I. ¿Por qué este manifiesto?

La respuesta a una evaluación vulnerable no es una vigilancia más fina. Es una evidencia distinta.

En julio de 2026, el examen de ingreso a la licenciatura de la principal universidad pública del país, aplicado en línea, produjo una distribución de resultados sin precedente: de acuerdo con la cobertura pública del caso, 16.3% de los sustentantes obtuvo calificaciones de 100 o más, frente a un promedio de 3.5% entre 2021 y 2025. Se invalidaron alrededor de 3,000 de aproximadamente 150,000 exámenes y se convocó a un examen de control presencial para cerca de 58,000 aspirantes que ya habían alcanzado el umbral de aprobación (Villaseñor y Xantomila, 2026)

El dato decisivo es que la vigilancia estaba activada. Hubo requerimientos de cámara y micrófono. Hubo una herramienta de detección de Inteligencia Artificial. El sistema de control funcionó como fue diseñado y aun así el proceso falló. No falló por insuficiente. Falló porque protegía el instrumento equivocado.

Un examen masivo de reactivos cerrados descansa sobre un supuesto: que producir la respuesta correcta es evidencia de haber pensado. Ese supuesto dejó de ser verdadero. Cuando el indicador se rompe, la vigilancia solo puede defender el indicador roto; no puede restituir la evidencia perdida. Por eso responder con más monitorreo, más biometría, más sospecha y más castigo no resuelve nada: posterga la discusión de fondo y traslada su costo a los estudiantes.

Lo que este episodio dejó al descubierto no solo es una crisis de honestidad de una generación. Es una crisis de diseño de un sistema, en este caso, el educativo, lo que nos hace reflexionar sobre la necesidad de transformar los modelos académicos actuales de las Instituciones de Educación Superior (IES). En una primera instancia, un examen de ingreso a la licenciatura visibiliza problemas y crisis estructurales que inciden la necesidad de replantear no solo los modelos de evaluación, sino también los procesos de ingreso a las instituciones de educación superior, y en el mejor de los casos, valorar el aprovechamiento de la transformación digital y el uso creciente de los sistemas de Inteligencia Artificial en Educación para la mejora de la calidad educativa. 

La digitalización de procesos de evaluación online asistidos con IA ha puesto al descubierto la fragilidad de instrumentos diseñados, filtros y ambientes de aplicación. Pero más allá de lo digital, ha visibilizado una crisis ética que alude a la necesidad de asegurar un lugar en una institución y carrera de alta demanda, en la que si se sigue respondiendo con mayor vigilancia, castigo, desconfianza sistemática o soluciones punitivas sólo posterga la discusión de fondo sin llegar a una solución que permita una verdadera inclusión educativa. Existe la necesidad latente de recuperar los marcos axiológicos y éticos que emanan de la dignidad, justicia social y de la agencia de las habilidades humanas. Considerando a las personas como fin y no como medio. Esto implica que a la par del desarrollo académico, profesional y ciudadano, el uso de la Inteligencia Artificial también es deseable que promueva el desarrollo humano integral e innovación para la mejora de la calidad de vida de las personas a la par de la calidad educativa.    

Detrás de todo esto, hay una obligación jurídica: La fracción X del artículo 3.º constitucional que establece:

Garantizar el acceso no significa solamente aplicar un examen. Significa diseñar un procedimiento capaz de distinguir, con justicia y sin humillar a nadie, quién cuenta con las condiciones necesarias para continuar una determinada trayectoria formativa y, al mismo tiempo, reconocer que esas capacidades pueden haberse construido a partir de experiencias, saberes y recorridos sociales muy distintos. Ese es el trabajo que corresponde hacer ahora.

Esta discusión adquiere especial relevancia ante los cambios sustantivos ocurridos en el marco constitucional y legal mexicano. El artículo 3.º de la Constitución reconoce el derecho de toda persona a gozar de los beneficios del desarrollo de la ciencia y la innovación tecnológica, mientras que la legislación posterior desarrolla este principio en términos del derecho humano a la ciencia, el acceso universal al conocimiento y la progresividad de este derecho. En el ámbito de la educación superior, este marco se complementa con principios de igualdad de oportunidades, inclusión, reconocimiento de la diversidad, interculturalidad y respeto a la dignidad de las personas.

Desde esta perspectiva, ampliar el acceso no supone renunciar a criterios académicos ni eliminar la evaluación de capacidades necesarias para cursar un determinado grado. Implica, más bien, revisar críticamente qué se evalúa, de qué manera se evalúa y qué tipos de saberes y trayectorias son reconocidos por los mecanismos de admisión. El desafío consiste en construir procedimientos capaces de valorar competencias indispensables —como el pensamiento crítico, la capacidad de argumentación, la comprensión y las habilidades requeridas por cada nivel formativo— sin convertir una única trayectoria educativa, una determinada forma de expresión o un capital cultural específico en la medida implícita de quién merece ingresar.

Por ello, avanzar hacia formas más inclusivas y justas de admisión requiere incorporar la diversidad de saberes, experiencias y trayectorias sociales sin disminuir la exigencia académica. Se trata, precisamente, de hacer más rigurosa la evaluación: distinguir las capacidades necesarias para continuar una formación de aquellas diferencias sociales, culturales, lingüísticas o educativas que no deberían operar como barreras de exclusión.

Quienes suscribimos este documento sostenemos que la transformación digital y la Inteligencia Artificial deben ponerse al servicio del desarrollo humano: las personas como fin y nunca como medio. Y sostenemos que esa afirmación solo tiene valor si se traduce en arquitectura, presupuesto, plazos y rendición de cuentas. Este manifiesto propone ambas cosas: lo que afirmamos y lo que nos comprometemos a construir.

II. Lo que afirmamos

1. La Inteligencia Artificial es un medio, no el fin de la educación

Las directrices institucionales deben fundamentarse en los derechos humanos —particularmente en la dignidad, la agencia y la responsabilidad—, en la soberanía de los datos y en la comprensión de la educación y la ciencia como bienes públicos. Esto exige evitar que la agenda pedagógica, académica e investigativa quede subordinada a los intereses, las arquitecturas o las posibilidades técnicas definidas por el mercado tecnológico. Ninguna decisión sobre cómo se enseña, qué se aprende, cómo se investiga o de qué manera se evalúa debería adoptarse simplemente porque una plataforma lo permite, lo facilita o lo convierte en la opción más eficiente.

Este principio remite a dos dimensiones complementarias de la soberanía. La soberanía tecnológica supone conservar capacidad institucional para decidir sobre los datos, la infraestructura de cómputo, los modelos, las interfaces, las condiciones de acceso y las reglas mediante las cuales una tecnología participa en los procesos educativos y científicos. No implica necesariamente autosuficiencia tecnológica, sino evitar dependencias que hagan imposible auditar, modificar, trasladar o incluso sostener prácticas institucionales cuando cambian los costos, las condiciones de servicio o las decisiones de un proveedor. La soberanía epistémica, por su parte, refiere a la capacidad colectiva de definir bajo qué criterios una tecnología puede intervenir en la producción de conocimiento: qué fuentes se consideran pertinentes, quién puede validar una respuesta, qué procedimientos requieren trazabilidad, dónde debe permanecer el juicio humano y quién conserva la autoridad final sobre la pertinencia, la interpretación y el sentido de aquello que se produce.

Cuanto más se alejen las instituciones educativas de esta discusión, mayor es el riesgo de que la incorporación tecnológica derive en procesos de plataformización no mediados institucionalmente. La plataformización no consiste únicamente en utilizar plataformas digitales: ocurre cuando las arquitecturas, métricas, categorías y posibilidades de acción diseñadas por actores externos comienzan a reorganizar las prácticas de enseñanza, evaluación, investigación y circulación del conocimiento. En ese escenario, decisiones que anteriormente eran pedagógicas, científicas o colegiadas pueden desplazarse progresivamente hacia configuraciones técnicas predeterminadas: qué puede producirse, qué queda registrado, qué se considera desempeño, cómo se recupera la información, qué fuentes aparecen primero o qué operaciones son más fáciles de realizar.

Las pérdidas potenciales son sustanciales y ocurren en distintos niveles. En el plano tecnológico, puede disminuir el control institucional sobre datos, infraestructura, trazabilidad y reproducibilidad. En el plano pedagógico, la optimización de tareas puede sustituir inadvertidamente procesos formativos cuyo valor reside precisamente en interpretar, argumentar, contrastar, equivocarse y reconstruir una posición propia. En el plano científico, corpus, sistemas de recuperación y modelos desarrollados fuera de los contextos donde serán utilizados pueden reforzar asimetrías de representación y hacer menos visibles lenguas, territorios, problemas y tradiciones de conocimiento con menor presencia digital. Finalmente, en el plano epistémico, existe el riesgo de trasladar progresivamente la autoridad desde comunidades académicas capaces de justificar y disputar sus criterios hacia sistemas cuya principal capacidad es producir resultados plausibles.

2. Superar los formatos tradicionales de ingreso

Es necesario transitar de los formatos memorísticos y de opción múltiple hacia ejercicios de diagnóstico formativo que valoren procesos de pensamiento complejo y crítico, y también los marcos éticos y axiológicos que orientan al estudiantado. Los exámenes masivos de respuesta cerrada han demostrado ser vulnerables ante los modelos de lenguaje y no reflejan el potencial intelectual ni ético del aspirante. Se requiere realizar instrumentos que evalúen precisamente aquello que corre el riesgo de ser soslayado por la dependencia a los sistemas de IA: la capacidad crítica, la argumentación situada, la resolución de problemas reales, la creatividad, la curiosidad, la imaginación, la agencia, la empatía, la solidaridad y la metacognición.

3. Dignidad del aspirante frente a la vigilancia digital invasiva

El uso de sistemas de proctoring, monitoreo ocular y recolección de datos biométricos para vigilar pruebas puede abrir problemas semejantes a los que hoy observamos en las grandes plataformas digitales: datos inicialmente recopilados para una finalidad específica terminan posibilitando perfiles cada vez más detallados sobre el comportamiento de las personas. El reciente juicio contra Meta en Nuevo México resulta especialmente relevante porque evidenció los riesgos asociados con la recolección y procesamiento intensivo de datos conductuales de adolescentes. En educación, no existe razón para reproducir esa lógica bajo el argumento de garantizar la integridad académica. La trazabilidad puede construirse mediante mecanismos mucho menos invasivos —historiales de versiones, entregas progresivas, portafolios, defensas orales o procesos propedéuticos— que permiten verificar autoría, aprendizaje y responsabilidad sin convertir el rostro, la mirada o los movimientos de una persona aspirante en nuevas fuentes de datos. La prioridad debe ser construir sistemas de admisión capaces de generar confianza y evidencia suficiente, no ampliar innecesariamente la infraestructura de vigilancia. En las experiencias de admisión es imperante fortalecer los círculos humanos que visibilizan la integridad, la honestidad, la confianza, la responsabilidad como parte de las relaciones intra e interpersonales que la persona asume como aspirante a una formación profesional específica

4. Debido proceso algorítmico

Ninguna decisión adversa automatizada sin nombre, sin plazo y sin réplica. Toda decisión que afecte negativamente la trayectoria de una persona y que haya sido influida por un sistema automatizado debe garantizar:

• Revisión por una persona identificable, distinta de quien tomó la decisión original.
• Responsabilidad humana. 
• Notificación con el fundamento concreto, no genérico.
• Acceso a la evidencia en forma inteligible para quien no es especialista.
• Derecho de réplica antes de que la decisión sea definitiva.
• Plazo máximo de resolución, publicado.
• Preservación provisional de la situación de la persona mientras dura la revisión.
• Publicación anual de resultados agregados, incluida la tasa de decisiones revertidas.

5. Justicia distributiva e interseccionalidad ética

En un país atravesado por asimetrías profundas de conectividad, infraestructura y capital digital, exigir las mismas condiciones de interacción o de restricción de IA a todos los aspirantes por igual sería inequitativo. Los procesos de selección deben reconocer los contextos de origen y garantizar que la mediación tecnológica no opere como un nuevo mecanismo de exclusión social, por lo cual debe existir una evaluación diferenciada en cada contexto considerando las condiciones socioeconómicas y culturales de cada región. 

6. Transparencia, auditoría y soberanía verificable

Las instituciones de educación media superior y superior deben someter sus plataformas de admisión y evaluación a auditorías independientes, éticas y pedagógicas, y transparentar el diseño de dichas plataformas y de los criterios que las gobiernan. Ningún algoritmo de cribado ni ninguna decisión automatizada puede determinar el futuro académico de las juventudes sin intervención, revisión y responsabilidad humanas. La soberanía de los datos no se declara: se contrata. Si los datos de admisión y evaluación viven en formatos propietarios, la institución no puede auditar lo que no puede leer.

7. Revisión profunda de comisiones evaluadoras y cuerpos colegiados

La regulación del uso de IA debe alcanzar también los espacios tradicionalmente invisibilizados de la evaluación académica: comisiones de dictaminación de posgrado, comités del Sistema Nacional de Investigadoras e Investigadores (SNII), comisiones de evaluación docente, cuerpos colegiados de contratación y promoción académica e investigativa, así como órganos de arbitraje editorial. En todos estos ámbitos, el problema no consiste únicamente en declarar si se utilizó o no una herramienta de IA, sino en definir con precisión qué debe entenderse por agencia y juicio humano en cada proceso.

La agencia humana supone conservar la capacidad efectiva de formular criterios, interpretar evidencias, cuestionar resultados, introducir contexto y modificar o rechazar una recomendación producida por un sistema automatizado. El juicio humano implica, además, asumir responsabilidad argumentativa por la decisión final: poder explicar por qué una persona fue admitida, un manuscrito fue rechazado, una trayectoria fue considerada pertinente o una candidatura recibió determinada valoración, sin recurrir como justificación última a que “el sistema lo indicó”. Una intervención humana meramente formal —confirmar una recomendación automática sin revisar críticamente— no constituye por sí misma ejercicio de agencia.

Por ello, cada espacio de evaluación necesita identificar qué funciones pueden recibir apoyo automatizado y cuáles deben permanecer necesariamente bajo deliberación humana. La IA puede ayudar a organizar expedientes, detectar omisiones, comparar criterios, recuperar antecedentes o señalar inconsistencias; pero la ponderación de trayectorias, la interpretación de contribuciones, la valoración de pertinencia social, la apreciación de originalidad reflexiva y la resolución de casos ambiguos requieren criterios explícitos y responsabilidad humana identificable. Esto es especialmente importante cuando las decisiones afectan oportunidades académicas, reconocimiento profesional, publicación científica o continuidad de una trayectoria.

La evaluación debe considerar la autoría, la originalidad reflexiva, la pertinencia social y el rigor epistémico, pero también la capacidad de una persona para explicar, defender y revisar aquello que presenta como propio. No basta, por tanto, con citar el uso de IA. Es necesario transparentar, en una medida proporcional al tipo de evaluación, qué funciones fueron delegadas, qué interacciones influyen sustantivamente en el resultado, qué decisiones fueron tomadas por personas y qué revisiones humanas modificaron, validaron o rechazaron las propuestas generadas por el sistema.

El reto regulatorio consiste, entonces, en evitar dos extremos: prohibir de manera indiscriminada herramientas que pueden mejorar procesos de búsqueda, organización o análisis, o aceptar como “supervisión humana” cualquier intervención mínima posterior a una recomendación automatizada. Lo necesario es definir, para cada espacio institucional, dónde comienza y termina la delegación legítima, qué decisiones requieren deliberación humana sustantiva, qué evidencia debe conservarse para hacerlas trazables y quién responde finalmente por sus consecuencias.

8. De la inversión punitiva a la inversión formativa e infraestructural

Los recursos públicos deben desplazarse del gasto en detección y control hacia la formación continua de los distintos actores educativos y hacia la infraestructura gobernada que hace posible un uso ético y crítico de estas tecnologías. El licenciamiento de detectores de plagio orientados al control punitivo —sesgados y con probabilidad de falsos positivos— es cuestionable como vía para fortalecer la integridad. La labor docente no consiste en auditar sospechas, sino en acompañar la experiencia educativa de manera dialógica, fomentando la curiosidad, el escepticismo razonado y la humildad intelectual, con o sin tecnología. Particularmente, enfatizar la mediación, interacción y comunicación entre las personas para fortalecer los procesos humanos, entre ellos la construcción y concreción de marcos éticos.  

9. Pautas formativas complejas y evaluación auténtica

Es momento de diseñar experiencias de aprendizaje reflexivas, críticas, dialógicas, situadas y colaborativas, donde el error sea una fuente de aprendizaje. Esto implica proponer actividades que exijan interpretar, argumentar, contrastar, escuchar, revisar y construir con otras personas a partir de problemas y contextos concretos. El aprendizaje no debe centrarse únicamente en producir una respuesta correcta, sino en hacer visible el proceso mediante el cual esta se construye, se cuestiona y se transforma. De esta manera, es posible contrarrestar las consignas cerradas y descontextualizadas que pueden ser resueltas de forma óptima por sistemas de GenIA y aceptadas sin revisión, favoreciendo en cambio tareas donde la producción de sentido, el juicio y la validación sigan requiriendo agencia humana.

10. Formación integral en las interacciones con IA

La formación integral va más allá del discurso: requiere involucrar cuerpo, emoción, espiritualidad y cognición, en el plano personal y comunitario. Las interacciones con IA deben considerar esta integralidad y superar el aislamiento y la individualización. Delegar el esfuerzo cognitivo a un algoritmo anula la propia capacidad de pensar, discernir y crear. La IA debe asumirse como un interlocutor para contrastar ideas, no como un sustituto de la voz propia, y para ello es imprescindible el desarrollo del pensamiento crítico.

11. Familias, redes de cuidado y comunidad frente a la IA 

Las transiciones entre niveles educativos demandan espacios de diálogo sobre el uso responsable de la tecnología, la huella digital, el desarrollo del juicio propio frente a la automatización y los riesgos asociados con delegar autonomía, decisiones o formas de comprensión a sistemas de IA. Estos espacios no deben limitarse al núcleo familiar tradicional: pueden construirse también en redes comunitarias, grupos de pares, colectivos, espacios educativos y otras relaciones de cuidado y acompañamiento.

Es importante reconocer, además, que no todas las personas encuentran aceptación, protección o escucha en sus familias de origen. En el caso de personas LGBTQ+ y de otras diversidades que pueden enfrentar rechazo en sus núcleos primarios, las familias elegidas y las redes comunitarias de confianza pueden cumplir un papel fundamental como espacios de cuidado, orientación y construcción de autonomía.

Frente a una creciente mediación tecnológica de la vida cotidiana, resulta necesario fortalecer la presencia afectiva, la escucha activa, el pensamiento compartido y la conversación intergeneracional y comunitaria. El desafío no consiste únicamente en enseñar a utilizar responsablemente la IA, sino en sostener vínculos humanos capaces de acompañar la duda, el conflicto, la toma de decisiones y la formación de criterios propios, evitando que los sistemas automatizados ocupen funciones de orientación, validación o acompañamiento que requieren relaciones humanas significativas.

12. Ciudadanía digital crítica y participativa

Quienes ejercen los distintos roles educativos son sujetos de derecho, no meros usuarios ni datos de entrenamiento. Les corresponde exigir el respeto y la protección de sus derechos humanos, así como participar activamente en las decisiones educativas que les involucran.

La reflexión compartida requiere de continua discusión, exploración, indagación e investigación para brindar respuestas certeras y eficaces ante nuevas y emergentes realidades educativas. Este documento intenta ser una invitación a construir comunidades de aprendizaje con liderazgos colaborativos que permitan transitar a corto, mediano y largo alcance hacia una transformación educativa aprovechando la agencia humana y las ventajas que ofrece la tecnología digital y la Inteligencia Artificial desde un enfoque crítico, ético e innovador.

En un ejercicio de inteligencia colectiva proponemos a los lectores que deseen hacerlo firmar el manifiesto y en su caso integrarse como miembros de la comunidad CUDI para concretar, ampliar o profundizar en los puntos del manifiesto.
 

Ciudad de México 21 de septiembre de 2026

Atentamente

Comunidad Cudi — IA en Educación

Referencias:
Constitución Política de los Estados Unidos Mexicanos. (1917). Diario Oficial de la Federación [DOF]. Última reforma publicada en el DOF [7 de octubre de 2026]. https://www.diputados.gob.mx/LeyesBiblio/pdf/CPEUM.pdf

Villaseñor A., y Xantomila, J. (1 de agosto de 2026). Aplicará la UNAM examen de control presencial a más de 58 mil aspirantes. Periódico La Jornada. https://www.jornada.com.mx/2026/08/01/politica/003n1pol