La Universidad Estatal de Arizona anunció en 2024 una colaboración con OpenAI para explorar aplicaciones de inteligencia artificial generativa en el ámbito universitario. Más allá del impacto del anuncio, el caso plantea una cuestión compartida por muchas instituciones: cómo pasar de las pruebas individuales a un uso organizado. Disponer de herramientas no resuelve por sí mismo qué tareas conviene automatizar, qué información puede introducirse y quién responde ante un error.
Las posibilidades educativas incluyen apoyo a la escritura, explicación de conceptos y asistencia en tareas de programación. Sin embargo, una respuesta fluida puede contener errores difíciles de detectar para quien todavía aprende. El criterio pedagógico debe preceder a la elección de la herramienta. Un asistente resulta más valioso cuando ayuda a razonar y verificar que cuando entrega una solución terminada que el estudiante no puede defender por su cuenta.
La evaluación es uno de los puntos más sensibles de esta transformación. Si una actividad puede resolverse con una instrucción breve a un sistema generativo, quizá sea necesario revisar qué aprendizaje pretende medir. Eso no obliga a abandonar los trabajos escritos. Puede exigir borradores comentados, defensas orales, registros del proceso o ejercicios contextualizados que permitan distinguir entre recibir ayuda y delegar íntegramente el razonamiento que debe adquirir el alumnado.
La gobernanza también alcanza a la privacidad y a las condiciones de acceso. Los expedientes, los datos de investigación y los materiales sujetos a derechos requieren tratamientos diferentes. Una política universitaria sólida debe explicar esas diferencias y ofrecer alternativas a quienes no puedan utilizar determinados servicios. La presencia de Arizona State University en Times Higher Education contextualiza su alcance institucional, pero no valida automáticamente ninguna aplicación concreta de inteligencia artificial.
El caso de Arizona invita a desplazar la conversación desde la novedad tecnológica hacia la evidencia educativa. Antes de extender una aplicación conviene preguntar si mejora la comprensión, reduce barreras o simplemente acelera la entrega de tareas. La innovación universitaria adquiere consistencia cuando sus responsables publican criterios, reconocen limitaciones y aceptan retirar usos que no aportan valor. Adoptar una herramienta y transformar el aprendizaje son decisiones relacionadas, pero no equivalentes.
La incorporación de tecnología al campus exige algo más que elegir una herramienta. Es necesario definir el problema que se quiere resolver, quién la utilizará y cómo se evaluará su utilidad. En docencia, un sistema puede ahorrar tareas repetitivas sin mejorar necesariamente la comprensión. En gestión, automatizar un proceso tampoco garantiza que sea más accesible. Distinguir estos objetivos ayuda a evitar que la novedad sustituya a una evaluación educativa rigurosa.
La gestión de datos ocupa un lugar central. Las universidades trabajan con información académica, resultados de investigación y datos personales que requieren protección. Antes de utilizar una plataforma conviene aclarar qué información recoge, dónde se almacena y qué opciones tienen los usuarios. Si intervienen modelos de inteligencia artificial, también importa conocer sus límites y establecer formas de supervisión humana, especialmente cuando sus respuestas puedan influir en decisiones académicas.
El profesorado y el alumnado necesitan condiciones para usar las herramientas de manera crítica. Esto incluye formación, soporte y alternativas para quienes encuentran barreras de acceso. Una implementación puede ser técnicamente sofisticada y, aun así, resultar poco adecuada para una asignatura o un grupo concreto. Las pruebas iniciales deberían permitir identificar errores, comparar resultados con otras metodologías y corregir el diseño antes de extenderlo.
El presente y futuro de la universidad digital dependerá de la capacidad de combinar innovación con responsabilidad. La interoperabilidad, el mantenimiento y el coste a lo largo del tiempo merecen tanta atención como las demostraciones iniciales. Para valorar cada iniciativa resulta útil preguntar qué evidencia existe sobre su funcionamiento y qué aspectos siguen en fase experimental. Estas preguntas no frenan la innovación: ayudan a convertirla en una propuesta sostenible y verificable.
