En los últimos años, la educación superior se ha preguntado cuál será el impacto de 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?

James Yoonil Auh   11 de septiembre de 2026 (traducción automática de Google)

Las universidades han creado grupos de trabajo, emitido directrices y adoptado nuevas plataformas, mientras se ha pedido al profesorado que replantee la evaluación casi al mismo ritmo 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 ocurrirá cuando la IA empiece a realizar el trabajo para el que históricamente las universidades han contratado a personas?

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

Una vez que la IA se integra en la relación laboral, surgen interrogantes 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 genera nuevo trabajo, ¿dónde se refleja ese trabajo en el cálculo de la carga laboral?

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

La IA ya ha llegado a la mesa de negociación.

En la Universidad de la Ciudad de Nueva York (CUNY), el acuerdo 2023-27 entre CUNY y el Congreso del Personal Profesional exige que el profesor responsable de cada curso ostente un título de personal docente. El sindicato describe esta disposición como una medida de protección frente a la externalización de las funciones docentes a la inteligencia artificial.

El acuerdo también establece un comité de relaciones laborales sobre tecnología educativa, cuyas discusiones incluyen la inteligencia artificial, la formación tecnológica, el diseño instruccional y el impacto de las modalidades de enseñanza en línea en las condiciones de empleo.

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

En junio de 2024, la Universidad de Miami en Ohio y la Alianza de Profesores de Miami (AAUP-AFT) firmaron un memorando de entendimiento sobre inteligencia artificial . El acuerdo prevé conversaciones entre la dirección y los sindicatos sobre los efectos de la IA en el profesorado sindicalizado y permite a ambas partes proponer directrices para programas y herramientas de IA específicos.

El caso de Miami resulta particularmente instructivo 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, en sí misma, fuera automáticamente objeto de negociación obligatoria. Un memorando de entendimiento posterior 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 mecanismos 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 2025-28 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 pendientes relacionadas con la IA pueden remitirse a un comité ejecutivo conjunto. Un informe de la Asociación Nacional de Educación demuestra 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 están avanzando en la misma dirección.

En noviembre de 2025, la Asociación Canadiense de Profesores Universitarios (CAUT) aprobó una política sobre inteligencia artificial generativa para ayudar a las asociaciones de personal académico a desarrollar el lenguaje de los convenios colectivos y de 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) sobre el uso de la inteligencia artificial establecen que la introducción de tecnologías de IA que afecten al personal y a las condiciones laborales debe someterse a consulta y acuerdo mediante procesos de negociación colectiva reconocidos antes de su implementación. El UCU también exige la protección de la propiedad intelectual generada por el personal y una mayor transparencia en la adquisición de tecnologías de IA.

A nivel mundial, la Internacional de la Educación reunió en Bruselas a más de 200 líderes sindicales, educadores y expertos 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.

El informe de su conferencia demuestra que la IA y el futuro del trabajo educativo forman parte de la agenda sindical internacional.

Cuando la IA realiza un trabajo, ¿de quién se considera que es ese 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. En cambio, una parte del trabajo puede 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 el progreso académico. Los sistemas generativos pueden producir materiales didácticos, brindar retroalimentación preliminar, resumir las consultas de los estudiantes y ayudar en la redacción de tareas administrativas rutinarias.

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

Esta preocupación es especialmente relevante para el personal académico eventual y contratado, cuyos puestos pueden carecer de las protecciones laborales de las que goza el profesorado permanente.

La política de la CAUT pone de relieve 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 de la mano de obra académica eventual.

Por lo tanto, la cuestión sindical no debería plantearse de forma tan simplista: ¿Reemplazará la IA a los profesores?

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

El trabajo que la IA no elimina

Otro problema radica en la promesa de la automatización.

La IA también crea trabajo.

Se debe revisar el esquema de la clase generado. Se debe verificar la síntesis bibliográfica. Es posible que sea necesario rastrear las citas hasta sus fuentes originales. Los resultados deben evaluarse para detectar errores, información falsa, sesgos y suposiciones inapropiadas.

El profesorado debe determinar qué información de los alumnos puede introducirse de forma segura en sistemas comerciales. Es posible que sea necesario rediseñar las tareas y los exámenes, ya que la IA generativa modifica las capacidades de los alumnos para producir contenido de forma independiente.

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

Un profesor puede ahorrar tiempo al generar un recurso didáctico preliminar, pero luego dedicar 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 apropiadas.

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 incrementarla.

Los principios de la Federación Estadounidense de Maestros sobre la IA en la educación superior sostienen 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 en materia de negociación colectiva: ¿En qué lugar del modelo de carga de trabajo se sitúa la labor de verificación de la IA?

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 contabiliza como parte de la carga de trabajo? Si los profesores siguen siendo profesionalmente responsables de los resultados generados por la IA, ¿la institución les proporciona el tiempo necesario para cumplir con esa responsabilidad?

Las universidades deben tener cuidado de no contabilizar únicamente los minutos que ahorra la IA, sin considerar las horas necesarias para su funcionamiento.

¿Quién recibe el dividendo de productividad?

Supongamos que la IA realmente reduce el tiempo dedicado a tareas académicas y administrativas repetitivas. La preparación de materiales didácticos rutinarios se agiliza, la búsqueda bibliográfica mejora, la correspondencia se resuelve en minutos en lugar de horas y el análisis de datos se simplifica.

¿Quién es el dueño del tiempo que ahorra la IA? 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 servir para financiar más investigación, tutorías y participación intelectual con los estudiantes, o para justificar otro curso, más alumnos a cargo, clases más numerosas, expectativas de respuesta más rápidas y objetivos de publicación más ambiciosos.

Yo lo llamaría el dividendo de productividad derivado del aumento de la carga académica.

Una vez más, utilizo la frase como una proposición conceptual, más que 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 establece que los trabajadores deben participar equitativamente en los beneficios económicos derivados del cambio tecnológico y exige derechos de negociación sobre la evaluación, adquisición, implementación, supervisión y los efectos de la IA en el lugar de trabajo.

Se trata de una postura de defensa, 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?

Por lo tanto, una de las negociaciones más importantes sobre IA en la educación superior podría centrarse no en prohibir la IA o proteger una tarea académica en particular, sino en cómo se distribuyen los beneficios derivados del aumento de las capacidades humanas mediante la interacción máquina-humano.

¿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 acumulados del curso para configurar un sistema capaz de generar nuevos contenidos didácticos a partir de ellos.

La política de la CAUT sobre inteligencia artificial 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 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 consentimiento, y exigen un trato justo cuando la propiedad intelectual del personal se explota con fines comerciales.

Imagínese a un profesor que ha dedicado 20 años a desarrollar un curso único. La universidad cuenta con grabaciones, diapositivas, tareas y años de material didáctico.

Si esos materiales se utilizan para desarrollar un sistema de IA que reproduce elementos significativos de la docencia del profesor, ¿qué es exactamente lo que posee la universidad? ¿Los archivos? ¿El curso? ¿O una aproximación computacional a una parte del trabajo profesional acumulado 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, con el tiempo, una versión reproducible de parte de la enseñanza de un profesor tras dejar de emplearlo?

De la analítica a la “gestión algorítmica”

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

Las universidades también mantienen evaluaciones de los estudiantes, datos de publicaciones, información sobre subvenciones y otros indicadores del rendimiento académico. La IA aumenta la capacidad de recopilar, interpretar y actuar con base en estos datos.

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

¿Podría un sistema de IA identificar a los instructores con un rendimiento supuestamente inferior al esperado?

¿Podría compararse con la “productividad” del profesorado?

¿Podría recomendar la asignación de cargas de trabajo?

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

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

El informe de la AAUP sobre la 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 puedan cuestionar 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 algunos de los debates actuales sobre la IA generativa y resulta instructiva. El estudio de la UCU, «Libertad académica en la universidad digital», encuestó a más de 2000 académicos. Entre sus conclusiones, 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 % opinó lo mismo sobre las medidas digitales de la experiencia estudiantil.

La IA podría intensificar esas tendencias.

Por lo tanto , los principios de la AFT sobre la 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 sistemas de IA.

Se trata de una postura política del sindicato, más que de una norma aplicable a todas las instituciones, pero vale la pena considerar el principio: ningún académico debería perder su empleo, ascenso, derechos de carga de trabajo o estatus profesional simplemente porque un sistema opaco haya producido una puntuación que no pueda comprenderse ni cuestionarse adecuadamente.

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 para un propósito específico puede adquirir nuevas funcionalidades mediante actualizaciones de software. Un sistema de gestión del aprendizaje puede incorporar funciones generativas que no estaban disponibles al momento de su adquisición. Un sistema de apoyo al estudiante puede incorporar gradualmente capacidades de análisis o de toma de decisiones automatizada.

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

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

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

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

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

• Cuando las capacidades cambian significativamente, ya que las actualizaciones de software pueden transformar la función de un producto que ya está 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 conceptual que propongo, 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 permanente 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 escalabilidad. El acuerdo de CUNY para el período 2023-2027 establece un comité permanente entre la dirección y los trabajadores sobre tecnología educativa, cuyo mandato 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 la AFT sobre IA exigen la participación sindical en la identificación, adquisición y gestión de sistemas de IA que afecten el trabajo del profesorado y del personal administrativo. Asimismo, la UCU exige mayor transparencia y rendición de cuentas en la adquisición de sistemas de IA.

La lógica es sencilla. Para cuando se ha adquirido un costoso sistema de IA, se ha integrado en la infraestructura universitaria y se ha incorporado a los flujos de trabajo rutinarios, puede que ya sea demasiado tarde para negociar sus consecuencias.

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 consumido 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 docencia, la mentoría, la experimentación intelectual y la interacción significativa con los estudiantes.

Pero la ampliación y la extracción no son lo mismo. Un modelo utiliza la IA para aumentar la capacidad del personal académico, mientras que otro utiliza esas mismas mejoras de productividad para exigir más trabajo a menos personas. Ambos pueden describirse como una «transformación mediante IA».

Por eso, la cuestión laboral más profunda que rodea 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 tareas deben automatizarse?

¿Quién sigue siendo responsable profesionalmente cuando la IA participa en el trabajo?

¿Quién es el propietario 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 se beneficia del dividendo de productividad cuando el trabajo humano se vuelve más potente 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 hayan desaparecido puestos de trabajo, hayan aumentado las cargas de trabajo o hayan acumulado años de conocimiento generado por el profesorado.

Otros sectores ya se han enfrentado a problemas similares. El Acuerdo Básico Mínimo 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 otorguen licencias sobre el trabajo de los guionistas para entrenar sistemas comerciales de IA generativa.

El Sindicato puede solicitar conversaciones que incluyan la remuneración. El Acuerdo de Televisión y Cine de SAG-AFTRA de 2026 también reforzó las protecciones para las copias digitales y sintéticas, basándose en las protecciones de consentimiento, compensación y negociación acordadas en 2023.

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

El trabajo que ahora está sujeto a 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 trabajo académico. El futuro de ese trabajo no estará determinado únicamente por la capacidad tecnológica, sino también por los contratos, los mecanismos de gobernanza, las decisiones institucionales y el poder de negociación de las personas cuyo trabajo se ve potenciado.

La IA ya ha llegado a las aulas, los laboratorios y las oficinas administrativas. El siguiente lugar al que debe llegar 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 de 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.