En octubre de 2026, D2L® reunió en Ciudad de México a líderes de instituciones privadas de educación superior para conversar sobre el impacto de la inteligencia artificial en la enseñanza y el aprendizaje.
Una tensión atravesó toda la conversación: los estudiantes ya incorporaron estas herramientas a su vida cotidiana, mientras la adopción entre el personal docente avanza a otro ritmo. Durante la mesa se compartieron estimaciones informales que situaban el uso estudiantil muy por encima del docente. No son cifras que deban leerse como una medición del sector, pero sí expresan una percepción común: la IA entró al aula antes de que muchas instituciones terminaran de definir cómo quieren usarla.
Esa diferencia de velocidad cambia la prioridad. El objetivo no es aumentar el uso de IA por sí mismo ni competir con los estudiantes en número de herramientas. La tarea es rediseñar la experiencia educativa para que la rapidez no sustituya la profundidad: alinear objetivos, actividades y evaluación, fortalecer la creatividad y el pensamiento complejo, y ofrecer criterios éticos que permitan decidir cuándo la tecnología ayuda y cuándo conviene prescindir de ella.
Una brecha de adopción también es una brecha de orientación
Que los estudiantes utilicen IA con frecuencia no significa que sepan incorporarla a su aprendizaje de manera crítica. Del otro lado, que parte del personal docente se muestre cauteloso no implica falta de interés. La incertidumbre sobre su trabajo, la velocidad del cambio y la ausencia de reglas claras alimentan una resistencia comprensible.
Cerrar esta brecha exige algo más que capacitación técnica. Las instituciones necesitan explicar qué usos apoyan sus objetivos formativos, cuáles pueden ponerlos en riesgo y qué responsabilidad conserva cada persona. También deben reconocer que la respuesta cambiará según la disciplina, el nivel educativo y la edad de los estudiantes. Una práctica adecuada en un posgrado puede no serlo en los primeros semestres de una licenciatura.
En este escenario, el rol docente no pierde importancia; cambia de forma. Además de producir contenido, el personal docente selecciona, verifica y contextualiza información, hace visible su proceso de razonamiento y ayuda a los estudiantes a distinguir entre una respuesta convincente y una respuesta bien fundamentada. La adopción institucional empieza cuando ese criterio puede enseñarse, practicarse y evaluarse.
Si la IA responde, la evaluación tiene que mostrar cómo se pensó
La evaluación apareció como uno de los puntos de mayor presión. Cuando una herramienta puede producir en segundos un ensayo, una explicación o una propuesta, calificar únicamente el producto final dice cada vez menos sobre lo que una persona comprendió. El problema no se resuelve persiguiendo el uso de IA. Requiere volver a las bases y revisar si los objetivos de aprendizaje, las actividades y la evaluación realmente están alineados.
Una evaluación más útil puede pedir que el estudiante explique qué decisiones tomó, qué fuentes contrastó, dónde encontró límites en la respuesta de la IA y cómo cambió su postura durante el proceso. Estas evidencias permiten observar el razonamiento, no solo el resultado. También devuelven valor a capacidades que la mesa consideró esenciales: la creatividad, la curiosidad, el juicio y el pensamiento crítico.
Las metodologías activas ofrecen una ruta concreta. El aprendizaje basado en problemas y el aprendizaje basado en retos sitúan al estudiante frente a decisiones que no tienen una sola respuesta correcta. Los laboratorios y simuladores permiten probar, equivocarse y ajustar. En estos entornos, la IA puede apoyar la exploración, pero la responsabilidad de formular preguntas, justificar elecciones y aprender de la evidencia sigue siendo humana.
La autonomía tampoco consiste en dejar al estudiante solo frente a la tecnología. Se construye con estructura, retroalimentación y oportunidades para tomar decisiones cada vez más complejas. Promover una cultura de hacerse mejores preguntas puede ser más valioso que enseñar una lista de instrucciones para obtener respuestas rápidas.
Aprender haciendo también aplica al personal docente
La transformación pedagógica no ocurrirá solo porque una institución publique nuevos lineamientos. El personal docente necesita espacios de práctica donde pueda explorar usos reales, reconocer riesgos y adaptar lo aprendido a su materia. La idea de aprender haciendo, apoyada en laboratorios, simuladores y acompañamiento entre pares, surgió como una forma de reducir la incertidumbre sin exigir dominio inmediato.
Ese acompañamiento debe responder a prioridades y recursos concretos. No todas las instituciones pueden abrir los mismos programas al mismo tiempo ni todas las áreas necesitan el mismo nivel de acceso. Definir etapas, públicos y presupuestos ayuda a evitar que la innovación dependa solamente de quienes ya tienen más experiencia o iniciativa. También permite ofrecer apoyos distintos a docentes, estudiantes y equipos administrativos.
La IA no nos está volviendo más inteligentes. Nos está obligando a custodiar la inteligencia humana.Dr. Luis Medina Gual Universidad Iberoamericana Ciudad de México
Custodiar esa inteligencia requiere que las instituciones protejan el tiempo y las condiciones para que el personal docente aprenda. También exige reconocer que no existe una persona experta con respuestas definitivas para cada escenario. La experiencia se construye mediante práctica, revisión y una conversación constante entre las áreas académicas, tecnológicas y de apoyo al estudiante.
La ética debe orientar lo que la institución permite y promueve
La ética apareció como una responsabilidad institucional, no como una recomendación opcional para el aula. La privacidad, la seguridad, la integridad académica y los sesgos forman parte de la conversación, pero no la agotan. Las universidades también deben considerar cómo el uso de tecnología afecta la convivencia, el bienestar digital y la manera en que su comunidad se relaciona con la información y con otras personas.
Una de las universidades compartió que cuenta con un marco para orientar el uso ético y responsable de la tecnología y la inteligencia artificial. Este enfoque guía la manera en que las nuevas herramientas se incorporan y presentan a los estudiantes, considerando tanto su valor académico como sus posibles implicaciones sociales y su efecto en la convivencia y el bienestar digital.
No todas las instituciones cuentan hoy con un marco equivalente. Ese vacío puede dejar a docentes y estudiantes frente a decisiones que deberían tener respaldo institucional. Al mismo tiempo, ningún reglamento sobre IA puede considerarse terminado. Los marcos necesitan responsables claros, fechas de revisión y capacidad para adaptarse cuando cambien las herramientas o aparezcan nuevos riesgos. Gobernar consiste en dar dirección sin cerrar la posibilidad de aprender.
El LMS convierte los principios en decisiones cotidianas
La conversación también llevó a mirar de otra manera el papel de D2L Brightspace™. Un sistema de gestión del aprendizaje (LMS) no es solamente el lugar donde se publican contenidos o se reciben tareas. Puede ser el entorno donde la misión, la visión y los valores de una institución se traducen en objetivos, actividades, evaluación y acompañamiento.
Desde esta perspectiva, integrar herramientas como D2L Lumi en Brightspace no consiste en sumar funciones aisladas. Su valor depende de cómo se conectan con el diseño del curso y con las reglas de la institución. El LMS puede ayudar a definir quién accede a cada capacidad, ofrecer un contexto común para el personal docente y hacer visible cómo se relacionan las experiencias con los resultados de aprendizaje.
La misma lógica aplica a los datos. Tener más información o procesarla con mayor rapidez no garantiza mejores decisiones. Primero hay que saber qué pregunta necesita responder la institución. Promover investigación sobre el uso de IA y observar lo que ocurre dentro del entorno de aprendizaje puede ayudar a sustituir percepciones generales por evidencia útil para docentes y líderes.
El objetivo no es alcanzar a los estudiantes en velocidad
Las universidades no necesitan usar tanta IA como sus estudiantes para demostrar que están avanzando. Necesitan ofrecer dirección. Eso implica revisar la evaluación, abrir espacios para que el personal docente aprenda haciendo, establecer marcos éticos y organizar la tecnología alrededor de una estrategia educativa reconocible.
Esa claridad también será importante mientras crecen las microcredenciales, los cursos cortos y otras rutas de especialización. Frente a opciones más rápidas, la universidad demuestra su valor cuando hace visible algo que no cabe en una lista de contenidos: cómo forma criterio, desarrolla capacidades transferibles y prepara a las personas para enfrentar problemas nuevos con responsabilidad.
La IA puede facilitar el trabajo humano, pero el criterio humano debe orientar el proceso. Puede ampliar el acceso a información, pero alguien todavía tiene que decidir qué preguntas vale la pena hacer. La mesa redonda de Ciudad de México mostró que el siguiente paso no es perseguir la velocidad de adopción, sino liderar el cambio pedagógico e institucional que esa adopción ya exige. Esa es la conversación que D2L quiere seguir acompañando.
Written by:
