Universidad pública (Europa)

Contexto

Una universidad pública acumulaba 23 iniciativas de IA sin coordinación: licencias contratadas por facultades, talleres aislados, políticas contradictorias entre departamentos y ningún indicador de impacto.

El síntoma más revelador no era la dispersión, sino la asimetría: mientras la institución debatía si regular la IA, sus estudiantes ya la usaban a diario y parte del profesorado también —sin criterios, sin trazabilidad y sin conversación institucional—. El riesgo real no era “la IA”, sino la brecha creciente entre la práctica cotidiana y el marco institucional: cada día sin estrategia era un día en el que la estrategia la escribían, de facto, los proveedores de herramientas y los usos individuales.

Lectura macro–meso–micro

• Macro: no existía una posición institucional sobre qué papel debía jugar la IA en el modelo educativo, la investigación y la gestión. Sin esa decisión, todo lo demás eran parches.
• Meso: cada facultad improvisaba su propia política —desde la prohibición hasta el entusiasmo sin criterios—, generando agravios comparativos entre estudiantes y desconcierto en el profesorado.
• Micro: la conversación docente estaba atrapada en la pregunta equivocada (“¿cómo detecto que lo hizo la IA?”) en lugar de la relevante (“¿qué debe seguir haciendo el humano y cómo lo hago observable?”).

Intervención

A través de BeTalent, proceso de estrategia institucional de IA en cuatro fases:

1. Inventario y diagnóstico de madurez. Mapeo de las 23 iniciativas existentes —qué herramientas, qué contratos, qué datos tocan, quién las usa realmente— y diagnóstico de madurez en cinco dimensiones: estrategia, gobernanza, competencias, infraestructura y cultura. El inventario afloró duplicidades de gasto, riesgos de protección de datos que nadie supervisaba y, también, bolsas de excelencia aisladas que la institución desconocía.

2. Marco de gobernanza con criterios de uso. No un reglamento de prohibiciones, sino una matriz de decisión: qué actividades pueden delegarse a la IA, cuáles requieren supervisión humana y cuáles deben preservarse como actividad humana —porque son precisamente donde ocurre el aprendizaje o donde se juega la responsabilidad académica—. El marco define quién decide qué (aula, titulación, institución), cómo se evalúan nuevas herramientas antes de contratarlas y cómo se revisa todo ello a medida que la tecnología cambia.

3. Alfabetización contextualizada por roles. Nada de cursos genéricos de “introducción a la IA”: itinerarios distintos para docencia (rediseño de actividades y evaluación), investigación (integridad, autoría, revisión) y gestión (procesos, datos, decisiones), cada uno anclado en los problemas reales de ese rol y alineado con la obligación de alfabetización del artículo 4 del AI Act europeo.

4. Hoja de ruta de dos años con indicadores. Priorización de las iniciativas supervivientes en líneas estratégicas con dueño, presupuesto, métricas y puntos de revisión semestrales —diseñada para sobrevivir a cambios de equipo rectoral, que es donde mueren la mayoría de estrategias universitarias—.

Resultados y aprendizajes

• Marco de gobernanza aprobado con criterios de delegación y preservación de actividad humana: la institución puede ahora responder “¿podemos usar esto?” en días, no en meses de comisiones.
• Programa de alfabetización alineado con el artículo 4 del AI Act: la obligación legal se convirtió en palanca de transformación docente en lugar de trámite de cumplimiento.
• Reducción de la dispersión: de 23 iniciativas a 6 líneas estratégicas con dueño y métricas —y liberación del gasto duplicado en licencias que nadie usaba.
• La conversación institucional cambió de registro: de “cómo nos protegemos de la IA” a “qué decidimos hacer con ella” —y esa diferencia de pregunta es, en sí misma, el resultado más duradero.
• Aprendizaje clave: la gobernanza se aceptó cuando se presentó como habilitadora (criterios para avanzar) y no como restrictiva (lista de prohibiciones). El documento más importante no fue el que decía “no”, sino el que decía “sí, así”.