La IA en la universidad: ¿herramienta o amenaza?

Un rincón coordinado por Francisco Javier Rodríguez Amorín

La inteligencia artificial se ha consolidado como un eje estratégico en el sistema universitario. Lejos de ser un fenómeno marginal, la IA está redefiniendo los procesos de investigación, docencia y gestión en las universidades, generando un debate sobre su impacto.

Centros de referencia

Barcelona Supercomputing Center (BSC) – UPC

El BSC, vinculado a la Universitat Politècnica de Catalunya, es uno de los principales centros de supercomputación de Europa. Su director, Mateo Valero, ha publicado más de 700 artículos y ha participado en la organización de más de 300 congresos internacionales. La colaboración entre la UPC y el BSC, con el superordenador MareNostrum 5, sitúa a Cataluña en el mapa mundial de la computación de alto rendimiento. Alfonso Valencia, director del Departamento de Ciencias de la Vida en el BSC, lidera investigaciones sobre el uso de la IA en la biomedicina. Sin embargo, el BSC depende en gran medida de la financiación pública y de la colaboración con grandes empresas tecnológicas, lo que plantea interrogantes sobre su autonomía y la dirección de su investigación.

Universidad de Granada (UGR)

La UGR es un referente en Procesamiento de Lenguaje Natural (NLP) aplicado al español. El grupo de investigación IdBIS (Intelligent Databases and Information Systems), liderado por Enrique Herrera-Viedma, ha trabajado en proyectos como la descripción lingüística de datos y el análisis de sentimientos en español. Uno de sus logros más recientes es un modelo de NLP que supera a GPT-4 en tareas de comprensión regional del español, lo que demuestra que la investigación pública puede competir con las grandes corporaciones. Sin embargo, estos avances no siempre llegan a la sociedad: faltan aplicaciones prácticas y políticas de IA que beneficien a la ciudadanía.

UNED – Universidad Nacional de Educación a Distancia

La UNED ofrece el Máster Universitario en Investigación en Inteligencia Artificial, orientado a formar futuros científicos, con salidas hacia el Doctorado en Sistemas Inteligentes. El programa incluye materias de aprendizaje automático, visión artificial, minería de datos, aplicaciones de IA y trabajo de investigación. La información oficial está actualizada para el curso 2026/2027.

Universidad Pública de Navarra (UPNA)

La UPNA alberga una investigación puntera en sesgos algorítmicos. Iris Dominguez-Catena ha realizado una tesis doctoral centrada en la evaluación y mitigación de sesgos demográficos en sistemas de inteligencia artificial, una línea de trabajo que aborda directamente las preocupaciones sobre discriminación algorítmica. El Grado en Ciencia de Datos de la UPNA hace especial hincapié en técnicas de Deep learning y análisis de datos.

Universidad Autónoma de Madrid (UAM)

La UAM ha creado la Cátedra ERIA (Empleabilidad y Responsabilidad en la IA), pionera en el ámbito educativo español, en colaboración con Microsoft y Founderz. La cátedra desarrolla informes sobre uso responsable de IA y empleabilidad, herramientas y marcos abiertos para prácticas responsables, formación en IA para jóvenes, profesionales y empresas, y divulgación de buenas prácticas.

Universidad de Oviedo (UniOvi)

La Universidad de Oviedo se ha consolidado como un referente en la investigación y aplicación de la inteligencia artificial, destacando en varias áreas:

Spin-off Plexigrid: Fundada en 2020, ha inaugurado el Centro de Control del Futuro en el Campus de Gijón, un laboratorio de IA aplicada al sector eléctrico que aspira a ser referencia global en la gestión de redes de distribución.
Grupo AIDA (Artificial Intelligence & Data Analysis): Formado por 35 investigadores y financiado por el Principado de Asturias, trabaja en el desarrollo de una IA capaz de manejar la incertidumbre en entornos complejos. Su investigación se aplica a sectores como la agricultura, el transporte, la energía y la salud.
Proyecto TAN-IBE: La Universidad de Oviedo participa en este proyecto financiado por el Ministerio de Ciencia, que busca entrenar sistemas de traducción automática neuronal para lenguas románicas de la península, incluyendo el asturiano.
Asistente inteligente: La universidad ha puesto en marcha un chatbot para responder consultas del estudiantado, optimizando la gestión de la información.

Los grados en Ciencia de Datos o Ingeniería de Datos combinan fundamentos de matemáticas, estadística, programación y aprendizaje automático. Suelen incluir asignaturas como Álgebra Lineal, Cálculo, Probabilidad, Bases de Datos, Estructuras de Datos, Algoritmos, Machine Learning, Visualización de Datos y Ética de los Datos.

Los riesgos

No solo se desarrolla tecnología, sino que se investiga críticamente sus impactos, abordando las preocupaciones sobre discriminación algorítmica, desinformación y gobernanza. Sin embargo, estos análisis suelen quedar relegados a proyectos específicos sin que se traduzcan en políticas institucionales generales.

Sesgos algorítmicos y discriminación

Imagen que representa los sesgos algorítmicos y la discriminación en sistemas de inteligencia artificial

El trabajo de Iris Domínguez Catena en la UPNA sobre sesgos demográficos en IA ejemplifica la preocupación académica por la equidad. Su investigación desarrolla métricas para medir sesgos en datos y modelos, abordando directamente el problema de la discriminación algorítmica. Como señala la investigadora, «los sesgos demográficos consisten en la falta o mala representación de algunos grupos demográficos (por ejemplo, personas negras o mujeres), lo que puede generar un mal comportamiento de dichos sistemas y provocar un posible trato discriminatorio hacia determinados colectivos» [Pamplona Actual, 2024].

Desinformación

Ramón Salaverría, catedrático de Periodismo en la Universidad de Navarra, es investigador principal del proyecto NEXTDIGIMEDIA («Inteligencia artificial en medios digitales en España»). Su investigación se centra en el periodismo digital, la inteligencia artificial y la desinformación. Sin embargo, la desinformación no es solo un problema de los medios; también afecta a la investigación académica, con casos documentados de artículos generados por IA que incluyen citas inventadas o datos falsos.

Ética

La UAM, a través de la Cátedra ERIA, aborda sistemáticamente la ética de la IA, estableciendo marcos de uso responsable.

Sin embargo, la reflexión ética no puede limitarse a marcos de uso responsable. Como señala la socióloga Shoshana Zuboff, la IA no es solo una herramienta técnica, sino un mecanismo de «capitalismo de vigilancia» que convierte la experiencia humana en materia prima para la predicción y modificación del comportamiento [Zuboff, 2020].

En la misma línea, Ruha Benjamin ha mostrado cómo los sistemas de IA no son neutrales, sino que pueden convertirse en un «nuevo código Jim Crow» que reproduce y amplifica el racismo sistémico [Benjamin, 2019].

Investigación

Joven investigador analizando datos en un ordenador

Las y los jóvenes investigadores españoles —doctorandos e investigadores en sus primeros años— están en la primera línea de la integración de la IA. Lejos de ser meros adoptadores pasivos, sus opiniones revelan una perspectiva crítica y llena de matices. El estudio de la investigadora Blanca Rodríguez-Bravo, de la Universidad de León, publicado en ThinkEPI [Rodríguez-Bravo, 2025], recoge estas voces [texto completo].

La IA como «espada de doble filo»: Se reconoce su potencial para aumentar la eficiencia y la productividad, pero también se advierte sobre los riesgos para la integridad académica y el pensamiento crítico [Rodríguez-Bravo, 2025].
Pérdida de pensamiento crítico y autonomía: Existe la preocupación de que una dependencia excesiva de la IA pueda erosionar la capacidad de análisis, la originalidad y la autonomía del investigador [Rodríguez-Bravo, 2025].
Riesgos para la integridad académica: Se teme que la IA pueda facilitar el plagio, la creación de «escritores fantasma» y la publicación de artículos de baja calidad [Rodríguez-Bravo, 2025]. El estudio internacional Harbingers confirma que esta es una preocupación generalizada entre los jóvenes investigadores de varios países [Nicholas et al., 2024].
Precariedad y desigualdad: Los investigadores en sus primeras etapas, que ya ocupan una posición vulnerable en el mundo académico, podrían verse especialmente afectados por estos cambios, que podrían exacerbar las desigualdades existentes [Nicholas et al., 2024].
Falta de alfabetización ética: Solo el 13% de los estudiantes universitarios conoce las directrices europeas sobre IA confiable, según una investigación con estudiantes de primer curso.

Un estudio reciente sobre la agencia humana en la interacción con la IA [Shrestha & Das, 2026] destaca la importancia de entender qué parte (humano o IA) tiene el control en el proceso de toma de decisiones para no perder la autonomía profesional y ética. El trabajo de Clark et al. (2026) [Clark et al., 2026] explora además el uso de la IA como «escritor fantasma» en la investigación académica.

Expectativas y realidad

Portada de informe sobre digitalización universitaria

Un estudio de la CRUE Digitalización, basado en una encuesta a 37 universidades (28 públicas y 9 privadas), revela que la adopción de la IA es «incipiente, baja y fragmentada». El 38,7% de las universidades no tiene una estrategia oficial de implementación, ni guías ni manuales para el uso y gestión de la IA. Casi la mitad de las universidades (48,6%) no disponía de una unidad específica para coordinar y supervisar las iniciativas.

Los encuestados señalan una capacitación insuficiente: el 81% indica que menos del 25% del personal de la institución ha recibido formación. Los frenos no son solo estructurales (presupuesto y escasez de personal cualificado), sino también organizativos y culturales: más del 60% percibe una resistencia al cambio de moderada a muy relevante y el 81% reconoce la falta de claridad en los requisitos técnicos como factor limitante.

Bajo el brillo tecnológico de la IA se esconde «un andamiaje de deuda y expectativas insostenibles» vinculado a la expansión de la inteligencia artificial. Esta cuestión plantea interrogantes sobre la concentración de poder tecnológico y la capacidad de las instituciones públicas para regular sus efectos sociales y económicos.