Sapientia Technological
e - ISSN 2737- 6400
Periodicidad: Vol 7 No. 2 Julio - Diciembre 2026
sapientiatechnological@aitec.edu.ec
Atribución/Reconocimiento-NoComercial-
CompartirIgual 4.0 Licencia Pública Internacional
CC BY-NC-SA 4.0
https://creativecommons.org/licenses/by-nc sa/4.0/
legalcode.es
Educación e Investigación para el
desarrollo sostenible.
Diana Pamela Álvarez Macias
Universidad de Guayaquil- Ecuador
diana.alvarezmac@ug.edu.ec
https://orcid.org/0009-0001-8904-5779
Loor Rosales, Joffre Bernardo
Universidad de Guayaquil- Ecuador
joffre.loorr@ug.edu.ec
https://orcid.org/0000-0002-3245-5363
ID
ID
Adopción de IA generativa por el profesorado universitario: análisis teórico
de los modelos de gestión académica
Generative AI adoption by university faculty: a theoretical analysis of academic
management models
Recepción: 2026 – 06 - 11
Aprobación: 2026 – 07 - 13
Publicación: 2026 – 08 – 31
DOI: https://doi.org/10.58515/066RSPT
110
El avance de la Inteligencia Articial
Generativa (IAG) en la educación superior ha
replanteado los esquemas tradicionales de
enseñanza y gestión institucional. El presente
estudio realiza una revisión sistemática cualitativa
bajo el protocolo PRISMA sobre los modelos de
gestión académica que condicionan la adopción
de la IAG por parte del profesorado universitario,
analizando de forma particular el ecosistema de
educación superior en Ecuador como estudio
de caso regional. Se fundamenta la adopción
tecnológica integrando la Teoría de Difusión de
Innovaciones, el Modelo TAM y el marco TPACK. A
partir del análisis categorial de 22 investigaciones
seleccionadas por saturación teórica, se examinan
tres modelos prevalentes: Burocrático Punitivo,
Laissez Faire y Transformacional Adaptativo, los
hallazgos evidencian que la adopción actual es
mayoritariamente pragmática e individual, lo que
invita a una reexión de migrar hacia modelos
transformacionales que garanticen la alfabetización
algorítmica y la integridad académica mediante el
rediseño evaluativo y la exibilización normativa.
Abstract:
The advancement of Generative Articial
Intelligence (GenAI) in higher education has
reshaped traditional teaching and institutional
management frameworks. This study conducts
a qualitative systematic review under the
PRISMA protocol on the academic management
models that condition the adoption of GenAI
by university faculty, particularly analyzing the
higher education ecosystem in Ecuador as a
regional case study. Technological adoption
is grounded by integrating the Diffusion of
Innovations Theory, the TAM Model, and the
TPACK framework. Based on the categorical
analysis of 22 investigations selected through
theoretical saturation, three prevalent models
are examined: Bureaucratic-Punitive, Laissez-
Faire, and Transformational-Adaptive. The
ndings show that current adoption is
predominantly pragmatic and individual. It
is concluded that there is an urgent need to
migrate toward transformational models that
guarantee algorithmic literacy and academic
integrity through evaluative redesign and
regulatory exibility.
Keywords: articial intelligence, educational
management, pedagogical innovation,
educational technology
Palabras clave: Inteligencia articial, Gestión
educacional, Innovación pedagógica, Tecnología
educativa
Resumen:
Educación e Investigación para el
desarrollo sostenible.
Adopción de IA generativa por el profesorado universitario: análisis teórico
de los modelos de gestión académica
Generative AI adoption by university faculty: a theoretical analysis of academic
management models
111
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400 Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
Introducción
El progreso de las tecnologías disruptivas
en el ámbito académico ha replanteado los
paradigmas del proceso de enseñanza y
aprendizaje a nivel mundial, donde la aparición
e integración de herramientas basadas en
Inteligencia Articial Generativa (IAG) e interfaces
de automatización de contenidos, demandan
una reestructuración de la gestión universitaria
y de su esquema formativo Docente – Discente,
así como de sus escenarios experimentales y de
cohesión para el desarrollo de competencias
profesionales enmarcadas en una brecha
tecnológica que se encuentra cada vez más
presente en la educación superior y el mundo
laboral.
Para Mendieta Lucas et al. (2025), el
fenómeno de la Inteligencia Articial Generativa
representa uno de los cambios más polémicos
y disruptivos para la educación superior, pues
impacta no solo la manera en que los estudiantes
adquieren conocimientos, sino también la forma
en que el cuerpo docente diseña e imparte
sus procesos de enseñanza y evaluación. Esto
permite considerar que el docente ya no solo
se enfrenta al reto de incorporar metodologías
activas o disruptivas para captar la atención de
sus estudiantes, sino que debe alfabetizarse
tecnológicamente para gestionar salones de
clases, donde se interactúe directamente con
algoritmos de generación textual, analítica
e iconográca. Los cuales muchas veces
sobredimensionan o sobreestimulan los
procesos o resultados a desarrollarse y generan
un océano de posibilidades y respuestas que
muchas no se concretan de forma práctica, más
si se deenden teóricamente.
Autores como García Gutiérrez et al.
(2025) señalan que la inteligencia articial
generativa actúa como un dinamizador de
la práctica pedagógica, enfatizando que
su efectividad no radica únicamente en la
herramienta, sino en la mediación crítica del
profesorado y en el respaldo de directrices
institucionales bien estructuradas. Esto conlleva
a considerar que las instituciones de educación
superior deben trascender el uso puramente
instrumental de la IAG, el cual se encuentra
actualmente enfocado en la simplicación de
tareas administrativas, para promover en su
lugar un enfoque pedagógico que transforme
la evaluación y el aprendizaje signicativo en la
educación superior, a través de una visión crítica
del profesorado y en el respaldo de directrices
institucionales bien estructuradas.
Frente a la capacidad de los modelos de
lenguaje para responder tareas convencionales,
Juárez-Vázquez et al. (2026) plantean la
urgencia de reestructurar la evaluación
universitaria, desplazando el peso académico
de los productos nales hacia la valoración
de los procesos reexivos, analíticos y
metacognitivos del estudiante. Este proceso de
integración no está exento de desafíos éticos y
tensiones que afectan la autoridad académica
tradicional, especialmente en la redistribución
de responsabilidades y la adopción de sistemas
automatizados, por lo que la necesidad de
estructuras institucionales robustas es esencial
para una integración responsable.
A nivel internacional, el debate sobre la
IAG en la educación superior se presenta entre la
prohibición punitiva y la integración pedagógica
guiada, siendo la gestión académica tradicional,
orientada a procesos estandarizados de control
y evaluación sumativa, donde se encuentra
tensionada por una tecnología que desafía las
nociones convencionales de autoría, evaluación
e integridad académica. En este plano
internacional, organismos de alcance global
como la UNESCO subrayan que la integración
de la IAG en las universidades exige superar las
respuestas improvisadas, promoviendo en su
lugar marcos de gobernanza que protejan los
derechos de autor, la ética y la equidad educativa
(Saltos Loayza et al. 2025). Este punto da paso
a la resistencia docente con la IA generativa, lo
que no responde a una postura de neofobia
tecnológica, sino al temor infundado por la falta
de lineamientos sobre propiedad intelectual, la
112 Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
incertidumbre en los procesos de evaluación y
la sobrecarga laboral asociada a la adaptación
curricular de sus procesos.
En el contexto de América Latina, la
transformación tecnológica de la IAG ha adoptado
matices particulares, enmarcados desde las
realidades políticas, sociales y económicas
de cada país, lo que desarrolla brechas, para
la escasez de recursos, infraestructura digital
y la heterogeneidad en las competencias
digitales docentes. Es importante resaltar que
la adopción de la IAG no depende únicamente
de la disposición individual del profesor, sino
de los modelos de gobernanza, liderazgo e
institucionalización académica que norman las
universidades. Ante este punto autores como
Mendieta Lucas et al. (2025) destacan que la
sola incorporación de tecnología no garantiza
el éxito institucional si no va acompañada de un
desarrollo integral de competencias y superación
de brechas estructurales.
Esto ha generado que algunas
Instituciones de Educación Superior (IES) acojan
modelos adaptativos o transformacionales
dentro de sus prácticas formativas, los cuales
buscan articular la formación continua docente,
la actualización curricular y la creación de
marcos éticos normativos. Tomando como
referencia que, sin un modelo de gestión claro y
sustentable, la adopción de la IAG por parte del
cuerpo docente corre el riesgo de ser caótica,
fragmentada o rechazada visto desde la brecha
entre docentes con optimismo y aceptación
del uso de estas herramientas ante quienes se
resisten al cambio. Jiménez & Cisneros (2025)
resaltan que la irrupción de la inteligencia articial
generativa (IAG) en la educación superior plantea
dilemas éticos, culturales y de gobernanza que
obligan a replantear la integridad académica más
allá de la detección del plagio, orientándola hacia
el aprendizaje auténtico y la justicia educativa.
Elementos que deben ser considerados y
tendidos en el marco de la educación superior
desde sus reglamentaciones y orientaciones
metodológicas, para generar un equilibrio y
equidad dentro de los diferentes salones de
clases y fases formativas del alumnado.
Dentro del marco de educación superior
ecuatoriano, el sistema educativo se encuentra
regulado por su principal organismo que es el
Consejo de Educación Superior (CES) y evaluado
continuamente por el Consejo de Aseguramiento
de la Calidad de la Educación Superior (CACES),
los cuales regulan a las Universidades y
Escuelas Politécnicas del Ecuador garantizar
estándares de calidad, innovación pedagógica
y sostenibilidad académica. Es en este punto
donde se presenta una ambivalencia de los
diferentes modelos de gestión institucional
aplicados en el país, ante el fenómeno de la IAG,
en este sentido las universidades de particulares
con fuerte orientación a la investigación han
desarrollado centros o unidades de innovación
académica para capacitar a su personal y
establecer directrices de gestión. En el caso de
las universidades públicas y las conanciadas
enfrentan limitaciones presupuestarias y rigidez
administrativa que ralentizan la actualización de
sus sílabos, planes operativos institucionales
y demás sistemas que puedan generar una
democratización o proyección para el uso de la
IAG en sus modelos de gestión académica.
La proyección del esquema de trabajo
de las Universidades, es importante considerar
que la efectividad de la IAG depende del diseño
instruccional y la mediación docente; que el
profesorado requiere competencias digitales
multidimensionales; y que las universidades
deben establecer políticas institucionales claras
que garanticen equidad, protección de datos e
integridad académica. (Giler Herrera et al., 2026,
p. 486). Esto permite centrar la problemática de
la educación superior de Ecuador en la ausencia
de una ruta clara de gestión académica que
acompañe el proceso de adopción de la IAG en
el marco de la libertad de cátedra y la rendición
de cuentas.
Desde esta perspectiva uno de los
problemas centrales que afecta al profesorado
universitario ecuatoriano dentro de este
113
Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400 Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
escenario de transformación y adaptación,
es la sobrecarga laboral vinculada a labores
de docencia, vinculación e investigación,
lo que, sumado a la falta de políticas claras
sobre el uso ético y pedagógico de la IAG,
genera incertidumbre profesional y neofobia.
Esto genera que el uso o adopción actual
de estas herramientas sea marcado por la
informalidad; los docentes utilizan la IAG para
optimizar la planicación de clases o el diseño
de evaluaciones, pero sin el respaldo de un
marco de gestión institucional que formalice
y reconozca estas prácticas. Gallent-Torres et
al. (2023) sostienen que la adaptación de las
universidades ante la IAG requiere un marco ético
sólido, pues este proceso de transformación
exigirá el establecimiento de unas directrices
claras que se ajusten a los códigos éticos de
cada institución.
Otros autores como Sousa Pinto et al.
(2026) plantean que, pese a las limitaciones
regionales, la IA generativa ofrece la oportunidad
de impulsos pedagógicos signicativos y que
permitirán el aprendizaje personalizado en
los salones de clase con pocos recursos. Es
importante realizar un análisis articulado de
todas las variantes que articulan el proceso
de interacción entre el uso de la IA generativa
y el profesorado universitario, así como su
articulación en base a los diferentes modelos
institucionales aplicados por cada institución y
gestión académica.
Bajo estas consideraciones, la presente
investigación realiza una revisión sistemática
de carácter cualitativo y exploratorio sobre
los modelos de gestión académica que
condicionan la adopción de la IAG por el
profesorado universitario, tomando el sistema
de educación superior ecuatoriano (normado
por la LOES, el CES y el CACES) como un
estudio de caso representativo de las tensiones
regionales latinoamericanas. La investigación
busca ofrecer un marco conceptual articulado
que guíe el diseño de políticas éticas, normativas
y pedagógicas sostenibles para la integración
institucional de la inteligencia articial.
Desarrollo
Para el desarrollo de la fundamentación,
se plantea la adopción de innovaciones
tecnológicas en el entorno educativo, sustentado
en la Teoría de Difusión de Innovaciones de
Rogers (2003) y en el Modelo de Aceptación
Tecnológica (TAM) propuesto por Davis (1989).
El modelo TAM postula que la adopción de una
tecnología está determinada por dos variables
fundamentales: la utilidad percibida y la facilidad
de uso percibida, si esto es aplicado a la IAG
en el ámbito docente universitario, la utilidad
percibida no se limita al ahorro de tiempo en
tareas administrativas, sino a la capacidad de
la herramienta para enriquecer la mediación
pedagógica y el diseño instruccional, basado
en realidad de la catedra y competencias
dominantes por el docente en el marco de su
perl profesional y proyección institucional.
No obstante, en la educación superior
contemporánea, el modelo TAM resulta
insuciente si no se armoniza con marcos
pedagógicos institucionales como el modelo
de Conocimiento Técnico Pedagógico del
Contenido (TPACK) desarrollado por Mishra
y Koehler (2006) en el cual se plantean los tres
tipos de conocimientos que un docente debe
dominar, tecnológico, pedagógico y contenido
de su materia, permitiendo de esta forma
integrara las herramientas digitales de forma útil
y real en los salones de clases.
Es importante resaltar que la adopción
práctica de la IAG requiere que el docente
no solo domine el funcionamiento técnico,
sino que comprenda cómo interceptar dicho
conocimiento con la docencia y la naturaleza
disciplinar de su asignatura. Donde la falta
de articulación entre estos tres dominios se
desarrolla un uso instrumental supercial de
la tecnología. Para lo cual resulta necesario un
análisis de los modelos de gestión académica
que pueden estar frente a la disrupción
tecnológica que permita una operacionalización
114 Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
de los diferentes esquemas de trabajo y su
interoperabilidad de aplicación.
Tomando como referencia que la gestión
académica comprende los procesos directivos,
organizacionales y normativos dirigidos a la
planicación, ejecución y evaluación de las
labores sustantivas universitarias (docencia,
investigación y vinculación), que se encuentran
frente a la inserción de la IAG, los autores
clasican es la posible respuesta directiva a
través de tres modelos prevalentes en la región
analizados en la siguiente.
Tabla 1
Enfoques de integración institucional de la IAG en el
ámbito educativo
Nota. Elaboración propia a partir de la revisión de
literatura sobre gobernanza de la IAG en educación
superior apartado de la UNESCO 2023.
La gestión académica actúa como el
marco condicionante que determina no solo
la velocidad, sino el sentido pedagógico con el
que el profesorado universitario integra la IAG
en su práctica docente, ante el análisis de estos
tres modelos que permiten visibilizar la tensión
existente entre las respuestas institucionales
tradicionales, las cuales a menudo se encuentran
paralizadas por la inacción (Laissez-faire) o
sesgadas hacia el control inhibitorio (Burocrático-
Punitivo) de las verdaderas demandas de un
entorno educativo digitalizado. Al teorizar sobre
esta brecha, el presente articulo expone que
la resistencia o la adopción fragmentada del
cuerpo docente no es un fenómeno puramente
individual, sino la consecuencia directa de
políticas institucionales que priorizan la
scalización del plagio por encima del desarrollo
de competencias algorítmicas e instruccionales.
Por consiguiente, situar el modelo
Transformacional Adaptativo como el eje
propositivo de la investigación justica la
necesidad de redenir el liderazgo universitario
hacia un enfoque distribuido y ético, lo que
permitirá estudiar esta transición como un
enfoque fundamental para ofrecer a la gestión
académica un itinerario conceptual claro que
permita superar la incertidumbre normativa y la
inequidad pedagógica.
En este marco, la consolidación del
Modelo Transformacional Adaptativo exige
una articulación teórica explícita entre la Teoría
de Difusión de Innovaciones (Rogers, 2003), el
Modelo de Aceptación Tecnológica - TAM (Davis,
1989) y el enfoque TPACK (Mishra & Koehler,
2006), trascendiendo la simple respuesta
normativa o coyuntural. Mientras que el modelo
TAM explica la disposición individual del docente
a partir de la utilidad y facilidad de uso percibidas, el
modelo Transformacional Adaptativo interviene
sobre estas percepciones al reducir la ansiedad
tecnológica y dotar de sentido pedagógico al
uso de la IAG. A su vez, dicha utilidad percibida
no se construye de forma aislada, sino mediante
la convergencia del conocimiento tecnológico,
pedagógico y disciplinar que promueve el
marco TPACK. Desde la perspectiva de Rogers
(2003), la adopción de una innovación disruptiva
como la IAG no ocurre de manera uniforme,
115
Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400 Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
sino que atraviesa etapas de experimentación,
evaluación y conrmación institucional. Por
tanto, la gestión transformacional actúa como el
puente estructural que conecta la competencia
individual del profesorado (TPACK) con las
condiciones organizacionales necesarias para
que la IAG deje de ser una práctica informal
u orientada a la supervivencia administrativa,
convirtiéndose en una innovación pedagógica
articulada, ética y sostenible.
Esta realidad analizada desde la óptica
de Latinoamérica, permite visualizar que esta
condicionada por reformas estructurales
enfocadas en enfoques de acreditación
y el aseguramiento de la calidad. Autores
regionales como Didriksson et al. (2020)
coinciden en que la digitalización universitaria
fue acelerada intempestivamente durante la
pandemia de COVID-19, lo que evidenció vacíos
en la gobernanza tecnológica. Ante estas
consideraciones en la era postpandemia, la
llegada de la IAG encuentra a las universidades
latinoamericanas en un estado de transición,
siendo la adopción de la misma por parte del
profesorado fuertemente mediatizada por
la cultura organizacional, ya que en muchas
instituciones de la región, los procesos
de actualización de mallas curriculares y
microcurrículos fueron excesivamente lentos
y rígidos, lo que contrasta con la velocidad con
la que evolucionan los modelos generativos,
provocando que el docente se encuentre
atrapado entre la exigencia de dictar contenidos
aprobados meses o años atrás y la realidad de
un aula donde los estudiantes utilizan la IAG de
manera cotidiana.
En el marco de Ecuador, el ejercicio de la
docencia universitaria responde a parámetros
estrictos normados por la Ley Orgánica de
Educación Superior (LOES) y el Reglamento
de Régimen Académico expedido por el
Consejo de Educación Superior (CES). Estos
marcos legales dictan las cargas horarias, las
modalidades de aprendizaje y las actividades de
gestión e investigación que deben cumplir los
profesores titulares y ocasionales.
La adopción de la IAG en el ecosistema
ecuatoriano presenta una doble cara que esta
articulada por el factor técnico e infraestructural
institucional donde el acceso a licencias
corporativas de IAG son dispares. Mientras
universidades de investigación cuentan
con ecosistemas digitales consolidados,
instituciones públicas enfrentan limitaciones
para proveer herramientas avanzadas a su
plantilla docente. Siendo el segundo factor el
normativo e institucional, donde instituciones
como el Consejo de Aseguramiento de la
Calidad de la Educación Superior (CACES)
evalúa el desempeño institucional basándose
en indicadores de calidad, infraestructura
y pertinencia, sin embargo, no existen aún
indicadores explícitos sobre la integración ética
y pedagógica de la IA en la docencia. Lo que
provoca que diferentes autoridades universitarias
en el país, no prioricen presupuestariamente
la capacitación docente en IAG, al no ser un
criterio directo de evaluación en los procesos de
acreditación institucional.
Materiales y Métodos
Para el desarrollo de la presente
investigación se empleó una metodología
cualitativa de carácter documental, analítica y
descriptiva, utilizando en la revisión un proceso
sistemático de la literatura con el esquema
PRISMA. El objetivo metodológico por parte de
los autores se centró en identicar, seleccionar
y analizar críticamente la producción cientíca
publicada sobre la adopción de la IA generativa
en el profesorado universitario y los modelos
de gestión académica asociados, con énfasis
en el entorno latinoamericano y ecuatoriano,
esto como respuesta a los criterios principales
de análisis del presente trabajo y de su
operacionalización de criterios.
Dentro de los puntos principales para la
revisión metodológica se denieron los
siguientes:
116 Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
• La revisión académica en las bases
de datos: Latindex, Scielo, Web of
Science y Google Scholar.
• La segmentación se realizó a través de
las palabras claves para una revisión
más especíca de la temática, las
cuales fueron: inteligencia articial
generativa, profesorado universitario,
modelos de gestión académica.
• La revisión bibliográca y citado se
la direcciono a través del software
Mendeley.
• El Idioma fue analizado de
investigaciones publicadas
predominantemente en español,
complementadas con fuentes clave
en inglés para la fundamentación
conceptual de los modelos de gestión.
• El enfoque geográco de los trabajos
que se abordaron, se enmarco de
la educación superior en América
Latina, con especial atención en el
contexto universitario ecuatoriano
(CES, CACES, LOES).
Tabla 2
Diagrama del Proceso de Selección – Matriz
PRISMA
Nota. En el marco de elegibilidad se aplicaron los
criterios de revisión mencionado en el apartado de
elegibilidad y depuración.
Procedimiento de Análisis cualitativo
El análisis de los documentos
seleccionados se estructuró a través del análisis de
contenido categorial, en el cual se establecieron
tres categorías analíticas normativas, las cuales
fueron la dimensión pedagógico tecnológica
para medir el nivel de alfabetización en IA
del profesorado y modelos de aceptación;
la dimensión institucional organizativa para
identicar los modelos de gestión académica
y el uso políticas institucionales de uso ético; la
dimensión normativa contextual para vericar
el marco regulatorio del sistema de educación
superior ecuatoriano y su impacto en la práctica
docente.
Figura 1
Modelo PRISMA
Nota. Elaboración propia
El proceso de selección de la literatura se
desarrolló siguiendo el protocolo PRISMA, lo que
permitió sistematizar de manera transparente y
replicable la búsqueda, depuración y selección
de las fuentes documentales. En la etapa de
identicación se recuperaron 142 registros a partir
de cuatro bases de datos y motores de búsqueda
académica, Latindex, SciELO, Web of Science
y Google Scholar, cuya combinación garantizó
una cobertura amplia, así como de producción
cientíca indexada internacionalmente. Esta
117
Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400 Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
pluralidad de fuentes resulta pertinente para
minimizar el sesgo editorial, frecuente en
revisiones que se restringen a bases de datos
exclusivamente anglosajonas.
Tras la eliminación de duplicados y la
revisión preliminar de títulos y resúmenes,
el conjunto se redujo a 85 registros, lo que
representa una depuración del 40,1% respecto
al total inicial, posteriormente, en la fase de
elegibilidad se realizó una lectura crítica a
texto completo, evaluando la rigurosidad
teórica y la pertinencia metodológica de cada
estudio, proceso que ponderó la muestra a 38
documentos. Esta reducción progresiva de 142 a
85 y luego a 38 registros, evidencia la aplicación
de criterios de inclusión y exclusión estrictos,
orientados a garantizar que únicamente los
estudios con solidez conceptual y metodológica
avanzaran a la etapa nal de análisis.
Finalmente, el corpus documental quedó
constituido por 22 estudios, seleccionados por su
relevancia teórica y metodológica para el análisis
documental y la sistematización cualitativa del
objeto de estudio, si bien el volumen nal de la
muestra representa apenas el 15,5% del total de
registros identicados inicialmente, esta cifra es
consistente con los estándares habituales en
revisiones sistemáticas de enfoque cualitativo,
donde se prioriza la profundidad y pertinencia del
análisis por sobre la exhaustividad cuantitativa.
El reducido pero consistente número de
estudios incluidos permite sostener un análisis
documental riguroso, capaz de identicar
patrones, tendencias y vacíos en la literatura
revisada.
La aplicación del protocolo PRISMA en
esta investigación no persigue una inferencia
estadística cuantitativa ni la exhaustividad
acumulativa propia de las revisiones meta
analíticas, sino garantizar la transparencia,
trazabilidad y replicabilidad en la selección del
corpus documental , si bien el volumen nal
de inclusión comprende 22 estudios, dicha
muestra es metodológicamente coherente con
los estándares de las revisiones sistemáticas
cualitativas de alcance exploratorio, donde el
criterio de selección no se rige por el volumen
muestral, sino por el principio de saturación
teórica y pertinencia conceptual. La acotación
rigorosa del corpus responde a la necesidad
de depurar la literatura emergente y abundante
sobre IA en educación, ltrando únicamente
aquellas investigaciones que aborden
explícitamente la articulación entre la práctica
docente y los modelos de gestión o gobernanza
universitaria en la región. De este modo, la
matriz PRISMA sustenta la validez interna del
análisis cualitativo categorial al asegurar que
los hallazgos deriven de evidencia empírica y
teórica de alto valor analítico.
Análisis y Discusión
Los resultados de la síntesis teórica
revelan que la adopción de la Inteligencia
Articial Generativa por parte del profesorado
universitario no puede entenderse como un acto
puramente individual o técnico. Por el contrario,
está intrínsecamente ligada a las estructuras y
modelos de gestión académica que rigen las
instituciones de educación superior.
Figura 2
Modelos principales de gestión académica –
Revisión Literaria
Nota. Elaboración propia
118 Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
El análisis evidencia que la mayoría de
las universidades latinoamericanas se debaten
actualmente entre el modelo Laissez-faire y el
modelo Burocrático-Punitivo, esta dualidad genera
contradicciones importantes: por un lado, las
directivas académicas exigen la transformación
digital de las aulas; por otro, los marcos evaluativos
continúan premiando la memorización o la
producción de ensayos académicos convencionales
que la IAG puede resolver en segundos, sin evaluar
los procesos metacognitivos del estudiante.
En el caso especíco de Ecuador, la discusión
teórica cobra un aspecto crítico, ya que la gestión
académica en las universidades ecuatorianas tiende
a ser altamente burocrática debido a la rigidez de
las evidencias solicitadas por los organismos de
control y aseguramiento de la calidad (CACES).
Los docentes universitarios dedican un porcentaje
signicativo de su tiempo al cumplimento de
formularios de planicación, portafolios académicos
y carpetas de evidencia, es aquí donde la IAG ha
surgido como un paliativo para automatizar estas
labores administrativas; sin embargo, esto reeja una
adopción de supervivencia más que una adopción
de transformación pedagógica.
El profesorado ecuatoriano que adopta la IAG
para innovar en sus clases se enfrenta con frecuencia
a reglamentos docentes institucionales obsoletos
que no contemplan la evaluación mediada por IA.
Asimismo, la brecha entre universidades públicas
e instituciones privadas en Ecuador determina los
niveles de capacitación docente, ya que mientras que
las IES autonanciadas han comenzado a estructurar
diplomados e itinerarios formativos en competencia
digital e IAG, en las instituciones públicas la
formación se canaliza a través de las instancias de
vicerrectorados académicos o departamentos
de educación continua institucional, en otras
suele depender del autoaprendizaje o iniciativas
individuales no acreditadas, lo que perpetúa la
inequidad en la calidad educativa.
La discusión teórica del presente trabajo
resalta que la superación de la resistencia docente no
requiere mayor presión punitiva ni la compra masiva
de licencias de software, sino la transición hacia un
modelo de gestión transformacional adaptativo.
Este modelo debe contemplar ejes especícos que
se enmarcan en la educación superior ecuatoriana,
como la actualización normativa interna para la
creación de políticas claras de uso ético de la IAG,
deniendo los límites entre el sesgo algorítmico, el
plagio y la asistencia en el aprendizaje; el rediseño de
la evaluación para migrar evaluaciones memorísticas
o de desarrollo textual simple hacia la evaluación por
competencias, el aprendizaje basado en problemas
(ABP) y la defensa oral de proyectos; así como la
exibilización curricular de mecanismos ágiles
respaldados por el CES que permitan modicar
sílabos y estrategias didácticas sin incurrir en
procesos burocráticos exhaustivos.
Conclusiones
La adopción de la Inteligencia Articial
Generativa por el profesorado universitario en
América Latina está directamente condicionada por
los modelos de gestión académica institucionales,
donde destacan los enfoques burocráticos y
permisivos (laissez-faire) que desaprovechan
el potencial pedagógico de la herramienta y
aumentan la vulnerabilidad ética, mientras que los
modelos transformacionales facilitan un proceso de
integración sostenible y equitativo.
De forma especíca en el marco del sistema
de educación superior ecuatoriano, la adopción
de la IAG por parte de los docentes responde
actualmente a una iniciativa mayoritariamente
individual y pragmática, orientada a la reducción de
la sobrecarga administrativa y el diseño preliminar
de evaluaciones, dada la falta de políticas de
gestión institucional formalmente estructuradas. Es
importante puntualizar que se requiere con urgencia
que las universidades e institutos superiores del
Ecuador reconozcan la alfabetización en IA como una
competencia transversal del desarrollo profesional
docente, impulsando reformas en sus marcos
regulatorios internos que promuevan la integridad
académica mediante el rediseño evaluativo y no
mediante la prohibición punitiva.
Dando como cierre la necesidad de alinear
los modelos de gestión universitaria con la era
de la inteligencia articial, permitiendo que los
organismos reguladores nacionales (CES - CACES)
e institucionales desarrollen la formulación de
estándares de aseguramiento de la calidad que
valoren la innovación pedagógica mediada por
tecnologías emergentes, garantizando el acceso
equitativo y el uso ético en el ecosistema universitario.
119
Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400 Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
120 Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Boude-Figueredo, Oscar R., & Meza-
Jaque, Jessica. (2026). Percepciones docentes
sobre la integración de la inteligencia articial
generativa en la educación superior. Formación
universitaria, 19(3), 213-222. https://dx.doi.
org/10.4067/s0718-50062026000300213
Bustos Insuasti, O. A., & Villafuerte
Mera, E. D. (2026). Sistema de Gestión del
Aprendizaje con Soporte de Inteligencia Articial
Generativa en el Centro de Entrenamiento
Escuela de Artillería Antiaérea de la Fuerza
Aérea Ecuatoriana. Arandu UTIC, 12(4), 2222–
2239. https://doi.org/10.69639/arandu.v12i4.1813
Castillo Herrera, M. E. (2023). Impacto
de la inteligencia articial en el proceso de
enseñanza y aprendizaje en la educación
secundaria: Impact of articial intelligence on
the teaching and learning process in secondary
education. LATAM Revista Latinoamericana De
Ciencias Sociales Y Humanidades, 4(6), 515 –
530. https://doi.org/10.56712/latam.v4i6.1459
Estévez, B., & Vera, F. S. (2024).
Integración de la inteligencia articial en la
educación superior: Un análisis con perspectiva
de género. CTS: Revista iberoamericana de
ciencia, tecnología y sociedad, 19(56), 117-139.
https://doi.org/10.52712/issn.1850-0013-557
Félix Zárate, G. A. (2026). Inteligencia
articial generativa como asistente del docente
universitario: efectos sobre la carga laboral, la
planicación y la evaluación. Technology Rain
Journal, 5(1). https://doi.org/10.55204/trj.v5i1.e154
Fiallos Barrionuevo, A. R., & Gutiérrez
Soto, M. V. (2026). De la alfabetización digital
al empoderamiento del docente universitario:
experiencias ante la incorporación de la IA
generativa. Código Cientíco Revista De
Investigación, 7(E1), 1902–1924. https://doi.
org/10.55813/gaea/ccri/v7/nE1/1398
Figueroa, H. M. R., & Mendoza, K. K.
R. (2026). Interpretación de metáforas sobre
convivencia universitaria: un análisis comparativo
entre expertos e inteligencia articial generativa.
IE Revista de Investigación Educativa de
la REDIECH, 17, e2724-e2724. https://doi.
org/10.33010/ie_rie_rediech.v17i0.2724
Gallent-Torres, C., Zapata-González, A.,
& Ortego-Hernando, J. L. (2023). El impacto de
la inteligencia articial generativa en educación
superior: una mirada desde la ética y la integridad
académica. RELIEVE. Revista Electrónica de
Investigación y Evaluación Educativa, 29(2), art.
M5. https://doi.org/10.30827/relieve.v29i2.29134
García Gutiérrez, G. F., Tapia Guerrero,
J. A., Mejía Peralta, C. E., & Egüez Cevallos, R.
C. (2025). Uso de inteligencia articial generativa
como herramienta de apoyo académico en la
innovación pedagógica universitaria. Revista
Social Fronteriza, 5(6), e955. https://doi.
org/10.59814/resofro.2025.5(6)955
Giler Herrera, M. K., Guillen Vallejo, S. A.,
& Carvajal Torres, W. A. (2026). Impacto del uso
de la IA generativa en la enseñanza universitaria:
riesgo, oportunidades y competencias digitales
docentes. Ciencia y Educación, 7(3.1), 486–504.
https://doi.org/10.5281/zenodo.19542824
González, F. J., & Chamorro Mera,
A. (2025). Explorando la intención de utilizar
herramientas de inteligencia articial generativa
en la docencia por parte de los profesores
universitarios españoles. e-pública: Revista
Electrónica sobre la Enseñanza de la Economía
REFERENCIAS BIBLIOGRÁFICAS
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
121
Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica
Pública, (37), 22–37. https://e-publica.unizar.
es/wp-content/uploads/2025/09/372_
MirandaChamorro.pdf.pdf
Gutiérrez, J. D. (2023). Lineamientos
para el uso de inteligencia articial en contextos
universitarios. GIGAPP Estudios Working Papers,
10(267-272), 416-434. Recuperado a partir de
https://gigapp.org/ewp/index.php/GIGAPP-
EWP/article/view/331
Hidalgo Cajo, I. M., & Latorre Benalcazár,
N. B. (2025). Análisis de las tipologías de
innovación tecnológica en el profesorado
universitario. INNOVATE: Research Journal, 1(1),
36-45. https://doi.org/10.65133/irj.v1.n1.2025/a13
Jiménez León, R., & Cisneros Chacón,
E. J. (2025). Inteligencia articial generativa e
integridad académica en educación superior:
hacia un modelo de gobernanza institucional
para la innovación educativa. Reencuentro.
Análisis de Problemas Universitarios, (89), 249–
282. https://doi.org/10.24275/uamxoc-dcsh/
reencuentro/202589-12
Juárez-Vázquez, S., Sol Sampedro, F.
J., & Hernández Ruíz, N. (2026). IA generativa y
transformación de la enseñanza en la educación
superior: Revisión sistemática y modelo
conceptual. RIED-Revista Iberoamericana de
Educación a Distancia, 29(2), 35–61. https://doi.
org/10.5944/ried.47225
Jurado-Enríquez, E. L., Vargas-Prado,
K. F., Melgarejo Ángeles, W. E., Aniceto
Norabuena, Úrsula R., & Villacorta Granados,
T. G. (2025). Inteligencia articial generativa en el
proceso de enseñanza del docente universitario.
European Public & Social Innovation Review, 10,
1–15. https://doi.org/10.31637/epsir-2025-1612
Mendieta Lucas, L. M., Garzón Moreno,
G. J., Enríquez Delgado, R. A., & Martínez
Ángulo, M. A. (2025). Evolución e innovación
digital en la educación superior como impulso
para el fortalecimiento institucional: aplicación
de inteligencia articial en la gestión académica
y administrativa para una toma de decisiones
más eciente y sostenible. REINCISOL: Revista
de Investigación Cientíca y Social, 4(7),
2469–2492. https://doi.org/10.59282/reincisol.
V4(7)2469-2492
Padilla Piernas, J. M., & Martín-García,
M. del M. (2024). Impacto y Perspectivas de la
Inteligencia Articial Generativa en la Educación
Superior: Un Estudio sobre la Percepción y
Adopción Docente usando el modelo AETGE/
GATE. European Public & Social Innovation
Review, 9, 1–21. https://doi.org/10.31637/
epsir-2024-595
Rodríguez-Rivas, J. G., Ayala-Partida,
F., & Campa-Galindo, L. (2026). Aceptación de
la inteligencia articial generativa en docentes:
adaptación y validación de un instrumento
basado en el TAM. Portal de la Ciencia, 6(2), 217-
232. https://doi.org/10.51247/pdlc.v6i2.766
Rosignoli, S. (2023). Inteligencia Articial
Generativa y la Formación de Formadores:
Aportes desde la perspectiva de la Tecnología
Educativa. Question/Cuestión, 3(76), e857.
https://doi.org/10.24215/16696581e857
Saltos Loayza, K. L., Jaramillo Chávez,
A. P., Guerrero Calva, E. S., & Diaz Arrieta,
R. H. (2025). El uso de la Inteligencia Articial
Generativa como Apoyo en la Mejora de las
Prácticas Docentes en Educación Superior.
Reincisol, 4(8), 5458–5485. https://doi.
org/10.59282/reincisol.V4(8)5458-5485
Sousa Pinto, A., Abreu, A., Pérez Cota,
M., & Paiva, J. (2026). IA generativa en la
educación superior iberoamericana: factores de
adopción, desafíos regionales y oportunidades
para la innovación educativa. Comunicar:
Revista Cientíca de Comunicación y Educación,
Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400 Educación e Investigación para el desarrollo sostenible.
SAPientia Technological
e - ISSN 2737- 6400
(85), 69–80. https://agora.edu.es/servlet/
articulo?codigo=10688272
UNESCO. (2023). Guía para la
inteligencia articial generativa en la educación
y la investigación. Organización de las Naciones
Unidas para la Educación, la Ciencia y la Cultura.
https://doi.org/10.54675/EWZM9535
Vera, F. (2024). Integración de la
Inteligencia Articial Generativa en la Educación
Superior. Transformar, 4(4), 36–46. Recuperado
a partir de https://www.revistatransformar.cl/
index.php/transformar/article/view/108
Villano Maza, R. P., Medina Herrera, L.
M., Barriga Tamay, M. G., & Torres Burgos, S.
A. (2026). Desafíos y resistencia a la inteligencia
articial generativa en docentes de educación
superior y su inuencia en la implementación
de innovaciones pedagógicas. Ciencia Y
Educación, 7(4), 180 - 199. https://doi.org/10.5281/
zenodo.19519513
122 Adopción de IA generativa por el profesorado universitario: análisis teórico de los
modelos de gestión académica