La universidad no puede regular la IA mirando al curso pasado

El debate sobre la inteligencia artificial en la universidad corre el riesgo de equivocarse en la magnitud en la escala del cambio. Hablamos mucho de regulación europea, de IA Act, de soberanía tecnológica, protección de datos o grandes principios éticos. Todo ello es necesario. Pero mientras discutimos sobre el marco general, dentro de las universidades está apareciendo un problema mucho más inmediato: la tecnología, las instituciones y las aulas avanzan a velocidades completamente distintas.

Nuestra hidra tiene tres cabezas. La primera es la inteligencia artificial. Se mide en semanas. Una herramienta que en septiembre apenas podía resumir un documento, meses después analiza datos, genera presentaciones, programa, interpreta imágenes o trabaja sobre centenares de páginas. Y lo hace cada vez con menos conocimientos técnicos por parte del usuario.

La segunda es la universidad como institución. Se mide en semestres y, muchas veces, en años. Una universidad no puede modificar sus reglas cada vez que aparece una nueva versión de ChatGPT, Claude o Gemini. Sus decisiones pasan por comisiones, vicerrectorados, servicios jurídicos, órganos de gobierno y sistemas de garantía de calidad. Tiene que proteger derechos, asegurar la igualdad entre estudiantes y ofrecer seguridad jurídica.

Ese ritmo lento no es necesariamente burocracia inútil. En buena medida es una garantía. El problema surge cuando aquello que se pretende regular cambia varias veces antes de que termine la regulación.

Y existe una tercera cabeza, la que sufrimos los docentes en el del aula. Se mide en días. Es el profesor que tiene que decidir mañana si permite utilizar inteligencia artificial en un trabajo. Es el estudiante que descubre una herramienta capaz de realizar en diez minutos una tarea que antes exigía varias horas. Es el director de un TFG quién debe determinar qué parte de un trabajo sigue siendo realmente atribuible al alumno. O es el personal universitario el que empieza a utilizar herramientas externas porque resuelven mejor una necesidad que las soluciones proporcionadas por su propia institución.

Aquí aparece la verdadera brecha. No estamos ante dos mundos, la tecnología y la regulación, sino ante tres. Y somos los profesores los que estamos justo en medio de todo.

España ya ha empezado a reaccionar. CRUE publicó recomendaciones sobre inteligencia artificial generativa en la docencia universitaria y ha situado entre las prioridades cuestiones como la evaluación, la formación del profesorado y la gobernanza académica.

Las universidades también están construyendo sus propios modelos. La Universidad Carlos III incorporó una declaración expresa sobre el uso de inteligencia artificial generativa en los TFG y TFM. La Universidad Complutense aprobó en 2025 una política de buen uso y mantiene orientaciones específicas para su utilización docente. La Universidad Rey Juan Carlos establece, entre otras recomendaciones, que el uso de IA por los estudiantes está prohibido en las pruebas de evaluación salvo que el profesor indique lo contrario, y exige definir las condiciones cuando se autorice.

Son avances importantes. Pero el problema fundamental permanece.

Una normativa puede establecer perfectamente qué está permitido y qué está prohibido y, aun así, quedarse obsoleta en pocos meses. No porque estuviera mal diseñada, sino porque estaba pensada para unas capacidades tecnológicas que ya no existen.

Por eso, quizá estamos planteando mal la pregunta. La cuestión no debería ser únicamente qué normativa sobre IA necesita una universidad, sino cómo puede una universidad aprender lo suficientemente rápido como para mantener actualizada esa normativa.

La solución no consiste en obligar a los órganos de gobierno universitario a trabajar a la velocidad de Silicon Valley. Sería imposible y probablemente indeseable. Una comisión académica debe deliberar. Un reglamento debe ofrecer garantías. Una norma disciplinaria no puede cambiar cada viernes.

Lo que sí puede cambiar es la información con la que toman decisiones. Las universidades necesitan desarrollar una función permanente de diagnóstico y monitorización de la IA. No necesariamente otro gran organismo burocrático. Puede ser una unidad pequeña, una red de profesores o una estructura transversal vinculada a los órganos responsables de docencia y transformación digital.

Su misión sería sencilla: observar qué herramientas aparecen, conocer cuáles están utilizando realmente profesores y estudiantes, detectar problemas de evaluación, recopilar buenas prácticas y trasladar esa información de forma periódica a quienes toman las decisiones.

La clave está en crear un circuito de información que hoy apenas existe. El aula debe informar a la institución. La institución debe establecer criterios. Y esos criterios tienen que volver al aula para ser contrastados con la realidad. Eso permite sustituir una lógica regulatoria basada exclusivamente en grandes normas ocasionales por otra de diagnóstico continuo y adaptación.

Intentar redactar una normativa capaz de anticipar todo lo que podrá hacer la inteligencia artificial dentro de dos años es una batalla perdida. Hace apenas unos años discutíamos si ChatGPT permitía copiar un trabajo. Hoy hablamos de sistemas capaces de investigar, programar, analizar bases de datos, mantener conversaciones de voz, generar vídeo o ejecutar secuencias completas de trabajo. Dentro de otros dos años volveremos a estar discutiendo sobre capacidades que hoy apenas imaginamos.

La universidad no necesita correr tanto como la inteligencia artificial. Necesita algo mucho más importante: no perderla de vista. El éxito de la gobernanza universitaria ante la IA no dependerá de quién publique el reglamento más extenso. Dependerá de quién consiga mantener sincronizadas, en la medida de lo posible, las tres cabezas de la hidra: la tecnología, la institución y el aula.