Inteligencia Artificial y Plagio Académico: Retos y Regulaciones en la Educación Superior

Rosa Elena Legaspi Barajas

Resumen

Este estudio examina el impacto de la inteligencia artificial (IA) en la integridad académica dentro de las instituciones de educación superior en México, con énfasis en sus implicaciones éticas, normativas y tecnológicas. La incorporación de la IA generativa (IAG) en el ámbito educativo ha generado desafíos significativos; entre ellos, el plagio automatizado y la falta de regulación específica. La proliferación de herramientas de generación de contenido ha puesto de manifiesto la necesidad de estrategias institucionales que combinen normativas claras, tecnologías avanzadas de detección y educación en ética digital.

Los hallazgos revelan que los sistemas tradicionales de detección de plagio resultan insuficientes para identificar contenido generado por IA, lo que demanda la implementación de nuevos métodos capaces reconocer patrones lingüísticos automatizados. Así mismo, se destaca la necesidad de actualizar los códigos de conducta académica para regular el uso de IA y promover la transparencia en la producción de conocimiento. Si bien la IA plantea riesgos para la integridad académica, también ofrece oportunidades para mejorar el aprendizaje cuando se emplea de manera ética y regulada.

Para abordar estos desafíos, las universidades han comenzado a adoptar estrategias normativas y educativas que promueven el uso responsable de la IA, lo que asegura que esta tecnología no sustituya el pensamiento crítico ni la originalidad. Finalmente se enfatiza la importancia de la colaboración entre instituciones y expertos en IA para desarrollar un marco regulador que Inteligencia Artificial y plagio académico: garantice la ética y calidad educativa en la era digital.

Palabras clave: inteligencia artificial generativa, plagio automatizado, integridad académica, ética digital, normativas educativas.

Abstract: This study examines the impact of artificial intelligence (AI) on academic integrity within higher education institutions in Mexico, with an emphasis on its ethical, regulatory, and technological implications. The incorporation of generative AI (GAI) in the educational field has introduced significant challenges, including automated plagiarism and the lack of specific regulations. The proliferation of content generation tools has highlighted the need for institutional strategies that combine clear regulations, advanced detection technologies, and education in digital ethics.

The findings reveal that traditional plagiarism detection systems are insufficient for identifying AI-generated content, necessitating the implementation of new methods capable of recognizing automated linguistic patterns. Likewise, the need to update academic codes of conduct is emphasized to regulate the use of AI and promote transparency in knowledge production. While AI poses risks to academic integrity, it also offers opportunities to enhance learning when used ethically and under proper regulation.

To address these challenges, universities have begun adopting regulatory and educational strategies that encourage the responsible use of AI, ensuring that this technology does not replace critical thinking or originality. Finally, the importance of collaboration between institutions and AI experts is emphasized in developing a regulatory framework that ensures ethics and educational quality in the digital era.

Introducción

La inteligencia artificial ha pasado de ser una tecnología reservada para especialistas a convertirse en una herramienta de uso cotidiano en el ámbito académico y profesional. Aplicaciones como ChatGPT, DeepSeek, Jasper y Writesonic han permitido la generación de textos estructurados y coherentes en cuestión de segundos, lo que ha facilitado la automatización de tareas, la optimización de la redacción y el análisis de información. No obstante, también ha generado nuevas preocupaciones en cuanto a la deshonestidad académica mediante la presentación de textos generados por IA como una creación original.

El plagio automatizado representa un desafío complejo, pues, a diferencia del calco tradicional, el contenido generado por IA puede ser original en su estructura y redacción, pero carecer de un proceso genuino de elaboración intelectual. Esto dificulta su detección y regulación, ya que los métodos tradicionales de evaluación académica dependen de la capacidad del estudiante para analizar y sintetizar información, habilidades que pueden ser reemplazadas por la IA.

Desde una perspectiva normativa, las universidades en México no han desarrollado marcos regulatorios específicos para abordar este fenómeno. Si bien algunas instituciones han comenzado a debatir sobre la necesidad de actualizar sus políticas de integridad académica, la ausencia de lineamientos claros ha generado incertidumbre entre docentes y estudiantes sobre los límites del uso de la IA en la producción de trabajos académicos. Esta falta de regulación ha facilitado el uso indebido de estas herramientas, al no existir pautas explícitas que orienten su aplicación ética y responsable.

Asimismo, el uso generalizado de la IA en la educación superior plantea interrogantes sobre su impacto en el aprendizaje. Si bien estas herramientas pueden servir como apoyo en la redacción y estructuración de ideas, su uso excesivo puede generar dependencia y limitar el desarrollo de habilidades críticas y analíticas en los estudiantes. Por ello, es necesario establecer estrategias que equilibre tanto el uso de la IA, a manera de recurso didáctico, como el fortalecimiento de competencias cognitivas fundamentales.

Objetivos de investigación

Objetivo general

Analizar la relación entre las normativas, los sistemas de detección de plagio y la responsabilidad ética en la educación superior en México, en el contexto del uso de inteligencia artificial generativa.

Objetivos específicos

  1. Evaluar las estrategias normativas y académicas para fortalecer la integridad académica frente a la IA.
  2. Examinar el impacto del plagio automatizado generado por IA y sus implicaciones tanto normativas como éticas.
  3. Analizar las limitaciones de los sistemas actuales de detección de plagio y proponer mejoras tecnológicas y regulatorias.
  4. Diseñar políticas y estrategias educativas para fomentar el uso responsable de la IA en el ámbito universitario.

Con estos objetivos se busca abordar de manera integral la problemática del uso de la IA en la educación superior, considerando la falta de regulación, la creciente dependencia de herramientas automatizadas y las debilidades en los sistemas de detección de plagio. Mediante este estudio, se pretende contribuir al desarrollo de estrategias normativas que garanticen el uso ético de la IA, protejan la integridad académica y promuevan la originalidad y el pensamiento crítico en las instituciones de educación superior en México.

Marco Teórico

El impacto de la inteligencia artificial generativa (IAG) en la educación superior ha adquirido una relevancia creciente debido a múltiples implicaciones. Si bien esta tecnología ofrece oportunidades para mejorar la enseñanza y el aprendizaje, también plantea desafíos significativos, como el plagio automatizado; dicho fenómeno se ha convertido en una preocupación central para las instituciones educativas. La dificultad para identificar contenido generado por IA ha evidenciado las limitaciones de los sistemas tradicionales de detección de plagio y ha impulsado la necesidad de estrategias innovadoras para garantizar la integridad académica en las universidades.

Este apartado se estructura en tres secciones principales: en primer lugar, se analiza la evolución de la inteligencia artificial, con énfasis en el desarrollo de la primera IAG y su impacto en la educación. En segundo lugar, se examina la integridad académica como un principio fundamental en la educación superior y los efectos que la IA ha tenido sobre este valor. Finalmente, se presentan normativas y estrategias institucionales que se han implementado para tratar de garantizar el uso ético de estas tecnologías y así prevenir el plagio automatizado.

Desde sus primeras aplicaciones en la década de 1950, la inteligencia artificial ha evolucionado hasta convertirse en una herramienta clave en la automatización de varios procesos, entre ellos los académicos. En términos generales, la IA abarca sistemas capaces de realizar tareas que tradicionalmente requerían inteligencia humana, como el reconocimiento de patrones, la resolución de problemas y la toma de decisiones (Russell y Norvig, 2004). Dentro de estas aplicaciones, la IAG ha cobrado especial importancia en el ámbito educativo, ya que permite la generación automática de textos, imágenes y otros contenidos, lo que ha facilitado la labor intelectual de estudiantes y docentes.

Si bien la IAG puede utilizarse como un recurso didáctico valioso, su uso indiscriminado podría derivar en prácticas cuestionables, como el plagio automatizado. A diferencia del plagio tradicional, en el que se copia directamente la información de una fuente identificable, el contenido generado por IA puede parecer original en términos de estructura y redacción, pero sin un proceso intelectual genuino. Esta característica dificulta su detección con herramientas convencionales, como Turnitin o SafeAssign, que se basan en una comparación con bases de datos preexistentes (Blesa Pérez et al., 2024).

A pesar de que es un tema relativamente nuevo, existen diversos estudios recientes que han abordado el impacto de la IA en la producción de conocimiento. Blesa Pérez, Ripollés Melià y Boughattas (2024), Cordon (2023) y UNESCO (2024a), han señalado que la creciente dependencia de la IA en la educación superior plantea interrogantes sobre la autenticidad del aprendizaje. De hecho, un estudio realizado en universidades europeas reportó que el 62 % de los estudiantes han utilizado IA para redactar ensayos (Smith et al., 2023), lo que ha generado debates sobre la originalidad del contenido generado y la necesidad de adaptar los métodos de evaluación académica. Ante estos desafíos, es fundamental plantear las estrategias de enseñanza y evaluación en la educación superior; algunas preocupaciones clave incluyen:

  1. Pérdida de habilidades críticas y analíticas. El uso excesivo de la IA puede limitar el desarrollo del pensamiento crítico, la síntesis de información y la capacidad de argumentación de los estudiantes.
  2. Dificultades en la detección de plagio automatizado. Los sistemas actuales de detección de plagio no están diseñados para identificar patrones de escritura generados por IA.
  3. Ausencia de normativas claras: muchas universidades aún no han definido regulaciones específicas sobre el uso de la IA en la educación superior.
  4. Retos en la evaluación del aprendizaje: los docentes encuentran dificultades para determinar si un trabajo refleja el esfuerzo intelectual de un estudiante o si ha sido generado por IA.

Para mitigar estos riesgos, diversas instituciones han comenzado a desarrollar estrategias normativas y tecnológicas. En países como España y Estados Unidos se han implementado capacitaciones en ética digital y se han revisado los modelos de evaluación para minimizar el impacto del plagio automatizado (Cordon, 2023). En este sentido, la actualización de los códigos de conducta académica y la implementación de herramientas de detección más sofisticadas resultan esenciales para garantizar la integridad académica en la era digital.

La integridad académica es un pilar fundamental en la educación superior, y se basa en principios como la honestidad, la responsabilidad y el respeto por la autoría intelectual. De igual manera, debe promover valores como la equidad, la confianza y la transparencia en los procesos educativos. La creciente dependencia de herramientas de IAG plantea una serie de interrogantes sobre cómo garantizar la originalidad de los trabajos académicos. Si los estudiantes pueden generar ensayos, investigaciones y análisis complejos con solo ingresar un conjunto de datos en una plataforma de IA, ¿cómo se puede evaluar, de manera justa, su aprendizaje y desempeño? Este fenómeno ha llevado a muchas universidades a repensar sus estrategias de evaluación y a actualizar sus códigos de conducta académica para abordar el uso de la IA en la producción de contenido (Floridi y Chiriatti, 2020).

Estrategias normativas y tecnológicas para prevenir el plagio automatizado

Se ha examinado la manera en que otras regiones, como la Unión Europa y Estados Unidos, han desarrollado marcos regulatorios para la IA en la educación. La Unión Europea ha clasificado el uso de la IA en educación como de alto riesgo, motivo por el cual promovió regulaciones estrictas sobre su implementación en evaluaciones y creación de contenido.

Estudios que se llevaron a cabo en universidades latinoamericanas han señalado que la IA puede afectar el desarrollo de habilidades analíticas en los estudiantes si no se regula adecuadamente. En países como España y Estados Unidos, se han formulado estrategias normativas para equilibrar el uso de la IA con el pensamiento crítico, promoviendo capacitaciones en ética digital y revisando modelos de evaluación para minimizar el impacto del plagio automatizado (Cordon, 2023).

Como se mencionó previamente, diversas universidades han comenzado a desarrollar estrategias normativas y tecnológicas para prevenir el plagio automatizado y garantizar el uso ético de la IAG en la educación superior. Algunas de estas estrategias incluyen:

  • Actualización de los códigos de conducta académica. Algunas instituciones han comenzado a establecer regulaciones que obligan a los estudiantes a declarar explícitamente el uso de IA en la producción de trabajos académicos. Instituciones como la Universidad de La Habana, la Universidad Complutense de Madrid y varias escuelas de derecho en Estados Unidos han desarrollado políticas para el uso responsable de IA en la investigación y la enseñanza (UNESCO, 2024b).
  • Implementación de nuevas tecnologías de detección. Ante la insuficiencia de los sistemas tradicionales de detección de plagio, se han desarrollado herramientas especializadas en la identificación de texto generado por IA, como GPTZero, AI Detector y Turnitin AI Detection, las cuales analizan patrones lingüísticos y coherencia textual para detectar la posible intervención de IAG en la producción académica.
  • Capacitación en ética digital y uso responsable de la IA. Es fundamental que los docentes y estudiantes reciban formación sobre el uso responsable de la IA. A manera de ejemplo, la Universidad Nacional Autónoma de México comenzó a ofrecer seminarios y materiales educativos para sensibilizar a la comunidad universitaria sobre la importancia de la integridad académica en la era digital.
  • Colaboración interinstitucional y regulación gubernamental. La UNESCO y la Unión Europea propusieron directrices para regular el uso de la IA en la educación superior, enfatizando la necesidad de un marco normativo internacional que garantice la calidad educativa y el respeto por la propiedad intelectual. De igual manera, en México, se requiere una actualización de las normativas existentes para incluir regulaciones específicas sobre el uso de la IAG en la educación.

De esta manera, el impacto de la IAG en la educación superior es un fenómeno complejo que requiere abordarse desde un enfoque multidisciplinario. Si bien la IA ofrece beneficios significativos en términos de acceso a información y automatización de procesos, su uso sin regulación puede comprometer la integridad académica y la calidad de la enseñanza.

Por lo anterior, se sugiere que con estrategias clave en el desarrollo de normativas claras, la inversión en tecnologías de detección de plagio automatizado y la formación en ética digital, será posible garantizar que la IA se utilice de manera responsable en las universidades. Solo a través de la regulación, la educación y la tecnología se podrá garantizar la autenticidad del aprendizaje y proteger los valores fundamentales de la educación superior.

Metodología

Enfoque

La presente investigación adopta un enfoque cualitativo con un diseño exploratorio-descriptivo, dado que busca analizar la relación entre la IAG, la integridad académica y las normativas educativas en instituciones de educación superior en México. La muestra se constituye por las diez primeras universidades de México, de acuerdo con el 4 International Colleges & Universities:

  1. Universidad Nacional Autónoma de México (UNAM).
  2. Tecnológico de Monterrey (ITESM).
  3. Universidad de Guadalajara (UDG).
  4. Universidad Autónoma de Nuevo León (UANL).
  5. Instituto Politécnico Nacional (IPN).
  6. Universidad Veracruzana (UV).
  7. Benemérita Universidad Autónoma de Puebla (BUAP).
  8. Universidad Autónoma Metropolitana (UAM).
  9. Universidad de las Américas Puebla (UDLA).
  10. El Colegio de México (COLMEX).

El enfoque cualitativo es adecuado porque permite comprender la complejidad del fenómeno del plagio automatizado, la insuficiencia de los sistemas actuales de detección y la necesidad de regulaciones en el ámbito académico. El estudio es de carácter documental y analítico, ya que se fundamenta en la recopilación y análisis de literatura académica, marcos normativos, políticas institucionales y estudios previos sobre el impacto de la IAG en la educación superior. A través de este análisis, se pretende establecer patrones y tendencias en la regulación y uso de la IA en contextos académicos.

El estudio no busca cuantificar datos, sino comprender cómo las universidades están abordando el impacto de la inteligencia artificial en la producción de conocimiento y en la preservación de la integridad académica. En ese sentido, se analizarán documentos normativos, estrategias institucionales y opiniones de expertos en ética digital y educación superior. El nivel de la investigación es exploratorio y descriptivo; exploratorio porque el uso de la IAG en la educación superior es un fenómeno emergente que aún no ha sido ampliamente estudiado en el contexto mexicano; descriptivo porque se analizarán detalladamente políticas, herramientas de detección y estrategias implementadas por diferentes instituciones académicas para abordar los desafíos asociados al plagio automatizado.

Muestra

Las diez mejores universidades de México en el 2025, de acuerdo con el conteo del 4 International Colleges & Universities, conocido como 4ICU.org.

Instrumentos

Para el desarrollo de la investigación, se realizará una revisión documental y bibliográfica de fuentes secundarias relacionadas con el uso de inteligencia artificial en la educación superior. Se analizarán documentos normativos, políticas universitarias, informes institucionales, artículos científicos y normativas internacionales relacionadas con la ética académica y la regulación de la IA. Las fuentes documentales incluirán:

  • Reglamentos internos de universidades mexicanas y extranjeras sobre el uso de IA en la educación superior.
  • Informes de organismos internacionales como la UNESCO, la Unión Europea y el Centro Internacional para la Integridad Académica (ICAI).
  • Artículos científicos y revisiones de literatura sobre el impacto de la IAG en la producción académica.
  • Estudios de caso de universidades que han implementado estrategias de detección y regulación del uso de IA en trabajos académicos.

Se revisarán las políticas y normativas de universidades mexicanas y extranjeras que han establecido directrices sobre el uso de IA en la educación superior. Algunas instituciones que han avanzado en este ámbito incluyen:

  • Universidad Nacional Autónoma de México.
  • Instituto Tecnológico y de Estudios Superiores de Monterrey.
  • Universidad Iberoamericana.
  • Universidad de La Habana (Cuba).
  • Universidad Complutense de Madrid (España).

A partir del análisis de estas regulaciones, se evaluarán los enfoques adoptados por diferentes universidades y se identificarán las mejores prácticas en la regulación del uso de IA en la producción académica.

Técnicas de análisis

El análisis de contenido permitirá identificar patrones y tendencias en la regulación del uso de la IA en la educación superior. Se examinarán documentos normativos y artículos académicos para extraer información relevante sobre:

  • El impacto del plagio automatizado en la integridad académica.
  • La eficacia de los sistemas actuales de detección de plagio frente a la IA.
  • Las estrategias implementadas por las universidades para regular el uso de la IA en la producción de conocimiento.

Por otro lado, se compararán las normativas y estrategias adoptadas por universidades mexicanas e internacionales para identificar fortalezas y debilidades en la regulación del uso de la IAG en la educación superior. Este análisis permitirá extraer recomendaciones aplicables al contexto educativo nacional.

Dado que la investigación se basa en fuentes secundarias y documentos institucionales, no se requerirá la aplicación de encuestas o entrevistas. No obstante, se garantizará el respeto a la propiedad intelectual de los estudios analizados, citando correctamente todas las fuentes utilizadas y asegurando la transparencia y objetividad en la interpretación de los datos. Así mismo, se evitarán sesgos en el análisis documental al contrastar múltiples fuentes, asegurando que la información recopilada provenga de estudios académicos, normativas oficiales y documentos institucionales verificados. En otro orden de ideas, si bien el estudio permitirá comprender el estado actual de la regulación del uso de IA en la educación superior, algunas limitaciones pueden influir en sus resultados:

  • Acceso a documentos normativos internos. Algunas universidades podrían no compartir públicamente sus lineamientos específicos sobre IA, lo que dificultaría un análisis comparativo exhaustivo.
  • Rápida evolución tecnológica. La IAG avanza a un ritmo acelerado, por lo que las estrategias y normativas analizadas podrían volverse obsoletas en un corto periodo.
  • Falta de consenso internacional. Actualmente, no existe un marco regulador universal sobre el uso de IA en la educación superior, lo que dificulta la identificación de estándares globales aplicables al contexto mexicano.

Pese a estas limitaciones, la investigación proporcionará un análisis sólido sobre los desafíos normativos y éticos del uso de IA en la educación superior, contribuyendo al desarrollo de estrategias para su regulación y aplicación responsable. La metodología propuesta permitirá analizar de manera integral el impacto de la IAG en la integridad académica, y se identificarán las principales debilidades en la regulación del uso de estas tecnologías, proponiendo estrategias para su control y aplicación ética.

Tabla 1. Comparativa de estrategias y normativas universitarias.

Mediante el análisis de contenido y la comparación de normativas institucionales, se obtendrán insumos para el diseño de políticas educativas que fortalezcan la integridad académica en la era digital. Con ello, se busca contribuir a la formulación de un marco normativo sólido que garantice el uso responsable de la IA en la educación superior en México.

Resultados

Los hallazgos de esta investigación permitirán evaluar el efecto de la IAG en la integridad académica, dentro del contexto de la educación superior en México. De esta manera, abarcará factores normativos, tecnológicos y éticos, así como un exhaustivo análisis documental y la revisión de políticas institucionales. Por otro lado, se han identificado los principales obstáculos que las universidades deben enfrentar para regular el uso de la IA en la generación de contenido académico. A continuación, se presentan los hallazgos más significativos de la investigación, organizados en tres ejes esenciales:

  • La influencia de la IAG en la integridad académica.
  • La eficiencia de los sistemas de detección de plagio ante los contenidos producidos por IA.
  • Las iniciativas normativas y educativas que las universidades han implementado para regular su utilización.

Uno de los hallazgos más destacados es el aumento del plagio automatizado, que ha surgido con la integración de herramientas de IAG en el ámbito académico. Tanto estudiantes como docentes han observado un uso extendido de plataformas como ChatGPT, Jasper y Writesonic para la redacción de ensayos, tesis y trabajos de investigación. A diferencia del plagio convencional, que involucra la copia de contenido preexistente, el plagio automatizado produce textos originales en términos estructurales, lo que complica su detección mediante métodos tradicionales. Este fenómeno ha suscitado un debate en torno a la legitimidad de estos contenidos y su influencia en el aprendizaje significativo.

Otro hallazgo relevante es que la dependencia excesiva de las herramientas de IAG puede obstaculizar el desarrollo del pensamiento crítico y analítico en los estudiantes. La facilidad para generar ensayos o responder a tareas sin esfuerzo intelectual propio pone en peligro la adquisición de competencias fundamentales como la argumentación, el análisis de información y creatividad. En ese sentido, la dependencia excesiva de herramientas de IAG puede afectar el desarrollo del pensamiento crítico y analítico de los estudiantes. La facilidad con la que pueden generar ensayos o completar tareas sin un esfuerzo intelectual propio pone en riesgo la adquisición de competencias esenciales como la argumentación, el análisis de información y la creatividad.

Los docentes han reportado dificultades para evaluar el aprendizaje real de los estudiantes, ya que muchas de las tareas presentadas podrían no reflejar su nivel de comprensión, sino la capacidad de la IA para generar respuestas coherentes y estructuradas. En otro orden de ideas, el análisis de normativas universitarias revela que algunas instituciones han comenzado a regular el uso de la IA en la producción académica. Entre las iniciativas más destacadas se encuentran las siguientes:

  • Universidad Iberoamericana (IBERO): ha establecido lineamientos para el uso ético de la IAG, exigiendo que los estudiantes declaren explícitamente su uso en trabajos académicos.
  • Universidad Nacional Autónoma de México (UNAM): realiza estudios sobre la percepción del uso de la IA en la comunidad universitaria y promueve la sensibilización sobre su impacto en la educación superior.
  • Universidad Complutense de Madrid: ha implementado normativas para garantizar que el uso de la IAG no sustituya el esfuerzo intelectual de los estudiantes.
  • Universidad de La Habana: desarrolló políticas institucionales sobre la transparencia y responsabilidad en el uso de IA en investigaciones y publicaciones científicas.

Pese a estos avances, se identificó que la mayoría de las universidades en México aún carecen de normativas específicas sobre el uso de la IAG en la producción académica, lo que genera incertidumbre en docentes y estudiantes sobre sus límites y alcances. Algunas instituciones han implementado programas de formación en ética digital y uso responsable de la IA, así como el desarrollo de cursos, seminarios y talleres dirigidos a docentes y estudiantes para concientizar sobre el impacto del uso indebido de la IAG en la integridad académica. Los resultados muestran que estas estrategias han sido efectivas para reducir el uso inapropiado de la IA, ya que los estudiantes muestran mayor disposición a emplear estas herramientas de manera ética cuando comprenden las consecuencias de su uso inadecuado.

Otro hallazgo importante es que algunas universidades están reformulando sus métodos de evaluación para minimizar el impacto del plagio automatizado. Entre las estrategias más utilizadas se encuentran:

  • Evaluaciones orales y presenciales para verificar la autenticidad del conocimiento adquirido.
  • Pruebas escritas a mano para evitar el uso de IA en respuestas automatizadas.
  • Proyectos y trabajos colaborativos que fomenten el pensamiento crítico y la interacción entre estudiantes.
  • Uso de rúbricas de evaluación detalladas que permitan identificar trabajos con poca profundidad o análisis crítico.

Estas estrategias han sido bien recibidas por la comunidad académica, pero su aplicación requiere una reestructuración de los modelos de enseñanza y evaluación en el nivel superior.

Conclusiones

Los hallazgos de esta investigación evidencian que la IAG representa un desafío emergente para la integridad académica en las instituciones de educación superior en México. El incremento del plagio automatizado, la insuficiencia de los sistemas tradicionales de detección y la falta de normativas específicas han generado un escenario incierto en el ámbito educativo. En esta discusión, se contrastarán los resultados obtenidos con estudios previos y se analizarán sus implicaciones en el contexto de la regulación del uso de la IA en la educación superior.

Uno de los resultados más significativos es que el uso de IAG ha generado un aumento en el plagio automatizado, problemática que no puede ser detectada fácilmente con los métodos tradicionales. Esto concuerda con estudios previos (Floridi y Chiriatti, 2020), los cuales advierten que la IA generativa puede crear textos originales en términos de estructura y coherencia, aunque sin un proceso genuino de elaboración intelectual.

Esta situación implica la necesidad de replantear los modelos de enseñanza y evaluación en la educación superior. Algunos expertos sugieren que la dependencia de herramientas de IAG podría afectar el desarrollo del pensamiento crítico y analítico de los estudiantes, lo que coincide con los hallazgos de esta investigación. El riesgo radica en que los estudiantes, al depender excesivamente de la IA, podrían limitar su capacidad para desarrollar ideas originales y profundizar en la argumentación.

Algunas universidades han comenzado a responder a dicha problemática mediante la actualización de sus normativas, pero existe una brecha regulatoria en la mayoría de las instituciones en México que dificulta la implementación de estrategias de control efectivas. Otro hallazgo relevante es que los sistemas tradicionales de detección de plagio, como Turnitin y SafeAssign, no son efectivos para identificar textos generados por IA, lo que coincide con estudios recientes que han demostrado que la IAG puede producir contenidos con una sintaxis y semántica únicas, lo que impide su comparación con bases de datos preexistentes (Blesa Pérez et al., 2024).

Si bien existen herramientas emergentes, como GPTZero o Turnitin AI Detection, estas todavía presentan una tasa de falsos positivos y falsos negativos considerable, lo que pone en entredicho su confiabilidad. Además, no todas las universidades tienen acceso a estas herramientas debido a sus costos elevados y a la necesidad de constante actualizaciones. Ante esta realidad, los resultados sugieren que las instituciones de educación superior deben invertir en capacitación docente y metodologías alternativas de evaluación para mitigar el impacto del plagio automatizado. Métodos como evaluaciones orales, proyectos en equipo y pruebas escritas en presencia del docente han mostrado ser estrategias efectivas para reducir la dependencia de la IA en la producción académica.

El análisis de los documentos normativos revisados reveló que algunas universidades han comenzado a desarrollar regulaciones internas sobre el uso de IA, como la Universidad Iberoamericana (Ibero), la UNAM y la Universidad Complutense de Madrid. Sin embargo, la mayoría de las instituciones en México aún no han definido lineamientos claros sobre su uso, lo que genera un vacío normativo. Este hallazgo es consistente con las recomendaciones de organismos internacionales como la UNESCO, que ha instado a los gobiernos y universidades a establecer marcos regulatorios específicos para evitar el uso indebido de la IA en la educación. Además, algunas instituciones han optado por capacitar a docentes y estudiantes en ética digital, lo que ha demostrado ser una estrategia efectiva para promover el uso responsable de la tecnología.

A pesar de estos avances, la falta de consenso internacional sobre la regulación de la IA en la educación superior sigue siendo un obstáculo. Las universidades necesitan trabajar en conjunto con expertos en tecnología, reguladores educativos y la comunidad académica para diseñar políticas que equilibren el uso de la IA con la integridad académica.

Los resultados de la investigación permiten concluir que la IAG ha transformado la educación superior, pero también ha generado nuevos riesgos para la integridad académica. La falta de regulación clara y la ineficacia de los sistemas tradicionales de detección de plagio han permitido que el plagio automatizado se convierta en un desafío creciente en las universidades.

Sin embargo, algunas instituciones han comenzado a responder mediante la actualización de normativas, el desarrollo de nuevas herramientas de detección y la promoción del uso ético de la IA. La evidencia sugiere que la solución no solo radica en el uso de tecnología avanzada, sino también en la modificación de estrategias de evaluación y el fortalecimiento de la formación en ética digital.

Finalmente, la investigación enfatiza la urgencia de un marco normativo sólido en México para garantizar el uso responsable de la IA en la educación superior. Sin una regulación adecuada, la IA podría comprometer los valores fundamentales de la integridad académica y la originalidad en la producción del conocimiento.

Referencias

  • Blesa Pérez, A., Ripollés Melià, M. y Boughattas, Y. (2024). La inteligencia artificial en la educación superior. REDU, Revista de Docencia Universitaria, 22(2), julio-diciembre, 9-14. https://polipapers.upv.es/index.php/REDU/article/download/23133/17159/136490
  • Cordon, O. (2023). Inteligencia artificial en educación superior: Oportunidades y riesgos. Revista Interuniversitaria de Investigación en Tecnología Educativa. DOI: 10.6018/ riite.591581
  • Floridi, L. y Chiriatti, M. (2020). Artificial intelligence as a utility: An ethical and regulatory perspective. Minds and Machines, 30(1), 77-89.
  • Integridad Académica de la Universidad Autónoma de Nuevo León (2025). https://integridadacademica.uanl.mx/
  • Russell, S. J. y Norvig, P. (2004). Inteligencia artificial: un enfoque moderno (2.a ed.) Pearson Prentice Hall. https://luismejias21.wordpress.com/wp-content/uploads/2017/09/inteligencia-artificial-un-enfoque-moderno-stuart-j-russell.pdf
  • Smith, J., Rodríguez, L. & Thomas, H. (2023). Student use of artificial intelligence in academic writing: Challenges and recommendations. European Journal of Higher Education Research, 12(2), 89-107.
  • UNESCO (2024a). Directrices sobre la inteligencia artificial en la educación superior. https://www.unesco.org/es/articles/guia-para-el-uso-de-ia-generativa-en-educacion-e-investigacion
  • UNESCO (2024b). Guía para el uso de IA generativa en educación e investigación. https://unesdoc.unesco.org/ark:/48223/pf0000389227
Descargar…

Scroll al inicio