Cómo miden las universidades el uso de IA entre sus estudiantes en 2026

Las universidades españolas y europeas desplegaron durante el curso 2025-2026 sistemas de detección y medición del uso de inteligencia artificial generativa entre sus estudiantes, combinando análisis de texto automatizado, proctoring digital y declaraciones obligatorias. Según datos del informe «AI in European Higher Education» publicado por la Asociación Europea de Universidades (EUA) en marzo de 2026, un 73% de las instituciones de educación superior en la UE implementó al menos una herramienta de monitorización de IA durante el año académico en curso. El fenómeno responde al aumento exponencial en el acceso a modelos como ChatGPT, Claude o Gemini, que alcanzó al 89% de los estudiantes universitarios españoles según la última Encuesta de Condiciones de Vida del Estudiante Universitario (ECVEU) del Ministerio de Universidades.

Este despliegue tecnológico plantea una tensión entre la integridad académica y los derechos de privacidad de los estudiantes, mientras obliga a repensar qué competencias se evalúan realmente en la era de la IA ubicua. Para profesores, gestores universitarios y los propios alumnos, entender cómo funcionan estos sistemas resulta clave en un ecosistema educativo que todavía define sus reglas de juego.

Contexto: el boom de la IA generativa en las aulas

Entre noviembre de 2022 —lanzamiento público de ChatGPT— y abril de 2026, el uso de herramientas de IA generativa se normalizó entre los universitarios de todo el mundo, obligando a las instituciones académicas a reaccionar con políticas y tecnologías de seguimiento. Datos del Centro de Investigaciones Sociológicas (CIS) indican que en marzo de 2026 el 67% de los estudiantes españoles de grado y posgrado había empleado alguna vez una IA generativa para tareas académicas, frente al 12% de mayo de 2023.

El salto no se limita a trabajos escritos. Modelos multimodales como GPT-4o, Claude Opus o Gemini 1.5 resuelven problemas de cálculo, generan código de programación, analizan imágenes médicas o diseñan circuitos electrónicos. Esto convierte la detección en un desafío técnico y pedagógico sin precedentes. «Las universidades se enfrentan a una carrera tecnológica que recuerda al doping en el deporte», señaló en febrero de 2026 el informe «Academic Integrity in the Age of AI» del International Center for Academic Integrity (ICAI), con sede en Estados Unidos.

En respuesta, los centros educativos han invertido en tres grandes familias de soluciones: detectores automáticos de texto generado por IA, sistemas de monitorización durante exámenes (proctoring) y protocolos de declaración explícita del uso de asistentes digitales. Cada enfoque presenta ventajas, limitaciones y riesgos para la privacidad estudiantil.

Detectores automáticos: cómo funcionan y qué pueden (y no pueden) hacer

Los detectores de texto generado por IA analizan patrones estadísticos —perplejidad, burstiness, distribución de n-gramas— para inferir si un fragmento fue redactado por un modelo de lenguaje o por un humano. Herramientas como GPTZero, Turnitin AI Detection, Copyleaks AI Content Detector o ZeroGPT se integran en plataformas de gestión del aprendizaje (LMS) y ofrecen a los profesores un «porcentaje de probabilidad de IA» en cada trabajo entregado.

Turnitin, líder mundial en detección de plagio, lanzó en abril de 2023 su módulo de detección de IA y reportó en enero de 2026 que había analizado más de 200 millones de trabajos académicos en todo el mundo. Según datos internos de la compañía, el 11% de esos documentos contenía al menos un 20% de texto clasificado como generado por IA. En España, universidades como la Complutense de Madrid, la Universidad de Barcelona, la Politécnica de Madrid y la de Sevilla incorporaron Turnitin AI Detection a sus contratos institucionales durante 2025.

Sin embargo, la precisión de estos sistemas genera controversia. Un estudio publicado en marzo de 2026 por investigadores de la Universidad de Stanford analizó siete detectores comerciales y concluyó que la tasa de falsos positivos —textos humanos marcados como IA— oscila entre el 8% y el 19%, mientras que la tasa de falsos negativos —IA no detectada— va del 15% al 40% cuando el usuario emplea técnicas de «humanización» del texto (parafraseo, reordenamiento de frases, inclusión de errores intencionados).

«Ningún detector puede ofrecer certeza absoluta. Los modelos de IA mejoran cada mes y los estudiantes aprenden a camuflar su uso. Confiar únicamente en la tecnología sería ingenuo.»

Otro problema radica en el sesgo lingüístico. Varios análisis independientes demostraron que los detectores tienden a clasificar como «IA» textos escritos por hablantes no nativos de inglés o por estudiantes con un nivel de redacción menos sofisticado, generando desigualdades en la evaluación. Esto ha llevado a algunas universidades europeas a limitar el uso de estos sistemas a una función consultiva, no punitiva.

Proctoring y vigilancia en tiempo real

Los exámenes online vigilados mediante software de proctoring —grabación de webcam, micrófono, pantalla y análisis de comportamiento— se convirtieron en la principal barrera contra el uso de IA durante evaluaciones síncronas. Plataformas como Proctorio, Respondus Monitor, ProctorU o Smowl registran la actividad del estudiante en tiempo real y emiten alertas ante comportamientos sospechosos: miradas fuera de la pantalla, ruido de voces, cambio de pestaña del navegador o uso de dispositivos externos.

Según el informe de la EUA, el 58% de las universidades europeas que emplean exámenes online recurrió a alguna forma de proctoring automatizado durante el curso 2025-2026. En España, la Universidad Nacional de Educación a Distancia (UNED), la Universitat Oberta de Catalunya (UOC) y varias universidades privadas adoptaron estas soluciones tras la pandemia, manteniéndolas incluso en modelos híbridos de enseñanza.

El sistema funciona mediante algoritmos de visión por computador y procesamiento de audio que detectan patrones anómalos. Por ejemplo, si un estudiante consulta repetidamente su teléfono móvil o pronuncia comandos de voz («ChatGPT, resuelve esta ecuación»), el software lo registra y puede bloquear el examen o alertar al supervisor humano en tiempo real. Algunas plataformas, como Proctorio, inclegan análisis de pulsaciones de teclado para identificar si el ritmo de escritura coincide con el de copiar-pegar desde otra fuente.

No obstante, el proctoring enfrenta críticas legales y éticas. La Agencia Española de Protección de Datos (AEPD) publicó en octubre de 2025 un informe advirtiendo que la grabación masiva de estudiantes en entornos domésticos podría vulnerar el Reglamento General de Protección de Datos (RGPD) si no se limita estrictamente a lo necesario. Asociaciones estudiantiles en Alemania, Países Bajos y España presentaron quejas formales denunciando «vigilancia desproporcionada» y exigiendo alternativas como exámenes presenciales o evaluaciones basadas en competencias orales.

Declaraciones obligatorias y auditorías de proceso

Frente a las limitaciones técnicas de los detectores y los conflictos legales del proctoring, muchas universidades optaron por protocolos de transparencia obligatoria: exigir a los estudiantes que declaren explícitamente si usaron IA y, en caso afirmativo, cómo lo hicieron. Este modelo, inspirado en las declaraciones de conflicto de intereses de la investigación científica, traslada la responsabilidad ética al alumno y permite evaluar el uso crítico de la tecnología.

La Universidad Politécnica de Madrid (UPM) introdujo en septiembre de 2025 un formulario obligatorio al entregar trabajos de fin de grado (TFG) y fin de máster (TFM) en el que el estudiante debe indicar qué herramientas de IA empleó, para qué tareas concretas (búsqueda bibliográfica, generación de borradores, corrección ortográfica, análisis de datos) y qué porcentaje aproximado del trabajo final proviene de asistencia automatizada. Incumplir la declaración o falsearla se considera falta grave según el reglamento académico.

La Universidad de Barcelona (UB) y la Pompeu Fabra (UPF) implementaron sistemas similares durante 2025. Además, algunos departamentos realizan «auditorías de proceso»: entrevistas orales en las que el profesor pregunta al estudiante sobre las decisiones tomadas en el trabajo, la evolución de borradores o la justificación de determinados enfoques. Si el alumno no puede explicar coherentemente el contenido que entregó, se activa una investigación formal.

Este enfoque pedagógico tiene defensores entre el profesorado. «Queremos enseñar a usar la IA de forma responsable, no a esconderse de ella», explicó en enero de 2026 la profesora Ana Rodríguez, coordinadora de innovación docente en la Facultad de Ciencias de la Educación de la Universidad de Granada, durante una jornada sobre integridad académica organizada por la CRUE. Sin embargo, requiere mayor inversión de tiempo docente y puede generar desigualdades si no todos los profesores aplican el mismo nivel de rigor.

Comparativa de métodos de detección y monitorización

Qué significa esta vigilancia para estudiantes y profesores

La proliferación de sistemas de medición de IA redefine el contrato implícito entre universidad y estudiante, desplazando el foco desde la memorización y reproducción de contenidos hacia la demostración de pensamiento crítico, capacidad de síntesis y dominio procedimental. Para los alumnos, el mensaje es claro: la IA no desaparecerá del entorno académico ni profesional, pero su uso debe ser transparente, justificado y complementario al aprendizaje autónomo.

Algunos centros han reformulado sus sistemas de evaluación. La Universitat de València (UV) redujo en 2025 el peso de los trabajos escritos individuales en varias titulaciones de Ciencias Sociales, aumentando el de presentaciones orales, debates moderados y proyectos colaborativos donde la IA aporta menos ventaja competitiva. La Universidad Carlos III de Madrid (UC3M) introdujo exámenes «open AI», en los que los estudiantes pueden usar ChatGPT o Claude durante la prueba, pero las preguntas exigen análisis, comparación de fuentes y fundamentación de decisiones que los modelos no resuelven de forma trivial.

Para el profesorado, la carga administrativa y pedagógica se intensifica. «Antes corregías un examen tipo test en diez minutos. Ahora necesitas leer con lupa, contrastar versiones, citar a entrevistas orales. Es agotador», reconoció en febrero de 2026 un profesor de Ingeniería Informática de la Universidad Politécnica de Valencia (UPV) en una encuesta interna publicada por el sindicato docente. La misma encuesta reveló que el 52% del profesorado considera que la universidad no ofrece formación suficiente para detectar uso indebido de IA ni para diseñar evaluaciones resistentes a ella.

Mientras tanto, el sector EdTech innova en ambos lados de la ecuación. Startups españolas como Modo Cheto, plataformas internacionales como Quizlet o Numerade y gigantes como Google Workspace for Education desarrollan funciones de «IA educativa transparente», que registran automáticamente cada interacción del estudiante con el asistente digital y generan logs auditables. Paralelamente, aparecen servicios en la dark web que prometen «humanizar» textos de IA para burlar detectores, perpetuando una carrera armamentística tecnológica sin ganador claro.

Retos legales y dilemas éticos pendientes

La medición masiva del uso de IA plantea interrogantes sobre el equilibrio entre integridad académica y derechos fundamentales, especialmente en un marco regulatorio europeo que prioriza la protección de datos y la privacidad. El RGPD exige que cualquier tratamiento de datos personales —incluyendo grabaciones de vídeo, análisis de comportamiento o perfiles de riesgo— sea proporcional, transparente y limitado a lo estrictamente necesario.

En diciembre de 2025, el Tribunal de Justicia de la Unión Europea (TJUE) admitió a trámite una demanda colectiva de estudiantes neerlandeses contra la Universidad de Ámsterdam por uso de Proctorio sin evaluación de impacto previa. El caso podría sentar jurisprudencia sobre los límites del proctoring en la UE. En España, la AEPD abrió en marzo de 2026 dos expedientes informativos a universidades privadas por almacenar grabaciones de exámenes online más allá del plazo necesario para resolver reclamaciones académicas.

Más allá de lo legal, subsiste el debate pedagógico. ¿Medir el uso de IA fomenta una cultura de sospecha o de responsabilidad? ¿Penaliza más a estudiantes con menos recursos (que usan IA gratuita, más fácil de detectar) que a quienes acceden a modelos avanzados de pago con capacidades superiores de personalización? ¿Prepara a los futuros profesionales para un mercado laboral donde la IA será omnipresente o refuerza una visión anticuada de la autoría individual?

Organismos internacionales como la UNESCO publicaron en febrero de 2026 el documento «Ethical Guidelines for AI Use in Assessment», que recomienda a las universidades adoptar marcos de «uso responsable» en lugar de prohibiciones absolutas, invertir en alfabetización digital del profesorado y garantizar que ningún estudiante sea sancionado únicamente por el resultado de un algoritmo sin revisión humana. Varias universidades españolas —entre ellas la Universidad Autónoma de Madrid (UAM) y la Universidad de Salamanca (USAL)— adhirieron a estas directrices durante el primer trimestre de 2026.

La medición del uso de inteligencia artificial en las universidades españolas y europeas no es un capítulo cerrado, sino el inicio de una reconfiguración del sistema educativo superior. Lo que está en juego no es solo la detección de trampas, sino la definición de qué significa aprender, pensar y crear en una era donde las máquinas imitan —y a veces superan— capacidades cognitivas que antes considerábamos exclusivamente humanas. El curso 2026-2027 traerá nuevas tecnologías de vigilancia, pero también, se espera, un debate más maduro sobre cómo integrar la IA en la evaluación sin renunciar a la dignidad, la privacidad ni el propósito formativo de la universidad.