Transparencia docente y uso de IA en educación

Una profesora pide que cada trabajo incluya una nota sobre el uso de inteligencia artificial. La regla es razonable: saber qué hizo la persona y qué delegó permite comprender mejor su proceso. Pero la misma profesora utiliza una herramienta generativa para preparar una pauta, resumir respuestas o proponer comentarios. El curso no lo sabe. La escena expone una asimetría que la educación superior ya no puede ignorar. Si la transparencia es un principio de integridad, no puede aplicarse solo a quien tiene menos poder en la relación pedagógica. Cuando el uso docente de IA afecta materiales, retroalimentación, evaluación o datos del estudiantado, también debe ser informado. Esto no significa que docentes y estudiantes tengan funciones idénticas ni que deban rendir cuentas de la misma manera. Significa algo más básico: la confianza académica necesita reglas comprensibles para todas las personas y responsabilidad proporcional al poder de cada una. La integridad pierde legitimidad cuando funciona en una sola dirección En muchas instituciones, las primeras reglas sobre IA se concentraron en el trabajo estudiantil: qué está permitido, cómo citar una herramienta, cuándo una ayuda se convierte en sustitución y qué sanción corresponde. Era una preocupación previsible, pero dejó incompleta la conversación. El profesorado también puede usar IA para generar ejemplos, estructurar presentaciones, adaptar lecturas, elaborar preguntas, traducir instrucciones, resumir foros, redactar retroalimentación o apoyar la corrección. Algunas de estas tareas son de bajo riesgo. Otras intervienen directamente en la experiencia educativa y pueden influir en una calificación, una oportunidad de mejora o la interpretación de un desempeño. El problema no es que el docente utilice tecnología. Tampoco tendría sentido convertir cada corrección ortográfica en una declaración solemne. El problema aparece cuando una intervención material permanece oculta, especialmente si se exige al estudiantado un estándar de transparencia que el propio curso no practica. La obra colectiva de UNESCO IESALC sobre ética e integridad académica plantea que la integración de IA en educación superior requiere diseño pedagógico, formación docente, transparencia, protección de datos y supervisión humana. También advierte contra la delegación indiscriminada de funciones docentes y evaluadoras. Desde ese marco, la transparencia recíproca no es una cortesía: es una condición para que las reglas sean coherentes y enseñables. Reciprocidad no es falsa simetría Un estudiante y un docente no ocupan la misma posición. El primero presenta evidencias de aprendizaje; el segundo diseña condiciones, interpreta desempeños y, en ocasiones, toma decisiones con consecuencias académicas. Por eso, exigir exactamente la misma declaración a ambos sería una simplificación. La obligación debe ser proporcional al impacto . Un estudiante necesita explicar qué parte de su trabajo fue asistida por IA, qué decisiones conservó, cómo verificó las salidas y qué reglas de la evaluación respetó. Un docente, por su parte, debe informar cuándo la herramienta intervino de manera relevante en aquello que el curso recibe o en una decisión que afecta a una persona. Cuanto mayor sea el efecto potencial, mayor debe ser la transparencia. No es lo mismo usar IA para proponer tres ejemplos que enviar un ensayo estudiantil a una plataforma externa. Tampoco equivale generar un borrador de rúbrica a aceptar sin revisión una calificación automatizada. Esta distinción evita dos extremos poco útiles: ocultar todo uso bajo la etiqueta de “apoyo técnico” o imponer una burocracia que registre cada interacción irrelevante. La pregunta práctica es otra: ¿este uso puede cambiar lo que el estudiante aprende, recibe, entrega o arriesga? Si la respuesta es sí, corresponde informarlo. Cinco situaciones en que el uso docente debe declararse 1. Cuando la IA participa en materiales de aprendizaje Si una herramienta generó o transformó sustantivamente una guía, un caso, una simulación, una imagen, una síntesis o una lectura, conviene explicitarlo. La declaración no invalida el recurso. Permite que el estudiantado sepa que el material fue revisado por una persona responsable y que puede señalar errores, sesgos o referencias inexistentes. 2. Cuando interviene en la retroalimentación La IA puede ayudar a ordenar comentarios o detectar patrones, pero una retroalimentación no es solo texto. También comunica expectativas, reconoce avances y orienta el siguiente paso. Si fue generada total o parcialmente con apoyo automatizado, el estudiante debe saberlo y tener claridad sobre el nivel de revisión docente. 3. Cuando influye en la evaluación Aquí el estándar debe ser más alto. Si una herramienta clasifica respuestas, propone puntajes, identifica similitudes, detecta supuestos usos de IA o prioriza casos para revisión, corresponde informar su función, límites y grado de intervención humana. La orientación de UNESCO sobre IA generativa en educación e investigación propone una aproximación humanista, con validación ética y pedagógica, protección de la privacidad y agencia humana. En evaluación, eso implica que el sistema puede asistir, pero no desplazar silenciosamente el juicio profesional ni impedir que una persona cuestione el resultado. 4. Cuando se procesan datos o trabajos estudiantiles Copiar un ensayo, una voz, una imagen, antecedentes personales o una conversación a un servicio externo no es un acto neutro. Puede involucrar condiciones de uso, almacenamiento, entrenamiento de modelos, transferencias internacionales o exposición de información sensible. La transparencia debe ir acompañada de minimización de datos y herramientas institucionalmente autorizadas. Informar después de subir el contenido no repara una decisión mal diseñada. El resguardo comienza antes. 5. Cuando la IA personaliza oportunidades o apoyos Si un sistema recomienda recursos, identifica riesgo, asigna prioridad o adapta una trayectoria, es necesario explicar qué función cumple y cómo se revisan sus errores. Una recomendación aparentemente útil puede confundir necesidad de apoyo con bajo potencial, o reproducir desigualdades presentes en los datos históricos. Un protocolo breve para el programa de asignatura La transparencia puede incorporarse sin convertir el programa del curso en un contrato indescifrable. Una sección breve debería responder seis preguntas: ¿Para qué puede usar IA el docente? Por ejemplo, ideación de materiales, adaptación de ejemplos o apoyo inicial a la retroalimentación. ¿En qué tareas no se delegará la decisión? La calificación final, la resolución de apelaciones y las decisiones disciplinarias deben conservar responsabilidad humana identificable. ¿Qué usos serán informados de forma específica? Materiales generados, comentarios asistidos, análisis automatizados o procesamiento de trabajos. ¿Qué datos nunca se ingresarán en herramientas no autorizadas? Información sensible, identificadores personales, antecedentes de salud o trabajos protegidos, entre otros. ¿Cómo se revisarán las salidas? Debe existir verificación de precisión, pertinencia disciplinar, sesgos, referencias y adecuación al contexto. ¿Qué puede hacer un estudiante si detecta un error o discrepa? El curso necesita un canal claro para consultar, corregir y solicitar revisión humana. Una fórmula posible sería: En este curso, el equipo docente puede utilizar herramientas de IA como apoyo para diseñar ejemplos, organizar materiales o preparar borradores de retroalimentación. Todo contenido será revisado antes de su uso. La IA no determinará por sí sola calificaciones ni decisiones disciplinarias. Cuando intervenga materialmente en un recurso o comentario dirigido al estudiantado, se informará su uso. No se ingresarán datos personales ni trabajos identificables en servicios no autorizados. Cualquier estudiante podrá solicitar explicación o revisión humana. La declaración del estudiantado debería seguir la misma lógica de relevancia: propósito, partes asistidas, verificación realizada y responsabilidad sobre el resultado. No hace falta coleccionar prompts por rutina si no aportan evidencia de aprendizaje. La meta es hacer visible el proceso intelectual, no producir archivos defensivos. La transparencia no sustituye la competencia ni la responsabilidad Declarar una herramienta no vuelve correcto su uso. Un docente puede informar que utilizó IA y, aun así, aceptar una salida errónea, exponer datos o entregar comentarios genéricos. Por eso, la transparencia debe conectarse con capacidad profesional. El marco de competencias de IA para docentes de UNESCO integra una mentalidad centrada en las personas, ética, fundamentos tecnológicos, pedagogía y aprendizaje profesional. El mensaje es importante: usar IA responsablemente no consiste solo en dominar una aplicación, sino en comprender cuándo agrega valor, qué riesgos introduce y qué decisiones deben permanecer bajo criterio humano. También se necesita respaldo institucional. No es razonable pedir transparencia docente si la institución no define herramientas autorizadas, reglas de protección de datos, apoyo pedagógico, procedimientos de revisión y tiempo para verificar resultados. La responsabilidad individual importa, pero no puede compensar indefinidamente un vacío de gobernanza. La Recomendación de UNESCO sobre la ética de la inteligencia artificial sitúa transparencia, explicabilidad, privacidad, responsabilidad y supervisión humana dentro de un marco más amplio. En un curso, esos principios se vuelven concretos cuando una persona puede saber que intervino una herramienta, comprender para qué se usó y pedir revisión cuando el resultado le afecta. Enseñar integridad también es dar el ejemplo Las instituciones de educación superior no solo regulan conductas: forman criterios profesionales. Si un curso exige que el estudiantado reconozca apoyos, verifique resultados y responda por sus decisiones, el comportamiento docente debe sostener el mismo mensaje. La transparencia recíproca no debilita la autoridad pedagógica. La hace más legítima. Un docente que explica cómo y para qué utilizó IA no renuncia a su juicio; muestra que la responsabilidad no se delega a una herramienta. Y una institución que protege el derecho a consultar o solicitar revisión no convierte toda decisión en negociación: establece un estándar mínimo de confianza. La pregunta, entonces, no es si cada uso de IA merece una etiqueta. Es si podemos pedir honestidad académica mientras ocultamos las mediaciones tecnológicas que también moldean la enseñanza. La respuesta debería quedar clara desde el primer día de clases. Seguir aprendiendo a gobernar estas decisiones exige conversación, evidencia y prácticas compartidas. Puedes registrarte gratis en InnovacionAcademica.org para conocer nuevas experiencias y recursos sobre docencia, integridad e inteligencia artificial en educación. Fuentes consultadas UNESCO IESALC (2026). Nuevas perspectivas sobre ética e integridad académica en la docencia y la investigación universitaria. UNESCO (2023). Guidance for generative AI in education and research. UNESCO (2024). AI competency framework for teachers. UNESCO (2021). Recommendation on the Ethics of Artificial Intelligence.