¿Cómo citar?
(2026).
Revista Innovación Universitaria, 8,
6-16.
ARTÍCULO DE OPINIÓN
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa Rica
6
DEL TEMOR A LA CONFIANZA: LA INTEGRACIÓN ÉTICA DE LA INTELIGENCIA ARTIFICIAL EN LA
INVESTIGACIÓN ACADÉMICA UNIVERSITARIA
FROM FEAR TO TRUST: THE ETHICAL INTEGRATION OF ARTIFICIAL INTELLIGENCE IN UNIVERSITY
ACADEMIC RESEARCH
DOI:
https://doi.org/10.64312/sm9chs21
Jorge Martínez Cortés
jomartinez@uv.mx
Universidad Veracruzana
https://orcid.org/0000-0002-8696-2088
Xalapa, México
Recibido: 22-03-2026
Aceptado: 22-08-2026
RESUMEN
La incorporación de la inteligencia artificial generativa (GenAI) en la investigación universitaria ha
transformado los procesos de producción científica al facilitar tareas como la búsqueda de
información, la revisión bibliográfica, el análisis de datos y la redacción académica. Sin embargo,
su adopción también ha suscitado preocupaciones relacionadas con la confiabilidad, la autoría, la
integridad académica. La privacidad y los sesgos exigen una integración ética y responsable. Se
desarrolló un ensayo académico de carácter analítico y argumentativo, sustentado en la literatura
científica reciente y en documentos internacionales sobre IA, ética e investigación en educación
superior. Se examinaron las principales oportunidades, riesgos y condiciones institucionales para
promover un uso responsable de la IA en la investigación universitaria. El análisis muestra que la
IA puede fortalecer distintas etapas de la investigación al mejorar la organización de la
información, apoyar el diseño metodológico, optimizar la comunicación científica y favorecer la
productividad. No obstante, persisten riesgos asociados a alucinaciones, referencias ficticias,
ARTÍCULO DE OPINIÓN
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
7
pérdida de autoría, vulneración de datos, reproducción de sesgos y desigualdad en el acceso. Se
identifican como elementos esenciales la supervisión humana, la transparencia en la declaración
del uso de la IA, la protección de datos y el establecimiento de políticas institucionales
diferenciadas. La transición del temor a la confianza requiere alfabetización en IA, gobernanza
institucional y formación ética. La IA debe entenderse como una herramienta complementaria
que amplía las capacidades sin sustituir el juicio crítico, la responsabilidad académica ni la
integridad científica, principios indispensables para una investigación universitaria confiable y
socialmente responsable.
PALABRAS CLAVE: inteligencia artificial, responsabilidad docente, alfabetización informacional,
investigación, ética.
ABSTRACT
The incorporation of generative artificial intelligence (GAI) into university research has
transformed scientific production processes by facilitating tasks such as information retrieval,
literature review, data analysis, and academic writing. However, its adoption has also raised
concerns related to reliability, authorship, academic integrity, privacy, and bias, highlighting the
need for ethical and responsible integration. An analytical and argumentative academic essay was
developed based on recent scientific literature and international documents on AI, ethics, and
research in higher education. The main opportunities, risks, and institutional conditions for
promoting the responsible use of AI in university research were examined. The analysis shows
that AI can strengthen different stages of research by improving information organization,
supporting methodological design, optimizing scientific communication, and fostering
productivity. Nevertheless, risks persist, including hallucinations, fabricated references, loss of
authorship, data breaches, reproduction of biases, and unequal access. Human oversight,
transparency in reporting AI use, data protection, and the establishment of differentiated
institutional policies are identified as essential elements. The transition from fear to trust requires
AI literacy, institutional governance, and ethical training. AI should be understood as a
complementary tool that expands capabilities without replacing critical judgment, academic
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
8
responsibility, or scientific integrity— principles that are indispensable to reliable and socially
responsible university research.
KEYWORDS: artificial intelligence, teacher responsibility, information literacy, research, ethics.
INTRODUCCIÓN
La incorporación de la inteligencia artificial generativa (IAG) en la educación superior representa
una de las transformaciones más relevantes de la actividad académica contemporánea.
Herramientas capaces de producir textos, resumir documentos, traducir contenidos, generar
códigos, organizar información y proponer estructuras argumentativas han comenzado a
intervenir en diferentes fases de la investigación universitaria.
Su uso se extiende desde la exploración inicial de un problema hasta la revisión bibliográfica, el
análisis de datos, la redacción científica y la divulgación de resultados. Sin embargo, esta rápida
expansión ha generado sentimientos encontrados entre docentes e investigadores. Por una
parte, se reconoce que la inteligencia artificial (IA) puede facilitar tareas repetitivas, mejorar la
productividad y ampliar el acceso a recursos académicos. Por otra parte, persisten temores
relacionados con la confiabilidad de la información, la pérdida de autoría, el plagio, la privacidad,
los sesgos y la posible sustitución del pensamiento crítico. Estas preocupaciones aumentan
cuando las universidades carecen de lineamientos claros, de programas de formación y de
mecanismos institucionales que orienten su uso.
La inteligencia artificial no debe entenderse como una herramienta neutral ni como una solución
automática a los problemas de la investigación. Sus efectos dependen de los propósitos para los
que se utiliza, de las competencias de las personas investigadoras, de la calidad de los datos y de
las condiciones éticas e institucionales que rigen su aplicación. Por ello, la discusión no puede
reducirse a aceptarla o prohibirla. Es necesario construir una cultura de uso crítico que permita
aprovechar sus posibilidades sin transferirle responsabilidades que corresponden exclusivamente
al ser humano.
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
9
La Unesco sostiene que la incorporación de la inteligencia artificial generativa en la educación y
la investigación debe adoptar un enfoque centrado en las personas, con énfasis en la protección
de los derechos, la inclusión, la transparencia y la supervisión humana. (Miao & Holmes, 2023).
Desde esta perspectiva, la confianza no consiste en aceptar de manera acrítica los resultados
producidos por un sistema, sino en comprender sus capacidades, reconocer sus limitaciones y
establecer procedimientos de verificación.
Este ensayo sostiene que el tránsito del temor a la confianza requiere una integración ética,
transparente y formativa de la IAG. Para ello, se analizan las causas de la resistencia universitaria,
las oportunidades que ofrece esta tecnología, los principales dilemas éticos y las condiciones
necesarias para construir prácticas de investigación responsables. El tratamiento reflexivo y
argumentativo del tema se ajusta a la naturaleza de los ensayos académicos, entendidos como
textos analíticos y críticos sustentados en fuentes originales.
El Origen del Temor Ante la Inteligencia Artificial Generativa
El temor de la comunidad universitaria no debe considerarse únicamente una resistencia al
cambio. Existen preocupaciones legítimas derivadas de las características de los sistemas
generativos. Una de las principales es la responsabilidad de producir información falsa o
imprecisa. Los modelos de lenguaje generan respuestas a partir de patrones estadísticos, pero no
garantizan que sus afirmaciones sean verdaderas. Pueden presentar datos incorrectos, citas
inexistentes o interpretaciones sin respaldo, aunque el texto parezca coherente y convincente.
Farquhar et al. (2024) señalan que los grandes modelos de lenguaje pueden producir contenidos
plausibles que no corresponden a información verificable. Este fenómeno, conocido como
alucinación, representa un riesgo importante para la investigación científica. Athaluri et al. (2023)
documentaron referencias ficticias y errores bibliográficos en textos generados por inteligencia
artificial, lo que demuestra que ninguna fuente sugerida por estas herramientas debe
incorporarse sin haber sido localizada, revisada y comprobada.
Otra preocupación se relaciona con la autoría. La escritura académica no consiste solamente en
presentar ideas terminadas, es un proceso mediante el cual se organiza el pensamiento, se
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
10
confrontan conceptos y se construyen argumentos. Cuando la generación de contenido se delega
en exceso, puede debilitarse la capacidad de análisis de quien investiga. También surgen
interrogantes sobre el grado de intervención tecnológica que debe declararse y sobre quién
responde por un contenido producido parcialmente por un sistema automatizado.
La integridad académica constituye otra fuente de incertidumbre. En algunas instituciones, la
inteligencia artificial se ha asociado de inmediato con el plagio y el fraude. No obstante, no todo
uso constituye una conducta deshonesta, puede emplearse legítimamente para corregir la
gramática, mejorar la claridad, traducir un fragmento o generar preguntas de reflexión. El
problema surge cuando se utiliza para sustituir la contribución intelectual y el contenido se
presenta como si hubiera sido elaborado íntegramente por la persona autora.
Bittle y El-Gayar (2025) indican que las respuestas institucionales no deberían centrarse
únicamente en detectar textos generados por IAG. Es necesario establecer políticas claras,
fortalecer la alfabetización en inteligencia artificial generativa y diseñar formas de evaluación que
permitan valorar los procesos de razonamiento, las evidencias y la capacidad de defender los
resultados.
El temor también se intensifica por la falta de lineamientos universitarios consistentes. Una
herramienta puede estar permitida en un programa y prohibida por el otro; puede aceptarse para
revisar el estilo, pero no existe orientación sobre cómo declarar su uso. Esta ambigüedad favorece
tanto la utilización oculta como el rechazo defensivo. Davis y Csáki (2024) señalan que las
instituciones de educación superior han comenzado a formular políticas basadas en la
responsabilidad, la transparencia, la protección de los derechos y la supervisión humana, aunque
su aplicación sigue siendo desigual.
Posibilidades Para la Investigación Universitaria
A pesar de los riesgos, la inteligencia artificial ofrece oportunidades relevantes. Durante la
delimitación de un problema, puede ayudar a formular preguntas iniciales, a identificar
perspectivas y a explorar relaciones conceptuales. Estas respuestas no deben asumirse como
conocimiento definitivo, sino como estímulos para la reflexión que, posteriormente, deben
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
11
contrastarse con la literatura especializada. La revisión bibliográfica puede apoyar la organización
de documentos, la comparación de conceptos y la elaboración preliminar de matrices. Las
herramientas conectadas a conjuntos documentales delimitados facilitan la localización de
fragmentos y la síntesis de la información.
Sin embargo, ninguna síntesis automática sustituye la lectura crítica de las fuentes originales,
pues puede omitir matices, confundir resultados y conclusiones o ignorar limitaciones
metodológicas. En el diseño de instrumentos, la inteligencia artificial puede contribuir a evaluar
la claridad de las preguntas, identificar posibles ambigüedades y proponer formatos. Su
intervención debe considerarse únicamente preliminar, ya que la validez de los instrumentos
requiere revisión por expertos, pilotaje y análisis metodológico.
En los estudios cuantitativos puede ayudar a generar código, explicar procedimientos estadísticos
y detectar errores. En investigaciones cualitativas, puede apoyar la organización inicial de los
datos o la identificación exploratoria de patrones. En este último caso debe actuarse con especial
precaución, porque introducir entrevistas o testimonios en plataformas externas puede vulnerar
la confidencialidad. Además, una categoría propuesta por el sistema puede carecer de
sensibilidad contextual y reproducir sesgos presentes en sus datos de entrenamiento.
En la redacción científica estas herramientas pueden mejorar la gramática, sugerir alternativas
expresivas, traducir contenidos y verificar la coherencia. Esta posibilidad resulta especialmente
útil para quienes escriben en una segunda lengua. No obstante, la mejora lingüística nunca debe
sustituir la construcción del argumento, la selección de la evidencia ni la interpretación de los
resultados. Bond et al. (2024) consideran que la inteligencia artificial en la educación superior
debe estudiarse y emplearse con mayor rigor, con colaboración interdisciplinaria y con atención
ética. Su utilidad no debe medirse solo por la rapidez con que produce textos, sino por su
capacidad para contribuir a investigaciones relevantes, verificables y socialmente responsables.
Responsabilidad, Transparencia y Autoría
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
12
La responsabilidad humana constituye el principio central de cualquier integración ética. Una
herramienta no puede asumir las obligaciones de una persona investigadora, justificar decisiones
metodológicas, responder ante los participantes ni rendir cuentas de los errores, quien incorpora
contenido generado es responsable de verificar su exactitud y responder por sus consecuencias.
Resnik y Hosseini (2024) proponen que los investigadores identifiquen errores y sesgos, describan
claramente cómo utilizaron los sistemas, protejan a las comunidades involucradas y eviten
atribuir la autoría a las herramientas. La supervisión humana debe ser significativa: comprender
la finalidad del sistema, evaluar sus productos, documentar las decisiones y conservar la
autoridad para rechazar cualquier resultado. La transparencia es indispensable para construir
confianza.
El declarar que se utilizó inteligencia artificial generativa resulta insuficiente. Debe indicarse cuál
herramienta se empleó, con qué propósito, en cuál etapa de la investigación, qué tipo de
información se introdujo y cómo se verificaron las respuestas. La World Association of Medical
Editors sostiene que los sistemas generativos no pueden figurar como autores porque no cumplen
los criterios de responsabilidad, aprobación final y declaración de conflictos de interés.
Sin embargo, su uso sustantivo debe comunicarse con claridad (Zielinski et al., 2023). La
declaración de uso no debería interpretarse automáticamente como un reconocimiento de una
falta. Por el contrario, debe considerarse una práctica de integridad. Las universidades y revistas
necesitan establecer criterios proporcionales: una corrección ortográfica no tiene el mismo
impacto que la generación de fragmentos completos, la elaboración de códigos analíticos o la
formulación de interpretaciones.
Privacidad, Sesgos y Equidad
La protección de datos representa uno de los mayores desafíos. La facilidad para introducir
información en una plataforma conversacional puede hacer olvidar que los datos se transfieren a
servidores externos. Las revistas, expedientes y evaluaciones pueden contener nombres,
experiencias personales o información institucional reservada. Antes de utilizar una herramienta,
es necesario conocer cómo almacena los datos, quién puede acceder a ellos y si se utilizan para
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
13
entrenar o mejorar el sistema. Cuando estas condiciones no estén claras, no deben introducirse
datos confidenciales.
La anonimización debe realizarse previamente y las universidades deben proporcionar entornos
seguros, protocolos de desidentificación y asesoría especializada. Prohibir el uso sin ofrecer
alternativas puede provocar prácticas clandestinas o limitar investigaciones legítimas. Los sesgos
también requieren atención. Los modelos se entrenan con grandes conjuntos de datos que
reflejan desigualdades sociales, culturales y lingüísticas. En consecuencia, pueden favorecer
perspectivas dominantes, publicaciones en inglés y teorías provenientes del Norte Global,
mientras invisibilizan los conocimientos locales.
La justicia epistemológica exige preguntarse cuáles voces están representadas y cuáles quedan
excluidas. Las universidades latinoamericanas deben evaluar la pertinencia y determinar cuáles
quedan excluidas, así como considerar la pertenencia contextual de las respuestas generadas y
promover investigaciones sobre el desempeño de estas tecnologías en español y en realidades
regionales.
La desigualdad de acceso constituye otro problema. Las versiones gratuitas suelen ofrecer
capacidades limitadas, mientras que las herramientas avanzadas requieren una suscripción. La
integración ética debe impedir que la posibilidad de pagar determinados servicios se convierta en
una ventaja académica determinante.
Formación y Gobernanza Universitaria
El tránsito del temor a la confianza depende de la formación. No basta con enseñar a redactar
instrucciones. La alfabetización en inteligencia artificial debe incluir conocimientos técnicos
básicos, búsqueda y verificación de información, metodología, ética, privacidad, autoría y análisis
de sesgos.
Los estudiantes necesitan aprender a utilizar estas herramientas sin sustituir los procesos
formativos. Los investigadores requieren protocolos para la gestión de datos, el análisis y la
publicación. Los docentes deben contar con criterios para orientar y evaluar. Los comités de ética,
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
14
las bibliotecas y las áreas jurídicas necesitan una preparación especializada acorde con sus
responsabilidades. Las prohibiciones generales difícilmente constituyen una solución sostenible.
Muchas funciones de inteligencia artificial ya están integradas en buscadores, plataformas y
procesadores de texto. Resulta más pertinente establecer una gobernanza diferenciada basada
en niveles de riesgo.
Los usos permitidos podrían incluir la exploración de ideas, la corrección lingüística y la
elaboración de materiales de divulgación. Los usos condicionados comprenderían el análisis de
datos, la generación de código o la revisión de documentos internos, siempre con autorización y
validación. Entre los usos prohibidos deben figurar la fabricación de resultados, la invención de
fuentes, la introducción de información confidencial en sistemas no autorizados y la delegación
de decisiones éticas. Las políticas deben actualizarse periódicamente y acompañarse de asesoría,
infraestructura y mecanismos de evaluación. La responsabilidad individual es necesaria, pero no
suficiente. Las instituciones deben proporcionar las condiciones que posibiliten el cumplimiento
de sus propias normas.
CONCLUSIÓN
La inteligencia artificial generativa ha transformado las prácticas de investigación en la educación
superior. Frente a este fenómeno la universidad no puede limitarse ni a una aceptación entusiasta
ni a una prohibición absoluta, ambas posiciones ignoran la complejidad de una tecnología que
ofrece oportunidades importantes, pero también conlleva riesgos epistemológicos, éticos y
sociales.
El temor de docentes e investigadores tiene fundamentos legítimos: información falsa,
referencias inexistentes, pérdida de autoría, vulneración de datos, sesgos y desigualdad en el
acceso. Sin embargo, estas preocupaciones no deben conducir a la inmovilidad. La IAG puede
apoyar la organización de la información, la revisión lingüística, el análisis preliminar, la
programación y la divulgación, siempre que sus productos sean verificados. La confianza
responsable no significa creer ciegamente en la tecnología, implica comprender sus limitaciones,
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
15
utilizarla con fines justificables, proteger la información, declarar su intervención y mantener la
responsabilidad humana.
Ningún sistema puede sustituir el juicio epistemológico, la sensibilidad contextual ni el
compromiso ético de la persona investigadora. Las universidades deben formar a sus
comunidades, establecer políticas diferenciadas y ofrecer infraestructura segura. Asimismo,
necesitan promover investigaciones contextualizadas que consideren las realidades lingüísticas y
culturales de América Latina. Pasar del temor a la confianza implica aprender a cuestionar,
verificar y decidir de manera responsable. La inteligencia artificial puede ampliar las capacidades
de la investigación universitaria, pero únicamente cuando permanece subordinada a los
principios de integridad, transparencia, equidad y bien común.
REFERENCIAS
Athaluri, S., Manthena, S., Kesapragada, V., Yarlagadda, V., Dave, T., y Duddumpudi, R. (2023).
Exploring the boundaries of reality: Investigating Phenomenon of artificial intelligence
hallucination in scientific writing through ChatGPT references. Cureus, 15(4), e37432.
https://doi.org/10.7759/cureus.37432
Bittle, K., & El-Gayar, O. (2025). Generative AI and academic integrity in higher education: A
systematic review and research agenda. Information, 16(4), 296.
https://doi.org/10.3390/info16040296
Bond, M., Khosravi, H., De Laat, M., Bergdahl, N., Negrea, V., Oxley, E., Pham, P., Chong, S. W., &
Siemens, G. (2024). A meta systematic review of artificial intelligence in higher education:
A call for increased ethics, collaboration, and rigour. International Journal of Educational
Technology in Higher Education, 21, Article 4. https://doi.org/10.1186/s41239-023-
00436-z
Dabis, A., & Csáki, C. (2024). AI and ethics: Investigating the first policy responses of higher
education institutions to generative AI. Humanities and Social Sciences Communications,
11, 1006. https://doi.org/10.1057/s41599-024-03526-z
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
16
Farquhar, S., Kossen, J., Kuhn, L., & Gal, Y. (2024). Detecting hallucinations in large language
models using semantic entropy. Nature, 630, 625–630. https://doi.org/10.1038/s41586-
024-07421-0
Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO.
Resnik, D. B., & Hosseini, M. (2025). The ethics of using artificial intelligence in scientific research:
New guidance needed for a new tool. AI and Ethics, 5, 1499–1521.
https://doi.org/10.1007/s43681-024-00493-8
Zielinski C, Winker MA, Aggarwal R, Ferris LE, Heinemann M, Lapeña JF, Pai SA, Ing Edsel, Citrome
L, Alam M, Voight M, Habibzadeh F. (2023). Chatbots, generative AI, and scholarly
manuscripts: WAME recommendations on chatbots and generative artificial intelligence
in relation to scholarly publications. (2023). Colombia Medica, 54(3),
e1015868. https://doi.org/10.25100/cm.v54i3.5868
ISSN: 2953-7606
Revista Innovación Universitaria
Universidad Internacional de las Américas
ISSN: 2953-7606
Volumen 8, octubre 2026
Costa RicaCosta Rica
