En agosto de 2023, la Universidad de Vanderbilt de Nashville, Tennessee, hizo una cuenta sencilla. En 2022 había enviado 75 mil trabajos al detector de IA de Turnitin, que declaraba una tasa de error de 1 por ciento. Con ese margen, unos 750 podrían haber sido marcados por equivocación como escritos en parte con IA. Vanderbilt apagó la herramienta.
No fue la única. Según Inside Higher Ed, al menos una docena de universidades estadounidenses, entre ellas Northwestern, Georgetown y Nueva York, desactivaron ese módulo, y Yale, Johns Hopkins e Indiana desaconsejan o prohíben tomarlo como única prueba. Conviene un matiz: el Higher Education Policy Institute (HEPI), del Reino Unido, recuerda que la falla cambia según el programa, y un estudio de 160 trabajos escritos por humanos no halló falsos positivos. Lo que sí está documentado es a quién le toca cargar con el desacierto. Investigadores de Stanford probaron siete detectores con 91 ensayos del examen de inglés TOEFL, redactados por personas cuya primera lengua no es el inglés. En promedio, los sistemas clasificaron 61 por ciento como generados por IA, y 89 de los 91 textos fueron marcados por al menos uno. Con trabajos de estudiantes estadounidenses de octavo grado (segundo de secundaria), los mismos sistemas resultaron casi exactos.
Muchas instituciones respondieron dejando de juzgar el texto terminado para registrar cómo se escribe. Turnitin Clarity, presentado en 2025, ofrece un espacio de redacción donde se monitorean el texto pegado, los patrones de escritura y el historial de borradores. Un estudio sobre dinámica de tecleo, aceptado para publicarse en una revista del IEEE (Instituto de Ingenieros Eléctricos y Electrónicos), la mayor asociación profesional de ingeniería del mundo, logra puntajes de 97 a 98 sobre 100 en pruebas controladas, con entre 34 y 196 participantes por base de datos; dos de sus tres modelos bajan a cerca de 76 cuando el texto fue parafraseado. Sus autores señalan que el mayor riesgo ético son las acusaciones falsas; advierten que el estudiante debe dar su consentimiento y reconocen que sus datos pueden no representar la diversidad de quienes escriben.
El cambio parece una mejora, y en parte lo es: un historial de borradores dice más que una probabilidad. Pero mueve el problema de lugar. Antes, la institución tenía un texto. Ahora tiene un expediente de cómo teclea, cuándo se detiene y qué pega una persona. Ese expediente se guarda en algún sitio, lo consulta alguien y puede servir para sancionar.
¿Qué ley protege ese expediente en México? Depende del tipo de institución. Las universidades privadas están bajo la Ley Federal de Protección de Datos Personales en Posesión de los Particulares, publicada el 20 de marzo de 2025: establece el consentimiento como regla general, exige un aviso de privacidad y reconoce el derecho a oponerse a que un tratamiento automatizado afecte de forma significativa a la persona. Su autoridad ya no es el INAI, sino la Secretaría Anticorrupción y Buen Gobierno, que depende del Ejecutivo. Las públicas quedan bajo otra norma, la Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados, publicada el mismo día, y la UNAM, en ejercicio de su autonomía, creó en mayo de 2025 su propia autoridad garante. Si un patrón de tecleo cuenta como dato biométrico y, por tanto, sensible, es una consulta para las áreas jurídicas.
Cuando escribí sobre el examen de admisión de la UNAM supervisado con IA, el foco fue la decisión de desplegarlo sin reglas. Quedó sin responder otra cosa: con qué fundamento y bajo qué aviso se recogen los datos que genera una supervisión remota.
La Unión Europea ya puso límites por escrito. Desde febrero de 2025, su Reglamento de IA prohíbe inferir las emociones de estudiantes en instituciones educativas, salvo por razones médicas o de seguridad. También clasifica como de alto riesgo la IA que vigila la conducta durante los exámenes, con obligaciones que, tras una reforma de 2026, se aplicarán desde diciembre de 2027. Es evidencia de otro orden jurídico, no de México; sirve para observar que se juzgó lo bastante delicado como para fijarlo en una norma.
En México no hay datos publicados sobre cuántas instituciones usan detectores o rastreo del proceso de escritura, y esa ausencia es en sí misma un dato. Lo que existe es el diagnóstico del Observatorio Interinstitucional de Inteligencia Artificial en la Educación Superior (OIIAES): 140 de las 161 instituciones analizadas, 86.96 por ciento, carece de mecanismos para evaluar el uso de IA en el salón. Cuando no hay mecanismo propio, el riesgo es que lo decida la herramienta: quien contrata un sistema adopta también su forma de registrar, guardar y sancionar.
Gobernar es decidir antes de contratar: qué se registra, para qué, por cuánto tiempo, quién lo ve, bajo qué ley y cómo se apela. Vigilar solo acumula. En julio escribí que la bitácora de verificación que lleva el propio estudiante es aprendizaje; cuando el registro lo decide un proveedor sin reglas, esa misma práctica se convierte en vigilancia. Supervisar las decisiones de un algoritmo forma parte de gobernar. Vigilar al estudiante sin reglas, no.
Antes de contratar cualquier herramienta de este tipo, una institución debería poder contestar cuatro cosas:
• Qué registra, dónde lo guarda y por cuánto tiempo.
• Quién puede consultarlo y quién decide con él.
• Qué tasa de error se asume y a cuántos estudiantes equivale, multiplicada por el volumen propio, como hizo Vanderbilt.
• Qué ley la rige, qué autoridad la supervisa y en cuántos días puede apelar un estudiante.
La institución que responde a esas cuatro tiene una política. La que no tiene una suscripción. El Índice Campus de Gobernanza Universitaria (ICGU), cuyos resultados se presentan el 9 de noviembre y se publican en la edición del 12, incluye entre sus cinco dimensiones la gobernanza de datos y la integridad académica digital. No compara universidades: es un espejo.
Referencias
• Diario Oficial de la Federación. (2025, 20 de marzo). Ley General de Protección de Datos Personales en Posesión de Sujetos Obligados. https://scjn.gob.mx/sites/default/files/marco_normativo/documeto/2025-04/Ley-General-de-Proteccion-Datos-Personales-en-Posesion-Sujetos-Obligados-DOF-20250320.docx. [texto no abierto; por confirmar].
• Do, A. (2026, 27 de agosto). AI detectors and the fairness gap: Read the evidence before you trust the score. HEPI. https://www.hepi.ac.uk/2026/08/27/ai-detectors-and-the-fairness-gap-read-the-evidence-before-you-trust-the-score/.
• Liang, W., Yuksekgonul, M., Mao, Y., Wu, E., & Zou, J. (2023). GPT detectors are biased against non-native English writers (arXiv:2304.02819v3; publicado después en Patterns). https://arxiv.org/html/2304.02819v3.
• Mehta, A., Kumar, R., Singla, A., Bisht, K., Singla, Y. K., & Shah, R. R. (2026). Detecting LLM-assisted academic dishonesty using keystroke dynamics [Aceptado en IEEE Transactions on Biometrics, Behavior, and Identity Science; arXiv:2511.12468v2]. https://arxiv.org/html/2511.12468v2.
• Medina Armienta, V. (2026, 25 de junio). En México, la IA ya empezó a juzgar sin reglas. Suplemento Campus. https://suplementocampus.com/en-mexico-la-ia-ya-empezo-a-juzgar-sin-reglas/.
• Medina Armienta, V. (2026, 2 de julio). Cuando la universidad no regula, el estudiante inventa sus propias reglas. Suplemento Campus. https://suplementocampus.com/cuando-la-universidad-no-regula-el-estudiante-inventa-sus-propias-reglas/.
• Observatorio Interinstitucional de Inteligencia Artificial en la Educación Superior. (s. f.). Diagnóstico nacional sobre la incorporación de IA en instituciones de educación superior [161 IES, 31 entidades]. https://observatorio-ia.org .[documento primario no abierto; por confirmar].
• Palmer, K. (2026, 5 de agosto). AI detectors are out, new assessments are in. Inside Higher Ed. https://www.insidehighered.com/news/tech-innovation/artificial-intelligence/2026/08/05/ai-detectors-are-out-new-approaches-are.
• PlagiarismToday. (2025, 6 de marzo). Turnitin announces Clarity, aim to make student writing more transparent. https://www.plagiarismtoday.com/2025/03/06/turnitin-announces-clarity-aim-to-make-student-writing-more-transparent/.
•Reglamento (UE) 2024/1689 (Ley de IA), art. 5(1)(f) y anexo III, punto 3; y Reglamento (UE) 2026/1744 (Digital Omnibus). [Fechas tomadas de fuentes secundarias; por confirmar en EUR-Lex]. https://www.softwareimprovementgroup.com/eu-ai-act-summary/.
• Universidad Nacional Autónoma de México. (2025, 19 de mayo). Acuerdo por el que se crea la Autoridad Garante de la UNAM en materia de acceso a la información pública y protección de datos personales. Gaceta UNAM. https://www.red-tic.unam.mx/recursos/2025/2025_Acuerdo_AutoridadDatosPersonales.pdf.
• Vanderbilt University. (2023, 16 de agosto). Guidance on AI detection and why we’re disabling Turnitin’s AI detector. Brightspace at Vanderbilt.
https://www.vanderbilt.edu/brightspace/2023/08/16/guidance-on-ai-detection-and-why-were-disabling-turnitins-ai-detector/.
• Cámara de Diputados. (2025). Ley Federal de Protección de Datos Personales en Posesión de los Particulares [DOF 20-03-2025; última reforma 14-11-2025]. https://www.diputados.gob.mx/LeyesBiblio/pdf/LFPDPPP.pdf.
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.
Columna Campus: Un-Common Sense
