El 86 por ciento de los estudiantes universitarios del mundo ya usa inteligencia artificial (IA) de manera habitual en sus actividades académicas. Solo el 20 por ciento de las universidades tiene una política formal sobre ese uso. Esos dos números juntos no describen un rezago administrativo. Describen una crisis de integridad académica que la mayoría de las instituciones mexicanas prefiere no ver de frente.
En muchas instituciones, la respuesta al tema ha seguido un guion similar: reglamentos genéricos, alguna plataforma de detección, y el problema deja de ser urgente, al menos en el papel. Y el problema de asumir que el tema ya no es urgente o que ya está resuelto es que, mientras tanto, la brecha entre lo que ocurre en las aulas y lo que las instituciones son capaces de gobernar sigue creciendo en silencio.
Los detectores de texto generado por IA no son una política. Son, en el mejor de los casos, una pantalla. La meta de quienes desarrollan IA generativa es producir texto indistinguible del escrito por humanos. A medida que esa meta se cumple —y se está cumpliendo con una velocidad que incomoda—, los detectores se vuelven decorativos. La propia OpenAI retiró su clasificador de texto en 2023 reconociendo explícitamente su baja precisión. La evidencia disponible indica tasas de error de aproximadamente uno de cada cuatro casos, incluso para los sistemas con mejor desempeño declarado. Si el creador del sistema no puede detectar su propio producto con fiabilidad, cabe preguntarse con seriedad en qué descansa la confianza institucional en plataformas de terceros.
Apostar por la detección como eje de la política de integridad académica digital es asumir que la tecnología resolverá lo que es, en el fondo, un problema pedagógico, ético e institucional. Esa apuesta está perdida antes de hacerse.
Pero el problema más profundo no es tecnológico. Es pedagógico, y tiene un protagonista distinto al que suele señalarse.
La narrativa dominante pone al estudiante en el banquillo. Eso es un error, o al menos una historia incompleta. El problema real es el diseño de evaluaciones que la IA puede resolver sin que nadie lo haya previsto. Una asignación que se completa con un prompt bien redactado no evalúa el aprendizaje del estudiante: documenta, en todo caso, su habilidad para instruir a una herramienta. Eso puede tener valor pedagógico propio —aprender a formular preguntas precisas es una competencia real—, pero es una cosa muy distinta de demostrar comprensión disciplinaria, capacidad analítica o juicio profesional. Los docentes universitarios no han fallado. Han sido colocados en un entorno radicalmente distinto, con herramientas que no existían cuando diseñaron sus cursos, sin los marcos conceptuales ni el tiempo institucional para adaptarse. La investigación comparada es consistente: menos del diez por ciento de los profesionales logra traducir el potencial de la IA en transformaciones reales de su práctica sin acompañamiento específico. El problema no es la herramienta ni la voluntad. Es la ausencia de condiciones institucionales para usarla con criterio.
Hay además una dimensión jurídica que casi ninguna institución mexicana ha incorporado a su análisis, y que no es un tecnicismo menor. En agosto de 2025, la Suprema Corte resolvió —en el expediente AD 6/2025— que la protección de obras creativas exige originalidad e invención humana. Un trabajo generado íntegramente por IA no solo no es expresión del aprendizaje del estudiante: jurídicamente podría no pertenecer a nadie —o pertenecer al dominio público. ¿Cuántos departamentos jurídicos universitarios han analizado lo que eso implica para sus políticas de titulación y evaluación? ¿Qué validez tiene un trabajo de grado cuya autoría, en términos estrictos, no puede atribuirse al estudiante que lo firma?
Los debates universitarios han tendido a tratar la integridad académica como sinónimo de prohibición del plagio. Esa ecuación era insuficiente antes de la IA generativa. Hoy es, además, peligrosa. La integridad académica digital involucra tres preguntas que los marcos normativos tradicionales no contemplan: ¿quién produjo realmente este trabajo?, ¿lo producido refleja el aprendizaje real del estudiante?, ¿el proceso formativo desarrolló capacidades genuinas o las sustituyó? Las herramientas de IA generativa no copian de fuentes identificables, no dejan huella en bases de datos de similitud y, en muchos casos, producen contenidos que superan en forma —aunque no necesariamente en profundidad ni en veracidad— lo que el propio estudiante habría escrito. Cuando esas tres preguntas no tienen respuesta institucional, no hay política de integridad académica. Hay simulación.
Lo que las instituciones pueden hacer hoy no requiere presupuestos extraordinarios ni años de diagnóstico. Requiere decisión. Definir formalmente qué se entiende por integridad académica digital —no solo por plagio. Diseñar evaluaciones que requieran demostrar comprensión genuina, no solo producción de texto. Establecer protocolos claros para cuando un estudiante presenta trabajo generado íntegramente por IA como propio. Y revisar, con sus áreas jurídicas, las implicaciones de la resolución AD 6/2025 para la validez de sus títulos.
México ya discute cómo gobernar la IA. Todavía no decide qué significa ser una universidad íntegra cuando la IA escribe, argumenta y cita por sus estudiantes. Esa decisión no vendrá de un observatorio ni de un congreso nacional. Vendrá de cada institución que entienda que este no es un problema técnico para delegar al departamento de sistemas. Es una pregunta sobre el tipo de universidad que se quiere ser. Y cada semana que pasa sin responderla es una semana en que la respuesta la está dando, de facto, el estudiante que aprendió a usar el prompt antes que su institución aprendiera a gobernar la herramienta.
Campus Consulting publica hoy el documento Integridad académica digital en la era de la IA, con un marco institucional para que las universidades mexicanas puedan actuar. Disponible para descarga:
El 86% de los estudiantes ya usa IA generativa — las instituciones que no tienen política hoy están tomando decisiones igualmente, solo que sin brújula.
Esta guía está dirigida a docentes universitarios que buscan marcos prácticos para responder a ese desafío con criterio, proporcionalidad y fundamento. Pero también está dirigida a quienes toman decisiones institucionales: coordinadores académicos, directores de área, autoridades universitarias que necesitan ir más allá de la gestión de casos individuales y construir políticas que sean justas, aplicables y sostenibles en el tiempo.
No es un manual disciplinario. Es un instrumento de política pedagógica para el aula y para la institución.
Vanessa Medina Armienta
Especialista en regulación, educación superior e inteligencia artificial, con más de 25 años de experiencia en el sector público federal mexicano — SHCP, CNBV, SRE y Cámara de Diputados, entre otras instituciones. Es Directora de Campus Consulting, donde acompaña a universidades mexicanas en el diseño e implementación de políticas institucionales de IA responsable. Licenciada en Relaciones Internacionales por la UNAM, Maestra en Relaciones Internacionales por la Universidad de Nottingham, Reino Unido (Beca Chevening) y Maestra en Consultoría Organizacional y de Negocios por ICE México.
