IA en la Educación Superior Chilena: Un Puente hacia la Equidad o un Nuevo Desafío

Introducción La Inteligencia Artificial (IA) se ha instalado con fuerza en la conversación pública, académica e institucional. En pocos años dejó de ser un tema reservado a especialistas en informática o ciencia de datos para convertirse en una preocupación transversal de universidades, institutos profesionales, centros de formación técnica, organismos públicos, empresas, docentes y estudiantes. La educación superior chilena no está al margen de este proceso. Al contrario, se encuentra frente a una transformación que podría alterar profundamente la forma en que se enseña, se aprende, se evalúa, se investiga, se gestionan las instituciones y se acompañan las trayectorias formativas. Sin embargo, la pregunta central no es solo si las instituciones de educación superior deben incorporar IA. Esa discusión parece ya superada. La pregunta realmente relevante es bajo qué condiciones la IA puede contribuir al desarrollo de una educación superior más equitativa, pertinente y de calidad, y bajo qué condiciones puede convertirse en un nuevo factor de desigualdad. En otras palabras, la IA puede ser un puente hacia la equidad, pero también puede transformarse en una nueva frontera de exclusión. El caso chileno exige especial atención. El sistema de educación superior del país es diverso, masivo y altamente heterogéneo. Conviven universidades complejas con fuerte capacidad de investigación, universidades docentes, instituciones regionales, centros de formación técnica estatales y privados, institutos profesionales, programas presenciales, vespertinos, semipresenciales y online. También conviven estudiantes con trayectorias muy distintas: jóvenes recién egresados de la educación media, estudiantes trabajadores, personas adultas que retornan a estudiar, estudiantes de primera generación, estudiantes de sectores rurales, estudiantes con responsabilidades familiares, estudiantes con discapacidad y estudiantes que enfrentan brechas económicas, tecnológicas y culturales. En este contexto, la IA no puede ser entendida simplemente como una herramienta de modernización. Su incorporación debe analizarse desde una perspectiva institucional, pedagógica, ética y social. La tecnología, por sí sola, no resuelve las desigualdades. De hecho, cuando se implementa sin una estrategia adecuada, puede amplificarlas. Por ello, el debate sobre IA en la educación superior chilena debe evitar tanto el entusiasmo ingenuo como el rechazo defensivo. Lo que se requiere es una mirada crítica, responsable y orientada al bien público. La promesa de la IA en educación superior La IA ofrece oportunidades relevantes para la educación superior. Entre sus usos más visibles se encuentran los sistemas de tutoría inteligente, las plataformas de aprendizaje adaptativo, los asistentes de escritura, los chatbots de orientación estudiantil, las herramientas de retroalimentación automatizada, los sistemas de alerta temprana, la analítica de aprendizaje, la automatización de procesos administrativos y el apoyo a la investigación académica. En términos pedagógicos, una de sus promesas más atractivas es la posibilidad de personalizar el aprendizaje. Durante décadas, las instituciones han enfrentado el desafío de atender a grupos numerosos y heterogéneos con recursos limitados. La IA podría ayudar a identificar dificultades específicas, sugerir recursos diferenciados, generar ejercicios adaptados al nivel de cada estudiante, entregar retroalimentación inmediata y apoyar procesos de autoaprendizaje. Esto podría ser especialmente relevante en cursos críticos de primer año, asignaturas con altas tasas de reprobación o programas donde los estudiantes presentan brechas de entrada significativas. También puede apoyar la permanencia estudiantil. Un sistema bien diseñado podría detectar señales tempranas de riesgo académico o abandono, no para etiquetar negativamente a los estudiantes, sino para activar apoyos oportunos. Por ejemplo, si un estudiante disminuye su participación en una plataforma, no entrega actividades o muestra dificultades reiteradas en determinados contenidos, la institución podría ofrecer tutorías, acompañamiento psicoeducativo, orientación académica o apoyo socioemocional antes de que la situación se vuelva irreversible. Otra oportunidad importante está en la accesibilidad. Las herramientas de transcripción automática, lectura asistida, subtitulado, traducción, simplificación de textos, generación de materiales alternativos y apoyo a la comunicación pueden beneficiar a estudiantes con discapacidad, estudiantes extranjeros, personas con distintos estilos de aprendizaje o estudiantes que requieren compatibilizar estudio, trabajo y familia. En ese sentido, la IA podría ampliar las condiciones de participación en la vida académica. Además, la IA puede apoyar a los docentes. No reemplazando su rol, sino liberando tiempo en tareas repetitivas y entregando herramientas para diseñar mejores experiencias de aprendizaje. Puede ayudar a crear rúbricas, generar ejemplos, diseñar actividades, analizar respuestas abiertas, proponer retroalimentación inicial, organizar contenidos y diversificar estrategias pedagógicas. Para docentes que enfrentan altas cargas académicas, grupos numerosos o múltiples secciones, estas herramientas pueden ser un apoyo significativo. En la gestión institucional, la IA también puede contribuir al aseguramiento de la calidad. Las instituciones generan grandes volúmenes de información: indicadores de avance curricular, aprobación, retención, titulación, empleabilidad, satisfacción estudiantil, evaluación docente, resultados de prácticas, vinculación con el medio y seguimiento de egresados. El análisis inteligente de estos datos podría permitir diagnósticos más oportunos, planes de mejora mejor focalizados y procesos de autoevaluación más basados en evidencia. Sin embargo, estas oportunidades no deben confundirse con resultados garantizados. Que la IA tenga potencial para mejorar la educación no significa que necesariamente lo hará. Todo dependerá de su diseño, implementación, gobernanza, evaluación y sentido institucional. La brecha digital como punto de partida Uno de los principales riesgos de la IA en educación superior es que se despliegue sobre desigualdades ya existentes. En Chile, las brechas de acceso, conectividad, equipamiento y habilidades digitales no afectan a todos por igual. Aunque el acceso a dispositivos y conexión ha aumentado, persisten diferencias relevantes entre territorios, niveles socioeconómicos, tipos de institución y perfiles estudiantiles. La IA requiere condiciones mínimas para ser aprovechada: conectividad estable, dispositivos adecuados, plataformas robustas, alfabetización digital, acceso a licencias, soporte técnico y tiempo disponible para aprender a utilizarla. Estas condiciones no están igualmente distribuidas. Un estudiante con computador propio, buena conexión, espacio de estudio y experiencia previa en herramientas digitales se encuentra en una posición muy distinta a la de otro que depende de un teléfono móvil, comparte dispositivo con su familia, trabaja durante el día o vive en una zona con conectividad deficiente. Lo mismo ocurre a nivel institucional. Las universidades con mayores recursos pueden contratar plataformas avanzadas, formar equipos especializados, desarrollar políticas internas, capacitar docentes y experimentar con soluciones propias. En cambio, instituciones más pequeñas, regionales o con menor financiamiento pueden enfrentar dificultades para acceder a estas tecnologías o para implementarlas de manera segura y pertinente. Por eso, hablar de IA y equidad implica reconocer que la innovación tecnológica no parte desde una cancha pareja. Si las instituciones con mayores capacidades son las primeras y principales beneficiarias de la IA, mientras otras quedan rezagadas, la brecha entre instituciones puede ampliarse. Y si dentro de cada institución los estudiantes con mayor capital tecnológico aprovechan mejor estas herramientas, también pueden profundizarse las brechas internas. La equidad, por tanto, no puede ser un resultado esperado de manera automática. Debe ser un criterio de diseño desde el inicio. Cada decisión sobre IA debería preguntarse: ¿a quién beneficia?, ¿a quién deja fuera?, ¿qué condiciones requiere para ser usada?, ¿qué apoyos se necesitan?, ¿qué brechas podría ampliar?, ¿cómo se evaluará su impacto en distintos grupos de estudiantes? IA, docencia y transformación pedagógica Uno de los errores más frecuentes al hablar de IA en educación es reducir el debate al uso de herramientas. Capacitar a docentes en el manejo de aplicaciones puede ser útil, pero es insuficiente. La verdadera transformación no ocurre cuando un profesor aprende a usar un chatbot, sino cuando logra repensar sus estrategias de enseñanza, aprendizaje y evaluación a partir de las nuevas posibilidades y riesgos que estas tecnologías abren. La IA exige una reflexión pedagógica profunda. Si los estudiantes pueden generar resúmenes, ensayos, respuestas, códigos, imágenes, presentaciones o análisis preliminares con apoyo de IA, entonces muchas tareas tradicionales pierden parte de su valor evaluativo. Esto no significa abandonar la escritura, la lectura o la resolución de problemas. Significa diseñar experiencias donde el valor esté en el pensamiento crítico, la argumentación, la aplicación situada, la defensa de decisiones, la reflexión ética, la creatividad, la colaboración y la capacidad de revisar críticamente los resultados producidos por una herramienta. En este sentido, la IA puede empujar a la educación superior a revisar prácticas que ya venían mostrando limitaciones. Las evaluaciones centradas exclusivamente en la reproducción de información, los trabajos genéricos, las preguntas sin contexto o las tareas desconectadas de problemas reales se vuelven más vulnerables. En cambio, cobran mayor importancia las evaluaciones auténticas, los proyectos aplicados, las presentaciones orales, los portafolios, los estudios de caso, las simulaciones, la resolución de problemas territoriales y la evaluación de procesos. La formación docente debe abordar estas dimensiones. No basta con enseñar a “usar IA”. Se requiere formar en diseño instruccional, ética de datos, evaluación auténtica, retroalimentación formativa, alfabetización algorítmica, sesgos, inclusión y acompañamiento estudiantil. También se necesita promover comunidades docentes que compartan experiencias, errores, buenas prácticas y criterios institucionales. La IA no debiera ser tratada como una amenaza externa a la docencia, sino como una oportunidad para fortalecer el rol pedagógico del profesorado. Mientras más sofisticadas sean las tecnologías, más importante será la capacidad humana de orientar, contextualizar, interpretar, acompañar, motivar y evaluar con criterio. Evaluación: entre la oportunidad y la sospecha La evaluación es uno de los ámbitos donde la IA genera mayor tensión. Por una parte, ofrece posibilidades valiosas: retroalimentación inmediata, evaluación adaptativa, análisis de patrones de aprendizaje, generación de preguntas, apoyo en la corrección de tareas, identificación de errores frecuentes y seguimiento personalizado del progreso. Por otra parte, instala preocupaciones sobre autoría, plagio, dependencia tecnológica, vigilancia, sesgos y justicia evaluativa. El debate no puede limitarse a detectar si un estudiante usó o no usó IA. Esa pregunta, aunque importante en ciertos contextos, resulta cada vez menos suficiente. La cuestión de fondo es qué tipo de aprendizajes se espera evaluar y qué lugar ocupará la IA en el proceso formativo. En algunos casos, su uso puede ser inadecuado; en otros, puede ser parte legítima de la actividad, siempre que se declare, se justifique y se utilice críticamente. Por ejemplo, pedir a estudiantes que usen IA para generar una primera propuesta y luego la critiquen, corrijan y mejoren puede ser una experiencia pedagógica valiosa. También puede ser útil comparar respuestas generadas por IA con literatura académica, detectar errores, identificar sesgos o discutir las implicancias éticas de una recomendación automatizada. En estos casos, la IA deja de ser un atajo y se convierte en objeto de análisis. El riesgo aparece cuando las instituciones responden únicamente desde la prohibición o la vigilancia. Un enfoque basado solo en control puede generar desconfianza, castigar más a quienes tienen menos claridad sobre las reglas y desplazar la discusión pedagógica hacia una lógica policial. Además, los sistemas de detección de uso de IA no siempre son confiables y pueden producir falsas acusaciones. La alternativa es avanzar hacia políticas evaluativas claras, formativas y proporcionales. Los estudiantes necesitan saber cuándo pueden usar IA, cuándo no, cómo deben declararla, qué criterios se aplicarán y qué se considera una falta académica. Los docentes, por su parte, requieren apoyo institucional para rediseñar evaluaciones y evitar que la responsabilidad recaiga exclusivamente en decisiones individuales. Riesgos éticos y sesgos algorítmicos Toda implementación de IA en educación superior implica decisiones éticas. Los sistemas de IA aprenden de datos, y los datos reflejan historias, desigualdades, omisiones y sesgos. Si una institución usa modelos para predecir riesgo de deserción, recomendar apoyos, evaluar desempeño o asignar recursos, debe preguntarse qué variables está utilizando, cómo fueron construidas, qué grupos podrían verse afectados y qué consecuencias tendrá esa predicción. Un sistema de alerta temprana, por ejemplo, puede ser útil para ofrecer apoyo oportuno. Pero también puede generar etiquetas estigmatizantes si se interpreta que ciertos estudiantes son “de alto riesgo” sin comprender sus contextos. Una recomendación automatizada puede orientar, pero también puede limitar oportunidades si reproduce patrones históricos. Una herramienta de corrección automática puede ahorrar tiempo, pero también puede penalizar estilos de escritura, formas de expresión o trayectorias culturales distintas. La transparencia es clave. Los estudiantes deberían saber cuándo interactúan con sistemas automatizados, qué datos se utilizan, con qué finalidad y qué derechos tienen. Las decisiones relevantes no debieran delegarse completamente a una máquina. La IA puede apoyar, pero las decisiones educativas significativas requieren responsabilidad humana. También es necesario cuidar la privacidad. La educación superior trabaja con información sensible: datos académicos, socioeconómicos, personales, de salud, bienestar, trayectoria y participación. El uso de IA no puede justificar una recolección indiscriminada de datos. Las instituciones necesitan principios claros de minimización, seguridad, consentimiento, trazabilidad y rendición de cuentas. Además, existe un riesgo de dependencia tecnológica. Muchas soluciones de IA son desarrolladas por grandes empresas externas, con modelos cerrados, condiciones cambiantes y poca transparencia. Las instituciones chilenas deben preguntarse qué capacidades internas necesitan desarrollar para no transformarse en simples consumidoras de plataformas. La soberanía de datos, la interoperabilidad, la evaluación de proveedores y la capacidad de auditoría serán temas cada vez más relevantes. Gobernanza institucional de la IA Para que la IA contribuya efectivamente a la equidad, debe ser gobernada institucionalmente. No basta con que algunos docentes innovadores usen herramientas de manera aislada ni con que las áreas tecnológicas contraten plataformas sin diálogo pedagógico. Se requiere una estrategia que articule docencia, tecnología, aseguramiento de la calidad, inclusión, asuntos estudiantiles, gestión de datos, investigación y vinculación con el medio. Una política institucional de IA debería definir principios, usos permitidos, criterios éticos, protocolos de protección de datos, orientaciones para la evaluación, estándares de accesibilidad, responsabilidades docentes y estudiantiles, mecanismos de revisión y procedimientos frente a incidentes. También debería establecer instancias de participación de estudiantes, docentes, equipos técnicos y autoridades. La gobernanza no debe ser entendida como burocracia adicional, sino como condición de confianza. Sin reglas claras, la IA puede generar incertidumbre, desigualdad de criterios y decisiones improvisadas. Con una gobernanza adecuada, en cambio, puede convertirse en una herramienta alineada con el proyecto educativo institucional. En el contexto chileno, esta discusión también se conecta con el aseguramiento de la calidad. La calidad ya no puede entenderse solo como cumplimiento formal de criterios o disponibilidad de recursos. Debe incluir la capacidad de las instituciones para adaptarse responsablemente a transformaciones tecnológicas, resguardar derechos, monitorear impactos y promover aprendizajes pertinentes. La IA puede apoyar estos procesos, pero también debería ser objeto de evaluación dentro de ellos. El rol del Estado y la colaboración entre actores Aunque cada institución tiene responsabilidades propias, la incorporación de IA en educación superior no puede depender únicamente de capacidades individuales. Si se deja solo al mercado o a la iniciativa aislada de cada institución, es probable que las brechas se profundicen. Por ello, el Estado, los organismos reguladores, las redes interinstitucionales, las comunidades académicas y el sector tecnológico tienen un papel relevante. Se requieren orientaciones públicas, marcos éticos, incentivos para la colaboración, programas de fortalecimiento de capacidades, apoyo a instituciones con menos recursos y espacios para compartir buenas prácticas. La educación superior chilena necesita evitar que la IA se transforme en una ventaja exclusiva para quienes ya tienen mejores condiciones de partida. La colaboración también es importante porque muchos desafíos son comunes. Las preguntas sobre evaluación, autoría, sesgo, privacidad, formación docente y accesibilidad no son exclusivas de una institución. Avanzar en redes permitiría desarrollar criterios compartidos, materiales formativos, investigaciones comparadas y soluciones más pertinentes al contexto nacional. Asimismo, la IA abre oportunidades para vincular la educación superior con desafíos del país. Las instituciones podrían formar estudiantes capaces de comprender, usar y cuestionar críticamente estas tecnologías en sus campos profesionales. No se trata solo de formar especialistas en IA, sino de preparar a futuros docentes, técnicos, profesionales de la salud, ingenieros, trabajadores sociales, administradores, comunicadores y artistas para convivir con sistemas inteligentes de manera ética y responsable. Hacia una IA al servicio de la equidad La pregunta de fondo es qué entendemos por equidad en la era de la IA. No basta con que todos tengan acceso a una herramienta. La equidad implica que los estudiantes cuenten con condiciones reales para beneficiarse de ella. Implica apoyos diferenciados, diseño inclusivo, acompañamiento, transparencia, participación y evaluación de impactos. Una IA al servicio de la equidad debería ayudar a reconocer trayectorias diversas, no a normalizarlas bajo un único patrón. Debería apoyar a quienes enfrentan mayores barreras, no solo potenciar a quienes ya tienen ventajas. Debería fortalecer el juicio docente, no reemplazarlo. Debería entregar mejores evidencias para la toma de decisiones, no producir decisiones automáticas sin contexto. Debería ampliar oportunidades de aprendizaje, no reducir la educación a interacciones con plataformas. Esto exige pasar de una lógica de adopción tecnológica a una lógica de transformación institucional responsable. La pregunta no es “qué herramienta de IA vamos a usar”, sino “qué problema educativo queremos abordar, con qué criterios éticos, para qué estudiantes, con qué evidencias y bajo qué condiciones de equidad”. Conclusión La Inteligencia Artificial representa una de las transformaciones más relevantes para la educación superior chilena en las próximas décadas. Sus posibilidades son enormes: personalización del aprendizaje, apoyo a estudiantes en riesgo, accesibilidad, retroalimentación formativa, fortalecimiento docente, análisis institucional y mejora de la calidad. Pero sus riesgos también son significativos: ampliación de brechas, sesgos algorítmicos, vigilancia excesiva, dependencia tecnológica, pérdida de confianza, precarización del trabajo académico y decisiones automatizadas sin suficiente responsabilidad humana. La IA será un puente hacia la equidad solo si se implementa con intención pública, gobernanza ética y mirada pedagógica. Si se adopta de manera fragmentada, desigual y acrítica, puede convertirse en un nuevo desafío para un sistema que ya enfrenta importantes desigualdades. La educación superior chilena tiene ante sí una oportunidad decisiva. Puede incorporar IA como una moda tecnológica más, centrada en eficiencia, automatización y prestigio institucional. O puede usarla como una ocasión para repensar profundamente sus formas de enseñar, evaluar, acompañar y gestionar la calidad. La diferencia entre una opción y otra dependerá menos de la tecnología disponible que de las decisiones institucionales, pedagógicas y éticas que se tomen. En definitiva, la IA no resolverá por sí sola los problemas de equidad de la educación superior chilena. Pero, bien orientada, puede ayudar a visibilizarlos, comprenderlos y abordarlos con mayor oportunidad y precisión. La clave estará en recordar que la tecnología debe estar al servicio de las personas, de los aprendizajes y del derecho a una educación superior de calidad. Solo entonces la IA podrá convertirse verdaderamente en un puente, y no en una nueva barrera.