La integridad académica es un tema clave en la educación, ya que fomenta el desarrollo de valores y conductas éticas, tanto en lo personal como en lo profesional. Como docente, una de las tantas tareas en el aula es fomentar la integridad, la ética y los valores. No obstante, existen muchos retos para garantizar la calidad de la educación, puesto que la deshonestidad académica está a un solo prompt de distancia.
Si bien la inteligencia artificial generativa (IAgen) se ha erigido como una herramienta para apoyar los procesos de enseñanza-aprendizaje, también se ha convertido en un obstáculo para la educación. En México, no solo no hay guías homologadas para la educación, sino que tampoco existe un marco normativo vigente que la regule como tal (solo existen iniciativas de ley que no se han concretado). Esto provoca que muchos modelos y sistemas de IA no cumplan con salvaguardar la privacidad de los datos ni la seguridad del usuario, o bien que simplemente apliquen un ethics washing, es decir, prácticas, en este caso éticas, que se realizan con afán de mejorar la percepción de una persona u organización, pero sin implementar cambios.
Aunque existen muchas consecuencias del mal uso de la IA en la educación (dependencia cognitiva, deuda cognitiva, academic laziness, etc.), este escrito se enfocará en la integridad de la educación en la era de la inteligencia artificial.
¿Qué es la integridad académica?
Según la RAE, la palabra íntegro significa «dicho de una persona: recta, proba, intachable», mientras que integridad es la «cualidad de íntegro». Ahora bien, no existe una definición consensuada de lo que abarca la integridad académica. Sin embargo, el término suele asociarse con la conducta académica, las virtudes (confianza, justicia, carácter, integridad) y los valores (honestidad, equidad, respeto, responsabilidad, etc.) (Mejía y Garcés, 2025).
Otros autores, como Șercan y Voicu (2022), la definen como la integridad, el respeto a la propiedad intelectual, los estándares morales y éticos, así como las normas de conducta (citados en Balalle y Pannilage, 2025). Por su parte, Sbaffi y Zhao (2022) la describen como el compromiso, la honestidad y el comportamiento moral en el trabajo académico de estudiantes y docentes (citados en Balalle y Pannilage, 2025).
Dentro de la práctica académica, la integridad académica busca evitar el plagio, el fraude, la trampa (ya sea de forma análoga o con tecnología), la obtención de material (como exámenes) para su venta o reproducción ilegal, el soborno para obtener mejores notas y, más recientemente, el ghostwriting y la escritura con IA (AI writing) (Balalle y Pannilage, 2025).
El impacto de la IA gen en la integridad académica
Un estudio realizado por Ruskulis et al. (2026), titulado An Academic Text: The Balance Between Academic Integrity and Artificial Intelligence, demostró que el 76 % de los encuestados (estudiantes de educación superior) utiliza IA constantemente para realizar tareas académicas, prefiriendo ChatGPT (65 %) por sobre otras herramientas. Asimismo, ese estudio reveló que los propios estudiantes perciben la dependencia excesiva de la IA como una violación de la integridad académica. Esto deja entrever que es necesario un enfoque más ético y responsable; se requiere un esfuerzo para fomentar la alfabetización en IA, así como para crear y aplicar políticas institucionales transparentes y bien definidas que preserven la calidad e integridad académicas.
Como ya se ha mencionado en otros artículos del Observatorio, los derechos de autor al usar herramientas de IA siguen siendo un tema de debate importante. En este caso, muchos estudiantes emplean LLM como ChatGPT, Claude, Gemini, etc., para producir texto al instante, gracias a la creación de prompts y agentes especializados (bots) para tareas de generación de texto.
En este sentido, el único esfuerzo «cognitivo» del estudiante consiste en redactar el comando, ya que la IA realiza todo el trabajo de buscar, analizar y sintetizar la respuesta. En este escenario, el estudiante comete errores de omisión y de comisión; es decir, cuando acepta la información como válida y la incorpora a su trabajo (omisión) y, en una segunda instancia, cuando no es capaz de identificar que existe un problema crítico con dicha información, ya sea porque no tuvo la iniciativa de revisar o porque la IA no se lo indicó (Watts, 2025). Esto también provoca el deterioro de los procesos cognitivos (deuda cognitiva), es decir, de los mecanismos del pensamiento crítico, la toma de decisiones y otras habilidades esenciales. Además, este tipo de procesos aumenta la dependencia cognitiva.
Muchos expertos sostienen que la IA carece de comprensión, pensamiento crítico e intuición para producir un trabajo auténtico, lo que genera preocupación por la integridad académica, ya que estas capacidades no reflejan las ideas ni la esencia del autor y, a su vez, disminuyen la originalidad y el comportamiento ético (Currie et al., 2023; Balalle y Pannilage, 2025; Bittle y El-Gayar, 2025). Asimismo, autores como Currie et al. (2023) señalan que el uso de la IA generativa para cometer fraude académico afecta directamente los indicadores de calidad de las instituciones.
En consecuencia, los riesgos de la IA para la integridad académica se reflejan en el aumento de la deshonestidad académica, como el fraude o la trampa (sobre todo en programas no escolarizados), por ejemplo, la creación de textos sofisticados de ghostwriting indetectable. Asimismo, es importante recordar que estos sistemas pueden arrojar resultados sesgados, vulnerar la privacidad y ser utilizados indebidamente, además de conducir a la pereza académica (academic laziness) y a la dependencia cognitiva cuando no se gestionan adecuadamente (Bittle y El-Gayar, 2025). Por otro lado, algunos autores señalan que no solo hay un problema de deshonestidad académica provocada por la IA, sino que estos sistemas también generan una ventaja injusta para aquellos estudiantes que no tienen acceso, lo que conduce a una evaluación inequitativa del conocimiento (Cotton et al., 2023; Sullivan et al., 2023, como se citan en Ruskulis et al., 2026)
Retos e implicaciones de la IA gen en la integridad académica
En este sentido, Gulumbe et al. (2025) presentan algunos desafíos y posibles implicaciones de la IA en la integridad académica:
Las implicaciones sociotécnicas se refieren a la posible disrupción de la IA en la interacción que los humanos tienen con la tecnología; el sesgo debido a la capacidad de predicción de estos sistemas; la autoría, puesto que el uso de contenido generado por LLM es un riesgo para la integridad y los derechos de autor; la regulación, ya que no existen regulaciones homologadas (como en México, que no existe una ley que regule a la IA) que eviten que la IA sea creada con fines que evadan la ética; la automatización, puesto que refuerza la cultura de la conveniencia y reduce la contribución intelectual.
Aspectos como la seguridad, la confiabilidad, la responsabilidad y la transparencia se refieren a los marcos éticos que estos sistemas deben cumplir para garantizar que su desarrollo e implementación sean éticos. En el caso de la integridad académica, la seguridad se refiere al posible uso de la IA para cometer fraudes académicos y filtraciones de datos; la confiabilidad hace referencia a la pérdida de confianza en estos sistemas, es decir, cuando hay una falta de transparencia (cuando no se puede confiar en la toma de decisiones de la IA por algoritmos que no son entendibles o visibles); mientras que la responsabilidad es garantizar la rendición de cuentas de la IA en un entorno académico, así como el buen uso de los sistemas.
Acciones para asegurar la integridad académica
Estas son algunas acciones para fortalecer la integridad académica dentro de los procesos académicos (Bittle y El-Gayar, 2025):
- Desarrollo y validación de aplicaciones o sistemas de detección de IA.
- Creación de guías y marcos regulatorios para el uso de la IA en la educación.
- Reevaluar y diseñar métodos de evaluación que promuevan el pensamiento crítico.
- Investigar el impacto de la IA generativa en diversos grupos demográficos estudiantiles para garantizar la inclusión.
Asegurar la integridad académica en tiempos de IA es una tarea complicada, puesto que no solo es cuestión de garantizar que la ética y los valores se cumplan, por ejemplo, en la entrega de tareas, sino también en todos los procesos de enseñanza-aprendizaje. Para impartir clases en esta nueva era, el profesorado requiere alfabetización en IA, acceso a herramientas de calidad, así como un marco o guía institucional (y a nivel docente) sobre lo que sí aplica o no al utilizar IA, por ejemplo, qué porcentaje de IA se puede emplear para entregar tareas, así como lo que no es aceptable.
Del mismo modo, al momento de realizar planeaciones, los docentes deben tomar en cuenta que los estudiantes muy probablemente utilicen IA para realizar tareas, por lo que es necesario modificar actividades para que, en lugar de copiar y pegar, puedan corroborar la información que reciben de estos sistemas y, por ejemplo, debatir las ideas en clase, para que exista algún tipo de proceso cognitivo más complejo (evaluar, analizar) y no solo recordar o comprender. Otras modificaciones pueden ser: realizar actividades análogas (desenchufadas), actividades orales, debates u otras tareas que fomenten el pensamiento crítico, la toma de decisiones, así como otras habilidades críticas.
Es un buen momento para repensar la educación y el papel que la IA debe desempeñar en el aula. Si bien es una herramienta útil, como todo, debe cumplir un propósito y no solo servir para rellenar un espacio o dar la impresión de «innovación». La educación no debe ajustarse a la IA; la IA debe ajustarse a la educación.
