En los últimos años, la educación superior se ha preguntado por el impacto que tendrá la inteligencia artificial en la enseñanza. ¿La usarán los estudiantes para redactar trabajos? ¿Deberían los profesores permitir su uso en el aula? ¿Puede mejorar la retroalimentación, personalizar el aprendizaje o acelerar la investigación?

Las universidades han creado grupos de trabajo, emitido directrices y adquirido nuevas plataformas, mientras que se ha pedido al profesorado que replantee la evaluación casi al mismo ritmo en que evoluciona la tecnología.

Sin embargo, bajo estos debates tan visibles subyace otra cuestión que podría resultar más trascendental para el futuro de la educación superior: ¿Qué sucede cuando la IA comienza a realizar tareas para las que históricamente las universidades han contratado personal?

En ese momento, la IA deja de ser simplemente una tecnología educativa y se convierte en una tecnología laboral.

Una vez que la IA entra en la relación laboral, surgen preguntas que un departamento de tecnología de la información, por sí solo, no puede resolver. ¿Quién decide si la IA puede realizar tareas previamente asignadas al profesorado? ¿Puede la IA modificar las necesidades de personal? ¿
¿
Quién es el propietario de los materiales académicos utilizados para desarrollar sistemas de IA? ¿Puede el análisis algorítmico influir en las evaluaciones del profesorado? Si la IA agiliza el trabajo académico, ¿quién se beneficia del tiempo ahorrado? Si la supervisión de la IA crea nuevo trabajo, ¿dónde se refleja ese trabajo en los cálculos de carga laboral?

Estas preguntas ya no son hipotéticas. Cada vez aparecen con mayor frecuencia en convenios colectivos, memorandos de entendimiento y políticas sindicales.

La IA ya ha llegado a la mesa de negociación.

En la Universidad de la Ciudad de Nueva York, el acuerdo 2023-27 entre CUNY y el Professional Staff Congress exige que el instructor responsable de cada curso tenga un título de personal docente. El sindicato describe esta disposición como una salvaguarda contra la subcontratación de funciones docentes a la inteligencia artificial.

El acuerdo también establece un comité laboral-administrativo de tecnología educativa cuyas discusiones incluyen inteligencia artificial, capacitación tecnológica, diseño instruccional y el impacto de las modalidades de enseñanza en línea en los términos y condiciones de empleo.

Las  disposiciones relevantes se establecen en el acuerdo PSC-CUNY 2023-27 . Desde entonces, el sindicato ha discutido las implicaciones para la IA y el empleo académico en su cobertura de la  protección de los empleos de CUNY frente a la IA .

En junio de 2024, la Universidad de Miami en Ohio y la Faculty Alliance of Miami, AAUP-AFT, firmaron un  memorando de entendimiento sobre inteligencia artificial . El acuerdo prevé conversaciones entre la dirección y los trabajadores sobre los efectos de la IA en el profesorado de la unidad de negociación y permite a ambas partes proponer directrices para programas y herramientas de IA específicos.

El caso de Miami resulta particularmente ilustrativo porque también demuestra por qué no se deben sobrestimar las dimensiones legales de la negociación en materia de IA.

El sindicato argumentó que la IA afectaba las condiciones laborales y, por lo tanto, requería negociación, mientras que la universidad impugnó la idea de que la IA fuera automáticamente un tema de negociación obligatorio. Un posterior  memorando de entendimiento del grupo de trabajo sobre IA  documentó el proceso en curso.

La lección es importante: no existe una norma universal que convierta la IA en un tema de negociación obligatorio en todos los sistemas de educación superior. La legislación laboral, los contratos vigentes y los acuerdos de gobernanza institucional varían según la jurisdicción. Sin embargo, cuando la IA afecta la carga de trabajo, la evaluación, la propiedad intelectual, la seguridad laboral u otras condiciones de empleo, puede convertirse en un tema legítimo de negociación.

En los colegios comunitarios de Spokane, en el estado de Washington,  el Contrato Marco 2025-2028  reconoce explícitamente la IA como un tema en rápida evolución y exige un diálogo continuo entre los colegios y la asociación de profesores.

Las cuestiones no resueltas relacionadas con la IA pueden remitirse a un comité ejecutivo conjunto.  Un informe de la Asociación Nacional de Educación  muestra la importancia de estas disposiciones al proponer nuevas funciones de IA para los sistemas tecnológicos institucionales.

Fuera de Estados Unidos, los sindicatos y las asociaciones académicas avanzan en la misma dirección.

En noviembre de 2025, la Asociación Canadiense de Profesores Universitarios (CAUT)  aprobó una política sobre IA generativa  para ayudar a las asociaciones de personal académico a desarrollar el lenguaje de los convenios colectivos y la gobernanza institucional. La política aborda la seguridad laboral, la carga de trabajo, la propiedad intelectual, la privacidad, la gobernanza colegiada y la protección del personal académico contratado.

En el Reino Unido, los principios del Sindicato de Universidades y Colegios  (UCU) para el uso de la inteligencia artificial  establecen que la introducción de tecnologías de IA que afecten al personal y las condiciones laborales debe estar sujeta a consulta y acuerdo mediante procesos de negociación colectiva reconocidos antes de su implementación. El UCU también exige la protección de la propiedad intelectual creada por el personal y una mayor transparencia en la adquisición de IA.

A nivel mundial, la Internacional de la Educación convocó a más de 200 líderes sindicales, educadores y expertos en Bruselas en diciembre de 2025 para su primera conferencia mundial centrada específicamente en la IA en la educación, con participantes adicionales que se unieron de forma remota.

Su informe de la conferencia  muestra que la IA y el futuro del trabajo educativo forman parte ahora de la agenda sindical internacional.

Cuando la IA realiza un trabajo, ¿de quién se considera el trabajo?

La primera cuestión laboral es engañosamente sencilla: ¿Puede la IA realizar el trabajo que tradicionalmente realizan los profesores u otros empleados universitarios?

Las universidades llevan mucho tiempo lidiando con cuestiones relacionadas con la subcontratación y la externalización. La IA introduce una versión distinta del mismo problema estructural, ya que el trabajo no necesariamente se traslada a otro empleado ni a un contratista externo. Parte de él puede, en cambio, trasladarse a un sistema computacional.

Consideremos la asesoría académica. Los sistemas de IA pueden responder preguntas rutinarias sobre los requisitos de los cursos, los horarios y la progresión académica. Los sistemas generativos pueden producir materiales didácticos, proporcionar retroalimentación preliminar, resumir las consultas de los estudiantes y ayudar con la redacción administrativa rutinaria.

La cuestión laboral comienza antes de que alguien pierda su empleo: cuando se modifican los límites del puesto. Una universidad podría mantener a los profesores mientras redistribuye el trabajo entre ellos: el profesorado diseña el curso, la IA genera materiales de apoyo y gestiona las preguntas rutinarias, y el personal profesional interviene únicamente cuando los casos superan la capacidad del sistema. Esto no es necesariamente una sustitución; es una reconfiguración del trabajo académico.

La preocupación es especialmente relevante para el personal académico eventual y contratado, cuyos puestos ya pueden carecer de las protecciones laborales que se ofrecen al profesorado permanente.

La política de la CAUT  destaca la vulnerabilidad del personal académico contratado, mientras que  el informe de la AAUP de 2025 sobre inteligencia artificial y las profesiones académicas  identifica preocupaciones sobre la seguridad laboral, los salarios, la autonomía profesional y la creciente dependencia del trabajo académico eventual.

Por lo tanto, la pregunta del sindicato no debería plantearse de forma tan simple: ¿Reemplazará la IA a los profesores?

Una pregunta más útil es: ¿Qué partes del trabajo académico serán más fáciles de eliminar, reorganizar, centralizar o devaluar una vez que las instituciones descubran que las máquinas pueden realizar partes del trabajo cognitivo?

El trabajo que la IA no elimina

Otro problema radica en la promesa de la automatización.

La IA también crea trabajo.

Un esquema de clase generado debe revisarse. Una síntesis de la literatura debe verificarse. Puede ser necesario rastrear las citas hasta sus fuentes originales. Los resultados deben evaluarse para detectar errores, información fabricada, sesgos y suposiciones inapropiadas.

El profesorado debe determinar qué información del estudiante puede ingresarse de forma segura en los sistemas comerciales. Es posible que sea necesario rediseñar las tareas y los exámenes a medida que la IA generativa cambia lo que los estudiantes pueden producir de forma independiente.

Yo describiría esta categoría emergente como trabajo de verificación de IA.

Un profesor puede ahorrar tiempo generando un recurso didáctico preliminar, pero luego dedica mucho tiempo a verificar su fiabilidad. Un instructor puede utilizar la retroalimentación asistida por IA sin dejar de ser profesional y asegurarse de que las recomendaciones sean pedagógicamente adecuadas.

Un departamento puede adoptar la IA para reducir la carga de trabajo, mientras que el profesorado dedica simultáneamente horas adicionales a la formación, la revisión de políticas y el rediseño de evaluaciones.

El informe de la AAUP de 2025  identifica explícitamente la intensificación de la carga de trabajo como una preocupación y señala que el desarrollo profesional y la implementación de nuevas tecnologías pueden aumentarla.

Los principios de la Federación Estadounidense de Profesores para la IA en la educación superior  argumentan de manera similar que la IA no debería aumentar la carga de trabajo sin una compensación correspondiente o un ajuste de la misma.

Esto plantea una cuestión práctica de negociación colectiva: ¿Dónde figura el trabajo de verificación de la IA en el modelo de carga de trabajo?

Si una institución espera que el profesorado rediseñe las evaluaciones debido a la IA generativa, ¿se considera eso trabajo académico? Si la formación obligatoria en IA requiere varios días al año, ¿se considera parte de la carga de trabajo? Si los profesores siguen siendo profesionalmente responsables de los resultados respaldados por la IA, ¿proporciona la institución el tiempo necesario para cumplir con esa responsabilidad?

Las universidades deben tener cuidado de no contabilizar solo los minutos que ahorra la IA, dejando de lado las horas necesarias para su gestión. ¿

¿Quién recibe el dividendo de productividad?

Supongamos que la IA realmente reduce el tiempo dedicado al trabajo académico y administrativo repetitivo. Preparar materiales didácticos rutinarios se vuelve más rápido, la búsqueda de bibliografía mejora, la correspondencia se gestiona en minutos en lugar de horas y el análisis de datos se simplifica. 

¿Quién se beneficia del tiempo que la IA ahorra? Si un académico antes necesitaba cinco horas para completar un conjunto de tareas y ahora puede hacerlo en dos, esas tres horas representan una ganancia de productividad.

Podrían destinarse a más investigación, tutoría y participación intelectual con los estudiantes, o justificar otro curso, más alumnos, clases más numerosas, expectativas de respuesta más rápidas y objetivos de publicación más ambiciosos.

Yo lo llamaría el dividendo de la productividad del trabajo académico incrementada.

Repito, utilizo la frase como una proposición conceptual, no como un término establecido en el derecho laboral. Sin embargo, la cuestión distributiva subyacente ya está presente en la política sindical.

La resolución de la AFT de 2026 sobre inteligencia artificial  argumenta que los trabajadores deben participar equitativamente en los beneficios económicos del cambio tecnológico y exige derechos de negociación sobre la evaluación, adquisición, implementación, monitoreo y los efectos de la IA en el lugar de trabajo.

Se trata de una postura defensiva, no de un derecho legal universal. Pero plantea una cuestión que las universidades, tarde o temprano, tendrán dificultades para evitar.

Si la IA permite a un académico producir lo que antes requería mucho más trabajo humano, ¿quién recibe el valor creado por esa capacidad adicional? ¿La institución? ¿La empresa tecnológica? ¿Los estudiantes? ¿El profesor? ¿O todos ellos?

Una de las negociaciones más importantes sobre IA en la educación superior podría centrarse, por lo tanto, no en prohibir la IA ni en proteger una tarea académica en particular, sino en cómo se distribuyen los beneficios de la mejora de la interacción humano-máquina.

¿Puede una universidad reproducir el trabajo de un profesor?

La propiedad intelectual complica aún más el problema laboral. Las universidades poseen enormes cantidades de material generado por el profesorado: grabaciones de clases, diapositivas, programas de estudio, bancos de evaluación, diseños de cursos, comentarios escritos y resultados de investigación.

Existe una diferencia importante entre conservar una grabación de la clase de un profesor y utilizar las clases y los materiales de curso acumulados para configurar un sistema capaz de generar nuevo contenido didáctico derivado de esos materiales.

La política de la CAUT sobre IA generativa  establece que la imagen, la voz y las obras profesionales o académicas de un miembro del personal académico no deben ser reproducidas, distribuidas ni monetizadas por una institución sin su autorización.

Los principios de IA de la UCU  también establecen que el material protegido por derechos de autor generado por el personal no debe utilizarse para entrenar sistemas de IA sin su consentimiento y exigen un trato justo cuando la propiedad intelectual del personal se explota comercialmente.

Imaginemos a un profesor que ha dedicado 20 años a desarrollar un curso distintivo. La universidad posee grabaciones, diapositivas, tareas y años de material didáctico.

Si dicho material se utiliza para desarrollar un sistema de IA que reproduzca elementos significativos de la docencia del profesor, ¿qué es exactamente lo que le pertenece a la universidad? ¿Los archivos? ¿El curso? ¿O una aproximación computacional de una parte de la trayectoria profesional acumulada del profesor?

Esto plantea una cuestión que la educación superior debería abordar antes de que la capacidad técnica supere sus contratos: ¿Podría una universidad conservar una versión reproducible de parte de la docencia de un profesor incluso después de dejar de emplearlo?

Desde el análisis de datos hasta la «gestión algorítmica»,

La IA también puede transformar la relación entre universidades y empleados al hacer que el trabajo académico sea cada vez más medible. Los sistemas de gestión del aprendizaje ya recopilan datos sobre las interacciones del profesorado, los patrones de evaluación, la actividad del curso y la participación estudiantil.

Las universidades también mantienen evaluaciones de estudiantes, datos de publicaciones, información sobre subvenciones y otros indicadores de rendimiento académico. La IA aumenta la capacidad de agregar, interpretar y actuar sobre estos datos.

La Organización Internacional del Trabajo utiliza el término «gestión algorítmica»  para describir los sistemas algorítmicos que emplean datos registrados y otra información para organizar, asignar, supervisar y evaluar el trabajo.

¿Podría un sistema de IA identificar a los instructores supuestamente de bajo rendimiento?

¿Podría comparar la “productividad” del profesorado? ¿Podría recomendar la distribución de la carga de trabajo?

¿Podría incorporarse el análisis de sentimientos de las opiniones de los estudiantes a las evaluaciones del profesorado? ¿

¿Podrían los indicadores generados automáticamente influir en la renovación de contratos, en los ascensos o en los procedimientos disciplinarios?

El informe de la AAUP sobre IA y las profesiones académicas  recomienda un mayor control del profesorado sobre la tecnología educativa, límites a la monitorización intrusiva y mecanismos para que los empleados impugnen las decisiones relacionadas con la tecnología.

La encuesta del informe incluyó a aproximadamente 500 miembros de la AAUP de casi 200 campus y el 85 % manifestó estar al menos algo preocupado por la implementación de la tecnología educativa en sus instituciones.

La evidencia británica es anterior a la parte del debate actual sobre la IA generativa y resulta instructiva.  El estudio de la UCU sobre la libertad académica en la universidad digital  encuestó a más de 2000 académicos. Entre sus hallazgos, el 82,4 % estuvo de acuerdo o muy de acuerdo en que los cambios digitales en la gestión del rendimiento habían reducido la libertad académica, y el 83,8 % afirmó lo mismo respecto de las medidas digitales de la experiencia del estudiante.

La IA podría intensificar estas tendencias. Por lo tanto

Los principios de la AFT sobre IA en la educación superior  exigen que las decisiones sobre ascensos, permanencia y despidos sigan estando exclusivamente en manos de evaluadores humanos, en lugar de de sistemas de IA.

Esa es una postura política del sindicato más que una regla aplicable a todas las instituciones, pero el principio merece ser considerado: ningún académico debería perder su empleo, ascenso, derechos de carga de trabajo o estatus profesional simplemente porque un sistema opaco produjo una puntuación que no puede ser adecuadamente comprendida ni cuestionada.

Negociación sobre el ciclo de vida de la IA

Los convenios colectivos suelen negociarse durante varios años. Los sistemas de IA pueden cambiar significativamente durante la vigencia de un solo convenio.

Una plataforma adquirida con un propósito puede adquirir nuevas capacidades mediante actualizaciones de software. Un sistema de gestión del aprendizaje puede incorporar funciones generativas que no estaban disponibles en el momento de la adquisición. Un sistema de apoyo al estudiante puede adquirir gradualmente capacidades analíticas o de toma de decisiones automatizadas.

Por lo tanto, negociar la IA únicamente en el momento de la adquisición resulta insuficiente.

Propongo tratar la alternativa como una negociación sobre el ciclo de vida de la IA.

Esto significaría establecer mecanismos para que los representantes del profesorado y el personal participen en varias etapas:

• Antes de la adquisición, cuando las instituciones deciden si adquirir un sistema.

• Durante la implementación, cuando las consecuencias en la carga de trabajo, la privacidad y el empleo se vuelven más claras.

• Cuando las capacidades cambian significativamente, ya que las actualizaciones de software pueden transformar la función de un producto ya en uso.

• Durante la revisión periódica, cuando la institución evalúa si un sistema debe ampliarse, modificarse o descontinuarse.

El término «negociación del ciclo de vida de la IA» es un marco que propuse, no una doctrina contractual establecida. Sin embargo, algunos elementos de este enfoque ya son evidentes.

El Memorando de Entendimiento sobre IA de Miami  establece un diálogo continuo entre la dirección y los trabajadores.  El convenio colectivo de Spokane  proporciona un mecanismo permanente para abordar los problemas relacionados con la IA y su escalamiento.  El acuerdo de CUNY para el período 2023-2027  establece un comité recurrente entre la dirección y los trabajadores sobre tecnología educativa, con un mandato que incluye la IA.

Es posible que las universidades deban negociar no solo la adopción de tecnologías, sino también la gobernanza del cambio tecnológico a lo largo del tiempo.

Los principios de IA de la AFT  exigen la participación sindical en la identificación, adquisición y gestión de los sistemas de IA que afecten el trabajo del profesorado y del personal. Asimismo, la UCU exige mayor transparencia y rendición de cuentas en la adquisición de IA.

La lógica es sencilla. Para cuando se ha comprado un costoso sistema de IA, se ha integrado en la infraestructura universitaria y se ha incorporado a los flujos de trabajo rutinarios, la negociación sobre sus consecuencias puede ser demasiado tarde.

En el próximo convenio colectivo, los sindicatos de profesores no deberían tratar a la IA principalmente como un adversario.

Bien utilizada, la IA podría reducir la carga administrativa que ha absorbido el tiempo académico durante décadas. Podría agilizar las tareas rutinarias, apoyar la investigación y brindar al profesorado una mayor capacidad para las actividades que las universidades afirman valorar más: la investigación, la mentoría, la experimentación intelectual y la interacción significativa con los estudiantes.

Sin embargo, la ampliación y la extracción no son lo mismo. Un modelo utiliza la IA para ampliar la capacidad del personal académico, mientras que otro aprovecha las mismas ganancias de productividad para exigir más trabajo a menos personas. Ambos pueden describirse como «transformación por IA».

Por ello, la cuestión laboral más profunda en torno a la inteligencia artificial en la educación superior no es si una máquina puede hacer lo que antes hacía un profesor. Las preguntas más importantes son: ¿

¿Quién decide qué trabajo debe automatizarse? 
¿Quién sigue siendo responsable profesionalmente cuando la IA participa en el trabajo? 
¿Quién es el titular del material intelectual del que dependen los sistemas de IA? 
¿Quién realiza el trabajo adicional de verificación? 
¿Quién controla los datos utilizados para supervisar el trabajo académico? 
¿Y quién recibe el dividendo de la productividad cuando el trabajo humano se vuelve más poderoso gracias a las máquinas?

Los convenios colectivos no pueden responder a todas estas preguntas y los derechos de negociación varían considerablemente entre países y jurisdicciones. Los senados de facultades, los consejos académicos, las asociaciones profesionales, los gobiernos y los organismos reguladores seguirán desempeñando un papel fundamental.

Pero los sindicatos de profesores y las asociaciones de personal no pueden permitirse el lujo de entrar en el debate solo después de que los puestos de trabajo hayan desaparecido, la carga de trabajo haya aumentado o los sistemas institucionales de IA hayan acumulado años de conocimiento generado por el profesorado.

Otros sectores ya se han enfrentado a problemas similares.  El Acuerdo Mínimo Básico de 2026 del Sindicato de Guionistas de Estados Unidos (Writers Guild of America)  mantuvo las protecciones de la IA negociadas en 2023 y añadió requisitos para que las empresas notifiquen al Sindicato cuando concedan licencias de uso del trabajo de los guionistas para entrenar sistemas comerciales de IA generativa.

El Sindicato puede solicitar conversaciones que pueden incluir la remuneración.  El Acuerdo de Televisión/Teatro de 2026 de SAG-AFTRA  también reforzó las protecciones para las réplicas digitales y sintéticas, basándose en las protecciones de consentimiento, compensación y negociación negociadas en 2023.

La educación superior se acerca a su propia versión de ese momento, con una distinción importante.

El trabajo ahora expuesto a la automatización parcial no se centra principalmente en la producción física. Incluye la explicación, la interpretación, la evaluación, el asesoramiento, la redacción, la síntesis, la comunicación y la organización del conocimiento en sí.

En otras palabras, la IA está entrando en el ámbito que las universidades tradicionalmente han considerado propio del trabajo académico. El futuro de este trabajo no dependerá únicamente de la capacidad tecnológica. También estará condicionado por los contratos, los mecanismos de gobernanza, las decisiones institucionales y el poder de negociación de las personas cuyo trabajo se ve incrementado.

La IA ya ha llegado a las aulas, los laboratorios y las oficinas administrativas. El siguiente paso para su llegada es el convenio colectivo.

James Yoonil Auh ha sido vicepresidente del National Labor College en Estados Unidos y de la Kyung Hee Cyber ​​University en Seúl, Corea del Sur. Actualmente imparte clases en la Judson University, en Illinois. Su trabajo analiza cómo el cambio tecnológico y social transforma las instituciones, la autoridad y la capacidad de acción humana.

Este artículo es un comentario. Los artículos de opinión reflejan la postura del autor y no necesariamente la de  University World News.