Inteligencia artificial y aseguramiento de la calidad

La inteligencia artificial (IA) se ha consolidado en los últimos años como una de las tecnologías más transformadoras en múltiples sectores, uno de los cuales es, sin duda, la educación superior. En particular, su incorporación en los procesos de aseguramiento de la calidad de los títulos universitarios representa una oportunidad significativa para modernizar, optimizar y hacer más eficientes los sistemas de evaluación académica. En un contexto global caracterizado por la creciente demanda de transparencia, comparabilidad y mejora continua, la IA emerge como una herramienta clave para reforzar la confianza en las instituciones de educación superior y en los programas formativos que ofrecen.

El aseguramiento de la calidad en la educación universitaria tradicionalmente ha estado basado en mecanismos como la acreditación externa, la autoevaluación institucional y el seguimiento de indicadores académicos. Sin embargo, estos procesos suelen ser complejos, costosos y, en ocasiones, lentos, lo que dificulta una respuesta ágil ante los cambios del entorno educativo y laboral. En este sentido, la inteligencia artificial permite introducir nuevas dinámicas basadas en el análisis masivo de datos, la automatización de tareas y la generación de información predictiva, facilitando una toma de decisiones más informada y oportuna.

Uno de los principales aportes de la IA en este ámbito es su capacidad para analizar grandes volúmenes de datos educativos, como tasas de rendimiento, abandono, inserción laboral o satisfacción estudiantil. A través de técnicas de aprendizaje automático, es posible identificar patrones, detectar áreas de mejora y anticipar posibles problemas en los programas académicos. Esto no solo mejora la eficiencia de los procesos de evaluación, sino que también permite a las universidades adoptar un enfoque más proactivo en la gestión de la calidad.

Asimismo, la IA puede contribuir a la estandarización y objetividad de los procesos de evaluación. Por ejemplo, mediante sistemas automatizados de revisión de documentación, análisis de planes de estudio o evaluación de competencias, se pueden reducir los sesgos humanos y garantizar criterios más homogéneos en la acreditación de títulos. Además, el uso de algoritmos inteligentes facilita la comparación entre programas de distintas instituciones, favoreciendo la transparencia y la rendición de cuentas.

Otro aspecto relevante es la mejora de la experiencia del estudiante, que constituye un indicador fundamental de calidad. Las herramientas basadas en IA, como los sistemas de recomendación o los asistentes virtuales, pueden ofrecer un acompañamiento más personalizado, adaptado a las necesidades y ritmos de aprendizaje de cada alumno. Esta personalización no solo impacta positivamente en los resultados académicos, sino que también proporciona información valiosa para la evaluación continua de los programas formativos.

No obstante, la incorporación de la inteligencia artificial en el aseguramiento de la calidad también plantea desafíos importantes. Entre ellos destacan la necesidad de garantizar la protección de datos personales, la transparencia en el funcionamiento de los algoritmos y la formación adecuada del personal académico y administrativo. Además, es fundamental evitar una dependencia excesiva de la tecnología que pueda deshumanizar los procesos educativos o reducir la complejidad de la evaluación a meros indicadores cuantitativos.

En conclusión, la inteligencia artificial ofrece un amplio abanico de posibilidades para fortalecer el aseguramiento de la calidad de los títulos universitarios, aportando eficiencia, objetividad y capacidad predictiva. Sin embargo, su implementación debe realizarse de manera ética, responsable y complementaria a los enfoques tradicionales, asegurando que la tecnología esté al servicio de una educación superior de calidad, inclusiva y orientada al desarrollo integral de los estudiantes.

En esta segunda sesión contaremos con la presencia de Jesús Bescós Cano, vicerrector de Planificación y Estrategia de la Universidad Autónoma de Madrid (UAM); Manuel Lázaro Pulido, director de la Agencia para la Calidad del Sistema Universitario de Castilla y León; junto a los propios coordinadores del ciclo: el profesor Pingarrón, Rubén González Crespo, Isabel Diez Vial y Rafael Puyol.

Coordinadores del ciclo

José Manuel Pingarrón

Director del ciclo “Buenas prácticas de la universidad española en la implementación de la IA generativa” en UNIR. Catedrático de Química Analítica en la Universidad Complutense de Madrid desde 1994, ha sido secretario general de Universidades entre 2018 y 2024. Licenciado en Ciencias Químicas y Doctor en Ciencias por la Universidad Complutense de Madrid. Profesor Visitante en la Universidad de Cornell, EE.UU. y estancia postdoctoral en l’École Nationale Supérieure de Chimie de París.

Rubén González Crespo

Vicerrector de Organización y Planificación Académica en UNIR. Catedrático de Ciencias de la Computación e Inteligencia Artificial. Asesor del Ministerio de Educación, de España y de Colombia, en el ámbito universitario. Doctor Ingeniero en Ingeniería Informática e Ingeniero en Ingeniería en Organización Industrial por la Universidad Pontificia de Salamanca. Máster en Dirección y Gestión de Proyectos y Máster en Ingeniería Web por la misma universidad. Diplomado en Estudios Internacionales por la Sociedad de Estudios Internacionales.

Otros ciclos de seminarios del profesor Pingarrón

Ciclo III:  Buenas prácticas de la universidad española en la implementación de la IA generativa

• Sesión 1. 12 de mayo de 2026. Inteligencia artificial en la docencia universitaria

Ciclo II:  La universidad pública ante los retos sociales

• Sesión 5.  11 de diciembre de 2025. Las limitaciones de las universidades públicas para el cumplimiento de sus objetivo
• Sesión 4. 13 de noviembre de 2025. La propuesta de la universidad pública para el estudiantado
• Sesión 3.  27 de octubre de 2025. ¿Cómo está implementado la universidad pública la IA?
• Sesión 2 . 8 de septiembre de 2025. Nuevos modelos de aprendizaje en la universidad pública: Valor añadido de la presencialidad y el papel de la enseñanza híbrida
• Sesión 1.  18 de julio de 2025. Globalización frente al impacto local: la cooperación interuniversitaria en la universidad pública

Ciclo I:  Cooperación interuniversitaria: Creando alianzas para la universidad que llega

• Sesión 5. 30 de mayo de 2025 – Interconexión entre universidades: herramientas y procedimientos digitales conjuntos
• Sesión 4. 09 de abril de 2025 – Hacia un modelo iberoamericano similar al de las alianzas europeas
• Sesión 3. 12 de marzo de 2025 – Cooperación interuniversitaria a nivel internacional: el caso iberoamericano
• Sesión 2. 13 de febrero de 2025 – Alianzas universitarias para una investigación y transferencia de conocimiento más potentes
• Sesión 1. 16 de enero de 2025 – Cooperación interuniversitaria entre universidades españolas para diseñar planes de estudio conjuntos