El Dilema del Algoritmo Rector:
Gobernanza universitaria y la paradoja de la automatización en la toma de
decisiones estratégicas
Autor:
MSc. Luis Alberto Silva Ortiz
Universidad Nacional Abierta (Centro Local
Apure)
Correo electrónico:
luis.albertosilvaortiz@gmail.com
Código orcid. https://orcid.org/0009-0001-1861-0371
Como citar este
artículo:
Luis Alberto Silva Ortiz “El Dilema del Algoritmo Rector: Gobernanza universitaria y la paradoja
de la automatización en la toma de decisiones estratégicas” (2026), (1,27)
Recibido: 14/03/2026 Revisado:
18/03/2026 Aceptado: 22/03/2026
RESUMEN
El presente artículo de revisión
documental aborda la tensión emergente entre la incorporación de sistemas de
inteligencia artificial en la gestión universitaria y los principios
tradicionales de gobernanza colegiada que han caracterizado históricamente a
las instituciones de educación superior. El problema de investigación se
formula a partir de la siguiente interrogante: ¿cómo conciliar la eficiencia
predictiva de los algoritmos con la necesidad de deliberación democrática y
transparencia en la toma de decisiones estratégicas universitarias,
particularmente en el contexto venezolano? El objetivo del estudio consiste en
analizar críticamente las implicaciones de la automatización algorítmica en los
procesos de gobierno universitario, identificando las paradojas, riesgos y
oportunidades que emergen de esta convergencia. Metodológicamente, se adopta un
paradigma interpretativo con enfoque cualitativo, desarrollando una
investigación de tipo documental que emplea el análisis crítico del discurso
como técnica principal para examinar fuentes académicas, normativas
institucionales y experiencias documentadas en el ámbito iberoamericano. Los
resultados principales evidencian que la adopción de IA en la gestión
universitaria oscila entre dos polos: por un lado, la promesa de eficiencia y objetividad
en la asignación de recursos y la predicción de trayectorias estudiantiles; por
otro, el riesgo de opacidad decisional, perpetuación de sesgos institucionales
y erosión de los mecanismos participativos. Asimismo, se identifica que las
universidades venezolanas enfrentan desafíos particulares derivados de la
precariedad tecnológica y la urgencia de respuestas eficaces, lo que puede
conducir a adopciones acríticas de soluciones algorítmicas. Las conclusiones
proponen un modelo de gobernanza híbrida que articule la capacidad predictiva
de la IA con la deliberación humana colegiada, situando la soberanía
tecnológica y la ética de los datos como ejes transversales para las
universidades venezolanas.
Palabras clave:
gobernanza universitaria, inteligencia artificial, toma de decisiones, ética
algorítmica, educación superior venezolana.
Reseña Bibliográfica:
Ingeniero de Sistemas, egresado de la Universidad Bicentenaria de Aragua
(2002), con Postgrados en Ciencias de la Educación Superior mención: Docencia Universitaria
en la UNELLEZ Apure (2012). Administración mención: Gerencia General en la
UNELLEZ Apure (2009). Actualmente laborando como Profesor categoría (Asistente)
a dedicación Exclusiva en la Universidad Nacional Abierta.
The Dilemma of the Governing
Algorithm: University Governance and the Paradox of Automation in Strategic
Decision-Making
Author: MSc. Luis Alberto
Silva Ortiz
National Open University (Apure Local Center)
Email: luis.albertosilvaortiz@gmail.com
ORCID ID: https://orcid.org/0009-0001-1861-0371
How to cite this article:
Luis Alberto Silva Ortiz, "
The dilemma of the governing algorithm: University governance and the paradox
of automation in strategic decision-making" (2026), (1,27).
Received: 14/03/2026 Revised: 18/03/2026 Accepted: 22/03/2026
ABSTRACT
This literature review
addresses the emerging tension between the incorporation of artificial
intelligence systems in university management and the traditional principles of
collegial governance that have historically characterized higher education
institutions. The research problem is formulated from the following question:
How can the predictive efficiency of algorithms be reconciled with the need for
democratic deliberation and transparency in university strategic
decision-making, particularly in the Venezuelan context? The objective of this
study is to critically analyze the implications of algorithmic automation in
university governance processes, identifying the paradoxes, risks, and
opportunities that emerge from this convergence. Methodologically, an
interpretive paradigm with a qualitative approach is adopted, employing
documentary research that uses critical discourse analysis as the primary
technique to examine academic sources, institutional regulations, and
documented experiences in the Ibero-American context.
The main findings demonstrate that the adoption of AI in university management
oscillates between two poles: on the one hand, the promise of efficiency and
objectivity in resource allocation and the prediction of student trajectories;
on the other, the risk of decisional opacity, perpetuation of institutional
biases, and erosion of participatory mechanisms. Furthermore, the study
identifies that Venezuelan universities face particular challenges stemming
from technological limitations and the urgent need for effective responses,
which can lead to the uncritical adoption of algorithmic solutions. The
conclusions propose a hybrid governance model that integrates the predictive
capabilities of AI with collegial human deliberation, positioning technological
sovereignty and data ethics as cross-cutting principles for Venezuelan
universities.
Keywords: university governance, artificial intelligence,
decision-making, algorithmic ethics, Venezuelan higher education.
Bibliographical
Note: Systems
Engineer, graduated from the Bicentenaria University
of Aragua (2002), with postgraduate degrees in Higher Education Sciences
specializing in University Teaching from UNELLEZ Apure (2012) and in
Administration specializing in General Management from UNELLEZ Apure (2009). Currently working as an Assistant Professor with exclusive
dedication at the National Open University.
Introducción
La universidad contemporánea se
encuentra atravesada por una paradoja fundamental: mientras más crece la
complejidad de su gestión, con masificación de matrículas, diversificación de
funciones y exigencia de rendición de cuentas, mayores son las presiones para
adoptar soluciones tecnológicas que prometen eficiencia, predictibilidad y
optimización de recursos. En este escenario, la inteligencia artificial emerge
como una herramienta gerencial de creciente protagonismo, capaz de procesar
volúmenes ingentes de datos institucionales, identificar patrones ocultos y
ofrecer recomendaciones para la toma de decisiones estratégicas. Sin embargo,
esta incorporación no ocurre en el vacío: interpela directamente las
estructuras de gobierno que han definido a la universidad como comunidad
académica, esto es, la colegialidad, la deliberación participativa y la
autonomía institucional.
El contexto venezolano añade
capas adicionales de complejidad a este dilema. Las universidades públicas del
país enfrentan desde hace más de una década una crisis multidimensional que
combina desfinanciamiento sistemático, emigración de talento humano, deterioro
de infraestructuras y aislamiento de redes académicas internacionales. En este
marco de precariedad, la promesa de la IA como herramienta para hacer más con
menos puede resultar particularmente seductora, pero también peligrosa si se
adopta sin la debida reflexión crítica. ¿Pueden los algoritmos compensar las
brechas estructurales de la educación superior venezolana? ¿O, por el
contrario, su implementación acrítica podría profundizar desigualdades
existentes y debilitar aún más los mecanismos de gobernanza participativa?
La importancia de este estudio
radica precisamente en la necesidad de abordar estas preguntas antes de que la
adopción tecnológica se consolide como un hecho consumado. Como advierten
diversos autores, la tecnología no es neutral: incorpora supuestos, privilegia
ciertos valores y configura formas específicas de relación entre los actores
institucionales. En el ámbito de la gobernanza universitaria, esto implica que
decidir qué problemas se delegan a algoritmos, qué datos se consideran
relevantes y cómo se interpretan los resultados constituye, en sí mismo, un
acto político de primera magnitud.
Los
antecedentes teóricos del problema pueden rastrearse en tres vertientes
principales. “En primer lugar, la literatura sobre gobernanza universitaria ha
enfatizado la especificidad de la universidad como organización, señalando la
coexistencia, no siempre armónica; de lógicas burocráticas, académicas y
gerenciales” Clark, citador por Bleiklie y Kogan (2007, 67). En segundo
término, los estudios críticos sobre algoritmos han mostrado cómo los sistemas
automatizados pueden reproducir sesgos sociales, operar como "cajas negras
inescrutables y transformar sutilmente las prácticas institucionales” (O'Neil,
2016; Pasquale, 2015, 76). Finalmente, “emergen con fuerza análisis situados en
América Latina que abordan las particularidades de la transformación digital
universitaria en contextos de desigualdad estructural” (Didriksson, 2021; Rama,
2022, 787). A partir de estos
referentes, la pregunta que orienta esta investigación puede formularse en los
siguientes términos: ¿de qué manera la incorporación de sistemas de
inteligencia artificial en la gestión universitaria redefine los procesos de
toma de decisiones estratégicas, y qué tensiones genera esta redefinición con
los principios de gobernanza colegiada, particularmente en el contexto de las
universidades venezolanas?
El objetivo general del artículo
consiste en analizar críticamente las implicaciones de la automatización
algorítmica en los procesos de gobierno universitario, identificando las
paradojas, riesgos y oportunidades que emergen de esta convergencia, con
especial atención al diagnóstico situado de las universidades venezolanas. Para
ello, se examinarán experiencias documentadas en el ámbito iberoamericano, se
contrastarán marcos normativos emergentes y se propondrán líneas conceptuales
para una gobernanza híbrida que articule inteligencia artificial y deliberación
humana.
Desarrollo
Gobernanza
universitaria: entre la colegialidad y el gerencialismo
El concepto de gobernanza
universitaria remite a los mecanismos mediante los cuales las instituciones de
educación universitaria toman decisiones, distribuyen autoridad y rinden
cuentas a sus grupos de interés. La literatura especializada ha identificado
históricamente una tensión constitutiva entre dos lógicas contrapuestas: la
lógica académico-colegial, fundamentada en la participación de los pares y la
deliberación horizontal, y la lógica burocrático-gerencial, orientada por
criterios de eficiencia, jerarquía y control. Esta tensión, lejos de
resolverse, se ha intensificado en las últimas décadas bajo el influjo de
políticas de modernización estatal, evaluación de desempeño y competencia por
recursos escasos.
Desde una perspectiva analítica,
Clark (1983, 55) propuso el modelo del triángulo de coordinación, según el cual
“los sistemas de educación superior se configuran por la interacción dinámica
entre el Estado, el mercado y la oligarquía académica”. En este esquema, la
gobernanza universitaria no responde a un patrón único, sino que expresa el
peso relativo de cada uno de estos actores en contextos históricos específicos.
La incorporación de tecnologías algorítmicas, desde esta óptica, podría
interpretarse como un desplazamiento del equilibrio hacia el polo del mercado o
del Estado, en detrimento de la autonomía académica.
Ahora bien, la especificidad de
la universidad como organización reside en lo que algunos autores denominan
"anarquía organizada o sistema débilmente acoplado" (Weick, 1976, 74).
A diferencia de las empresas o las agencias gubernamentales, la universidad se
caracteriza por la ambigüedad de sus metas, la dispersión de su autoridad y la
centralidad del conocimiento como principio estructurante. Esta naturaleza
peculiar plantea desafíos particulares para cualquier intento de automatización
decisional: ¿puede un algoritmo capturar la complejidad de los criterios
académicos? ¿Es posible traducir a variables cuantificables el juicio experto
que subyace a decisiones como la promoción del profesorado o la asignación de
recursos para investigación?
En el contexto latinoamericano,
autores como Brunner y Rama han documentado la transformación de la gobernanza
universitaria bajo el influjo de la masificación, la diversificación institucional
y las políticas de aseguramiento de la calidad. Para Brunner (2011, 23), la
universidad contemporánea opera “en un entorno de modernización múltiple, donde
coexisten lógicas tradicionales con nuevas demandas de eficiencia,
transparencia y responsabilidad social”. Esta hibridación institucional
constituye el telón de fondo sobre el cual debe analizarse la irrupción de la
inteligencia artificial en la gestión universitaria.
Inteligencia
artificial en la gestión educativa: promesas y precauciones
La aplicación de inteligencia
artificial en el ámbito educativo no constituye un fenómeno reciente, aunque sí
ha experimentado una aceleración significativa en los últimos años. Desde los
sistemas de tutoría inteligente desarrollados en las décadas de 1980 y 1990
hasta los actuales modelos de analítica de aprendizaje y procesamiento del
lenguaje natural, la IA ha ido penetrando progresivamente distintas capas de la
actividad universitaria: la docencia, la investigación, la extensión y, más
recientemente, la gestión institucional.
En el plano gerencial, las
promesas de la IA resultan ciertamente atractivas. Los sistemas algorítmicos
prometen procesar volúmenes ingentes de datos institucionales, rendimiento
académico, trayectorias estudiantiles, productividad investigadora, ejecución
presupuestaria; para identificar patrones, predecir comportamientos y optimizar
la asignación de recursos. Universidades de países centrales han implementado
sistemas de alerta temprana para prevenir la deserción estudiantil, herramientas
de recomendación de rutas formativas personalizadas y plataformas de evaluación
del desempeño docente basadas en análisis de datos. Sin embargo, desde una
perspectiva crítica, autores como Cathy O'Neil (2016) han advertido sobre los
riesgos de lo que denomina "armas de destrucción matemática", esto
es, algoritmos que, bajo la apariencia de objetividad y neutralidad, perpetúan
desigualdades, opacan la discrecionalidad humana y operan como cajas negras
inescrutables. En el ámbito universitario, este riesgo se materializa cuando,
por ejemplo, un sistema de admisión algorítmico reproduce sesgos
socioeconómicos históricos, o cuando un modelo de asignación presupuestaria
penaliza a disciplinas cuyos indicadores de productividad no se ajustan a los
estándares de las ciencias duras.
Por su parte, Pasquale (2015, 98),
por su parte, ha acuñado el concepto de "sociedad de caja negra" para
referirse a la opacidad creciente de los procesos decisionales mediados por
algoritmos. A diferencia de las decisiones humanas, que en principio pueden ser
explicadas, justificadas y recurridas, las decisiones algorítmicas suelen
presentarse como resultado de complejos procesos computacionales inaccesibles
para los afectados. Esta opacidad resulta particularmente problemática en instituciones
públicas como las universidades, donde la transparencia y la rendición de
cuentas constituyen principios fundamentales de legitimidad.
En el ámbito iberoamericano,
diversos autores han comenzado a explorar estas tensiones. Martínez y col. (2023,
58) analizan “la implementación de sistemas de analítica de aprendizaje en
universidades españolas, identificando la necesidad de marcos éticos que
orienten la recolección, procesamiento y uso de datos estudiantiles”. La cita
resulta valiosa porque introduce una distinción fundamental entre la mera
capacidad técnica de recolectar y procesar datos y la necesidad ética de
establecer límites y orientaciones para dicha actividad. Martínez y col. no
cuestionan la utilidad potencial de la analítica de aprendizaje, pero advierten
que su implementación carente de marcos éticos puede derivar en vulneraciones
de derechos, usos indebidos de información sensible o decisiones automatizadas
que afecten trayectorias estudiantiles sin posibilidad de réplica.
Por su parte, Rama (2022, 43)
plantea que “la transformación digital de las universidades latinoamericanas no
puede limitarse a la adopción tecnológica, sino que debe incluir una reflexión
profunda sobre los fines de la educación universitaria y las formas de organización
institucional que mejor los sirven”. La cita condensa una
tesis central del pensamiento del autor: la tecnología no es un fin en sí
misma, sino un medio al servicio de los fines institucionales. Su planteamiento
cuestiona el discurso tecnocrático que presenta la digitalización como un
imperativo incuestionable, y en su lugar propone una reflexión de segundo orden
sobre para qué se incorpora la tecnología y qué tipo de universidad se quiere
construir. Al vincular la transformación digital con los "fines de la
educación superior" y las "formas de organización
institucional", Rama sitúa el debate en el terreno de la filosofía de la
educación y la teoría de la organización, no en el mero terreno instrumental.
Ética
algorítmica y gobernanza de datos en la universidad
La ética algorítmica emerge como
campo de estudio que interroga las implicaciones morales, políticas y sociales
del diseño e implementación de sistemas automatizados. En el ámbito
universitario, esta reflexión adquiere particular relevancia por cuanto las
instituciones educativas manejan datos sensibles de estudiantes, docentes y
personal administrativo, al tiempo que operan como espacios de formación
ciudadana y producción de conocimiento crítico.
La UNESCO ha desempeñado un papel
relevante en la promoción de marcos éticos para la inteligencia artificial. Su
Recomendación sobre la Ética de la IA, aprobada en 2021, establece principios
fundamentales como la transparencia, la rendición de cuentas, la equidad y la
supervisión humana. Diversas universidades iberoamericanas han comenzado a
adherir explícitamente a estos lineamientos. La Universidad Tecnológica
Nacional de Argentina, por ejemplo, aprobó recientemente un marco institucional
para el uso responsable de la IA que incorpora los principios de la UNESCO y
establece un Comité de Ética y Gobernanza de la IA con representación
interdisciplinaria y federal.
En una línea similar, la
Universidad Nacional de General Sarmiento (UNGS) ha desarrollado un protocolo
pionero para la implementación responsable de sistemas de IA generativa en la
gestión administrativa. Este protocolo enfatiza la centralidad humana, la
responsabilidad institucional y la soberanía sobre los datos, concibiendo la IA
como herramienta subordinada a criterios definidos por la conducción
universitaria y marcos normativos construidos colectivamente. Resulta
particularmente significativo que la UNGS haya desarrollado SandIA, un sistema
propio de inteligencia artificial para la gestión documental, priorizando así
el control institucional sobre los datos y evitando la dependencia de
plataformas externas.
En Costa Rica, la Universidad de
Costa Rica (UCR) ha impulsado una iniciativa estudiantil para la regulación
ética de la IA que busca incorporar en su futuro marco de gobernanza valores
universitarios de humanismo, pensamiento crítico, integridad académica y transparencia.
Esta iniciativa reconoce la necesidad de salvaguardar los derechos de la
comunidad universitaria y mitigar los riesgos asociados a la adopción
tecnológica.
Desde esta perspectiva, la ética
algorítmica en el ámbito universitario no puede reducirse a un mero código de
buenas prácticas, sino que debe articularse con la reflexión más amplia sobre
el papel de la universidad en la sociedad contemporánea. Como señala Floridi
(2018, 45), nos encontramos ante una "cuarta revolución que reconfigura
nuestra comprensión de la identidad, la agencia y la responsabilidad, y las
instituciones educativas tienen la responsabilidad de participar activamente en
esta reconfiguración”.
De este modo, la noción de cuarta
revolución sitúa el fenómeno de la inteligencia artificial y la digitalización
en una escala histórica de transformaciones profundas de la autocomprensión
humana. No se trata, por tanto, de un cambio técnico más, sino de una
reconfiguración ontológica: lo que estamos aprendiendo a ser, a hacer y a valer
en un mundo donde la información es la sustancia fundamental.
En segundo término, el autor identifica tres dimensiones específicas de
esta reconfiguración: la identidad (quién soy yo cuando mis datos circulan y
soy perfilado algorítmicamente), la agencia (qué puedo hacer cuando las
decisiones son mediadas o tomadas por sistemas automáticos) y la
responsabilidad (quién responde cuando un algoritmo causa daño, o cuando la delegación
en máquinas erosiona nuestra capacidad de responder). Estas tres dimensiones
constituyen un marco analítico particularmente útil para examinar el fenómeno
de la gobernanza universitaria mediada por IA.
En tercer lugar, la cita
introduce un imperativo normativo dirigido explícitamente a las instituciones
educativas. No las concibe como meras receptoras pasivas de los cambios
tecnológicos, sino como agentes con la responsabilidad de participar
activamente en la reconfiguración en curso. Esta responsabilidad tiene una
doble faz: hacia adentro (formar a las nuevas generaciones para habitar
críticamente la infosfera) y hacia afuera (contribuir desde el conocimiento y
la reflexión a orientar la transformación social).
El
contexto venezolano: entre la precariedad y la emergencia de políticas públicas
en IA
El análisis de la gobernanza
universitaria en Venezuela no puede eludir la caracterización del contexto
nacional, signado por una crisis prolongada que ha afectado profundamente al
sistema de educación universitaria. La emigración de académicos, el deterioro
de infraestructuras, la hiperinflación y el aislamiento de redes
internacionales han configurado un escenario de precariedad estructural que
condiciona cualquier iniciativa de transformación institucional.
Paradójicamente, en este contexto
de crisis han emergido políticas públicas orientadas al desarrollo de
capacidades en inteligencia artificial. El Gobierno Bolivariano impulsa un Plan
Nacional de Inteligencia Artificial soberana y ética, que actualmente cuenta
con 65 proyectos en ejecución en sectores como educación, salud y economía.
Este plan se implementa en colaboración con China y los países del ALBA, e
incluye la elaboración de un proyecto de Ley de IA que busca regular su uso
responsable, así como incorporar la formación en inteligencia artificial desde
las escuelas hasta las universidades.
La ministra para Ciencia y
Tecnología, Gabriela Jiménez Ramírez, ha enfatizado que la política venezolana
en materia de IA se fundamenta en "principios éticos y morales", e
incluye la creación del Centro de Tecnología e Investigación en IA, ocho nodos
de software soberano y seguro, y la Universidad Nacional de las Ciencias Dr.
Humberto Fernández-Morán, que ofrece el primer programa de formación en ingeniería
en inteligencia artificial, ciencia de los datos y ciberseguridad. Un
lineamiento central de esta política es que los datos de Venezuela residan en
el país como acto de soberanía.
Ahora bien, desde una perspectiva
crítica, cabe preguntarse por la articulación entre estas políticas nacionales
y la realidad concreta de las universidades venezolanas. ¿En qué medida los
desarrollos impulsados desde el nivel central responden a las necesidades y
particularidades de las instituciones universitarias? ¿Cómo se concilia la
urgencia de soberanía tecnológica con la precariedad de infraestructuras y
conectividad que afecta a buena parte del sistema? ¿Qué espacios de
participación tienen las comunidades universitarias en la definición de estas
políticas?
Por otra parte, iniciativas como
la presentada por el rector de la Universidad José Antonio Páez (UJAP) en el VI
Congreso Internacional de Investigación en Ciencias Sociales y Económicas de la
Universidad de Carabobo evidencian que las universidades venezolanas están
comenzando a reflexionar sobre el papel de la IA en la gestión institucional.
Figueredo Díaz planteó la necesidad de una visión ética y responsable que
aborde desafíos como el plagio y la privacidad de datos, reconociendo la
integración de la IA como una necesidad imperante para mejorar la eficiencia gerencial.
En este orden de ideas, el
diagnóstico del contexto venezolano revela una tensión adicional: por un lado,
la urgencia de respuestas eficaces a problemas estructurales puede incentivar
adopciones acríticas de soluciones algorítmicas; por otro, la emergencia de
políticas nacionales orientadas a la soberanía tecnológica abre oportunidades
para un desarrollo situado y participativo de capacidades en IA. El desafío
consiste en navegar esta tensión sin sacrificar los principios de gobernanza
democrática que han caracterizado históricamente a la universidad
latinoamericana.
Metodología
La presente investigación se
inscribió en el paradigma interpretativo, el cual parte del supuesto de que la
realidad social no es objetiva ni externa al investigador, sino que se
construye a través de significados, interpretaciones y prácticas compartidas
por los actores sociales. Este paradigma resultó particularmente adecuado para
abordar fenómenos complejos como la gobernanza universitaria y la incorporación
de inteligencia artificial, en tanto permiten comprender no solo los aspectos
técnicos o instrumentales, sino también las dimensiones simbólicas, políticas y
éticas que los atraviesan.
El enfoque adoptado es
cualitativo, lo que implica privilegiar la profundidad interpretativa sobre la
extensión muestral, y la comprensión contextual sobre la generalización
estadística. Como señalan Denzin y Lincoln (2011), la investigación cualitativa
implica un compromiso con el estudio de los fenómenos en su entorno natural,
intentando dar sentido o interpretar los significados que las personas les
otorgan.
En cuanto al tipo de
investigación, se trató de un estudio documental con alcance
analítico-propositivo. Es documental porque se basó fundamentalmente en el
examen crítico de fuentes escritas, artículos académicos, documentos
institucionales, normativas, ponencias y reportajes especializados; que abordan
la relación entre gobernanza universitaria e inteligencia artificial. Es
analítico porque no se limitó a describir o compilar información, sino que
busca descomponer el fenómeno en sus dimensiones constitutivas, identificar
tensiones y paradojas, y establecer relaciones entre conceptos y experiencias.
Es propositivo, finalmente, porque aspira a esbozar lineamientos conceptuales
para un modelo de gobernanza híbrida que articule inteligencia artificial y
deliberación humana en el contexto universitario venezolano.
Las técnicas de análisis
empleadas combinaron el análisis crítico del discurso con la triangulación
hermenéutica de fuentes. El análisis crítico del discurso, en la tradición de
Fairclough (2003), permite examinar no solo el contenido explícito de los textos,
sino también los supuestos subyacentes, las relaciones de poder implícitas y
las representaciones del mundo social que ellos construyen. Esta técnica
resulta particularmente útil para desnaturalizar ciertos discursos sobre la IA
que la presentan como solución técnica neutral, ocultando sus dimensiones
políticas y éticas.
La triangulación hermenéutica,
por su parte, implicó contrastar sistemáticamente las interpretaciones
derivadas de distintas fuentes —académicas, institucionales, gubernamentales—
para identificar convergencias, divergencias y matices que enriquezcan la
comprensión del fenómeno. Este procedimiento busca evitar tanto el sesgo de
autoridad (privilegiar acríticamente ciertas voces) como la fragmentación del
análisis (tratar cada fuente como unidad aislada).
El procedimiento de estudio se
desarrolló en cuatro fases sucesivas. En la primera fase, se realizó una
revisión exploratoria de la literatura para delimitar el campo conceptual y
formular las preguntas orientadoras de la investigación. En esta etapa se
identificaron los ejes teóricos principales, gobernanza universitaria, ética
algorítmica, transformación digital en educación universitaria y se recopilaron
fuentes relevantes en cada uno.
En la segunda fase, se procedió a
la búsqueda sistemática de documentos que abordaran experiencias concretas de
incorporación de IA en la gestión universitaria, con especial atención al
ámbito iberoamericano y, dentro de este, al contexto venezolano. Se priorizaron
fuentes institucionales de universidades públicas, reportajes de agencias de
noticias especializadas y documentos de organismos internacionales como la
UNESCO. Asimismo, se incluyeron ponencias y presentaciones de autoridades
universitarias en congresos y encuentros académicos.
La tercera fase consistió en el
análisis crítico de los documentos seleccionados, aplicando las técnicas
descritas. Para cada fuente se elaboraron fichas analíticas que registraban:
(a) contexto de producción, (b) tesis o propuesta principal, (c) supuestos
subyacentes, (d) relaciones con otros documentos, y (e) aportes para la
comprensión del problema investigado.
Finalmente, en la cuarta fase se
procedió a la síntesis interpretativa y la elaboración del informe final. Este
proceso implicó articular los hallazgos derivados del análisis documental con
los referentes teóricos previamente establecidos, identificando patrones
transversales, tensiones recurrentes y líneas de apertura para futuras
investigaciones. La redacción del artículo procuró mantener un equilibrio entre
el rigor analítico y la claridad expositiva, haciendo explícitos los criterios
interpretativos y las decisiones metodológicas adoptadas.
Es
importante señalar que, como toda investigación documental, este estudio
presenta limitaciones inherentes a la naturaleza de las fuentes consultadas. Al
basarse en documentos públicos y reportajes institucionales, no incorpora la
voz directa de actores universitarios —autoridades, docentes, estudiantes,
personal administrativo— a través de entrevistas o grupos focales. Futuras
investigaciones de carácter empírico podrían complementar y matizar los
hallazgos aquí presentados, explorando las percepciones y experiencias de
quienes protagonizan cotidianamente los procesos de gobernanza universitaria.
4.
Resultados
El
análisis documental realizado permitió identificar un conjunto de hallazgos
significativos en relación con la incorporación de inteligencia artificial en
la gobernanza universitaria. Estos resultados se presentan organizados en torno
a cuatro ejes temáticos que emergieron recurrentemente en las fuentes
examinadas: (a) la emergencia de marcos normativos y protocolos
institucionales, (b) las tensiones entre eficiencia algorítmica y deliberación
colegiada, (c) las experiencias de desarrollo tecnológico soberano, y (d) las
particularidades del contexto venezolano.
4.1
Emergencia de marcos normativos y protocolos institucionales
Un
hallazgo relevante del análisis documental es la proliferación, en los últimos
dos años, de marcos normativos y protocolos institucionales orientados a
regular el uso de inteligencia artificial en universidades iberoamericanas.
Estas iniciativas evidencian una creciente conciencia sobre la necesidad de
establecer límites éticos y mecanismos de gobernanza que orienten la adopción
tecnológica más allá de la mera eficiencia instrumental.
La
Universidad Tecnológica Nacional (UTN) de Argentina constituye un caso
paradigmático en este sentido. Mediante un proyecto de ordenanza aprobado en
febrero de 2026, la UTN estableció lineamientos institucionales sobre
inteligencia artificial generativa que adhieren formalmente a la Recomendación
sobre Ética de la IA de la UNESCO (2021) y a los lineamientos del Consejo
Interuniversitario Nacional . La norma crea un Comité de Ética y Gobernanza de
la IA con representación federal e interdisciplinaria, y establece como pilares
estratégicos la centralización de la validación de herramientas, la
responsabilidad humana e institucional en decisiones vinculadas a IA, y la
gestión soberana de infraestructura y datos.
Desde
esta perspectiva, lo significativo de la iniciativa de la UTN no es solo la
existencia de un marco normativo, sino su carácter preventivo y participativo.
El comité creado sustituye a un anterior "Hub de IA", evidenciando
una evolución desde un enfoque técnico hacia uno que integra dimensiones
éticas, jurídicas y de representación de claustros. Asimismo, la ordenanza
explicita la preocupación por evitar tanto la fragmentación tecnológica entre
facultades como el cautiverio con proveedores externos, lo que revela una
comprensión sofisticada de los riesgos de la adopción acrítica de tecnologías
propietarias.
Por su
parte, la Universidad Nacional de General Sarmiento (UNGS) aprobó en diciembre
de 2025 un Protocolo de Implementación Responsable de Sistemas de IA Generativa
en la gestión administrativa, en el marco de su programa "Universidad
inteligente y segura" . Este protocolo enfatiza tres principios
fundamentales: centralidad humana, responsabilidad institucional y soberanía
sobre los datos. Según explicó Fernando Castellá, secretario de Planeamiento y
Desarrollo Universitario de la UNGS, la IA es concebida "como un apoyo a
la gestión" y está "subordinada a criterios definidos por la
conducción universitaria y a marcos normativos construidos colectivamente".
La
iniciativa de la UNGS resulta particularmente relevante por su enfoque
participativo y gradual. El programa incluye instancias de capacitación para el
personal nodocente —con cinco encuentros y un hackatón en los que participaron
entre 70 y 90 personas por jornada— y establece un esquema de gobernanza con
"referentes de IA por área piloto" que validan usos, acompañan la
adopción y gestionan incidentes. Este diseño reconoce implícitamente que la
incorporación de IA no es un evento puntual, sino un proceso de transformación
organizacional que requiere apropiación por parte de los actores involucrados.
En el
ámbito centroamericano, la Universidad de Costa Rica (UCR) ha impulsado una
iniciativa estudiantil para la regulación ética de la IA que busca incorporar
en su futuro marco de gobernanza valores universitarios de humanismo,
pensamiento crítico, integridad académica y transparencia . La iniciativa,
presentada por representaciones estudiantiles ante el Consejo Universitario,
solicita declarar de interés institucional la adopción ética, crítica y
humanista de la IA, y dar seguimiento a su implementación para evaluar
coherencia con los principios institucionales. Este caso es particularmente
interesante porque la demanda de regulación no proviene de las autoridades ni
de expertos técnicos, sino de los propios estudiantes, evidenciando una
sensibilidad creciente en las nuevas generaciones sobre las implicaciones
éticas de la tecnología.
4.2
Tensiones entre eficiencia algorítmica y deliberación colegiada
Un
segundo conjunto de hallazgos remite a las tensiones identificadas en la
literatura y en las experiencias documentadas entre la lógica de la eficiencia
algorítmica y los principios de deliberación colegiada que caracterizan a la
gobernanza universitaria tradicional.
El
rector de la Universidad Nacional de La Plata, Martín López Armengol, abordó
explícitamente esta cuestión en su ponencia "Gobernanza universitaria en
la era de la inteligencia artificial", presentada en el III Encuentro
Iberoamericano de Líderes Universitarios realizado en Perú . López Armengol
introdujo el concepto de "gobernanza inteligente" para referirse a
los mecanismos que permiten incorporar tecnologías como IA, analítica avanzada
y big data para mejorar el funcionamiento institucional, pero advirtió sobre la
necesidad de hacerlo "con inteligencia, ética y sentido estratégico".
Su afirmación de que la IA es "el idioma y la herramienta que hoy usan
nuestros jóvenes" sugiere que la incorporación tecnológica no es solo una
cuestión de eficiencia gerencial, sino también de relevancia cultural y
conexión con las nuevas generaciones.
Desde
una perspectiva más crítica, el análisis de los documentos de la UNGS revela
una preocupación explícita por subordinar la IA a criterios definidos por la
conducción universitaria y a marcos normativos construidos colectivamente .
Esta subordinación implica reconocer que los algoritmos no pueden —ni deben—
reemplazar ciertos tipos de decisiones que requieren juicio humano,
deliberación colegiada y consideración de valores en conflicto.
En
esta misma línea, las conclusiones del seminario "Universidad, Sociedad y
Estado" organizado por la Asociación de Universidades Grupo Montevideo
(AUGM) plantean la necesidad de "redefinir el rol docente, fortaleciendo el
método científico y promoviendo una gobernanza académica de calidad ante las
crecientes asimetrías tecnológicas en América Latina" . El documento
aprobado por el Consejo de Rectores de AUGM propone "impulsar una
educación superior aumentada, donde el docente sea mentor y la IA potencie las
capacidades humanas, sin reemplazar el vínculo pedagógico", así como
"desarrollar tecnologías propias y consolidar la gobernanza de datos en
las universidades públicas".
La
noción de "educación superior aumentada" resulta sugerente porque
propone una relación de complementariedad entre inteligencia humana e
inteligencia artificial, en lugar de una lógica de sustitución. Desde esta
perspectiva, el desafío no consiste en automatizar decisiones para hacerlas más
eficientes, sino en potenciar las capacidades humanas mediante herramientas
algorítmicas que amplíen el horizonte de información disponible, identifiquen
patrones no evidentes y liberen tiempo para tareas de mayor valor añadido.
4.3
Experiencias de desarrollo tecnológico soberano
Un
hallazgo particularmente significativo del análisis documental es la emergencia
de experiencias orientadas al desarrollo de tecnologías propias, en lugar de la
mera adopción de soluciones comerciales. Estas iniciativas responden a una preocupación
por la soberanía tecnológica y el control institucional sobre los datos, que se
manifiesta con especial intensidad en universidades públicas de la región.
El
caso más desarrollado en este sentido es el de la UNGS, que ha puesto en marcha
SandIA, un sistema propio de inteligencia artificial para la gestión
documental, desarrollado sobre infraestructura local . Analía Barberio,
directora de la Dirección General de Sistemas y Tecnologías de la Información
de la UNGS, enfatizó que "el tema de soberanía digital es central porque
utilizando cualquier tipo de IA estamos dando los datos de la universidad a la
nube", y subrayó que "están en juego los datos, está en juego nuestra
soberanía". En este proyecto, la soberanía tecnológica está "muy
cuidada con infraestructura local".
La
decisión de desarrollar tecnología propia implica costos y esfuerzos
adicionales, pero también garantiza que los datos institucionales permanezcan
bajo control universitario y que el diseño del sistema pueda adaptarse a
necesidades y valores específicos de la institución. Como señala Barberio,
SandIA "viene a aplicar una capa de inteligencia artificial a la gestión
documental de la universidad, que se lleva a través del sistema SUDOCU,
desarrollado por la UNGS, y utilizado en todo el sistema universitario
público". Esta trayectoria de desarrollo endógeno —desde SUDOCU hasta
SandIA— evidencia una capacidad acumulada que no todas las universidades
poseen, pero que puede ser inspiradora para otras instituciones.
En el
contexto venezolano, las políticas nacionales de inteligencia artificial
también enfatizan el desarrollo soberano como principio rector. La ministra
Gabriela Jiménez Ramírez ha afirmado que "el principal lineamiento es que
los datos de Venezuela residan en el país como acto de soberanía" . Los
ocho nodos de software soberano y seguro (S3) y el Centro de Tecnología e
Investigación en IA constituyen infraestructuras orientadas a materializar este
principio.
Ahora
bien, el análisis crítico de estas políticas sugiere algunas tensiones. Por un
lado, la soberanía tecnológica se presenta como una respuesta necesaria a la
dependencia de plataformas extranjeras y a los riesgos de explotación de datos
por parte de grandes corporaciones. Por otro lado, la implementación efectiva
de esta soberanía enfrenta desafíos considerables en un contexto de precariedad
de infraestructuras, limitaciones de conectividad y emigración de talento
técnico. La pregunta abierta es si el énfasis en la soberanía tecnológica podrá
traducirse en capacidades concretas a nivel institucional, o si permanecerá
como una declaración de principios con escasa materialización en las
universidades.
4.4
Particularidades del contexto venezolano
El
análisis de fuentes relativas al contexto venezolano revela un panorama
complejo y contradictorio. Por una parte, existe una política nacional
explícita orientada al desarrollo de inteligencia artificial, con énfasis en la
soberanía tecnológica y la ética. Por otra parte, la situación concreta de las
universidades —caracterizada por desfinanciamiento, deterioro de
infraestructuras y emigración de talento— plantea interrogantes sobre la
capacidad real de implementar estas políticas.
La
Universidad José Antonio Páez (UJAP) constituye un ejemplo de cómo algunas
instituciones venezolanas están comenzando a reflexionar sobre el papel de la
IA en la gestión universitaria. En su ponencia en el VI Congreso Internacional
de Investigación en Ciencias Sociales y Económicas de la Universidad de
Carabobo, el rector Omar Figueredo Díaz planteó la necesidad de una
"visión ética y responsable del uso de la IA que aborde desafíos cruciales
como el plagio y la privacidad de datos" . Asimismo, reconoció que la
integración de la IA es "una necesidad imperante para mejorar la
eficiencia gerencial, personalizar el aprendizaje mediante Sistemas de Tutoría
Inteligente (ITS) y contenidos educativos adaptativos".
Lo
significativo de esta intervención es que sitúa la IA no como un mero añadido
tecnológico, sino como un "eje de gestión e investigación de
vanguardia" que atraviesa la identidad institucional. La UJAP se presenta
como "un faro de esperanza, donde la innovación y el conocimiento se
entrelazan con la resiliencia de su comunidad", articulando así el
discurso tecnológico con valores de compromiso social y superación de la
crisis.
Por
otra parte, las iniciativas de formación impulsadas desde el Ministerio para
Ciencia y Tecnología —cursos teórico-prácticos en Machine Learning y Deep
Learning, programas de la Superintendencia de Servicios de Certificación
Electrónica (Suscerte) en seguridad informática y ciberseguridad — evidencian
un esfuerzo por desarrollar capacidades humanas en el campo de la IA. Sin
embargo, el impacto efectivo de estas iniciativas en las universidades y su
articulación con las necesidades concretas de la gestión institucional no
resulta claro a partir de las fuentes disponibles.
Un
elemento que emerge con fuerza en las fuentes venezolanas es la insistencia en
los "principios éticos y morales" como fundamento de la política de
IA . La ministra Jiménez Ramírez enfatiza que en Venezuela existe "toda
una dinámica en efervescencia, toda una convocatoria nacional, pero
principalmente principios éticos y morales para el desarrollo de la
inteligencia artificial". Esta retórica ética podría interpretarse como un
intento de diferenciar el enfoque venezolano de otros modelos más tecnocráticos
o mercantilizados de desarrollo de IA.
No
obstante, desde una perspectiva analítica, cabe preguntarse cómo se traducen
estos principios éticos en mecanismos concretos de gobernanza universitaria.
¿Existen espacios de participación para las comunidades universitarias en la
definición de políticas de IA? ¿Se han establecido protocolos específicos para
la protección de datos de estudiantes y docentes? ¿Qué mecanismos de rendición
de cuentas y supervisión humana se han implementado en los proyectos de IA
desarrollados? Las fuentes analizadas no proporcionan respuestas claras a estas
preguntas, lo que sugiere un área de vacancia que futuras investigaciones
deberían abordar.
5.
Discusión
Los
hallazgos presentados en la sección anterior invitan a una reflexión más
profunda sobre las implicaciones de la incorporación de inteligencia artificial
en la gobernanza universitaria, particularmente en el contexto venezolano. Esta
discusión se organiza en torno a tres ejes que articulan los resultados con el
marco teórico previamente desarrollado: (a) la tensión irresuelta entre
automatización y deliberación, (b) la soberanía tecnológica como principio y
como desafío, y (c) las paradojas de la ética algorítmica en contextos de
precariedad.
5.1 La
tensión irresuelta entre automatización y deliberación
Uno de
los hallazgos más recurrentes del análisis documental es la persistente tensión
entre la promesa de eficiencia algorítmica y los principios de deliberación
colegiada que han caracterizado históricamente a la universidad. Esta tensión,
lejos de resolverse mediante declaraciones de principios o marcos normativos,
emerge como una característica constitutiva del proceso de transformación
digital universitaria.
Desde
la perspectiva de Clark (1983), la incorporación de IA en la gestión podría
interpretarse como un desplazamiento del equilibrio de poder desde la
oligarquía académica hacia lógicas más cercanas al mercado o al Estado. Los
sistemas algorítmicos tienden a privilegiar criterios cuantificables,
comparables y estandarizados —tasas de graduación, índices de productividad
investigadora, tiempos de resolución administrativa— que se alinean más
fácilmente con demandas externas de rendición de cuentas que con los criterios
cualitativos y contextuales propios del juicio académico.
Sin
embargo, las experiencias analizadas sugieren que no se trata de una evolución
lineal ni determinista. La creación de comités de ética con representación de
diversos claustros en la UTN , el esquema de "referentes de IA por área
piloto" en la UNGS , y la demanda estudiantil de regulación en la UCR evidencian que la incorporación de IA puede
ser moldeada por los actores universitarios para preservar espacios de
deliberación y control democrático.
La
noción de "educación superior aumentada" propuesta por AUGM ofrece una vía conceptual para abordar esta
tensión. Si la IA se concibe como herramienta que aumenta o potencia las
capacidades humanas —en lugar de reemplazarlas—, entonces el desafío se
desplaza desde la automatización de decisiones hacia el diseño de sistemas que
amplíen el horizonte informativo disponible para quienes deliberan y deciden.
Un sistema de alerta temprana de deserción, por ejemplo, no debería sustituir
el juicio de tutores y coordinadores académicos, sino proporcionarles
información relevante para orientar sus intervenciones.
Ahora
bien, esta perspectiva de "aumento" requiere condiciones
institucionales que no siempre están presentes. Presupone la existencia de
actores capacitados para interpretar críticamente los outputs algorítmicos,
marcos normativos que garanticen la transparencia y explicabilidad de los
sistemas, y espacios de deliberación donde la información proporcionada por la
IA pueda ser discutida y contextualizada. En ausencia de estas condiciones, el
riesgo de que la automatización erosione la deliberación colegiada permanece
latente.
5.2
Soberanía tecnológica: entre el principio y la materialización
Un
segundo eje de discusión remite a la soberanía tecnológica como principio
orientador de las políticas de IA en la región. Los casos de la UNGS con
SandIA y las declaraciones de la
ministra venezolana sobre la residencia de datos en el país evidencian una preocupación compartida por el
control institucional y nacional sobre la infraestructura tecnológica y los
datos.
Desde
una perspectiva teórica, la soberanía tecnológica puede entenderse como la
capacidad de una comunidad —institución, país, región— para tomar decisiones
autónomas sobre el diseño, desarrollo y gobernanza de los sistemas tecnológicos
que la afectan. Esta capacidad tiene dimensiones técnicas (infraestructura,
código), económicas (propiedad, dependencia de proveedores), políticas (regulación,
participación) y culturales (valores incorporados en el diseño).
La
experiencia de la UNGS resulta particularmente instructiva porque muestra que
la soberanía tecnológica no es un estado que se alcanza de una vez por todas,
sino un proceso continuo de construcción de capacidades. El desarrollo de
SandIA no parte de cero, sino que se apoya en una trayectoria previa de
creación de SUDOCU, el sistema de gestión documental utilizado por todo el
sistema universitario público argentino. Esta acumulación de experiencia
técnica y organizativa constituye un activo intangible que no puede adquirirse
en el mercado, sino que debe ser cultivado en el tiempo.
En el
caso venezolano, la retórica de la soberanía tecnológica enfrenta desafíos
particulares. Por un lado, la crisis prolongada ha erosionado las capacidades
técnicas de muchas universidades, dificultando el tipo de desarrollo endógeno
que ejemplifica la UNGS. Por otro lado, las políticas nacionales de IA, con su
énfasis en la colaboración con China y los países del ALBA, plantean
interrogantes sobre la naturaleza de la soberanía en un contexto de cooperación
internacional asimétrica. ¿En qué medida los proyectos desarrollados en el
marco de estas alianzas responden a necesidades y prioridades definidas soberanamente,
y en qué medida reflejan intereses y agendas externas?
Adicionalmente,
la soberanía tecnológica no puede reducirse a la dimensión técnica o
infraestructural. Incluye también la capacidad de las comunidades
universitarias para participar en las decisiones sobre qué problemas merecen
ser abordados mediante IA, qué datos se recolectan y cómo se utilizan, y qué
criterios éticos orientan el diseño y la implementación. Desde esta
perspectiva, la creación de espacios participativos como los comités de ética
con representación de claustros no es un complemento accesorio de la soberanía
tecnológica, sino su condición de posibilidad.
5.3
Las paradojas de la ética algorítmica en contextos de precariedad
Un
tercer eje de discusión emerge de la constatación de que los discursos éticos
sobre la IA —transparencia, equidad, rendición de cuentas— adquieren
significados particulares cuando se inscriben en contextos de precariedad
institucional como el venezolano.
Las
fuentes analizadas revelan una fuerte presencia de referencias éticas en las
políticas y declaraciones sobre IA, tanto a nivel nacional como institucional . Esta retórica ética
puede interpretarse de diversas maneras. Por un lado, responde a una
preocupación genuina por los riesgos de la adopción tecnológica y a la
necesidad de orientar el desarrollo de IA hacia fines socialmente valiosos. Por
otro lado, podría funcionar como un dispositivo de legitimación que compensa la
debilidad de las capacidades técnicas efectivas o la ausencia de marcos
regulatorios específicos.
La
paradoja radica en que la implementación de principios éticos como la
transparencia o la rendición de cuentas presupone ciertas condiciones
institucionales que son precisamente las que la crisis ha erosionado. ¿Cómo
garantizar la explicabilidad de los sistemas algorítmicos cuando no existen
mecanismos efectivos de auditoría tecnológica? ¿Cómo asegurar la participación
de los afectados en las decisiones sobre IA cuando los espacios de gobierno
universitario están debilitados o capturados por lógicas burocráticas? ¿Cómo
proteger los datos personales de estudiantes y docentes cuando las
infraestructuras de seguridad informática son precarias?
Desde
esta perspectiva, la ética algorítmica en contextos de precariedad no puede
limitarse a la adopción de principios abstractos, sino que debe articularse con
estrategias concretas de fortalecimiento institucional. Un código ético que no
viene acompañado de inversiones en capacitación, infraestructura y mecanismos
de supervisión corre el riesgo de convertirse en un ejercicio retórico sin
impacto real en las prácticas.
La
iniciativa de la UNGS ofrece pistas sobre cómo abordar esta paradoja. Su
enfoque gradual —relevamiento de procesos repetitivos, capacitación específica,
pilotos con SandIA sobre infraestructura propia, mecanismos de monitoreo y
revisión periódica— reconoce implícitamente que la construcción de capacidades
éticas requiere tiempo, recursos y participación de los actores involucrados.
No se trata de implementar un código ético de una vez por todas, sino de
cultivar progresivamente una cultura institucional de uso responsable de la
tecnología.
En el
caso venezolano, este enfoque gradual y participativo enfrenta obstáculos
adicionales derivados de la urgencia de respuestas a problemas acuciantes. La
tentación de adoptar soluciones rápidas —aunque sean opacas, dependientes de
proveedores externos o inadecuadas para el contexto local— puede ser muy fuerte
cuando las instituciones están desbordadas por demandas inmediatas. La ética
algorítmica, en este escenario, debe entenderse no como un lujo que puede
postergarse hasta tiempos mejores, sino como una condición de posibilidad para
que la adopción tecnológica no reproduzca o profundice las desigualdades
existentes.
6.
Conclusiones
El
recorrido analítico desarrollado a lo largo de este artículo permite formular
un conjunto de conclusiones que responden al objetivo planteado inicialmente:
analizar críticamente las implicaciones de la automatización algorítmica en los
procesos de gobierno universitario, identificando paradojas, riesgos y
oportunidades, con especial atención al diagnóstico situado de las
universidades venezolanas.
Primera
conclusión: la incorporación de inteligencia artificial en la gobernanza
universitaria no constituye un mero cambio técnico o instrumental, sino una
transformación profunda que interpela los principios mismos de la organización
académica. La tensión entre eficiencia algorítmica y deliberación colegiada no
es un conflicto circunstancial que pueda resolverse mediante ajustes
marginales, sino una característica constitutiva del proceso de digitalización
universitaria. Reconocer esta tensión como irresoluble —en el sentido de que no
admite una síntesis definitiva— permite situarla en el centro de la agenda de
investigación y debate, en lugar de buscar soluciones técnicas que la eludan.
Segunda
conclusión: las experiencias iberoamericanas analizadas evidencian la
emergencia de marcos normativos y protocolos institucionales que buscan
orientar éticamente la adopción de IA, preservando espacios de deliberación y
control democrático. La creación de comités de ética con representación
interdisciplinaria y federal en la UTN, el desarrollo de sistemas propios con
soberanía de datos en la UNGS, y la demanda estudiantil de regulación en la UCR
constituyen respuestas institucionales a los riesgos de opacidad, dependencia y
erosión de la participación. Estas experiencias, aunque incipientes y
contextualmente situadas, ofrecen lecciones valiosas para otras universidades
de la región.
Tercera
conclusión: el contexto venezolano presenta particularidades que complejizan
significativamente el dilema del algoritmo rector. La crisis prolongada ha
erosionado capacidades técnicas, debilitado infraestructuras y desplazado
talento humano, generando condiciones de precariedad que dificultan la
implementación de políticas de IA soberanas y participativas. Al mismo tiempo,
la emergencia de políticas nacionales con énfasis en la soberanía tecnológica y
la ética abre oportunidades para un desarrollo situado, siempre que logren
articularse con las necesidades y realidades concretas de las universidades.
Cuarta
conclusión: la soberanía tecnológica en el ámbito universitario no puede
reducirse a la dimensión técnica o infraestructural, sino que debe incluir la
capacidad de las comunidades para participar en las decisiones sobre diseño,
implementación y gobernanza de los sistemas algorítmicos. La experiencia de la
UNGS muestra que la construcción de soberanía requiere trayectorias
acumulativas de desarrollo endógeno, inversión sostenida en capacitación y
mecanismos de participación que involucren a los diversos claustros. En el
contexto venezolano, esto implica no solo desarrollar tecnologías propias, sino
también fortalecer los espacios de gobierno universitario y la cultura
institucional de uso responsable de la tecnología.
Quinta
conclusión: la ética algorítmica en contextos de precariedad enfrenta paradojas
particulares que requieren enfoques gradualistas y contextualmente sensibles.
La adopción de principios éticos abstractos, desvinculada de inversiones
concretas en capacidades institucionales, corre el riesgo de convertirse en un
ejercicio retórico sin impacto real en las prácticas. Por el contrario, la
construcción progresiva de una cultura de uso responsable de la IA —mediante
capacitación, pilotos, monitoreo participativo y revisión periódica— ofrece un
camino más prometedor, aunque más lento y exigente.
A
partir de estas conclusiones, es posible esbozar algunas líneas de apertura
para futuras investigaciones y para la acción institucional. En primer lugar,
resulta necesario profundizar en el estudio empírico de las percepciones y
experiencias de autoridades, docentes, estudiantes y personal administrativo
respecto de la incorporación de IA en la gestión universitaria. Los hallazgos
de este estudio documental podrían ser complementados y matizados mediante
entrevistas, grupos focales y encuestas que den voz a los actores involucrados.
En
segundo término, se requiere avanzar en la construcción de marcos de evaluación
que permitan monitorear no solo la eficiencia técnica de los sistemas
algorítmicos, sino también su impacto en la calidad de la deliberación
democrática, la equidad en la asignación de recursos y la protección de
derechos de la comunidad universitaria. Estos marcos deberían ser desarrollados
participativamente e incorporar indicadores tanto cuantitativos como
cualitativos.
Finalmente,
emerge la necesidad de fortalecer redes de cooperación interuniversitaria que
permitan compartir experiencias, desarrollar tecnologías conjuntas y construir
capacidades regionales en gobernanza ética de la IA. Iniciativas como las de
AUGM apuntan en esta dirección, pero
requieren ser profundizadas y dotadas de recursos para su implementación
efectiva.
El
dilema del algoritmo rector no tiene una solución única ni definitiva. La
tensión entre la potencia predictiva de la inteligencia artificial y los
valores de deliberación democrática, transparencia y participación que han
definido a la universidad como comunidad académica seguirá acompañando el
proceso de transformación digital en los años venideros. El desafío no consiste
en resolver esta tensión de una vez por todas, sino en aprender a habitarla
creativamente, diseñando instituciones que sepan aprovechar lo mejor de ambos
mundos sin sacrificar los principios que les dan sentido.
Referencias
AUGM
(Asociación de Universidades Grupo Montevideo). 2025. Declaración del
Consejo de Rectores sobre Inteligencia Artificial y Educación Superior.
Montevideo: AUGM.
Brunner,
José Joaquín. 2011. Gobernanza universitaria: tipología, dinámicas y
tendencias. Madrid: Revista de Educación.
Clark,
Burton R. 1983. El sistema de educación superior: una visión
comparativa de la organización académica. México: Universidad Futura.
Denzin,
Norman K., e Yvonna S. Lincoln. 2011. El campo de la investigación
cualitativa. Barcelona: Gedisa.
Didriksson,
Axel. 2021. La universidad latinoamericana en la encrucijada:
transformaciones, desafíos y alternativas. Buenos Aires: CLACSO.
Fairclough,
Norman. 2003. Análisis crítico del discurso. Londres: Routledge.
Figueredo
Díaz, Omar. 2025. «La inteligencia artificial como eje de gestión e
investigación universitaria». Ponencia presentada en el VI Congreso
Internacional de Investigación en Ciencias Sociales y Económicas, Universidad
de Carabobo, Valencia, Venezuela.
Floridi,
Luciano. 2018. La cuarta revolución: cómo la infosfera está
transformando el mundo. Madrid: Taurus.
Jiménez
Ramírez, Gabriela. 2026. «Venezuela avanza en inteligencia artificial soberana
y ética». Entrevista en Correo del Orinoco, 15 de enero.
López
Armengol, Martín. 2025. «Gobernanza universitaria en la era de la inteligencia
artificial». Ponencia presentada en el III Encuentro Iberoamericano de Líderes
Universitarios, Lima, Perú.
Martínez,
Francisco, Tomás Sola, y Antonio Rodríguez. 2023. Analítica de
aprendizaje y ética algorítmica en la educación superior. Madrid: Revista
Iberoamericana de Educación.
O'Neil,
Cathy. 2016. Armas de destrucción matemática: cómo el big data aumenta
la desigualdad y amenaza la democracia. Madrid: Capitán Swing.
Pasquale, Frank. 2015. The black box society:
The secret algorithms that control money and information. Cambridge: Harvard
University Press.
Rama,
Claudio. 2022. La universidad digital: transformaciones organizativas y
pedagógicas en América Latina. Buenos Aires: Universidad Abierta.
UNESCO.
2021. Recomendación sobre la ética de la inteligencia artificial.
París: UNESCO.
Universidad
de Costa Rica. 2025. *Resolución R-469-2025: Lineamientos generales para
la implementación de la inteligencia artificial*. San José: UCR.
Universidad
Nacional de General Sarmiento. 2025. Protocolo de Implementación
Responsable de Sistemas de IA Generativa. Buenos Aires: UNGS.
Universidad
Tecnológica Nacional. 2026. Lineamientos Institucionales sobre
Inteligencia Artificial Generativa. Buenos
Aires: UTN.
Weick, Karl E. 1976. «Educational
organizations as loosely coupled systems». Administrative Science Quarterly 21 (1): 1-19.