Inteligencia artificial y la educación superior en Latinoamérica: Modelos de docencia y transformación institucional, con referencia al caso costarricense (2022–2025)

 

La irrupción de la inteligencia artificial (IA) en la educación superior latinoamericana plantea un desafío ineludible: avanzar con rapidez para evitar que la brecha digital y la resistencia cultural profundicen la desigualdad universitaria. Desde 2022, las universidades enfrentan el riesgo de quedar rezagadas frente a transformaciones globales que ya están redefiniendo la docencia, la evaluación y la gobernanza. Sin embargo, este artículo no se limita a advertir sobre los peligros, sino que ofrece soluciones concretas: modelos conceptuales, estrategias de formación docente, marcos de evaluación auténtica y lineamientos éticos que permiten transformar la IA en una aliada pedagógica y de equidad, con el caso costarricense como referente para toda la región.

El libro referente de este artículo parte del reconocimiento de que la inteligencia artificial (IA), en especial a partir de la irrupción de los modelos generativos en 2022, está transformando aceleradamente la educación superior en el mundo. Para América Latina, esta transformación presenta tanto oportunidades de innovación pedagógica como riesgos asociados a la brecha digital, la cultura institucional y la falta de estrategias nacionales.
El autor sitúa a Costa Rica como caso central, dado que ha formulado la Estrategia Nacional de IA 2024–2027 y desarrolla proyectos universitarios de vanguardia, lo cual le da un lugar intermedio entre líderes regionales (como Brasil, México, Chile o Uruguay) y países aún rezagados.

Panorama regional de la IA en la educación superior

A nivel regional, América Latina se encuentra en una etapa temprana pero dinámica de incorporación de la inteligencia artificial en la educación superior. El contraste con países de la OCDE es notable: mientras en 2022 más del 90% de las escuelas en esos países disponían de conectividad educativa, en América Latina aún 1 de cada 10 estudiantes carecía de computadora y 2 de cada 10 no tenían acceso a Internet en su institución, lo que limita cualquier estrategia de integración real

A pesar de estas brechas, varios países han comenzado a delinear estrategias nacionales que incluyen componentes educativos. Brasil fue pionero con su Estrategia de IA (2021) y Argentina presentó una agenda temprana en 2019. Uruguay, con su Plan Ceibal, lanzó en 2024 un marco referencial para la enseñanza de IA orientado al pensamiento computacional, mientras que México inauguró en 2025 un Observatorio de IA con apoyo de UNESCO y OEI. En todos los casos, los gobiernos buscan garantizar un uso educativo ético y efectivo, aunque con resultados heterogéneos.

Más allá de las políticas, el dinamismo regional se observa en experiencias concretas:

• Argentina: plataforma E-Valuados IA para planificación de exámenes.
• Brasil: EdTech Letrus, que combina IA y pedagogía para mejorar escritura.
• Uruguay: Laboratorio EduIA y sistemas de alerta temprana personalizados.
  Estas experiencias evidencian la creatividad institucional y privada para experimentar con la IA pese a limitaciones estructurales

En síntesis, el panorama regional al 2025 se caracteriza por un alto interés estratégico, pero con una implementación desigual: México y Chile lideran con marcos normativos y observatorios, mientras que otros países avanzan a través de iniciativas más fragmentadas. Persisten desafíos comunes: conectividad, formación docente y marcos regulatorios adecuados.

Caso Costa Rica: IA en la educación superior costarricense

Costa Rica se presenta como un caso intermedio y proactivo dentro de la región. El país cuenta con una base favorable: una inversión histórica en educación y altos índices de digitalización en Centroamérica. Esto le ha permitido integrar la IA en su sistema universitario de manera estratégica.

El gobierno publicó la Estrategia Nacional de Inteligencia Artificial (ENIA) 2024–2027, que incluye como ejes la educación superior y la formación de talento en IA. La pandemia de COVID-19 aceleró esta transición, expandiendo modelos híbridos y virtuales que sirvieron de base para la adopción de IA en aulas y procesos administrativos.

Entre los avances destacan:

• Docencia universitaria: la Escuela de Lenguas Modernas de la UCR implementó un tutor inteligente de idiomas, capaz de ajustar los ejercicios al perfil de cada estudiante, personalizando el aprendizaje en clases numerosas
• Evaluación del aprendizaje: la UCR aplicó el Examen de Diagnóstico de Inglés (EDI), una prueba adaptativa con IA aplicada a más de 5.800 estudiantes de nuevo ingreso en 2024, lo que marcó un hito en la región
• Ética y gobernanza: universidades han elaborado guías internas de uso responsable de IA, aunque aún falta consolidar un marco nacional unificado.
• Transformación institucional: creación de unidades de innovación tecnológica y fortalecimiento de la cooperación interuniversitaria.
• Competencias digitales: impulso a la capacitación docente y programas de alfabetización digital para estudiantes, con énfasis en cerrar la brecha urbano-rural

Modelos conceptuales propuestos

El libro presenta cuatro marcos principales para guiar la integración de la IA en la educación superior:

1. Taxonomía de Bloom revisitada
• La IA puede ser riesgo en niveles bajos (recordar, comprender) porque fomenta dependencia.
• Puede ser aliada en niveles altos (analizar, crear, evaluar), al liberar tiempo y potenciar pensamiento crítico y creatividad.
2. Metáforas del centauro y el cíborg
• Centauro: humano e IA colaboran, cada uno aporta sus fortalezas.
• Cíborg: integración más profunda, donde la IA se vuelve extensión de los procesos de aprendizaje.
3. Modelo ISAR (Inversión, Sustitución, Augmentación, Redefinición)
• Propone un camino gradual de adopción:
1. Inversión → 2. Sustitución → 3. Mejora/Aumento → 4. Redefinición de la enseñanza.
4. Evaluación centrada en procesos
• Pasar de calificar productos finales a valorar procesos, portafolios y competencias.
• La IA funciona como apoyo en retroalimentación personalizada y detección de progresos.

Desafíos y riesgos

El análisis de la incorporación de la inteligencia artificial en la educación superior revela que los avances, aunque prometedores, se enfrentan a una serie de barreras estructurales y culturales que limitan su impacto transformador. El libro identifica cinco grandes desafíos que marcan la pauta en el contexto costarricense y latinoamericano.

1. Brecha digital

La desigualdad en el acceso a la conectividad y a los dispositivos tecnológicos continúa siendo el mayor obstáculo para una integración equitativa. Mientras algunas universidades urbanas han logrado avanzar en la incorporación de herramientas de IA, instituciones situadas en contextos rurales o con menores recursos enfrentan rezagos significativos. En este sentido, la IA corre el riesgo de profundizar la exclusión educativa si no se acompaña de políticas decididas de infraestructura y acceso universal.

2. Resistencia cultural

El libro subraya que la tecnología no se incorpora en un vacío, sino en contextos marcados por la cultura organizacional y las percepciones de quienes participan en la educación. En muchos casos, docentes y estudiantes perciben la IA como una amenaza más que como una oportunidad: unos temen la desvalorización de la labor docente y otros se sienten inseguros frente a un cambio que exige nuevas competencias. Esta resistencia evidencia la necesidad de una alfabetización digital crítica y de procesos de sensibilización que acompañen la transición tecnológica.

3. Integridad académica

La irrupción de sistemas generativos ha generado preocupación en torno al plagio y a la pérdida de autenticidad en los trabajos estudiantiles. El riesgo no solo radica en la copia literal de contenidos, sino también en la dependencia acrítica de respuestas automáticas. Frente a ello, el libro propone repensar la evaluación universitaria, migrando de modelos centrados en el producto final hacia una visión centrada en procesos, competencias y pensamiento crítico, donde la IA se convierta en apoyo y no en sustituto de la reflexión académica.

4. Ética y transparencia

Los riesgos vinculados a sesgos algorítmicos, opacidad en los modelos y problemas de privacidad de datos se presentan como otro desafío central. Sin mecanismos de transparencia y rendición de cuentas, la IA puede reproducir o incluso amplificar inequidades existentes. El autor advierte que la ética no puede ser un añadido marginal, sino un eje estructural en la gobernanza universitaria, lo que exige marcos claros de uso responsable y protocolos de seguridad en el manejo de datos.

5. Gobernanza insuficiente

Finalmente, se identifica una debilidad en la coordinación institucional y nacional. Costa Rica, pese a contar con la Estrategia Nacional de IA, todavía carece de un marco unificado que articule a todas las universidades. En el plano regional, las iniciativas son fragmentadas: algunos países han avanzado en observatorios y guías ministeriales, mientras otros dependen de proyectos aislados. Esta falta de articulación limita la capacidad de construir políticas públicas consistentes y de generar un ecosistema universitario regional con estándares comunes.

Principales hallazgos y conclusiones

El libro demuestra que la inteligencia artificial ya es una realidad activa en la educación superior latinoamericana, aunque su integración es todavía desigual y enfrenta importantes retos. A lo largo del análisis, emergen varios hallazgos clave que se convierten, a su vez, en conclusiones estratégicas.

En primer lugar, se constata que la IA ha ingresado en las aulas universitarias de países como México, Colombia, Chile, Argentina, Brasil, Perú y Uruguay. Este ingreso se traduce en tutores inteligentes, plataformas adaptativas y sistemas de gestión académica, lo que confirma que la región vive una etapa de innovación incipiente con brechas. No obstante, las desigualdades en conectividad y recursos limitan la posibilidad de un aprovechamiento equitativo, por lo que el autor concluye que la brecha digital es la principal barrera para una transformación sostenible.

En segundo lugar, el caso costarricense se presenta como un referente intermedio. La Estrategia Nacional de Inteligencia Artificial 2024–2027 y proyectos como pruebas adaptativas de inglés o guías institucionales de uso responsable de IA colocan al país en una posición destacada en Centroamérica. Sin embargo, el autor señala que la infraestructura insuficiente, el financiamiento limitado y la resistencia cultural de parte del profesorado aún impiden una adopción plena. Así, la conclusión es clara: Costa Rica muestra avances prometedores, pero requiere consolidar una visión unificada de gobernanza y una política universitaria integral.

Otro hallazgo central es que la docencia está en un proceso de transición experimental. Aunque existen pilotos innovadores en universidades públicas, todavía predomina la percepción de la IA como amenaza. De aquí se deriva la conclusión de que es indispensable acompañar la implementación con alfabetización digital crítica y estrategias de cambio cultural, que fortalezcan la confianza en la colaboración humano–IA.

En el campo de la evaluación del aprendizaje, la IA abre oportunidades inéditas, como exámenes adaptativos y retroalimentación personalizada. Sin embargo, también plantea el riesgo de plagio y dependencia acrítica. La conclusión que ofrece el autor es que las universidades deben migrar hacia evaluaciones centradas en procesos y competencias, con énfasis en pensamiento crítico y creatividad, en lugar de depender de pruebas memorísticas.

En cuanto a ética y gobernanza, el hallazgo es la fragmentación regional: algunos países cuentan con observatorios o lineamientos, mientras otros dependen de iniciativas aisladas. En Costa Rica existen guías institucionales, pero no un marco nacional unificado. La conclusión es que sin marcos éticos sólidos y coordinados, la IA corre el riesgo de reproducir inequidades y socavar la confianza en la universidad.

Finalmente, el libro señala que tanto en Costa Rica como en la región, las competencias digitales siguen siendo una deuda pendiente. Aunque se han creado programas de formación docente y de nivelación estudiantil, persiste una gran desigualdad entre universidades públicas y privadas, urbanas y rurales. La conclusión es que se requiere un esfuerzo sostenido para desarrollar marcos regionales de competencias digitales, priorizando la creatividad, la ética y el pensamiento crítico.

En conjunto, los hallazgos y conclusiones del libro apuntan a una misma dirección: la inteligencia artificial no debe entenderse como una amenaza ni como un atajo, sino como una aliada pedagógica y estratégica. Para lograrlo, las universidades latinoamericanas necesitan articular cinco compromisos esenciales:

1. Fortalecer la formación docente en el uso crítico de la IA.
2. Rediseñar la evaluación hacia modelos auténticos y centrados en competencias.
3. Consolidar marcos éticos y de gobernanza con alcance nacional y regional.
4. Invertir en infraestructura digital que cierre brechas de acceso.
5. Atender la dimensión humana, gestionando resistencias y promoviendo confianza en la colaboración humano–IA.

Autor: J. Alonso Solano Segura 

Libro completo con acceso abierto aquí:  Inteligencia artificial y la educación superior en Latinoamérica. Modelos de docencia y transformación institucional, con referencia al caso costarricense (2022–2025)

 Referencias

• Solano Segura, J. A. (2025). Inteligencia artificial y la educación superior en Latinoamérica: Modelos de docencia y transformación institucional, con referencia al caso costarricense (2022–2025). Generis Publishing.

Artificial Intelligence and Higher Education in Latin America: Teaching Models and Institutional Transformation with Reference to the Costa Rican Case (2022–2025)

Abstract

This book by J. Alonso Solano Segura (2025) analyzes the impact of artificial intelligence (AI) on higher education in Latin America, with a special focus on Costa Rica between 2022 and 2025. It identifies five main axes: teaching, assessment, ethics and governance, institutional digital transformation, and digital competencies.

Costa Rica emerges as a proactive case, implementing adaptive testing, intelligent tutoring systems, and national strategies such as the AI Strategy 2024–2027. Across the region, adoption is uneven: while countries like Brazil, Mexico, Chile, and Uruguay lead with policies and pilot projects, many others still face connectivity gaps and cultural resistance.

The book concludes that AI should not be seen as a threat but as a pedagogical ally. However, success depends on bridging the digital divide, strengthening teacher training, redesigning evaluation methods, establishing ethical frameworks, and addressing the human dimension of cultural change.