Inteligencia artificial en la universidad: responsabilidad académica, ética y prácticas responsables

Abstract

En la educación superior contemporánea, la inteligencia artificial se ha consolidado como un recurso fundamental que transforma las rutinas académicas y las decisiones estratégicas institucionales. El objetivo de esta revisión fue examinar críticamente la literatura sobre inteligencia artificial en el ámbito universitario, con el fin de identificar responsabilidades institucionales, dilemas éticos y propuestas de buenas prácticas con pertinencia social, más allá de una simple descripción bibliográfica. Se desarrolló una revisión sistemática guiada por el protocolo PRISMA ScR, analizando estudios publicados en inglés y español entre 2016 y 2026. Tras la aplicación de criterios rigurosos de inclusión y calidad metodológica, se seleccionaron catorce estudios para su análisis. Los resultados evidencian tres preocupaciones centrales. En primer lugar, la equidad en los procesos de evaluación, dado que los algoritmos pueden reproducir sesgos que afectan a determinados grupos sin ser siempre detectables. En segundo lugar, la opacidad de los sistemas, lo que dificulta exigir transparencia cuando no se comprende plenamente el funcionamiento interno de los modelos. En tercer lugar, la integridad académica emerge como un ámbito tensionado por el uso de herramientas generativas. A partir de estos hallazgos, se proponen lineamientos orientados a la implementación de marcos regulatorios claros, auditorías éticas periódicas, formación docente en competencias críticas y el diseño de políticas participativas que articulen la innovación tecnológica con la justicia social.

In contemporary higher education, artificial intelligence is a fundamental resource that transforms daily routines and strategic decisions. The aim of this review was to critically examine studies on artificial intelligence in universities to identify institutional responsibilities, ethical dilemmas and proposals for good practices with social relevance, beyond a bibliographic description. Through a systematic review guided by PRISMAScR, literature in English and Spanish published between 2016 and 2026 was analyzed. After the application of rigorous criteria of relevance and quality, fourteen studies were selected. Three central concerns emerge from the analysis: the first is fairness in evaluation because algorithms can replicate biases that affect certain groups without it always being evident; Second, there is the opacity of systems: how do you demand transparency when you don't understand the inner workings of a model? Finally, academic integrity appears as an area particularly stressed by generative tools. Based on these findings, clear regulatory frameworks, periodic ethical audits, teacher training in critical competencies, and participatory policies that link innovation with social justice are recommended.