De la Metáfora a la Métrica: IA en la Educación Superior Latinoamericana entre el Discurso y la Realidad Regional (2a parte)

 En el segundo apartado del tema, nos volveremos a centrar en el análisis retomado del Índice Latinoamericano de Inteligencia Artificial (ILIA-CEPAL, 2025), considerando que en la métrica de la realidad, se muestra como espejo de las brechas tecno-pedagógicas existentes educativas en la región, el cual proporciona una fotografía indispensable de lo que impera en estos días en materia de IA, y respecto a sus resultados que impactan de manera directa en dicha praxis. 

Si bien el índice, que evalúa dimensiones clave como los aspectos de Regulación, Infraestructura, Talento e Investigación. Revela que la mayoría de los países de la región se encuentran en etapas emergentes o iniciales en comparación con las potencias globales (CEPAL, 2025). Esta métrica choca frontalmente con el discurso con el discursos de implementación inmediata y masiva de la IA en la enseñanza, que a menudo se filtra desde la literatura internacional.

El ILIA al cuantificar la brecha, actúa como un espejo crítico. Demuestra que no basta con la voluntad política o el deseo de innovar para adoptar la IA; se requiere una base sólida de infraestructura digital robusta y marcos de gobernanza ética. Este déficit de preparación estructural obliga a las instituciones académicas a moderar sus expectativas y a priorizar la construcción de cimientos antes de la adopción masiva de herramientas complejas.

Los resultados de ILIA señalan, por ejemplo, rezagos críticos en la gobernanza de datos y la disponibilidad de de infraestructura cloud (CEPAL, 2025). Estos tienen consecuencias directas en el aula: sin marcos regulatorios claros que protejan la privacidad del estudiante y sin capacidad de procesamiento de datos local, el uso de herramientas de IA en la evaluación o tutoría corre el riesgo de perpetuar sesgos algorítmicos o vulnerar la privacidad de los estudiantes. Es una ilusión creer que una universidad puede adoptar plenamente el potencial de la IA sin esta base. 

Cabe entonces, agregar la siguiente pregunta para su reflexión: Si la gobernanza de datos es un pilar débil señalado por el ILIA, ¿cuál es la responsabilidad ética de las universidades al usar herramientas de IA propietarias para la evaluación del aprendizaje, donde se cruzan la justicia algorítmica y la privacidad del estudiante? 

Si consideramos que la responsabilidad ética de las universidades latinoamericanas podría ser alta, dado que los datos de aprendizaje son especialmente sensibles. Teóricamente, el riesgo radica en la justicia algorítmica. Si las universidades implementan un algoritmo de evaluación o predicción de rendimiento sin la capacidad de auditar sus sesgos inherentes (O´Neil, 2016), están arriesgando la equidad del proceso educativo. 

La debilidad en la gobernanza significa que las instituciones de educación superior de la región no pueden garantizar que el algoritmo trate a los estudiantes de manera justa, especialmente a aquellos provenientes de contextos socioeconómicos o culturales minoritarios. La falta de un marco de gobernanza claro convierte el uso de estas herramientas en una delegación de autoridad sin rendición de cuentas, violando el principio de accountability (su responsabilidad) institucional.

La dimensión de Talento en el ILIA es particularmente relevante para el campo tecno-pedagógico. El índice evalúa la formación de especialistas, la cantidad de investigadores y la capacidad de producción científica en IA. 

Si la región carece de suficientes expertos capaces de auditar, adaptar o desarrollar algoritmos sensibles a contextos locales, las instituciones educativas se limitarán a ser meras consumidoras de tecnología diseñada desde otros contextos socio-tecnológicos digitales.

Dicho déficit de talento compromete dos funciones cruciales de la universidad. Primero, la IA como objeto de estudio crítico (formación de ciudadanos), y segundo, la IA como herramienta de apoyo (implementación tecno-pedagógica). Si la comunidad académica no tiene la capacidad de entender y cuestionar los modelos, el riesgo de una adopción acrítica - simplemente comprando soluciones en lugar de pensar en el co-diseño- su situación tiende a dispararse (Journal of Interactive Media, 2025).

Entonces, considerando la debilidad regional en la dimensión Talento del ILIA, ¿cómo pueden las universidades latinoamericanas pasar de meros consumidores de soluciones de IA a ser agentes activos en la co-creación y adaptación cultural de estas tecnologías en el aula?

Esto puede ser explicado de la transición de consumidor a co-creador tendría por lo tanto, basarse en el principio de soberanía tecnológica (Winner, 1980). Las universidades deberían de dejar de ver la IA como un producto terminado y empezar a verla como una tecnología en desarrollo que debe ser moldeada por las necesidades locales. Esto se logra mediante modelos de transdisciplinariedad en la formación, no solo creando carreras de ingeniería en software, sino también considerando a especialistas en ética de datos, lingüística computacional y pedagogía crítica de la IA.

La co-creación implica alienar los proyectos de investigación de IA con los desafíos sociales y educativos de la región, garantizando que el diseño algorítmico esté intencionalmente dirigido a reducir las brechas, en lugar de ampliarlas. Esto va a requerir de inversión en investigación aplicada y alianzas con los respectivos gobiernos para que los datos creados sean parte de un bien público educativo.

La dimensión de Regulación es otro punto débil del ILIA que repercute en la pedagogía. Un ecosistema regulatorio débil o inexistente genera incertidumbre legal y ética para la experimentación e innovación. Los docentes e investigadores pueden ser reacios a usar IA de formas novedosas si no hay lineamientos claros sobre la propiedad intelectual del contenido generado por IA o los límites éticos de la interacción humano-máquina. La ausencia de regulación detiene la innovación responsable. 

Surge la siguiente pregunta al respecto. Si la innovación pedagógica con IA requiere experimentación, y el ILIA muestra debilidad regulatoria, ¿cómo pueden las universidades de la región establecer sus propios códigos de ética de la IA, a nivel interno, para fomentar la innovación responsable antes de que existan leyes nacionales sólidas?  

 Ante rezago regulatorio, la respuesta teórica de autorregulacíon ética, que se tendría que poner en práctica es una en la ética aplicada (Floridi, 2019). Las universidades, como agentes morales con un propósito claro, tendrían la capacidad y la obligación de crear cartas de derechos digitales del estudiante y de su base académica docente y comités de ética de la IA (CEIA). Mediante estos documentos internos y cuerpos colegiados tendrían que establecer límites claros para el uso de datos, la transparencia algorítmica en la evaluación, y la protección de la autonomía profesional del docente. Esta autorregulación no tendría que sustituir a la ley, pero podría establecer un estándar mínimo de responsabilidad que pudiera servir de guía tecno-pedagógica, protegiendo a la comunidad mientras se exploran las posibilidades que pudiera ofrecer la métrica del ILIA que demanda.

En el siguiente apartado, la reflexión la orientaremos hacia las posibilidades existentes para crear una agenda interregional, a través de líneas de trabajo para el ámbito académico desde una visión crítica, es decir, pensando en cómo se pudiera atender el clima de la metáfora seductora de la IA y su correspondiente métrica desafiante del ILIA, pero desde el enfoque de un documento reciente de la IESALC (UNESCO, 2025), el cual aborda estos desafíos educativos en la región.