INTRODUCCIÓN

La integración de la inteligencia artificial (IA) en las políticas universitarias representa una transformación estructural que redefine las funciones académicas y administrativas en las instituciones de educación superior. Este estudio se enmarca en un análisis de alcance regional, centrado en universidades latinoamericanas, donde la IA ha comenzado a integrarse como herramienta estratégica para optimizar procesos, personalizar el aprendizaje y fortalecer la toma de decisiones basada en datos, tal como lo señalan ^{Herrera (2022}) en el contexto mexicano y ^{Morocho et al (2023}) en experiencias ecuatorianas.

A partir de ello, se reconoce que las políticas requieren evolucionar hacia marcos normativos que promuevan la innovación, la equidad y la inclusión, como plantea ^{Cajamarca et al. (2024}) desde una perspectiva de gobernanza regional. La IA no solo permite la recopilación masiva de datos, sino que también facilita el rediseño curricular, la gestión eficiente de recursos y la mejora de servicios institucionales (^{Acosta, 2022}). Estas transformaciones requieren una gestión del cambio fundamentada en principios éticos y en modelos de gobernanza algorítmica que aseguren la participación y el respeto por la diversidad. Así, los autores citados han sido seleccionados por su contribución al estudio de la IA en contextos universitarios latinoamericanos, aportando enfoques teóricos y empíricos que sustentan el análisis propuesto.

La inteligencia artificial (IA) se ha posicionado como un agente transformador en la educación superior, especialmente en los procesos de investigación y gestión académica. Desde la perspectiva de análisis de ^{Cervantes et al. (2024}) la incorporación de la IA innova los procesos educativos de la investigación; por lo que es imperativo la preparación sistemática del personal académico y administrativo, dado que la innovación educativa no solo depende de la tecnología, sino de la capacidad institucional para adaptarse a sus dinámicas. En este sentido, para ^{Gavilanes et al. (2024}) consideraron que la efectividad de la aplicación de la IA se presenta en la eficacia administrativa al automatizar las tareas repetidas y mejorar la toma de decisiones mediante el análisis de datos.

Además, el uso de tecnologías emergentes como la realidad virtual y aumentada en la investigación educativa enriquecen las experiencias de aprendizaje, aunque su implementación requiere de marcos éticos sólidos y de capacitación continua para evitar vulneraciones de la privacidad y el uso indebido de datos (Valle, 2024). Por ello, se plantea la necesidad de un constante monitoreo del uso de la IA en las instituciones, garantizando su aplicación responsable. Tal como señalan (^{Perezchica et al., 2024}; Sánchez, 2023) un enfoque dinámico y adaptable no sólo prepara a las futuras generaciones, sino que redefine el panorama educativo, generando oportunidades más equitativas y pertinentes para los universitarios. Esta revisión sistemática busca precisamente identificar los vacíos de conocimiento en torno a la gobernanza, ética y formación docente frente a la IA, contribuyendo al diseño de políticas universitarias más inclusivas y sostenibles.

El presente trabajo se justifica teóricamente debido a la necesidad de modernizar y optimizar los procesos educativos y administrativos en el ámbito universitario mediante la integración responsable de tecnologías emergentes. Conforme explica la teoría de la innovación educativa, la adopción de la inteligencia artificial (IA) representa un cambio paradigmático que permite personalizar el aprendizaje, adaptarse a las necesidades individuales transformar la enseñanza tradicional en experiencias más dinámicas y centradas en el estudiante (^{Guaman et al., 2024}; ^{Esteves et al., 2024}). Sin embargo, esta transformación no está exenta de desafíos como la brecha digital, los sesgos algorítmicos y la privacidad de los datos, como principales riesgos que requieren atención ética y regulatoria (^{Magallanes et al., 2023}).

Desde el enfoque de gestión del cambio y desarrollo organizacional, la IA puede contribuir a resolver problemas administrativos complejos, como la sobrecarga operativa y la fragmentación de procesos, mediante el análisis predictivo y la automatización inteligente (^{Cabrera, 2020}; Prosci, 2024). No obstante, su implementación exige una cultura institucional abierta al cambio, formación continua del personal y canales de comunicación efectivos para evitar la resistencia organizacional y garantizar la sostenibilidad del proceso.

Por otro lado, la teoría de la equidad en educación plantea que la IA tiene el potencial de identificar barreras específicas que enfrentan los estudiantes, como el acceso limitado a recursos tecnológicos o la falta de acompañamiento académico, y ofrecer soluciones personalizadas que mejoren el desempeño y reduzcan las desigualdades (Simple Science, 2025; Unite. AI, 2025). Sin embargo, estudios recientes advierten que el acceso desigual a versiones avanzadas de herramientas de IA puede generar nuevas formas de exclusión, especialmente en contextos vulnerables donde la infraestructura tecnológica es limitada.

El impacto que genera integrar la IA en las políticas de las universidades plantea desafíos sustanciales en términos de equidad, accesibilidad y pertinencia institucional. Si bien, se reconoce su potencial para personalizar el aprendizaje y optimizar la gestión académica, aun así, persisten brechas tecnológicas que limitan el acceso equitativo a sus beneficiarios, en especial en contextos donde la infraestructura desigual o escasa alfabetización digital (UNESCO IESALC, 2025; ^{Cruz y Ruiz, 2024}). En este sentido las políticas deben centrarse no solo en incorporar herramientas tecnológicas, sino en garantizar que su implementación responda a criterios éticos, inclusivos y contextualizados.

A partir de esta problemática, se plantea la necesidad de comprender cómo se está integrando la IA en las políticas universitarias, qué retos enfrentan las instituciones en su aplicación, y cuáles son los marcos normativos y pedagógicos que orientan su uso. Asimismo, se busca identificar experiencias exitosas que puedan servir como referentes para el diseño de políticas sostenibles y adaptativas. En consecuencia, el presente estudio formula las siguientes preguntas de investigación: ¿Cómo se da la integración de la IA en las políticas universitarias? ¿Cuáles son los desafíos de la integración de la IA en las políticas universitarias? ¿Cómo se está utilizando la IA en el ámbito universitario? Y ¿Cuáles son los ejemplos de implementación exitosa de la IA en las universidades?

En este marco, la presente revisión sistemática propone analizar la integración de la inteligencia artificial en el desarrollo de las políticas universitarias, reconociendo tanto sus beneficios como sus riesgos, y aportando evidencia empírica que permita orientar decisiones institucionales hacia una transformación educativa ética, inclusiva y contextualizada.

METODOLOGÍA

El presente estudio, se desarrolló bajo el enfoque cualitativo y nivel descriptivo, mediante una revisión sistemática de literatura científica, siguiendo los lineamientos del protocolo PRISMA 2020. Este método permitió garantizar la transparencia, trazabilidad y rigor en cada fase del proceso, desde la identificación de estudios hasta su inclusión final. La revisión se centró en analizar la integración de la inteligencia artificial (IA) en las políticas universitarias, reconociendo su impacto en la administración educativa y en la mejora de la experiencia académica.

En cuanto a la estrategia de búsqueda se diseñó de forma estructurada y exhaustiva, utilizando operadores booleanos y fórmulas específicas como: ("inteligencia artificial" OR "IA" OR "machine learning") AND ("políticas" AND "universidades") AND ("administración educativa" OR "gestión académica" OR "mejoras académicas"). Esta búsqueda se realizó en tres bases de datos reconocidas por su cobertura académica y pertinencia temática: Scopus, SciELO y Latindex.

Esta selección de fuentes se justifica por su relevancia en el ámbito iberoamericano, su acceso a literatura arbitrada y su capacidad para ofrecer estudios actualizados en educación superior y tecnología. El periodo seleccionado (2020-2025) para responder a la necesidad de captar investigaciones recientes que reflejan el auge de la IA en contextos universitarios postpandemia COVID-19, tiempo en el que se intensificaron los procesos de digitalización institucional. Para llevar a cabo este proceso, fueron seleccionados los siguientes criterios de elegibilidad:

Como criterios de inclusión se consideraron artículos científicos publicados en revistas de acceso libre de las bases de datos de Scopus, Scielo y Latindex que hayan sido investigaciones sobre políticas universitarias e inteligencia artificial. Las investigaciones tienen relevancia y calidad de fuentes presentando aportes significativos para la comunidad científica. Asimismo, si incluyeron artículos académicos de los últimos 5 años que aborden directamente la aplicación de la IA en el contexto universitario. Finalmente se consideraron los estudios que explican el impacto de la IA en la formulación y ejecución de las políticas universitarias precisando el efecto en la administración educativa y en la mejora de la experiencia académica.

En cuanto a los criterios de exclusión se utilizó para descartar las investigaciones que no cumplan con los estándares metodológicos adecuados o sean revisiones sistemáticas. Además, se desestimaron fuentes sobre la IA en contextos no relacionados a la educación universitaria ni que tengan un vínculo claro con las políticas.

Para mitigar sesgos potenciales en la selección de estudios, se aplicó un proceso de cribado en doble etapa: primero se revisaron títulos y resúmenes para descartar registros por temporalidad o temática (89 artículos excluidos), luego se evaluó la elegibilidad por idioma y acceso (26 registros descartados). Finalmente, se realizó la lectura completa de los textos restantes, seleccionando 13 artículos que cumplían con los objetivos del estudio y los estándares metodológicos definidos. Este proceso se visualiza en el flujograma de la Figura 1, que ilustra las fases de identificación, cribado, elegibilidad e inclusión, conforme al protocolo PRISMA.

Figura 1 Flujograma de las fases del proceso de revision 

DESARROLLO Y DISCUSIÓN

A continuación, este apartado presenta los resultados del estudio orientado a realizar un análisis sobre la integración de la inteligencia artificial en el desarrollo de las políticas universitarias En respuesta a la primera interrogante de investigación ¿Cómo se da la integración de la inteligencia artificial en las políticas universitarias? Se realizó una revisión sistemática de literatura que permitió identificar diversas estrategias, enfoques y marcos normativos adoptados por instituciones de educación superior en América Latina y otras regiones. Los hallazgos se sintetizan en la Tabla 1, la cual presenta una matriz de autores y sus principales aportes en torno a la incorporación de la inteligencia artificial (IA) en el ámbito universitario.

Tabla 1 Integración de la IA en las políticas universitarias 

La revisión evidenció que la integración de la IA en las políticas universitarias de la Tabla 1, se manifiesta en múltiples dimensiones. Por ejemplo, ^{Acosta (2022}) destaca el uso creciente de tecnologías digitales y ciencia de datos en la gobernanza institucional, lo que sugiere una transformación estructural en los procesos de gestión universitaria. En el ámbito académico, ^{Area et al. (2022}) señalan la incorporación progresiva de herramientas de IA en el análisis de artículos científicos, enfatizando la necesidad de revisión humana para preservar la interpretación contextual.

Desde una perspectiva ética, ^{Arguelles (2024}) y Duo (2023) abordan la implementación de códigos de integridad académica y marcos regulatorios para garantizar el uso responsable y seguro de la IA. De manera similar, ^{Gallent et al. (2023}) hacen referencia a directrices éticas promovidas por organismos internacionales como la UNESCO y la Unión Europea, orientadas a educadores.

En cuanto a la experiencia estudiantil, ^{Barcia et al. (2024}) y ^{Tovar et al. (2024}) documentan el uso de chatbots, asistentes virtuales y sistemas automatizados para mejorar los servicios administrativos y personalizar el aprendizaje. Esta tendencia se complementa con los aportes de ^{Cajamarca et al. (2024}) y ^{Delgado et al. (2024}), quienes destacan la personalización educativa y el desarrollo de simulaciones y entornos virtuales como herramientas pedagógicas emergentes.

Por otra parte, la formación docente también es relevante en la literatura. Por ejemplo, Díaz et al. (2024) reportan programas de capacitación orientados al uso de IA, mientras que Cuadrado (2024) describe proyectos enfocados en la enseñanza de epidemiología y salud pública mediante tecnologías inteligentes.

En el ámbito institucional, los autores ^{Cedeño et al. (2024}) y Sánchez (2023) resaltan la necesidad de fijar políticas claras, tanto a nivel departamental como nacional e internacional, que regulen el uso ético de la IA en educación y evaluación. Asimismo, ^{Piedra et al. (2024}) enfatizan la importancia de contar con recursos adecuados y fomentar la colaboración entre legisladores y expertos en ética.

Finalmente, los estudios de ^{Herrera (2022}), ^{Parra et al. (2023}) ^{Perezchica et al. (2024}) hicieron referencia al uso de técnicas de IA como árboles de decisión, regresión y agrupamiento para predecir la deserción universitaria, así como la incorporación de criterios algorítmicos en los procesos de evaluación y diseño curricular.

Desafíos de la integración de la Inteligencia Artificial en las políticas universitarias

Los resultados de la revisión sistemática evidencian que la integración de la inteligencia artificial (IA) en las políticas universitarias enfrenta desafíos multidimensionales que comprometen su implementación ética, pedagógica y operativa. Tal como se presenta en el Gráfico 1, los principales obstáculos se agrupan en cuatro categorías: aspectos éticos y de privacidad, déficit de formación docente, ausencia de políticas claras y brecha digital.

Figura 2 Desafíos de la integración de la IA 

En primer lugar, los desafíos relacionados al aspecto ético, la falta de transparencia en el uso de los datos, la protección de la privacidad; así como la posibilidad de asegurar marcos legales que regulen la aplicación de la IA en contextos educativos. Estudios como los de ^{Martínez et al. (2024}), ^{Piedra et al. (2024}), ^{Perezchica et al. (2024}) y ^{Tovar et al. (2024}) advierten que, sin políticas claras, el uso de IA puede derivar en prácticas discriminatorias o en vulneraciones a la propiedad intelectual y la honestidad académica. En este sentido, ^{Barcia et al. (2024}), ^{Delgado et al. (2024}) y ^{Morocho et al. (2023}) proponen mecanismos institucionales que garanticen la integridad académica y la protección de derechos digitales. Asimismo, autores como ^{Arguelles (2024}), ^{Cajamarca et al. (2024}), Duo (2023) y ^{Gallent et al. (2023}) coinciden en que es necesario rediseñar las actividades institucionales para asegurar procesos transparentes y seguros en el uso de la red

En segundo lugar, la falta de capacitación docente constituye un obstáculo crítico. Cuadrado (2024), ^{Herrera (2022}) y ^{Piedra et al. (2024}) señala que la inseguridad de la incorporación de la IA limita la experiencia educativa generando una resistencia al cambio. La ausencia de formación continua impide que los educadores comprendan el potencial transformador de la IA en la enseñanza, lo que afecta directamente la calidad de la experiencia educativa. ^{Acosta (2022}), ^{Cedeño et al. (2024}), ^{Martínez et al. (2024}) y ^{Perezchica et al. (2024}) destacan que, sin actualización tecnológica, no se consolida una cultura institucional orientada a la innovación. Además, ^{Area et al. (2022}) y ^{Diaz et al. (2024}) subrayan que se debe reconocer y preocupar por el impacto real de la calidad de la enseñanza ya que las limitaciones y déficit de información y conocimiento estarán presentes generando falta de participación e integración a los cambios que se presentan.

Otro desafío relevante es la ausencia de políticas claras que orienten la incorporación de la IA en la estructura curricular y en la gestión académica. ^{Area et al. (2022}) y ^{Diaz et al. (2024}) aseguran que la sobrecarga administrativa en los docentes sumada a la falta de directrices específicas, genera desgaste profesional y dificulta la implementación de pedagogías innovadoras. ^{Cedeño et al. (2024}), ^{Herrera (2022}), ^{Martínez et al. (2024}) coinciden que la falta de políticas respecto a la malla curricular en muchas instituciones no es la adecuada debido a que hay cursos y programas que no están alineados con las necesidades reales de los estudiantes por ello la falta de directrices claras resulta en un abandono académico al integrar la IA. Sin políticas que definan y orienten el proceso académico se corre el riesgo de invertir recursos en iniciativas que no generen impactos significativos en el aprendizaje y enseñanza de los estudiantes (^{Gallent et al., 2023}; ^{Parra et al., 2023}).

Finalmente, la brecha digital y la disparidad en el acceso a la tecnología son desigualdades que se manifiestan desde la infraestructura tecnológica disponible en las instituciones educativas hasta el acceso individual de los estudiantes a dispositivos y conexiones a internet (^{Arguelles, 2024}; ^{Cajamarca et al., 2024}; ^{Martínez et al., 2024}; ^{Tovar et al., 2024}) Se comprende que la brecha digital no solo afecta al acceso a la tecnología sino a desarrollar habilidades necesarias para su formación profesional (^{Herrera, 2022} y Sanchez, 2023). En consecuencia, la calidad educativa se ve comprometida, especialmente en contextos vulnerables donde la IA podría tener un impacto transformador si se implementara de manera equitativa.

Utilización de la Inteligencia Artificial en el ámbito universitario

En cuanto a la tercera interrogante ¿Cómo se está utilizando la IA en el ámbito universitario?, los resultados de la revisión sistemática obtenidos evidencian que la inteligencia artificial (IA) está siendo utilizada en el ámbito universitario en diversas áreas estratégicas, tanto administrativas como académicas. En el plano institucional, ^{Martínez et al. (2024}) consideran que tiene un gran beneficio en la automatización de las tareas administrativas como la gestión de horarios, los registros evaluativos y solicitudes académicas, lo que contribuye a una toma de decisiones más eficiente y fundamentada en el análisis de datos. ^{Piedra et al. (2024}) complementan esta visión al señalar que la programación de clases, inscripciones y evaluaciones se ha optimizado mediante sistemas inteligentes, generando respuestas ágiles y personalizadas para los estudiantes.

Desde una perspectiva pedagógica, de acuerdo con los aportes de ^{Cajamarca et al. (2024}) subrayan que la IA permite personalizar el aprendizaje de los estudiantes proporcionando recursos adaptativos que intervienen tempranamente en su rendimiento académico. La implementación de estrategias pedagógicas que mejoren el aprendizaje de los estudiantes conlleva a que la línea tenga mayor satisfacción y motivación (^{Parra et al., 2023}).

En este sentido, autores como ^{Acosta (2022}), ^{Cedeño et al. (2024}) y ^{Delgado et al. (2024}) coinciden que la implementación de la IA es utilizada como una estrategia que beneficia al estudiante debido a que se realizan las planificaciones pedagógicas anticipadamente buscando alternativas eficientes para los problemas que puedan presentarse en el transcurso de las actividades, es así que también es su implementación es considerado como un recurso de toma de soluciones.

Respecto a la atención estudiantil, ^{Arguelles (2024}), ^{Delgado et al. (2024}), ^{Gallent et al. (2023}) y Sanchez (2023) sostienen que por medio de los chatbots y asistentes virtuales se permite mantener un desarrollo más personalizado y eficiente ante las dudas o consultas. Estos sistemas automatizados responden sobre los procesos académicos o administrativos mejorando el servicio de la institución y haciendo que la experiencia educativa sea personalizada.

En último lugar, en el ámbito investigativo, la IA ha demostrado ser una aliada en la organización, el análisis y la difusión de los hallazgos académicos. ^{Barcia et al. (2024}), ^{Gallent et al. (2023}) y ^{Morocho et al. (2023}) señalan que el uso de algoritmos inteligentes facilita el acceso a literatura científica relevante, mejora la interpretación de datos y potencia la producción investigativa. Esta aplicación contribuye a consolidar una cultura académica más robusta, basada en la eficiencia, la pertinencia y la innovación.

Implementación exitosa de la Inteligencia Artificial en las universidades

En la última interrogante de investigación ¿Cuáles son los ejemplos de implementación exitosa de la IA en las universidades? Se evidencia en la tabla 2 las implementaciones exitosas de la IA en las universidades y su funcionamiento:

Tabla 2 Ejemplos de implementaciones de la IA en el ámbito universitario 

La revisión de literatura y los hallazgos sistematizados en la tabla 2 evidencian múltiples ejemplos de implementación exitosa de la inteligencia artificial (IA) en instituciones universitarias, reflejando su impacto positivo en diversos ámbitos de la gestión educativa, la docencia y la investigación y, demostrando que la implementación de la inteligencia artificial en el ámbito universitario no solo es viable, sino también transformadora, al potenciar la eficiencia institucional, la calidad educativa y la equidad en el acceso al conocimiento.

CONCLUSIONES

La integración de la Inteligencia Artificial (IA) en las políticas universitarias es un avance significativo que permite transformar el ámbito educativo tanto en el aspecto administrativo como pedagógico. Los resultados de esta revisión sistemática evidencian que la IA ha sido utilizada de manera exitosa para automatizar tareas rutinarias como la programación de clases, la gestión de las matrículas y los procesos de evaluación académica, lo que ha permitido mejorar la eficiencia institucional y liberar tiempo para actividades estratégicas. Así mismo, permite que las experiencias de aprendizaje sean personalizadas adaptando programas académicos. Por otro lado, se tiene que la IA realiza una identificación de los patrones de rendimiento estudiantil los cuales pueden contribuir a mejorar la retención del éxito académico.

No obstante, implementar efectivamente la IA, requiere superar desafíos éticos, formativos y estructurales. Como la falta de capacitación docente, la ausencia de políticas claras y la persistente brecha digital limitan su impacto positivo. Por ello, se recomienda que las instituciones universitarias desarrollen planes de formación continua en competencias digitales, fortalezcan su infraestructura tecnológica y se establezcan marcos normativos que regulen el uso ético y seguro de la IA.

En síntesis, la IA no debe ser vista únicamente como una herramienta técnica, sino como un componente estratégico que, bien implementado, contribuye a una educación más equitativa, eficiente y centrada en el estudiante. Este estudio aporta evidencia empírica y teórica que puede servir de base para el diseño de políticas universitarias sostenibles, éticas y contextualizadas.