Consejo Superior
La UNRC adoptó el documento del CIN Recomendación sobre el uso responsable de la inteligencia artificial (IA)
27 de Octubre de 2026
Este martes en sesión ordinaria el Consejo Superior de la UNRC a instancias de la Comisión de Enseñanza y Planeamiento aprobó adoptar en la casa de estudios local el documento del CIN “Recomendación sobre el uso responsable de la inteligencia artificial (IA)”, la iniciativa fue presentada oportunamente ante el Consejo por la Secretaria de Planeamiento y Relaciones Institucionales de la Universidad.
El proyecto de resolución aprobado por el Consejo Superior expresa:
El Consejo Superior de la Universidad Nacional de Río Cuarto resuelve:
ARTÍCULO 1º - Adoptar el documento “Recomendación sobre el uso responsable de la Inteligencia Artificial (IA)”, aprobado por el Consejo Interuniversitario Nacional mediante Resolución CE Nº 2003/26, como marco general de referencia para el uso responsable de la Inteligencia Artificial, en el ámbito de la Universidad Nacional de Río Cuarto; el cual obra como Anexo I de la presente Resolución.
ARTÍCULO 2º - Disponer que las recomendaciones contenidas en el documento mencionado serán consideradas como lineamientos orientadores para las actividades y proyectos vinculados con el uso de Inteligencia Artificial que se desarrollen en el ámbito de la Universidad.
ARTÍCULO 3º - Promover acciones de divulgación, formación, alfabetización y acompañamiento de la comunidad universitaria para favorecer el uso responsable, crítico y seguro de las herramientas de Inteligencia Artificial.
ARTÍCULO 4º - Encomendar a todas las dependencias de la UNRC que toda definición de norma específica o iniciativa que impulse, requiera o utilice Inteligencia Artificial se enmarque en el documento “Recomendación sobre el uso responsable de la Inteligencia Artificial (IA)”, aprobado en el artículo 1º de la presente resolución.
ARTÍCULO 5º - Regístrese, comuníquese, publíquese y archívese.
Sobre el Documento del CIN
En su parte introductoria el documento expresa: “El presente documento ofrece a las universidades nacionales argentinas un catálogo de buenas prácticas para el uso responsable de la Inteligencia Artificial (IA) en el desarrollo de sus funciones sustantivas: gestión, investigación y docencia. No se propone como una norma de adopción obligatoria ni como un marco mínimo de cumplimiento. Es un material de referencia del que cada universidad puede tomar lo que considere útil, adaptarlo a su contexto y articular con su propia normativa.
El género de este documento es el de la recomendación. Está dirigido a la comunidad universitaria en su conjunto: autoridades, docentes, investigadores e investigadoras, personal nodocente, estudiantes y graduados/as. Cada apartado utiliza un registro orientativo: “se recomienda”, “resulta aconsejable”, “se sugiere considerar”.
“El documento se organiza en tres partes. La primera presenta la fundamentación: contexto, marco de referencia y principios rectores que articulan las recomendaciones. La segunda desarrolla los ejes transversales aplicables a todas las funciones. La tercera ofrece capítulos sectoriales con recomendaciones específicas para gestión, investigación y docencia”.
Expresa que “las universidades nacionales tienen tradiciones, escalas, perfiles disciplinares y capacidades técnicas muy diversas. Este catálogo busca ofrecer herramientas comunes sin desconocer esa pluralidad. Las recomendaciones que aquí figuran son producto del diálogo y del relevamiento de experiencias previas, tanto del sistema universitario argentino como de marcos internacionales. Se proponen como punto de partida para discusiones institucionales que cada casa de estudios podrá llevar a su propio territorio”.
Otros principios rectores del documento
Centralidad de la persona humana
La IA es una herramienta al servicio de la formación, la producción de conocimiento y la gestión universitaria. La centralidad pertenece a las personas: estudiantes, docentes, investigadores e investigadoras, personal nodocente, autoridades, comunidad. Las decisiones que afectan a personas —académicas, administrativas, evaluativas— deben mantenerse en manos humanas, con la IA como apoyo cuando corresponda. La automatización plena de decisiones que tienen consecuencias sobre derechos no es una práctica recomendable.
Responsabilidad y trazabilidad
Quien utiliza una herramienta de IA es responsable de la salida que produce. La responsabilidad no se transfiere al sistema. Es aconsejable que toda producción asistida por IA pueda ser revisada, comprendida y justificada por la persona que la suscribe, y que se pueda dar cuenta del proceso seguido cuando así se solicite.
Transparencia
Se recomienda declarar el uso de herramientas de IA cuando ese uso sea relevante para comprender o evaluar la producción resultante. La declaración incluye, según el caso, la herramienta utilizada, la versión, la fase del trabajo en que intervino y el alcance de su intervención. La transparencia es especialmente importante en contextos académicos —investigación, evaluación— y en producciones institucionales destinadas a terceros.
Protección de datos e información sensible
Las universidades resguardan información sensible: datos personales de estudiantes, historiales académicos, información médica de los servicios de salud universitarios, datos de investigación, información estratégica institucional. Se recomienda no cargar este tipo de información en herramientas de IA cuyas condiciones de uso no garanticen explícitamente su protección. Esta recomendación rige especialmente para versiones gratuitas o de uso público de servicios comerciales.
Integridad académica
La IA no es autora de las producciones académicas. Las producciones científicas, los trabajos de cátedra, las tesis y las publicaciones requieren autoría humana, comprensión efectiva y compromiso con la veracidad. Se recomienda que las prácticas de citación y atribución contemplen el uso de IA cuando corresponda, según las pautas que cada disciplina y cada publicación establezcan.
Equidad y acceso
El sistema universitario argentino tiene un compromiso histórico con la equidad. Se recomienda que las universidades evalúen si la incorporación de IA en sus prácticas amplía o reduce las brechas existentes entre estudiantes, entre docentes, entre sedes o entre regiones. La gratuidad de la educación universitaria pierde sentido si el acceso efectivo al conocimiento queda mediado por herramientas pagas o por capacidades técnicas desigualmente distribuidas.
Soberanía tecnológica y reflexión crítica
Las universidades nacionales tienen un papel insustituible en la construcción de capacidades soberanas. Se recomienda evitar la dependencia exclusiva de proveedores externos, especialmente cuando ello compromete el resguardo de datos institucionales o el acceso futuro a herramientas críticas. Asimismo, se recomienda mantener una reflexión crítica sobre los discursos de inevitabilidad tecnológica: la pregunta sobre qué IA, para qué fines y con qué condiciones es una pregunta legítima del ámbito universitario y no una resistencia al cambio.
Carácter dinámico
La IA es un campo en evolución acelerada. Las recomendaciones aquí formuladas requieren revisión periódica. Se sugiere que cada universidad prevea instancias de actualización de sus marcos institucionales y que el propio CIN considere revisar este documento al menos cada doce meses.
Recomendaciones sectoriales
Gestión universitaria
Las áreas de gestión universitaria —administración académica, personal, presupuesto, contrataciones, planeamiento, comunicación institucional, infraestructura, bienestar— manejan información sensible de estudiantes, personal y procesos institucionales. La incorporación de IA en estas áreas presenta oportunidades concretas de mejora en eficiencia y calidad, pero también riesgos específicos que conviene abordar con cuidado.
Usos en los que la IA puede aportar
• Redacción y revisión de documentos administrativos: borradores de notas, informes, comunicaciones internas, manuales de procedimientos.
• Análisis preliminar de información cuantitativa: tableros de seguimiento, exploración de datos institucionales agregados, generación de visualizaciones.
• Atención a consultas frecuentes: agentes conversacionales que orientan a estudiantes y al público sobre trámites y procedimientos, siempre con la posibilidad de derivar a una persona.
• Apoyo a la planificación: análisis de escenarios, generación de borradores de documentos estratégicos.
• Traducción de comunicaciones institucionales y producción de versiones accesibles de materiales.
Recomendaciones de uso responsable
• Mantener supervisión humana en toda producción que tenga efectos jurídicos, presupuestarios o que afecte derechos. La firma de un documento implica responsabilidad humana sobre su contenido.
• Documentar el uso de IA en procesos de gestión que sean susceptibles de auditoría, con un nivel de detalle proporcional a la sensibilidad del proceso.
• Identificar a las personas responsables de validar las salidas generadas con apoyo de IA en cada circuito administrativo.
• Considerar la elaboración de plantillas o instructivos que orienten al personal sobre cómo y cuándo es aconsejable utilizar herramientas de IA en su trabajo cotidiano.
• Articular con las áreas de seguridad informática para que la incorporación de herramientas externas no abra vectores de riesgo no contemplados.
Recomendaciones específicas para registros académicos
Los registros académicos —legajos, calificaciones, certificaciones, títulos— tienen valor probatorio y consecuencias sobre las trayectorias de las personas. Se recomienda que cualquier intervención de IA en estos registros se limite al apoyo en tareas auxiliares (búsqueda, análisis agregado, redacción de notificaciones genéricas) y que las operaciones que modifican datos académicos sustantivos se mantengan bajo gestión humana directa, con los controles habituales del circuito.
Investigación
La investigación es una de las funciones esenciales de la universidad pública argentina. La IA ofrece a la actividad investigativa herramientas de gran potencial pero también introduce desafíos sobre la integridad académica, la autoría, la replicabilidad y la protección de datos de investigación.
Usos en los que la IA puede aportar
• Búsqueda y revisión bibliográfica: identificación de literatura relevante, mapeos preliminares de un campo, organización de referencias.
• Análisis de datos: apoyo en el procesamiento de grandes volúmenes de información, detección de patrones, sugerencia de enfoques analíticos.
• Redacción y edición: borradores, mejora de la claridad, corrección de estilo, traducción para difusión internacional.
• Programación científica: apoyo en la escritura de scripts de análisis, generación de visualizaciones, depuración de código.
• Apoyo a la formulación de proyectos: organización de antecedentes, marcos teóricos, justificaciones.
Docencia
La docencia universitaria es probablemente el ámbito donde la IA generativa ha tenido un impacto más visible. Estudiantes y docentes incorporan estas herramientas a sus prácticas cotidianas, a menudo sin un marco institucional claro. Las recomendaciones que siguen apuntan a un uso que respete los fines formativos sin negarse al cambio en curso.
Usos en los que la IA puede aportar a la docencia
• Diseño de propuestas de enseñanza: borradores de programas, planificaciones, secuencias didácticas, ejercicios.
• Producción de materiales: explicaciones complementarias, ejemplos, casos, preguntas de autoevaluación.
• Personalización de la enseñanza: adaptación de contenidos a distintos niveles, generación de variantes de un mismo ejercicio.
• Acompañamiento a estudiantes: tutorías sintéticas, respuestas a consultas frecuentes, orientación inicial.
• Apoyo a la corrección: detección de patrones de error, sugerencias de retroalimentación, organización de devoluciones.
• Apoyo a estudiantes con discapacidad o con necesidades específicas: traducción, transcripción, generación de versiones accesibles.
Recomendaciones para docentes
• Explicitar a comienzos del cursado las pautas de uso de IA en la actividad académica: qué usos están alentados, cuáles se admiten con declaración, cuáles se desaconsejan. La claridad inicial reduce conflictos posteriores y dialoga mejor con los estudiantes que las prohibiciones reactivas.
• Considerar que las pautas pueden variar según el tipo de actividad: una pauta para trabajos prácticos puede ser distinta de la pauta para una evaluación final.
• Ajustar las consignas y las modalidades de evaluación al nuevo contexto: tareas que admiten respuestas genéricas son más vulnerables al uso acrítico de IA. Consignas más situadas, vinculadas a procesos del propio curso, a casos locales o a producciones argumentativas en clase, son más resistentes.
• Considerar la incorporación de la IA como objeto de la enseñanza, no solo como herramienta: en muchas disciplinas resulta formativo discutir críticamente sus alcances, sus limitaciones, sus sesgos y sus implicancias éticas.
• Verificar la información que se utiliza en la enseñanza si fue generada con apoyo de IA. Las herramientas generativas pueden producir errores con apariencia de certeza.
Evitar el uso de detectores automáticos de IA como prueba única. Estas herramientas tienen tasas de error altas documentad
Recomendaciones para estudiantes
• Conocer las pautas de cada espacio formativo (cátedra, asignatura, etc.) y respetarlas. Cuando no existan pautas explícitas, se sugiere consultar al equipo docente.
• Declarar el uso de IA cuando corresponda. La transparencia es un componente de la integridad académica.
• Verificar la información obtenida con apoyo de IA antes de incorporarla a un trabajo. La IA puede generar referencias y datos inexistentes.
• Recordar que el aprendizaje sustantivo requiere procesos cognitivos propios. Delegar en la IA tareas que constituyen el núcleo formativo de una actividad académica tiende a debilitar la formación, aun cuando produzca trabajos aprobables.
• Cuidar los datos que se ingresan a las herramientas: información personal propia o de terceros, escritos no publicados, materiales protegidos por derechos de autor.
Sobre la evaluación
El impacto de la IA generativa sobre las prácticas evaluativas universitarias es uno de los desafíos más complejos del momento. Se recomienda evitar dos tentaciones simétricas: la prohibición indiscriminada, que tiende a ser inaplicable y a generar conflictos sin resolver el problema de fondo; y la aceptación acrítica, que puede vaciar de sentido la evaluación. Resulta más productivo repensar las modalidades evaluativas en función de los aprendizajes que se espera que los estudiantes demuestren, considerando qué pueden hacer y qué no pueden hacer las herramientas actuales.
Algunas líneas que vienen siendo exploradas con resultados promisorios incluyen: instancias de evaluación oral, defensa de trabajos escritos, producciones situadas en el contexto de la cursada, evaluaciones procesuales más que terminales, y evaluaciones que exigen articular conocimientos propios con producciones generadas por IA y reflexionar sobre la diferencia.
Dirección de Prensa y Difusión UNRC
