primer nivel (R1) reveló que, si bien los estudiantes reconocían las políticas a nivel de aula, las directrices institucionales les parecían poco claras e inconsistentes. Una encuesta global realizada a 40 universidades líderes concluyó que, incluso cuando los líderes institucionales expresaban actitudes positivas hacia la IA, las políticas formales a menudo carecían de claridad, coherencia o detalles prácticos.
La claridad, tal como la experimentan los estudiantes, significa conocer la respuesta a estas preguntas específicas antes de empezar a escribir: ¿Puedo usar la IA para generar ideas? ¿Puedo usarla para corregir la gramática? ¿Puedo usarla para investigar? Si es así, ¿qué debo comunicar y cómo? Cuanto más específicamente pueda un profesor responder a estas preguntas por escrito, menos ambigüedad tendrán que resolver los estudiantes por su cuenta.
Algunos profesores utilizan ahora marcos de divulgación escalonados. Estos asignan a cada tarea un nivel explícito de permiso de IA, que va desde “sin IA en ninguna etapa” hasta “IA permitida en todo momento con documentación”. La Escala de Evaluación de IA desarrollada por Leon Furze (2024) ofrece un ejemplo de este tipo de modelo. Lo importante no es qué marco se utilice, sino que los estudiantes nunca tengan que adivinar.
El problema de la aplicación de la ley que un lenguaje claro por sí solo no puede resolver.
Incluso las políticas bien redactadas se topan con un segundo problema: la inconsistencia entre cursos. Cuando un estudiante sigue una política de IA en una clase y recibe una advertencia por el mismo comportamiento en otra, la lección que aprende no es “entender las reglas”, sino “las reglas son arbitrarias”.
Un estudio cualitativo realizado en 2025 con 58 estudiantes y 12 profesores de una universidad de investigación en Hong Kong reveló que los estudiantes describían un importante ” trabajo invisible ” al intentar descifrar políticas ambiguas o inconsistentes. Este trabajo , el esfuerzo mental de discernir qué está permitido en cada curso, resulta agotador y desmoralizador. Además, lleva a los estudiantes al silencio, ya que este, al menos, evita el riesgo de equivocarse.
Este es un problema estructural que los docentes no pueden resolver por sí solos. Los departamentos necesitan marcos de referencia compartidos. No políticas idénticas, ya que el contexto disciplinario es importante, sino principios comunes sobre qué significa la divulgación, cómo se documenta y cómo se trata cuando un estudiante la proporciona con honestidad.
Visualización sugerida: La experiencia de divulgación desde la perspectiva del estudiante. Una tabla simple de dos columnas que contrasta lo que las instituciones pretenden lograr con las políticas de divulgación (crear transparencia, proteger a los estudiantes, apoyar una evaluación justa) con lo que los estudiantes suelen experimentar en la práctica (confusión sobre qué se considera relevante, temor a las acusaciones, inconsistencia entre cursos). Formato: tabla comparativa lado a lado con etiquetas de fila claras. Valor: hace que la brecha entre el diseño de la política y la realidad del estudiante sea inmediatamente visible para el profesorado y los responsables de integridad académica sin necesidad de que lean un resumen completo de la investigación.
Transición de la autodeclaración a la transparencia de los procesos
La solución más duradera al problema de la transparencia no reside en una mejor redacción, sino en un modelo diferente de cómo se logra la transparencia.
La autoevaluación exige que los estudiantes juzguen su propio comportamiento a posteriori y lo documenten con honestidad. Esto supone una importante carga cognitiva y emocional para el estudiante, en un contexto donde la honestidad conlleva riesgos. Además, genera datos no verificables. Una institución no puede confirmar lo que un estudiante revela ni lo que oculta.
La transparencia del proceso funciona de manera diferente. En lugar de pedir a los estudiantes que informen sobre lo que hicieron, permite revisar el propio proceso de escritura. Se registran las secuencias de revisión, las pausas para pensar, los eventos de copiar y pegar y las interacciones con el contenido de IA a medida que se crea el documento. La cuestión de la divulgación se vuelve menos problemática porque el proceso ya está documentado. El estudiante no tiene que decidir qué decirle al instructor. El instructor puede ver lo que sucedió.
Esto también cambia la dinámica psicológica. La revelación se siente menos como una confesión y más como compartir. Un estudiante cuyo proceso de escritura está documentado tiene pruebas a las que puede recurrir. Un estudiante que escribió con autenticidad no tiene nada que temer de ese registro. Un estudiante que se basó en gran medida en la IA sin interactuar significativamente con el contenido tiene un registro que lo refleja.
Es importante ser honestos sobre las limitaciones. La documentación del proceso plantea interrogantes sobre la privacidad que las instituciones deben abordar con claridad. Se debe informar a los estudiantes con anticipación que su sesión de escritura se está grabando, qué datos se recopilan, quién puede acceder a ellos y durante cuánto tiempo se conservan. El estándar ideal es tratarlo como cualquier otro registro de actividad de la plataforma de gestión del aprendizaje (LMS), con consentimiento informado y una gobernanza clara. Sin esa transparencia, la herramienta genera otro tipo de ansiedad.
¿Qué pueden hacer los profesores este semestre?
El cambio institucional lleva tiempo. Hay cosas que el profesorado puede hacer ahora mismo, a nivel de curso, que no requieren un mandato central.
La primera consiste en hablar sobre la transparencia en lugar de simplemente incluirla en el programa de estudios. Los profesores que explican a los estudiantes el motivo de la política, el problema que busca resolver y por qué la honestidad los protege en lugar de exponerlos, logran un mayor cumplimiento. Los estudiantes que comprenden el razonamiento detrás de una norma son más propensos a seguirla, como lo demuestran consistentemente las investigaciones sobre la motivación académica.
La segunda consiste en presentar la divulgación como parte del aprendizaje, no como algo separado de él. Cuando los estudiantes explican cómo utilizaron la IA en una nota reflexiva adjunta a su trabajo, se convierte en un ejercicio académico en lugar de un simple trámite. Este enfoque cambia la manera en que los estudiantes abordan el tema.
La tercera clave es ser explícito sobre las consecuencias de que un estudiante revele información confidencial. Si un profesor afirma que “revelar el uso de IA no afectará automáticamente tu calificación” y lo dice en serio, los estudiantes empezarán a creerlo. Si las revelaciones se manejan de manera justa y consistente, la percepción sobre ellas cambiará. Esa confianza se construye curso a curso.
La divulgación funciona cuando la transparencia es la opción más segura.
El cambio más duradero que el profesorado puede lograr radica en cómo plantea las implicaciones. Si los estudiantes perciben la divulgación como una forma de “pillarlos”, guardarán silencio. Si la ven como un registro que los protege y ayuda al profesor a comprender su trabajo, serán más abiertos.
La divulgación de información sobre IA nunca tuvo como objetivo detectar la deshonestidad. Se trata de visibilizar el proceso de aprendizaje, registrar cómo trabajan realmente los estudiantes e integrar la rendición de cuentas en ese proceso, en lugar de añadirla a posteriori.
Para las instituciones que desarrollan sus flujos de trabajo de validación de autoría, herramientas como DocuMark de Trinka añaden una capa de integridad a las presentaciones que permite revisar las afirmaciones sobre el proceso de escritura en lugar de darlas por sentadas. Al documentar la sesión de escritura en sí, se desvía la conversación de la autodeclaración final hacia evidencia del proceso estructurada y verificable, lo que proporciona tanto a estudiantes como a profesores una base de confianza más sólida que la que pueden ofrecer los formularios de divulgación por sí solos.