Los administradores ya usan más IA que los estudiantes. Los sistemas de abajo no avanzaron.

Durante tres años la historia de la IA en educación superior fue una historia sobre estudiantes, y casi siempre sobre copiar.

Esa historia ya quedó atrás. Según el reporte 2026 de Inside Higher Ed sobre adopción administrativa, los administradores encabezan el uso diario de IA en la educación superior estadounidense con 43%, el primer año en que el personal supera a los estudiantes, y el primero en que la mayoría de cada grupo reporta usarla al menos cada semana.

Al mismo tiempo, una encuesta a más de 400 rectores y presidentes de instituciones colocó a la IA por encima de la caída de matrícula, la presión financiera y los cambios de política pública como la fuerza más determinante para el sector rumbo a 2030. Es una clasificación notable para instituciones que llevan una década genuinamente preocupadas por el desplome demográfico.

Así que la pregunta de la demanda está resuelta. La pregunta interesante es por qué tan poco de eso se ha convertido en capacidad institucional.

La respuesta es aburrida, y no es la IA

La barrera es que una universidad no tiene un problema de datos. Tiene seis, y no se hablan entre ellos.

Tutoría y acompañamiento es un sistema. Inscripción es otro. Becas y apoyo financiero es un tercero, normalmente el más viejo y el menos accesible. La plataforma educativa es un cuarto. Cobranza es un quinto. Y los expedientes de alumnos viven bajo un control escolar con razones perfectamente sensatas para ser cauteloso sobre quién accede a qué.

Cada uno se compró por separado, en un momento distinto, por un área distinta, para resolver un problema real. Ninguno se compró para responder una pregunta que cruce los seis, y toda pregunta que vale la pena cruza los seis.

¿Qué estudiantes se están desconectando y tienen un tema de beca sin resolver y no han visto a un tutor este semestre? De eso depende de verdad la retención, y en la mayoría de las instituciones responderlo significa tres personas exportando tres archivos y conciliándolos por matrícula durante una semana.

Las predicciones de enero de 2026 de Inside Higher Ed pusieron esto en la agenda: Joe Abraham, director general de Intellicampus, anticipó que 2026 sería el año en que las instituciones acabarían con la fragmentación y unificarían tutoría, inscripción y becas mediante automatización de flujos.

Nosotros lo diríamos más llanamente. No puedes desplegar IA útil en una institución que no puede unir sus propios registros. Lo que obtienes en su lugar son seis chatbots departamentales, cada uno respondiendo con seguridad desde una vista parcial.

La brecha de política es en realidad una brecha de conocimiento

Hay un segundo hallazgo este año que es fácil malinterpretar.

El reporte de Inside Higher Ed ubica las políticas formales de IA en 32%. Encuestas separadas a profesores encuentran que solo alrededor de una cuarta parte dice que su universidad tiene una, y que una mayoría cree que su institución no está preparada para integrar IA.

Esas cifras suelen citarse como si midieran lo mismo y se contradijeran. No es así. Una cuenta políticas que existen; la otra cuenta personas que saben que existe una política. La diferencia entre ambas es el hallazgo.

Una política que vive en un documento de gobierno y nunca llegó a la persona que decide si pega el ensayo de un estudiante en un chatbot no es un control. Es el registro de una intención. Y la consecuencia práctica no es abstracta: el personal usa estas herramientas de todos modos, 43% a diario, y a falta de una regla conocida, se inventa una que suene razonable.

Si tu institución tiene una política, la pregunta de este semestre no es si es buena. Es qué porcentaje del personal podría describirla.

Tres cosas que funcionan antes de que haya IA de por medio

Construimos sistemas para instituciones, y la secuencia que produce resultados es consistentemente poco vistosa.

Una identidad de estudiante que resuelva entre sistemas. Un estudiante, un identificador, unido de forma confiable entre tutoría, inscripción, becas y la plataforma educativa. Suena trivial y normalmente es la pieza de trabajo más grande, porque los sistemas nunca se diseñaron para coincidir, y porque los desajustes se concentran justo en la población que te importa: traslados, estudiantes de tiempo parcial, cambios de nombre, quienes regresan tras interrumpir. Nada aguas abajo es confiable hasta que esto existe.

Una definición acordada de los términos. ¿Qué cuenta como inscrito? ¿A la fecha de corte, o ahora? ¿Qué es en riesgo? Dos áreas van a tener dos definiciones, ambas defendibles y ambas en uso. Automatizar encima de ese desacuerdo produce números seguros, consistentes y en disputa, que es el peor resultado posible, porque parece autoritativo.

Un camino de la señal a la acción. Un modelo de alerta temprana que identifica 400 estudiantes en riesgo y los canaliza a un equipo de tutoría con capacidad para 60 no ayudó a nadie. Produjo una lista, y las listas sobre las que nadie puede actuar entrenan calladamente a la gente a ignorar el sistema. Diseña primero la capacidad de intervención, y luego dimensiona la señal a esa capacidad.

Nada de esto requiere IA. Todo esto determina si la IA sirve de algo.

Dónde la IA sí se gana su lugar

Una vez que existen los cimientos, tres aplicaciones se sostienen en la práctica.

Apoyo estudiantil fundamentado en el curso. Un tutor que responde a partir del material real de la materia y no de internet, y que cita la clase o la lectura de donde salió. La fundamentación es el producto entero. Un chatbot general va a responder con seguridad una pregunta que el curso responde distinto, lo cual es peor que no responder. Para eso construimos nuestra plataforma de Inteligencia Académica, y la mitad dirigida a docentes, ver en qué conceptos se atora un grupo en la semana cuatro en lugar de descubrirlo al calificar el final, ha resultado importar tanto como la mitad dirigida a estudiantes.

Redacción administrativa. Correspondencia, respuestas estándar, primeros borradores de documentación de comités. Volumen alto, riesgo bajo, firma una persona. Ahí es donde ya está yendo ese 43%, de manera informal y sin gobernanza.

Procesamiento documental en becas y admisiones. Certificados, documentos de verificación, apelaciones. Genuinamente repetitivo, genuinamente de alto volumen y con un punto natural de revisión aguas abajo.

Nota lo que falta: cualquier cosa que decida el resultado de un estudiante. Admisión, situación académica, asignación de beca. No porque un modelo no pudiera producir una respuesta, sino porque la institución tiene que poder explicar esa respuesta al estudiante, a un comité de apelación y a veces a una autoridad, y "el modelo te calificó con 0.34" no es una explicación.

La desilusión viene, y es sana

Una de las predicciones más útiles del texto de Inside Higher Ed vino de Rebecca Quintana, de la Universidad de Michigan, que espera una desilusión creciente con la IA: estudiantes reportando fatiga, docentes viendo usos que socavan el aprendizaje, y un regreso parcial a la práctica fundamental.

Nos parece correcto, y no es un mal desenlace. La desilusión es lo que sigue a la etapa en que todo problema recibe una respuesta con IA, y normalmente es cuando empieza el trabajo duradero. Las instituciones que salgan bien serán las que usaron este periodo para resolver identidad y definiciones en lugar de comprar pilotos.

Esos cimientos no se deprecian. Valen exactamente lo mismo si el entusiasmo se enfría, que es precisamente el argumento para construirlos ahora.

En resumen

La restricción de la IA en educación superior no es la capacidad de los modelos, ni la resistencia docente, ni el mal uso estudiantil. Es que la mayoría de las instituciones no puede responder una pregunta que cruce dos áreas sin una semana de conciliación manual.

Arregla eso y las aplicaciones de IA se vuelven directas. Sáltatelo y obtienes una colección de pilotos departamentales que funcionan en demo y ninguno mueve un número de retención.

Que los administradores lleguen a 43% de uso diario no es la noticia. La noticia es que llegaron ahí sin que la institución mejorara en saber cosas, y cerrar esa brecha es en lo que deberían gastarse los próximos dos años.

Si tu institución está tratando de llegar a una respuesta en lugar de seis, ese es el trabajo que hacemos, y la plataforma de Inteligencia Académica describe cómo se ve el apoyo estudiantil fundamentado cuando se construye encima.