(2020–2025)

A systematic review and critical analysis of the peruvian context

inteligentes, la analítica educativa y la automatización administrativa. Los hallazgos muestran

un desarrollo continuo de la investigación, aunque también desafíos éticos y pedagógicos

relacionados con la privacidad, la equidad digital y la capacitación docente. La adopción de la

inteligencia artificial en el ámbito institucional en Perú está comenzando y es desproporcionada

entre universidades públicas y privadas. Para lograr una integración responsable, es necesario

contar con políticas inclusivas, gobernanza ética y un fortalecimiento de las habilidades

investigativas y docentes.

Palabras clave: inteligencia artificial; educación superior; analítica del aprendizaje; innovación

educativa; ética digital; Perú

intelligent tutoring, educational analytics, and administrative automation were identified. The

findings show ongoing research development, but also ethical and pedagogical challenges

related to privacy, digital equity, and faculty training. The adoption of artificial intelligence at the

institutional level in Peru is just beginning and is disproportionate between public and private

universities. To achieve responsible integration, inclusive policies, ethical governance, and

strengthened research and teaching skills are necessary.

Keywords: artificial intelligence; higher education; learning analytics; educational innovation;

digital ethics; Peru

forma en que se enseña y aprende y cómo se gestiona el conocimiento (Zawacki-Richter et al.,

2019; UNESCO, 2023).

científicos y las relaciones entre estudiantes, profesores y plataformas digitales (Holmes et al.,

2019; Zhai et al., 2021). Las universidades, motivadas por las consecuencias de la pandemia

del COVID-19, implementaron formatos híbridos y virtuales entre los años 2020 y 2025, lo que

propició un avance notable en la digitalización institucional (Cordón García, 2023). Esta

transformación fomentó el desarrollo de entornos educativos inteligentes, capaces de recopilar

y analizar grandes volúmenes de datos sobre el desempeño académico del alumnado, sus

comportamientos de aprendizaje y la eficiencia institucional (Solorzano et al., 2024).

artificial, automatización, personalización del aprendizaje y analítica educativa, se convirtió en

el paradigma dominante de innovación universitaria (Crompton y Diane Burke, 2023). Este

obstante, Holmes et al. (2022) y Williamson y Eynon (2020) advierten acerca de los riesgos que

conlleva su uso indiscriminado: la reproducción de sesgos algorítmicos, la disminución de la

privacidad relacionada con los datos de los estudiantes y el incremento de las desigualdades

en lo digital.

una fase temprana. A pesar de que hay experiencias significativas, como la implementación de

tutorías automatizadas en instituciones privadas y el empleo de analítica predictiva para evitar

acerca de la IA educativa continúa siendo escasa y dispersa (MINEDU, 2023; Contreras-

Contreras y Olaya Guerrero, 2025).

ingeniería, y menos de áreas humanísticas, pedagógicas y sociales. Esto muestra una

desigualdad disciplinaria en el tratamiento del fenómeno. El propósito de este trabajo es aportar

a la formación de una perspectiva completa de la inteligencia artificial en la educación

universitaria peruana. Para ello, se establecen tres metas concretas:

revisión sistemática de la literatura internacional con un análisis del sistema universitario de

educación superior podría concretarse entre 2020 y 2025 en el sistema universitario peruano, y

cuáles son las tendencias y los retos clave? La estructura del artículo es la siguiente: en la

educativa y transformación digital; la sección 3 detalla la metodología utilizada; los resultados y

un análisis comparativo se presentan en la sección 4; las cuestiones éticas, pedagógicas y

gerenciales son tratadas en la sección 5; finalmente, en la sección 6 se brindan

recomendaciones estratégicas y conclusiones para el sector educativo superior del Perú.

Marco teórico

Inteligencia Artificial y transformación digital en la educación superior

universidad. La inteligencia artificial, en términos generales, se define como la agrupación de

sistemas que pueden realizar funciones que necesitan de la inteligencia humana, como el

reconocimiento de patrones, aprender automáticamente y tomar decisiones por sí mismos

(Cendejas Valdez y Ponce Díaz, 2024).

básicos de recomendación hasta sofisticadas plataformas cognitivas que examinan enormes

en las universidades de los paises de habla hispana gracias a la implementación de soluciones

basadas en IA mediante clases asincrónicas. Al respecto, Cordón García (2023), aseguran que,

el periodo de 2020 a 2025 fue testigo de un aumento en este proceso tecnológico, ya que su

auge entre los participantes del aprendizaje y la enseñanza evidenció asimetrías significativas.

2023).

Uso estratégico de la IA en educación superior

(2022) una división de cuatro fases: gestión institucional, personalización del aprendizaje,

a) Enseñanza individualizada:

rapidez a las necesidades particulares de cada estudiante. Estas plataformas analizan los

el éxito académico y la motivación (Chen et al., 2023). Esta perspectiva es coherente con el

modelo de Educación 4.0, que permite que la IA proporcione datos, aprendizaje y autonomía

para que el estudiante sea responsable de su propio proceso educativo (Crompton y Diane

Burke, 2023).

b) Retroalimentación y valoración automáticas:

automáticos para corregir ensayos y evaluaciones, los cuales proporcionan una

retroalimentación inmediata y exhaustiva (Baker y Inventado, 2014). No obstante, la calibración

cultural y lingüística de estas herramientas determina su confiabilidad; por esta razón, los

especialistas aconsejan utilizarlas en combinación con juicios humanos para prevenir sesgos

todavía está en desarrollo (Contreras-Contreras y Olaya Fernández-Miranda et al., 2024).

d) Asesoramiento a estudiantes y apoyo emocional:

empresarial, brindan atención personalizada a nivel administrativo, así como guía académica y

comunicación entre los alumnos y las instituciones se mantuviera durante la educación a

distancia, lo cual contribuyó a reducir el aislamiento digital (Holmes et al., 2019).

técnica que deben ser abordados a través de una pedagogía digital humanista y marcos

normativos bien definidos, con la finalidad de garantizar la privacidad (UNESCO, 2023).

Ética, equidad y sostenibilidad digital

relacionados con la equidad digital, la confidencialidad de los datos, la transparencia en

términos algorítmicos y la sustentabilidad del aprendizaje; ya que, la privacidad de los datos de

los alumnos se ha transformado en una inquietud primordial. Según Holmes et al. (2022), las

herramientas de análisis del aprendizaje recogen datos conductuales y personales que tienen

que ser administrados conforme a los principios de seguridad y consentimiento. Según

Williamson y Eynon (2020), la ausencia de políticas claras puede resultar en prácticas

incluso pueden reforzar prejuicios culturales y de género.

en zonas rurales y urbanas, es otro obstáculo para la implementación equitativa de estas

tecnologías (MINEDU, 2023). Según la UNESCO (2023), garantizar el acceso, la infraestructura

realizar un análisis cualitativo que posibilitó reconocer categorías emergentes relacionadas con

la ética algorítmica, la equidad digital, la innovación en educación y la sostenibilidad

RStudio y VOSviewer. Este análisis tenía como objetivo observar las redes de co-ocurrencia

entre autores, palabras clave, países y fuentes científicas. Esta triangulación de métodos

posibilitó la comparación entre las tendencias a nivel mundial y las pruebas locales existentes

sobre el uso de IA en universidades de Perú.

RESULTADOS

más significativas en el uso e investigación de la inteligencia artificial (IA) en la educación

superior entre los años 2020 y 2025, además de las diferencias éticas, pedagógicas e

institucionales que definen su implementación en Perú y América Latina. Los resultados

demuestran que, a nivel mundial, la inteligencia artificial se ha establecido como un instrumento

de transformación en las universidades, mientras que en Perú su adopción está todavía en una

fase temprana, caracterizada por una mezcla de entusiasmo tecnológico y la ausencia de

políticas institucionales definidas.

difundidas de la inteligencia artificial en la educación universitaria. La investigación de Huijie y

Zhao (2020), Lu (2020) y Zhai et al. (2021) muestra que los sistemas adaptativos

feedback y la velocidad de instrucción a las particularidades individuales de cada alumno. A

pesar de que este tipo de aplicaciones han evidenciado un incremento en el compromiso y la

retención académica, también suscitan dudas acerca de la privacidad de los datos y la

independencia del estudiante.

instrumentos fundamentales para tomar decisiones en el ámbito académico. Elbasi et al.

(2025), Alhardi y Alan (2024) y Namoun y Alshanqiti (2021) demuestran que los algoritmos

supervisados pueden detectar patrones de bajo rendimiento o prever la deserción de alumnos,

lo que permite una gestión proactiva. Sin embargo, Holmes y Tuomi (2022) advierten que, si los

datos de entrenamiento no muestran la diversidad de los estudiantes, el empleo excesivo de

embargo, su eficacia está condicionada por la integración pedagógica y la supervisión docente.

y Lubguban & Bauyot (2025) la inteligencia artificial puede mejorar los procesos

administrativos, aumentar la eficiencia operacional y reforzar la gobernanza basada en datos. A

universities", donde la inteligencia artificial apoya las decisiones estratégicas desde el ingreso

hasta la creación del plan de estudios (Pita-Briones, et al., 2025).

la región se centran principalmente en desarrollar herramientas que apoyen a los maestros y en

formar a los estudiantes universitarios en términos digitales. Fernández-Miranda et al. (2024)

enfatizan que las universidades de América Latina tienen problemas estructurales, como la falta

de infraestructura, brechas en tecnología y escasa capacitación para los profesores, que

dificultan la implementación sistemática de la inteligencia artificial.

(2024) y Contreras y Olaya (2025) coinciden en que la mayoría de las universidades peruanas

utilizan herramientas de inteligencia artificial integradas a plataformas comerciales, aunque no

tienen estrategias independientes para su regulación o desarrollo. Señalan Sánchez Trujillo et

al. (2025) y Yana-Salluca (2024) que la aceptación de la inteligencia artificial por parte de los

Chamoli Falcón y Patiño García (2024) y Ramírez Chávez y Litardo Caicedo (2025) advierten

que la ausencia de políticas para proteger los datos e instrumentos para evaluar algoritmos

podría dar lugar a que las desigualdades en el ámbito académico se perpetúen. En ese sentido,

la inteligencia artificial no debe considerarse únicamente como una innovación tecnológica, sino

como un componente de un ecosistema que tiene la responsabilidad de asegurar equidad,

transparencia y justicia digital.

artificial como un instrumento que ayude al profesor y fomente un modelo de "IA aumentativa",

que estimule el criterio humano en términos pedagógicos y la creatividad (Zhai et al., 2021;

Holmes & Tuomi, 2022).

ética, enfatizan que es esencial garantizar la transparencia de los algoritmos y proteger la

información de los alumnos. En países como Perú, las organizaciones no cuentan con marcos

de regulación robustos; por eso, es necesario que la inteligencia artificial sea responsable,

auditable y explicable.

Putra Barus et al. (2025) corroboran que las universidades que han implementado programas

Contreras-Contreras y Olaya (2025), la inteligencia artificial tiene que estar en sintonía con los

objetivos humanistas de la educación superior, promoviendo el pensamiento crítico, la inclusión

y la calidad.

integración sea exitosa no basta con el avance tecnológico; se requiere también una

transformación de la ética, las instituciones y la cultura de las universidades.

constante a nivel global, enfocándose en cuatro áreas: la gobernanza digital, la analítica

predictiva, los tutores inteligentes y la personalización del aprendizaje. Estas tendencias están

relacionadas con mejoras en la equidad del aprendizaje, la toma de decisiones y la eficiencia.

Sin embargo, las investigaciones indican que, si la adopción de la tecnología no se realiza con

el respaldo de políticas éticas y supervisión humana, pueden surgir problemas como la pérdida

que es necesario avanzar hacia una "IA educativa aumentativa", que refuerce las habilidades

pedagógicas sin reemplazarlas. Esto implica diseñar políticas públicas que garanticen la

normativo que asegure la transparencia, la rendición de cuentas y la equidad algorítmica.

brinda una oportunidad estratégica para que el sistema universitario peruano modernice la

educación, mejore la gestión y amplíe el acceso a la información. Es importante destacar que,

no solo es un reto técnico, sino también educativo y humanista en gran medida, porque se

necesita que la inteligencia artificial aporte de manera que el alumno pueda desarrollarse de

forma integral y que la función transformadora de la universidad en la sociedad sea más

potente.

académicos o personales que hayan tenido un impacto en la ejecución, interpretación o

publicación de los hallazgos del presente estudio. También indican que no tienen intereses en

conflicto con las instituciones educativas mencionadas o con las fuentes de información

consultadas.

revistas indexadas. Todos los autores dieron su visto bueno a la versión final del documento y

son responsables de su contenido intelectual.

autenticidad.

REFERENCIAS

Adewole, D., Olusola, S. J., Ogunlana, S., & Adelola, M. A. (2025). Development of an AI-

Alawneh, Y. J. J., Sleema, H., Salman, F. N., Alshammat, M. F., Oteer, R. S., & Alrashidi, N. K.

Baker, R. S., & Inventado, P. S. (2014). Educational data mining and learning analytics. En J. A.

Chamoli Falcón, A. W., & Patiño García, L. W. (2024). Impacto de la inteligencia artificial en la

Chen, X., Zou, D., Cheng, G., & Xie, H. (2023). Artificial intelligence in education: A review of

Cobos-Gutiérrez, C. E. (2024). Impacto de la inteligencia artificial en el rendimiento académico

Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the

Csaszar, F. A., Ketkar, H., & Kim, H. (2024). Artificial intelligence and strategic decision-making:

Fernández-Miranda, M., Román-Acosta, D., Jurado-Rosas, A. A., Limón-Domínguez, D., &

García-Peñalvo, F. J. (2022). Learning analytics and educational data science in higher

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and

Ji, S., & Yuan, T. (2022). Conversational intelligent tutoring systems for online learning.

Lu, N. (2020). A new smart-microsystems age enabled by heterogeneous integration of silicon-

Lubguban, N. S., & Bauyot, M. (2025). Utilizing artificial intelligence for education 4.0 and

Marín, Y. R., Caro, O. C., Rituay, A. M. C., et al. (2025). Ethical challenges associated with the

Matos Del Villar, L. (2025). Formación continua y competencias digitales en docentes de una

MINEDU. (2023). Plan nacional de transformación digital educativa 2023–2030. Ministerio de

Puga Cañar, D. H., González Gómez, J. D., Rosero Paucha, R. R., & Sagbay Ordoñez, L. E.