Tres velocidades, un aula: la advertencia de Jorge Sainz sobre cómo (no) regular la IA en la universidad

No son dos mundos, son tres

Es habitual describir el reto de la IA en educación como un choque entre dos velocidades: la tecnología, que avanza muy rápido, y la regulación, que avanza despacio. Jorge Sainz, catedrático de Economía Aplicada en la Universidad Rey Juan Carlos, propone en un artículo publicado en El Debate el 11 de agosto de 2026 una lectura más matizada y, para quien trabaja dentro de una universidad, bastante más útil: «no estamos ante dos mundos, la tecnología y la regulación, sino ante tres».

Esos tres mundos, según Sainz, son la propia inteligencia artificial —que cambia en cuestión de semanas—, la universidad como institución —que cambia en semestres o años, condicionada por sus órganos de gobierno, sus procedimientos y su normativa—, y el aula y el profesorado del día a día —que en la práctica cambian casi a diario, porque cada docente ajusta su forma de dar clase y de evaluar en función de lo que observa en sus propios estudiantes, sin esperar a que la institución se pronuncie.

El problema de legislar mirando atrás

El título del artículo resume su tesis central: la universidad no puede regular la IA mirando al curso pasado. Cualquier norma exhaustiva que intente anticipar todos los casos posibles corre el riesgo de quedar desfasada antes de entrar en vigor, precisamente porque se redacta a la velocidad de la institución —semestres— para regular un fenómeno que cambia a la velocidad de la tecnología —semanas—. Es la misma tensión, salvando las distancias, que atraviesa cualquier intento de legislar sobre internet o sobre redes sociales: para cuando el texto está listo, la pregunta que lo motivó ya ha cambiado de forma.

Frente a ese callejón sin salida, Sainz no propone renunciar a regular, sino cambiar el tipo de instrumento. Su alternativa es lo que llama «una función permanente de diagnóstico y monitorización de la IA»: un mecanismo estable dentro de la universidad —no un documento cerrado, sino un proceso vivo— que mantenga informados a los órganos de decisión sobre qué herramientas se están usando realmente en las aulas y qué problemas concretos están emergiendo, para poder ajustar la respuesta institucional sin esperar a la siguiente revisión normativa.

Tres universidades, tres respuestas distintas

El propio artículo repasa cómo universidades españolas han optado ya por caminos distintos, lo cual ilustra bien que no existe todavía un consenso sobre el modelo correcto. La Universidad Carlos III ha optado por una declaración específica sobre el uso de IA en Trabajos de Fin de Grado y Fin de Máster. La Universidad Complutense aprobó en 2025 una política general de buen uso de la IA, de carácter más orientativo. Y la Universidad Rey Juan Carlos, la propia institución de Sainz, ha ido más lejos y prohíbe el uso de IA en las evaluaciones salvo excepciones expresamente autorizadas.

Tres universidades, tres filosofías: orientar sobre un tipo concreto de trabajo académico, marcar principios generales de buen uso, o prohibir por defecto y abrir excepciones puntuales. Ninguna es evidentemente superior a las demás en abstracto; cada una responde a una cultura institucional y a un apetito de riesgo distintos. Pero la disparidad sí confirma el diagnóstico de fondo: mientras no exista una referencia común —como la que podría aportar el futuro código ético nacional del que hablábamos en el artículo anterior de esta serie—, cada universidad está improvisando, con mejor o peor fortuna, su propia respuesta.

Qué aporta esta perspectiva a la CEU San Pablo

Para cualquier universidad que esté diseñando, como la nuestra, un plan de integridad académica que aborde la IA de forma global —desde la declaración de uso hasta la prevención del plagio o la política sobre exámenes—, la lección de Sainz es doblemente útil. Primero, porque advierte del riesgo de aprobar un documento cerrado pensando que «ya está resuelto», cuando en realidad el problema seguirá moviéndose bajo nuestros pies. Y segundo, porque ofrece una alternativa concreta y aplicable: incorporar, junto a cualquier normativa, un mecanismo de seguimiento continuo —encuestas periódicas, canales de reporte del profesorado, revisión anual de casos— que permita corregir el rumbo sin tener que reescribir la norma entera cada vez que aparece una herramienta nueva.

Dicho de otro modo: la pregunta relevante no es solo «¿qué política de IA vamos a aprobar?», sino «¿cómo vamos a enterarnos de que esa política ya no sirve?». Esa segunda pregunta es, quizá, la más difícil de responder, y también la que menos atención suele recibir cuando se diseñan estos marcos.

Fuentes y para saber más

• Jorge Sainz, «La universidad no puede regular la IA mirando al curso pasado» — El Debate (11 de agosto de 2026) — https://www.eldebate.com/educacion/20260811/universidad-no-puede-regular-ia-mirando-curso-pasado_448092.html