Agosto/26 En sus detallados análisis sobre tecnología y educación, Vargas Cano indica que Colombia no puede depender de modelos de inteligencia artificial genéricos y comerciales para su educación superior, porque estos vulneran la autonomía universitaria, afectan la calidad exigida por el CNA y no responden a los currículos, contextos y misiones institucionales del país.
La irrupción de la inteligencia artificial generativa en el ecosistema de la educación superior ha planteado uno de los desafíos más complejos y apremiantes de las últimas décadas. A medida que los modelos de lenguaje de gran escala se integran en la vida cotidiana y académica, las instituciones de educación superior se enfrentan a la urgencia de definir su postura frente a estas herramientas. En el contexto colombiano, esta discusión no puede limitarse a un debate puramente tecnológico o ético; debe enmarcarse rigurosamente dentro de la normativa que rige la educación superior, particularmente la Ley 30 de 1992. La adopción de modelos comerciales y de propósito general plantea serios riesgos de descontextualización y homogenización, lo que hace imperativa la exploración de una alternativa más robusta: el diseño y despliegue de un asistente de inteligencia artificial específicamente concebido para las particularidades del sistema universitario nacional.
La Ley 30 de 1992 consagra la autonomía universitaria como el pilar fundamental sobre el cual se construye el sistema de educación superior en Colombia. Esta autonomía, entendida en sus dimensiones académica, administrativa y financiera, otorga a las instituciones la potestad de definir sus propios modelos pedagógicos, currículos y regímenes académicos. La implementación de un asistente de inteligencia artificial genérico, entrenado con datos globales y ajeno a la realidad local, puede percibirse como una vulneración indirecta de esta autonomía, al imponer sesgos culturales, epistemológicos y lingüísticos que no corresponden al contexto institucional. Por el contrario, un modelo de inteligencia artificial diseñado específicamente para una institución o para el ecosistema universitario colombiano actúa como un garante de la autonomía. Al ser entrenado y ajustado para respetar y promover la visión institucional, la tecnología deja de ser un agente externo de disrupción para convertirse en una herramienta endógena que fortalece la identidad y la misión de las IES.
Esta autonomía, sin embargo, no opera en el vacío ni es un fin en sí misma; está intrínsecamente ligada a la garantía de la calidad educativa, cuyo máximo órgano de evaluación y fomento en el país es el Consejo Nacional de Acreditación (CNA). Los modelos de acreditación, tanto institucionales como de programas, exigen pertinencia, contexto, coherencia y una clara evidencia de los procesos de aprendizaje. Un asistente de inteligencia artificial comercial, propenso a las alucinaciones y carente de conocimiento sobre los currículos aprobados, representa un riesgo significativo para los estándares de calidad que el CNA evalúa. Si un estudiante utiliza una herramienta que genera información errónea, descontextualizada o contradictoria con el plan de estudios, se está comprometiendo la integridad del proceso académico. Por lo tanto, la viabilidad de la inteligencia artificial en la educación superior colombiana está condicionada a su capacidad para alinearse con los rigurosos factores de evaluación del CNA, lo cual solo es posible mediante el desarrollo de un modelo específico.
Para que un asistente de este tipo trascienda la funcionalidad técnica, su arquitectura de conocimiento debe interiorizar la anatomía curricular de las instituciones colombianas. No basta con que el modelo domine una disciplina; debe articular con precisión la cascada de propósitos que va desde la misión institucional (PEI) y el enfoque de la facultad (PEF), hasta las competencias específicas del programa académico (PEP); solo por mencionar algunos documentos propios de la institución y de las facultades. Mediante sistemas de recuperación de información contextual, la inteligencia artificial deja de ser un repositorio genérico para convertirse en un reflejo dinámico del proyecto educativo. De este modo, cada interacción con el estudiante no solo garantiza el rigor técnico de la disciplina, sino que integra los problemas regionales de la facultad y los resultados de aprendizaje exigidos por la malla curricular. Esta alineación automática y transversal con el currículo aprobado constituye, en sí misma, la evidencia de coherencia académica que los pares evaluadores del CNA exigen en los procesos de acreditación.
Más allá de la coherencia curricular, el diseño del modelo de inteligencia artificial debe estar cimentado en las pedagogías activas de aprendizaje, las cuales son un requisito transversal en los procesos de acreditación de alta calidad. La configuración sistémica y el ajuste fino del modelo deben orientarlo a actuar no como un oráculo que proporciona respuestas inmediatas y completas, sino como un tutor socrático que facilita el andamiaje cognitivo. El asistente puede ser programado para utilizar metodologías como el Aprendizaje Basado en Problemas o el Aprendizaje Basado en Proyectos, guiando al estudiante mediante preguntas reflexivas, planteando escenarios complejos y exigiendo la aplicación de normas y contextos locales. En lugar de redactar un ensayo por el estudiante, la inteligencia artificial puede ayudar a estructurar ideas, cuestionar premisas y sugerir bibliografía específica del contexto latinoamericano y colombiano. Este enfoque transforma la interacción tecnológica en un espacio de aprendizaje activo, donde el estudiante es el constructor de su conocimiento y la inteligencia artificial actúa como un mediador pedagógico.
Este cambio de paradigma en la interacción con la tecnología impacta directamente los factores de evaluación del CNA relacionados con los procesos académicos y el profesorado. Al delegar en el asistente de inteligencia artificial las tareas de tutoría básica, resolución de dudas conceptuales y retroalimentación formativa inicial, el rol del docente se transforma. El docente deja de ser el principal transmisor de información para consolidarse como un diseñador de experiencias de aprendizaje y un mentor de alto nivel. El tiempo presencial y las interacciones sincrónicas pueden dedicarse a discusiones críticas, resolución de problemas complejos y acompañamiento humano, elementos que son altamente valorados en los modelos de acreditación. La inteligencia artificial, por tanto, no reemplaza al docente ni fomenta la pasividad del estudiante; por el contrario, optimiza el tiempo académico y eleva la calidad de la interacción humana en el aula
No obstante, la materialización de este ideal pedagógico y curricular debe confrontar la realidad financiera y estructural del ecosistema de la educación superior en Colombia. Desarrollar, entrenar, mantener y actualizar un modelo de inteligencia artificial específico requiere una inversión significativa en infraestructura computacional, talento humano especializado y curaduría de datos. En este contexto, la gran mayoría de las Instituciones de Educación Superior (IES) del país —incluyendo no solo a las universidades públicas con sus reconocidos retos presupuestales, sino también a las instituciones privadas pequeñas y medianas que operan bajo márgenes financieros estrechos— difícilmente pueden asumir de forma aislada el costo de crear un modelo de lenguaje desde cero o de sostener una infraestructura de alto rendimiento. Lejos de relativizar la propuesta, esta realidad financiera redefine su ruta de implementación, exigiendo que la viabilidad técnica se articule con estrategias de sostenibilidad económica y gestión colaborativa.
Frente a esta barrera económica, la respuesta no puede ser el aislamiento, sino la sinergia interinstitucional. Lejos de contradecir la autonomía consagrada en la Ley 30 de 1992, esta realidad exige ejercerla de manera asociativa. La construcción de la inteligencia artificial educativa debe trascender los esfuerzos atomizados para consolidarse como una iniciativa de red, articulada por el Sistema Universitario Estatal (SUE) y el Ministerio de Educación Nacional. La estrategia óptima reside en el desarrollo de un modelo base troncal, entrenado con el acervo científico, normativo y cultural de Colombia, lo que permite diluir los costos de infraestructura y entrenamiento. Sobre esta arquitectura compartida, cada institución aplicará los ajustes propios de su misión, visión, y valores, necesarios para infundirle su propia impronta educativa. Este modelo de gobernanza distribuida no solo garantiza la sostenibilidad financiera del ecosistema, sino que también asegura la soberanía de los datos académicos y blinda la información de la comunidad universitaria, dando estricto cumplimiento a la legislación vigente sobre protección de datos personales.
Finalmente, la integración de la inteligencia artificial en la educación superior colombiana no es una mera cuestión de adopción tecnológica, sino un desafío profundo de política pública, gestión académica y aseguramiento de la calidad. La Ley 30 de 1992, al garantizar la autonomía universitaria, exige que cualquier herramienta tecnológica se adapte a la misión institucional y no al revés. Los modelos de acreditación del CNA, al exigir pertinencia y pedagogías activas, descartan el uso de herramientas genéricas que fomenten el aprendizaje pasivo o la descontextualización. Por lo tanto, el diseño de un asistente de inteligencia artificial específicamente concebido para operar bajo la jerarquía curricular, y programado para facilitar metodologías de aprendizaje activo, no es solo una alternativa viable; es una necesidad estratégica. A través de la colaboración interinstitucional para superar las barreras financieras, la educación superior colombiana puede apropiarse de la inteligencia artificial para potenciar su autonomía, elevar sus estándares de calidad y formar a los profesionales que el país requiere en el siglo XXI.
Referencias
– Congreso de la República de Colombia. (1992, 28 de diciembre). Ley 30 de 1992: Por la cual se organiza el servicio público de la Educación Superior. Diario Oficial No. 40.700. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=253
– Congreso de la República de Colombia. (2012, 17 de octubre). Ley 1581 de 2012: Por la cual se dictan disposiciones generales para la protección de datos personales. Diario Oficial No. 48.587. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=49981
– Consejo Nacional de Acreditación (CNA). (2021). Lineamientos y aspectos por evaluar para la acreditación en alta calidad de instituciones de educación superior. Ministerio de Educación Nacional. https://www.cna.gov.co/1779/articles-404750_norma.pdf
– Guerrero, D. O. (2026). El impacto del ChatGPT en el aprendizaje activo: un estudio en la educación superior. Runae, 14. https://doi.org/10.70141/run.14.1212
– Molina, E. (2024). La revolución de la IA en la Educación Superior: Lo que necesitas saber. World Bank Group. https://documents1.worldbank.org/curated/en/099809404152514027/pdf/ID U-91d6e888-fcbd-4694-ac88-18bcae998934.pdf
– Schmidt, D. A., Alboloushi, B., Thomas, A., & Magalhaes, R. (2025). Integrating artificial intelligence in higher education: Perceptions, challenges, and strategies for academic innovation. Computers and Education Open, 8, 100274. https://doi.org/10.1016/j.caeo.2025.100274
—-
Luis Fernando Vargas C.
Consultor y Conferencista de Tecnología Educativa
https://edutechiacol.odoo.com/
