Vanessa Medina Armienta
Jay Caspian Kang, columnista de The New Yorker, escribió hace unos días algo que probablemente muchos padres han pensado sin decirlo en voz alta: mientras revisaba sus cuentas de ahorro universitario para sus hijos, se preguntó si ese dinero no estaría mejor invertido en otra cosa. No porque la universidad vaya a desaparecer — sino porque cada vez más personas están dejando de creer que vale lo que cuesta.
Los datos le dan la razón. Según Gallup, en 2013 el 74 por ciento de los jóvenes estadounidenses de 18 a 34 años consideraba que una educación universitaria era «muy importante.» En 2019, ese número había caído al 43 por ciento. En 2025 llegó al 35 por ciento — la caída más pronunciada entre todos los grupos de edad encuestados. Más de uno de cada cuatro estudiantes universitarios en ese país cree que su colegiatura no fue una buena inversión. Y siete de cada diez estadounidenses piensan que la educación superior va en la dirección equivocada.
La inteligencia artificial no inventó esa desconfianza. Pero la está acelerando — porque expone, con una claridad incómoda, una pregunta que las universidades prefieren no hacerse: ¿qué exactamente estamos enseñando, y cómo sabemos que está funcionando?
El estudio más grande que existe — y lo que encontró
El 21 de mayo, la revista Science publicó el estudio académico más amplio realizado hasta ahora sobre uso y mal uso de IA por estudiantes universitarios. Lo condujeron investigadores de UC Berkeley y Cornell, con respuestas de más de 95,000 estudiantes en 20 universidades públicas de investigación en Estados Unidos.
Los hallazgos son difíciles de ignorar.
Dos de cada tres estudiantes encuestados usan IA generativa. Casi el 40 por ciento la usa mensualmente o con mayor frecuencia. Y al menos el 9 por ciento de quienes la usan admite haberla utilizado para hacer trampa — un número que los propios investigadores consideran conservador, dado que diseñaron el cuestionario con una metodología especial para obtener respuestas más honestas sobre comportamientos sensibles.
Pero el dato más revelador no es ese. Es la correlación entre frecuencia de uso y trampa: entre los estudiantes que usan IA diariamente, el 26 por ciento admite haber hecho trampa con ella. Entre los que la usan mensualmente, solo el 7 por ciento. A mayor uso, mayor riesgo de mal uso. Y como el uso solo va a crecer, el problema también.
René Kizilcec, co-autor del estudio y profesor de la Universidad de Cornell, lo expone así: «La reforma de la evaluación es necesaria y urgente. El hecho de que los estudiantes estén usando mal la IA es un problema para la validez de las evaluaciones — y eso es un problema para la credibilidad de las credenciales universitarias.»
No es lo mismo en todas las carreras
Uno de los hallazgos más útiles del estudio — y más ignorados en la conversación pública — es que el uso y el mal uso de la IA varían enormemente según la disciplina.
En Economía, el 17 por ciento de los estudiantes que usan IA admite haberla usado para hacer trampa. En Comunicación y Periodismo, el 16.5 por ciento. En Administración de Empresas, el 12.8 por ciento. En Biología, apenas el 4.8 por ciento.
El patrón no es casual. Las disciplinas con las tasas más altas de trampa son aquellas donde la IA puede sustituir el producto completo — un ensayo argumentativo, un análisis de caso, un reporte. Las disciplinas con tasas más bajas son aquellas donde la IA es una herramienta de proceso — cálculo, código, trabajo de laboratorio — y donde los docentes ya diseñaron sus evaluaciones pensando en eso.
Eso tiene una implicación directa para cualquier universidad: una política institucional única de IA no funciona. Lo que funciona es una arquitectura diferenciada — disciplina por disciplina, curso por curso — que defina qué papel juega la herramienta en cada contexto de aprendizaje y cómo se evalúa el conocimiento real del estudiante más allá de lo que el modelo puede generar.
Una universidad que no sabe cómo están usando IA sus estudiantes de Derecho en comparación con los de Ingeniería no puede diseñar esa respuesta. Primero necesita los datos. Luego puede actuar.
El problema que nadie está nombrando: las calificaciones mienten
Hay una consecuencia del uso de IA en las aulas que pasa casi desapercibida en el debate público: la inflación de calificaciones.
El mismo investigador Igor Chirikov, de UC Berkeley, publicó recientemente un análisis que muestra que cuando los estudiantes usan IA para completar tareas, las calificaciones de un curso completo tienden a subir — pero el conocimiento real de los alumnos no. Los estudiantes sacan mejores notas. Saben menos. Y la universidad entrega un título que certifica un nivel de competencia que el graduado no necesariamente tiene.
Eso no es solo un problema pedagógico. Es un problema de confianza institucional. Si los empleadores empiezan a notar que los títulos universitarios no garantizan lo que solían garantizar, la pregunta de Kang sobre si vale la pena seguir pagando por ellos se vuelve mucho más urgente.
La brecha que nadie está discutiendo
El estudio de Berkeley encontró algo más que merece atención: los estudiantes de bajos ingresos, las mujeres y las minorías étnicas usan IA generativa significativamente menos que sus pares.
El 45 por ciento de los hombres la usa regularmente, contra el 33 por ciento de las mujeres. El 39 por ciento de los estudiantes blancos y asiáticos, contra el 29 por ciento de los estudiantes de minorías subrepresentadas.
Esa brecha no es solo una estadística de uso. Es una brecha de preparación para el mercado laboral. Los empleadores ya buscan graduados con experiencia en herramientas de IA. Los estudiantes que lleguen sin esa experiencia — no por elección, sino por falta de acceso o de formación — estarán en desventaja desde el primer día. Y si los modelos más avanzados siguen siendo de pago, esa brecha solo va a crecer.
Las universidades que no estén pensando en esto activamente no están siendo neutras. Están tomando una decisión por omisión.
Lo que México no sabe sobre sus propias aulas
A lo largo de esta serie hemos documentado lo que la evidencia internacional dice sobre el uso de IA en la educación superior. Pero hay una pregunta que ningún dato global puede responder: ¿qué está pasando exactamente en las universidades mexicanas?
¿Cuántos estudiantes de Derecho en México usan IA para escribir sus ensayos? ¿Cuántos de Ingeniería la usan para resolver problemas de cálculo? ¿Qué porcentaje lo hace con conocimiento de sus docentes y cuál sin él? ¿Qué instituciones tienen políticas diferenciadas por disciplina y cuáles aplican una regla general que nadie verifica?
No lo sabemos. Y mientras no lo sepamos, no podemos actuar con criterio.
Esa es la diferencia entre una institución que gobierna la IA y una que la padece. La primera se ha hecho esas preguntas, tiene datos propios y está diseñando respuestas específicas. La segunda está esperando que el problema sea tan visible que ya no pueda ignorarse — momento en que, como muestra la experiencia internacional, suele ser demasiado tarde para actuar con calma.
El momento de decidir
Esta columna ha recorrido en cinco semanas el mapa completo del desafío: el debate global sobre si la IA debe estar en las aulas, las plataformas de tutoría que prometen más de lo que pueden cumplir sin gobernanza, los docentes que enfrentan solos una decisión que es institucional, los datos estudiantiles que se ceden sin política, y ahora la evidencia más rigurosa disponible sobre lo que realmente está pasando con el aprendizaje.
El hilo que conecta todo es siempre el mismo: las instituciones que sobrevivirán este momento no son las que tengan la plataforma más avanzada ni las que prohíban la IA más enérgicamente. Son las que sepan exactamente dónde están paradas — y tengan la voluntad de hacer algo con esa información.
Verse en el espejo no es cómodo. Pero es el primer paso de cualquier decisión seria.
El Índice Campus de Gobernanza Universitaria es el primer instrumento diseñado específicamente para que las instituciones de educación superior mexicanas puedan hacerlo. No es un ranking. No compara universidades entre sí. Es un diagnóstico — cinco dimensiones, veinticinco indicadores — que le dice a cada institución dónde está y cuál es su ruta de avance.
El levantamiento del piloto 2026 inicia el 01 de junio.
