¿Cómo se ve, en la práctica, una universidad que ya dejó de preguntarse si usa inteligencia artificial y empezó a preguntarse cómo la gobierna? Esa fue la conversación que tuvimos en Medellín, Colombia, con rectores, vicerrectores, CIOs y líderes de innovación de instituciones como la Universidad de los Andes, EAFIT, la Universidad Pontificia Bolivariana y la Universidad Cooperativa de Colombia, entre otras universidades de la región.
Lo más valioso de esta mesa redonda fue escuchar en qué punto exacto está cada institución y qué es lo que realmente les está costando trabajo resolver. Algunas ya tienen comités formados y reglas claras sobre quién decide qué. Otras apenas están teniendo esa primera conversación. Y esa distancia entre unas y otras terminó siendo, quizás, el hallazgo más honesto del día.
Lo que ya cambió en el aula, según quienes lo viven a diario
En la primera mesa, la conversación arrancó con una pregunta simple: ¿qué está cambiando hoy en la manera de enseñar y de aprender? Y la respuesta varió mucho según el tipo de institución. En los colegios, la prioridad sigue siendo formar pensamiento crítico. En las universidades, la presión viene de otro lado: empresas como Mercado Libre ya no buscan solo graduados con alfabetización básica en IA, buscan personas capaces de construir y gestionar agentes de inteligencia artificial. La brecha entre lo que enseña el currículo y lo que pide el mercado laboral quedó sobre la mesa como una de las prioridades más urgentes para las universidades.
Y en un momento en el que la IA avanza cada día, la integridad académica tomó especial relevancia en la conversación. Para varias instituciones, la dificultad de distinguir un trabajo hecho por un estudiante de uno generado con IA ha impulsado a los docentes a volver a exámenes tradicionales, escritos y presenciales. No como una forma de prohibir la IA, ni como la solución definitiva a un problema que todavía no tiene una respuesta clara, sino como una forma honesta de decir “todavía no hemos resuelto esto del todo, y está bien decirlo así”.
Y hubo un hallazgo que probablemente resuena en cualquier institución hoy en día: el contenido de un curso puede quedar desactualizado en tan solo tres o seis meses. Eso cambia la pregunta de gobernanza de “qué política necesitamos” a “qué tan rápido podemos actualizar lo que enseñamos”. Y esa misma inquietud, la de no tener todavía una respuesta perfecta, fue justo el punto de partida de la siguiente mesa.
De vigilar el uso de la IA, a rediseñar cómo evaluamos
Esta mesa empezó hablando de control, pero terminó en un lugar distinto: en vez de perseguir si un estudiante usó o no IA, lo relevante es saber si de verdad comprendió lo que está entregando.
Los estudiantes usan la IA de forma mucho más responsable cuando un profesor se las enseña explícitamente. Esto cambia el orden en el que pensamos la formación; primero se forma al profesor, y el profesor forma al estudiante. No se trata de lanzar una campaña de comunicación explicando cuál es el buen uso de la tecnología, sino de invertir en capacitar a los docentes, para que sean ellos, ya formados, quienes les enseñen a los estudiantes cómo usar la IA de forma responsable, dentro del contexto real de cada materia.
Tal vez no se trata tanto de controlar, sino de rediseñar cómo enseñamos. Ese fue el cambio de foco que se sintió en la mesa: dejar de vigilar el resultado y empezar a construir el proceso que lleva hasta él. Ninguna institución dijo tener el método correcto, pero quedó claro que ese rediseño necesita poder medirse: las instituciones hablaron de la importancia de administrar y hacer seguimiento a cómo se está usando la IA puertas adentro. El reporting dejó de ser un detalle técnico y se convirtió en una necesidad real, tanto para las instituciones como para sus estudiantes.
Un semáforo que le da nombre a algo que ya intuíamos
En medio de estas conversaciones, se propuso una forma simple de decidir qué tan rápido avanzar con cada iniciativa de IA: explorar lo que es de bajo riesgo y fácil de supervisar, pilotear lo que es prometedor pero necesita evaluación cuidadosa, y congelar lo que toca decisiones de alto impacto sobre las personas, hasta tener las garantías necesarias. No fue una fórmula cerrada, sino un lenguaje común que varias instituciones adoptaron ahí mismo para nombrar decisiones que ya venían tomando de forma intuitiva: avanzar, y aprender en el camino.
Una plataforma, diferentes caminos para llegar a ella
Dentro de la jornada, tuvimos una demostración en vivo de Lumi Pro enfocada en cómo demostrar que se está enseñando por competencias. En Colombia esto no es opcional, el Decreto 1330 de 2019 exige que las universidades muestren evidencia de cómo enseñan por competencias, y Lumi Pro fue diseñado justamente para simplificar ese proceso de reporte y cumplimiento.
Con ese contexto sobre la mesa, el panel de clientes dejó una idea que resume bien el espíritu de toda la jornada: no existe una ruta correcta para adoptar IA, existe la ruta que tiene sentido para cada comunidad, y esa se descubre caminando. Tres instituciones contaron cómo llegaron hasta aquí, y ninguna llegó por la misma ruta.
La Universidad de los Andes corrió un piloto de 18 meses antes de decidirse, un proceso deliberadamente lento para asegurarse de que la adopción tuviera sentido para su comunidad. EAFIT, en cambio, fue la primera institución en Colombia en adoptar la plataforma, y hoy es el punto de referencia para otras universidades de Medellín. Y la Universidad Cooperativa de Colombia llegó con una necesidad muy específica: pidió pasar de la Taxonomía de Bloom a la Taxonomía SOLO como parte de su implementación, algo que muestra qué tan a la medida puede ajustarse este proceso.
Las tres usan la plataforma con un propósito distinto. Andes, como apoyo al estudio. EAFIT, para impulsar la innovación y hacer más eficiente el trabajo docente. Y la UCC, con la mirada puesta en la experiencia del estudiante: entre menos tiempo le toma a un profesor crear contenido, más tiempo le queda para construir experiencias memorables en el aula.
Tres instituciones, tres puntos de partida, y sin embargo las tres terminaron en el mismo lugar: confiando en una herramienta que se adaptó a su ritmo, no al revés. Esa confianza no se construyó sola. Se construyó con conversaciones como esta, con preguntas incómodas y con retroalimentación real, como la que compartieron estas mismas instituciones, y que es justamente lo que nos ayuda a construir, junto a ellas, la próxima versión de esta herramienta.
Una conversación que sigue abierta
Lo que se llevó cada institución de Medellín no fue una respuesta única, fue una manera distinta de hacerse las preguntas correctas: qué tan rápido avanzar, a quién formar primero, y qué tanto necesitan medir para confiar en lo que están construyendo.
Esa conversación no se cierra en una sola jornada. En D2L nos encanta ser parte de ella, mesa tras mesa, ciudad tras ciudad, y nos encantaría seguir siéndolo junto a ustedes.
Si quieren ver hacia dónde ha ido esta charla en otras ciudades de la región, los invitamos a leer los insights de nuestra mesa redonda en Lima, donde exploramos cómo pasar de experimentar con IA a decidir con propósito, y también los de Santiago de Chile, donde la conversación giró en torno a qué es lo que sigue haciendo humano al aprendizaje en la era de la IA.
Written by:
