Tras la polémica del primer examen de admisión 100% en línea de la UNAM, escuelas, docentes y autoridades educativas buscan reglas para que la inteligencia artificial sume al aprendizaje sin vaciar de sentido tareas y exámenes.
La inteligencia artificial ya no toca la puerta de las aulas mexicanas: está sentada en la banca. Ocho de cada diez estudiantes universitarios la usan para redactar textos, resumir lecturas o resolver tareas, según la encuesta nacional que la Secretaría de Educación Pública (SEP) presentó en abril de 2026 con respuestas de más de 1.5 millones de alumnos y 166 mil docentes.
El dato llegó meses antes de que el tema saltara de las aulas a las primeras planas. Entre mayo y junio, la UNAM aplicó por primera vez en línea su examen de ingreso a licenciatura; en julio, puntajes atípicos, cancelaciones hechas por un sistema de supervisión con IA y denuncias de trampa desataron protestas en Ciudad Universitaria y obligaron a repetir la evaluación de forma presencial en agosto.
Así, el debate sobre la inteligencia artificial en la educación en México llega al ciclo escolar 2026-2027 con dos preguntas sobre la mesa en universidades, preparatorias y salones de todo el país: cómo aprovechar una herramienta que ya usan casi todos y cómo asegurarse de que, al usarla, los alumnos realmente aprendan.
El examen que encendió el debate
El Concurso de Selección de Ingreso a Licenciatura 2026 fue el primero del sistema escolarizado de la UNAM aplicado completamente en línea, durante tres fines de semana de mayo y junio. Lo presentaron 158 mil 727 aspirantes desde sus casas, supervisados por un modelo de inteligencia artificial que, según la Comisión Técnica, detectó uso de celulares, apoyo externo y suplantación de identidad, y llevó a cancelar cerca del 2% de las pruebas.
Los resultados se publicaron el 17 de julio y de inmediato surgieron sospechas: miles de puntajes casi perfectos en carreras de alta demanda como Medicina, mientras en redes sociales circulaban perfiles que presumían haber hecho trampa. Al mismo tiempo, aspirantes honestos denunciaban que el sistema de supervisión les había anulado el examen por movimientos tan cotidianos como hacer operaciones en papel.
La cronología fue rápida:
| Fecha (2026) | Qué pasó |
|---|---|
| Mayo–junio | Se aplica el examen en línea en tres fines de semana |
| 17 de julio | Se publican resultados; aparecen puntajes atípicos |
| 24 de julio | La UNAM suspende inscripciones de nuevo ingreso por examen |
| 27 de julio | Se instala la Comisión Técnica de 16 especialistas; aspirantes rechazados marchan en CU |
| 30–31 de julio | La Comisión recomienda un examen de control presencial; la UNAM rescinde el contrato con Territorium Life |
| 12–19 de agosto | Examen de control presencial, sin internet y con supervisión física, en sedes como el Palacio de los Deportes |
| 28 de agosto | Se publican resultados; ingresan 20 mil 923 alumnos por concurso |
| 31 de agosto | Inician clases 49 mil 074 estudiantes de primer ingreso |
“No es haciendo trampas como se forma a los profesionales que el país requiere”, dijo el rector Leonardo Lomelí Vanegas al aceptar las recomendaciones, y ofreció disculpas a quienes, habiendo sido aceptados limpiamente, debieron repetir la prueba.
El caso dejó una lección incómoda: la misma tecnología se usó para hacer trampa y para vigilar, y ninguna de las dos funcionó de forma impecable. Especialistas citados por la prensa señalaron además un vacío legal, pues usar IA no estaba tipificado como causa de anulación. El debate dejó de ser sobre un examen y pasó a ser sobre cómo se mide lo que un estudiante sabe.
Cómo la usan los estudiantes
La radiografía más amplia es la Encuesta Nacional “Usos y percepciones sobre Inteligencia Artificial Generativa en la Educación Superior en México” (ENIAG 2025), diseñada por la UNAM, FLACSO, el Tec de Monterrey y la Universidad de Guadalajara con la SEP y la ANUIES. Participaron cerca de 2 mil 900 instituciones, más de 1.5 millones de estudiantes y alrededor de 166 mil docentes; sus resultados se presentaron en abril de 2026.
Lo que encontró, en números:
| Indicador | Resultado |
|---|---|
| Estudiantes que la usan para redactar textos y tareas | 8 de cada 10 |
| Estudiantes y docentes que la usan a diario o casi a diario | Más de 60% |
| Estudiantes que nunca la han usado | 3% |
| La usan para programar o depurar código | 15% |
| La ven como complemento para analizar, reflexionar y crear | 82.3% |
| Creen que transformará su carrera | 80% |
| No conocen las reglas de su institución sobre IA | Cerca de 8 de cada 10 |
| Han recibido capacitación | Menos de 30% |
Las tareas escritas son el terreno principal: resúmenes, ensayos, búsqueda y organización de información. Pero el uso se extiende a la generación de imágenes, código, video y audio, e incluso a algo que sorprendió a los investigadores: una parte de los jóvenes recurre a estos asistentes como apoyo emocional o consejo personal.
El punto débil es la verificación. Menos de la mitad de alumnos y maestros contrasta lo que la IA le entrega, según los reportes sobre la encuesta, pese a que la desinformación y los datos inventados aparecen como su principal preocupación.
Tampoco el acceso es parejo. En universidades tecnológicas y politécnicas cerca de 7 de cada 10 alumnos son usuarios frecuentes; en las universidades interculturales la cifra baja a 49%. Para la propia SEP, esa diferencia anticipa una nueva brecha digital dentro del sistema educativo.
Del otro lado del escritorio: los docentes
Los maestros no son espectadores. La misma encuesta de la SEP muestra que los profesores usan la IA casi en la misma proporción que sus alumnos: apenas 7% nunca la ha probado y 78.7% la considera un complemento para procesos complejos como analizar o crear. La usan, sobre todo, para planear clases, preparar materiales y agilizar la revisión de trabajos.
En las aulas, sin embargo, el reto cambió de forma. En San Luis Potosí, docentes de bachillerato y universidad relataron a Quadratín que ya no buscan “copias de internet”, sino textos que parecen originales. Describen trabajos demasiado pulidos para el nivel habitual del alumno y, lo más preocupante, estudiantes que al exponer su propio escrito no logran explicar las ideas que entregaron.
Esa experiencia está empujando a muchos profesores a mover la evaluación: más exposiciones orales, defensa de trabajos en clase, borradores entregados por etapas y actividades donde se valora el proceso y no solo el producto final.
También hay usos que abren puertas. En Chiapas, un maestro bilingüe empleó inteligencia artificial para elaborar materiales educativos en lengua tsotsil, un ejemplo que se ha citado como posibilidad para fortalecer lenguas indígenas en el aula.
Lo que más piden los docentes es formación: alrededor de 7 de cada 10 desconocen los lineamientos de su institución, cerca de 90% solicita capacitación y más de 91% dijo estar interesado en cursos sobre IA.
Las reglas llegan después que la tecnología
La respuesta institucional va un paso atrás del uso, pero ya se mueve. Ninguna autoridad mexicana ha optado por prohibir la IA; la tendencia es regularla, transparentarla y cambiar la forma de evaluar.
| Institución | Qué hizo | Cuándo |
|---|---|---|
| UNAM | Creó el Consejo Coordinador de Inteligencia Artificial (CCOIA), encargado de un marco ético, políticas institucionales y la transformación pedagógica; lo encabeza Pablo Pruneda Gross | Acuerdo en Gaceta: 17 de marzo de 2026; instalación: 18 de mayo |
| SEP | Propuso a rectores 10 acciones para un uso ético y crítico: lineamientos claros, formación docente, alfabetización digital, nuevos modelos de evaluación y reducción de brechas | Abril de 2026 |
| UASLP | Publicó recomendaciones para tareas y exámenes: declarar cuándo se usó IA, verificar resultados, proteger datos y niveles de uso definidos por cada docente | Octubre de 2026 |
| Secretaría de Educación de Yucatán | Programa de formación en IA para docentes de secundaria pública, con lecciones en el aula | Septiembre 2026 a enero 2027 |
El principio que se repite en estos documentos es el mismo que resume la UASLP: la IA debe apoyar el aprendizaje, no sustituirlo. En la práctica, eso se traduce en pedir a los alumnos que declaren su uso, que verifiquen lo que reciben y que cada profesor fije límites claros por asignatura.
El reto pendiente es que esas reglas lleguen al salón. Según la encuesta de la SEP, cerca de ocho de cada diez estudiantes y siete de cada diez docentes no saben si su escuela tiene lineamientos. En educación básica, donde inició el ciclo 2026-2027 el 31 de agosto, la discusión pública ha sido menor que en las universidades, y los avances visibles provienen sobre todo de programas estatales y de la iniciativa de cada plantel.
¿Aprenden más o menos? Lo que dice la evidencia
La respuesta corta es que depende de cómo se use. La encuesta de la SEP, la medición más amplia hecha en México, describe usos y percepciones, no resultados de aprendizaje. La investigación internacional, en cambio, ofrece pistas en ambos sentidos.
| Estudio | Dónde y con quién | Hallazgo |
|---|---|---|
| Bastani et al., PNAS 2025 | Cerca de mil alumnos de matemáticas de bachillerato en Turquía | Con un chat tipo ChatGPT sin restricciones, el desempeño en la práctica subió 48%, pero al retirar la herramienta les fue peor en el examen. Con un tutor diseñado para dar pistas y no respuestas, la práctica mejoró 127% y no hubo pérdida en el examen |
| Banco Mundial, Nigeria 2025 | Estudiantes de secundaria pública en el estado de Edo, programa extraescolar de seis semanas con apoyo docente | Mejora de 0.31 desviaciones estándar, equivalente a 1.5 a 2 años de escolarización típica; en inglés, 0.23 |
Leídos juntos, los dos experimentos apuntan en la misma dirección. Cuando la IA hace el trabajo por el alumno, el desempeño inmediato mejora pero el aprendizaje puede resentirse. Cuando funciona como tutor, guiada por un docente y diseñada para hacer pensar, los resultados pueden ser positivos.
Ambos tienen límites que conviene no olvidar: el estudio turco evaluó una sola materia en una sola escuela, y el nigeriano comparó a alumnos con clases extra frente a otros sin ellas, lo que dificulta aislar el efecto de la IA. Ninguno permite afirmar, por sí solo, que la inteligencia artificial esté mejorando o empeorando el aprendizaje en las aulas mexicanas.
Lo que está a prueba
El caso UNAM y la encuesta nacional llevan a la misma conclusión: lo que la IA pone a prueba no es solo a los alumnos, sino la manera en que escuelas y universidades verifican lo que se aprende. Un ensayo entregado en casa o un examen sin supervisión ya no garantizan, por sí solos, que el conocimiento sea propio.
Por eso la discusión se desplaza hacia tres frentes:
- Evaluar distinto. La SEP propone rediseñar tareas y exámenes; en las aulas eso significa más defensa oral, trabajo en clase y valoración del proceso.
- Enseñar a usarla. Con menos de 30% de estudiantes capacitados, la alfabetización en IA, incluida la verificación de lo que produce, aparece como una tarea pendiente para todo el sistema.
- Cerrar brechas. La diferencia entre universidades tecnológicas e interculturales advierte que, sin políticas de acceso, la IA podría ensanchar desigualdades en lugar de reducirlas.
Para los más de 49 mil estudiantes que comenzaron la licenciatura en la UNAM el 31 de agosto, y para millones de alumnos en todo el país, la pregunta ya no es si usarán inteligencia artificial, sino si la escuela les enseñará a usarla para pensar mejor y no para dejar de hacerlo.
Si quieres saber más de “No es agua, es veneno”: la marcha que exige agua limpia en Guadalajara y lo que pasa en Yucatán, leer aquí.
