Impacto de la inteligencia artificial generativa en la
calidad educativa universitaria: una revisión sistemática
Impact of generative artificial intelligence on university educational quality:
A systematic review
Recibido: 20/04/2026 - Aceptado: 11/07/2026
Mauricio Acevedo Carrillo
https://orcid.org/0000-0001-8699-6176
macevedoca@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Patricia Liliam Trujillo Robles
https://orcid.org/0009-0002-1452-2611
pltrujillo@ucvvirtual.edu.pe
Universidad César Vallejo. Lima, Perú
Resumen
La inteligencia artificial generativa ha emergido como una de las innovaciones tecnológicas más influyentes en la
educación superior, al transformar los procesos de enseñanza, aprendizaje, evaluación y gestión institucional, lo
que ha generado un creciente interés por comprender su impacto en la calidad educativa universitaria. En este
contexto, el presente estudio tuvo como objetivo analizar la evidencia científica reciente sobre la influencia de la
inteligencia artificial generativa en la calidad educativa, considerando sus implicancias en el desempeño
académico y la gestión institucional durante el período 2021–2025. Para ello, se realizó una revisión sistemática
de la literatura siguiendo las directrices PRISMA 2020. La búsqueda se efectuó en las bases de datos Scopus,
Web of Science, ERIC, SciELO, DOAJ, Dialnet y Latindex, complementada con fuentes especializadas, lo que
permitió conformar un corpus final de 24 estudios que cumplieron los criterios de inclusión establecidos. Los
resultados evidencian que la inteligencia artificial generativa favorece la personalización del aprendizaje, la
retroalimentación inmediata, el fortalecimiento de competencias digitales y la optimización de los procesos de
gestión académica. Asimismo, se identificaron desafíos relacionados con la integridad académica, los sesgos
algorítmicos, la protección de datos, la equidad en el acceso a la tecnología y la necesidad de fortalecer marcos
éticos y normativos para su implementación. Se concluye que la inteligencia artificial generativa constituye un
recurso estratégico para la transformación de la educación superior; sin embargo, su contribución a la calidad
educativa depende de una integración pedagógica, ética e institucional que promueva la innovación, la inclusión y
el desarrollo del pensamiento crítico.
Palabras clave: inteligencia artificial generativa, educación superior, calidad educativa.
Abstract
Generative artificial intelligence has emerged as one of the most influential technological innovations in higher
education, transforming teaching, learning, assessment, and institutional management processes. This has
generated growing interest in understanding its impact on the quality of university education. In this context, the
present study aimed to analyze recent scientific evidence on the influence of generative artificial intelligence on
educational quality, considering its implications for academic performance and institutional management during the
period 2021–2025. To this end, a systematic literature review was conducted following the PRISMA 2020 guidelines.
The search was carried out in the Scopus, Web of Science, ERIC, SciELO, DOAJ, Dialnet, and Latindex databases,
supplemented with specialized sources, resulting in a final corpus of 24 studies that met the established inclusion
criteria. The results show that generative artificial intelligence promotes personalized learning, immediate feedback,
the strengthening of digital skills, and the optimization of academic management processes. Challenges were also
identified related to academic integrity, algorithmic bias, data protection, equity in access to technology, and the
need to strengthen ethical and regulatory frameworks for its implementation. It is concluded that generative artificial
2
intelligence constitutes a strategic resource for the transformation of higher education; however, its contribution to
educational quality depends on pedagogical, ethical, and institutional integration that promotes innovation,
inclusion, and the development of critical thinking.
Keywords: generative artificial intelligence, higher education, educational quality.
Introducción
La inteligencia artificial generativa (IAG) se ha consolidado como una de las innovaciones tecnológicas
más disruptivas en la educación superior contemporánea. El rápido desarrollo de modelos de lenguaje de gran
escala y sistemas conversacionales, como ChatGPT, ha transformado los enfoques tradicionales de enseñanza,
aprendizaje y producción de conocimiento al posibilitar la generación automatizada de contenidos, la
retroalimentación personalizada y experiencias de aprendizaje adaptativas. Diversas investigaciones han
destacado la creciente incorporación de estas tecnologías en universidades de todo el mundo, subrayando su
potencial para apoyar actividades académicas y optimizar los procesos educativos (Kasneci et al., 2023; Tlili et al.,
2023). Asimismo, se sostiene que la IAG está redefiniendo los entornos educativos al favorecer modelos de
aprendizaje más flexibles, centrados en el estudiante y apoyados por la tecnología (Chan, 2023; Chiu, 2023).
Los beneficios educativos asociados a la inteligencia artificial generativa han despertado un notable interés
en la comunidad académica. La evidencia disponible indica que estas herramientas pueden facilitar la
personalización del aprendizaje, incrementar la participación estudiantil, fortalecer el aprendizaje autónomo y
proporcionar asistencia académica inmediata. En este sentido, Crompton y Burke (2023) señalan que la integración
de la inteligencia artificial en los contextos educativos ofrece oportunidades para mejorar la efectividad de la
enseñanza y ampliar el acceso a recursos de aprendizaje. De manera complementaria, Holmes et al. (2023)
sostienen que las tecnologías inteligentes pueden enriquecer las experiencias educativas al adaptar los contenidos
a las necesidades individuales y promover una participación más activa de los estudiantes en las tareas
académicas.
No obstante, la implementación de la IAG en la educación superior también ha generado importantes
desafíos éticos, pedagógicos e institucionales. Diversos estudios advierten sobre riesgos asociados con la
integridad académica, el plagio, la atribución de autoría, los sesgos algorítmicos y la dependencia tecnológica
(Cotton et al., 2023; Farrokhnia et al., 2024). Estas preocupaciones se han intensificado debido a la creciente
capacidad de los sistemas de inteligencia artificial para producir contenidos académicos complejos, situación que
cuestiona los modelos tradicionales de evaluación y verificación del aprendizaje. Frente a ello, organismos
internacionales como la UNESCO (2023) han enfatizado la necesidad de desarrollar marcos éticos y mecanismos
de gobernanza que promuevan un uso responsable, transparente y seguro de estas tecnologías en los entornos
educativos.
Más allá de su influencia directa en los procesos de enseñanza y aprendizaje, la inteligencia artificial
generativa posee implicancias relevantes para la calidad educativa y el desempeño académico. La literatura
especializada reconoce que el rendimiento académico depende de múltiples factores cognitivos, emocionales,
sociales e institucionales. En este contexto, las herramientas basadas en inteligencia artificial pueden contribuir a
mejorar los resultados de aprendizaje mediante el acceso oportuno a la información, el fortalecimiento de
habilidades de estudio y la personalización de las trayectorias formativas. Sin embargo, los hallazgos aún son
heterogéneos, ya que la efectividad de estas tecnologías parece depender de variables como las competencias
digitales de los estudiantes, el pensamiento crítico y las estrategias pedagógicas implementadas por los docentes
(Kasneci et al., 2023; Chan & Hu, 2023).
A nivel institucional, la inteligencia artificial generativa está siendo reconocida progresivamente como un
recurso estratégico para fortalecer la gestión universitaria y los procesos de aseguramiento de la calidad. Diversas
instituciones de educación superior han comenzado a incorporar sistemas inteligentes para optimizar el monitoreo
académico, apoyar la toma de decisiones basada en datos, mejorar los procedimientos administrativos y fortalecer
los mecanismos de mejora continua. En consecuencia, la inteligencia artificial ya no es percibida únicamente como
una herramienta pedagógica, sino también como un componente clave de la transformación e innovación
institucional. La evidencia reciente sugiere que la gestión educativa sustentada en datos puede favorecer
estructuras organizacionales más eficientes y contribuir al fortalecimiento de la calidad educativa (Chan, 2023;
UNESCO, 2023).
A pesar del crecimiento acelerado de las publicaciones científicas sobre inteligencia artificial generativa,
desde la aparición de ChatGPT y tecnologías similares, la literatura continúa fragmentada en múltiples líneas
temáticas relacionadas con pedagogía, desempeño académico, calidad educativa, ética y gestión institucional. Las
revisiones previas se han centrado principalmente en dimensiones específicas de la adopción de la inteligencia
3
artificial, dejando limitada la comprensión integral de las relaciones existentes entre estos ámbitos (Zawacki-Richter
et al., 2024; Bozkurt et al., 2024. Esta dispersión dificulta la identificación de tendencias globales y limita la
construcción de una visión integrada sobre el impacto de la inteligencia artificial generativa en la educación
superior.
En consecuencia, el objetivo de la presente revisión sistemática es analizar la evidencia científica reciente
sobre la inteligencia artificial generativa en la educación superior, considerando sus implicancias en la calidad
educativa, el desempeño académico y la gestión institucional durante el período 2021–2025. Para ello, se plantea
la siguiente pregunta de investigación: ¿qué evidencia reporta la literatura científica reciente acerca de la influencia
de la inteligencia artificial generativa en la calidad educativa, el desempeño académico y la gestión institucional en
la educación superior?
Metodología
La presente investigación se desarrolló mediante una revisión sistemática de la literatura orientada a
analizar la evidencia científica relacionada con la inteligencia artificial generativa en educación superior y sus
implicancias en la calidad educativa, el desempeño académico y la gestión institucional. El proceso metodológico
se fundamentó en las directrices establecidas por la declaración PRISMA 2020 (Preferred Reporting Items for
Systematic Reviews and Meta-Analyses), con el propósito de garantizar la transparencia, reproducibilidad y
rigurosidad en la identificación, selección y análisis de las fuentes documentales.
La búsqueda bibliográfica se realizó entre enero y marzo de 2026 en bases de datos académicas de amplia
cobertura e impacto científico, incluyendo Scopus, Web of Science, ERIC, SciELO, DOAJ, Dialnet y Latindex.
Asimismo, se incorporaron documentos provenientes de fuentes complementarias como UNESCO Digital Library,
arXiv, Springer Books, WorldCat y referencias cruzadas. Estas fuentes fueron seleccionadas por su relevancia en
los campos de educación, tecnología educativa, innovación pedagógica y ciencias sociales.
Para la recuperación de los estudios se emplearon ecuaciones de búsqueda estructuradas mediante
operadores booleanos, combinando términos relacionados con inteligencia artificial generativa, educación
superior, calidad educativa y desempeño académico. La selección fue realizada de manera independiente por dos
investigadores, resolviendo las discrepancias mediante consenso académico. La estrategia principal de búsqueda
fue la siguiente:
TITLE-ABS-KEY (“generative artificial intelligence” OR “artificial intelligence” OR ChatGPT OR “large language
models”) AND (“higher education” OR university OR “educational quality” OR “academic performance” OR
“academic achievement”)
Se consideraron estudios publicados entre 2021 y 2025 debido al crecimiento acelerado de investigaciones
relacionadas con la inteligencia artificial generativa tras la aparición de modelos avanzados de lenguaje. Los
criterios de inclusión contemplaron artículos científicos, revisiones sistemáticas, estudios empíricos, informes
institucionales y libros académicos que abordaran directamente la aplicación de la inteligencia artificial generativa
en contextos de educación superior, calidad educativa, desempeño académico o gestión institucional. Asimismo,
se incluyeron publicaciones en inglés y español con acceso al texto completo y con información bibliográfica
verificable.
Los estudios fueron codificados mediante análisis temático inductivo, permitiendo agrupar la evidencia en
cinco ejes temáticos emergentes relacionados con los procesos de enseñanza y aprendizaje, el desempeño
académico, la calidad educativa, los desafíos éticos y las tendencias futuras de la inteligencia artificial en educación
superior. La categorización fue realizada de forma independiente por los investigadores y posteriormente
consensuada para garantizar la consistencia analítica.
Se excluyeron documentos duplicados, publicaciones sin relación directa con el objeto de estudio, estudios
enfocados en otros niveles educativos, trabajos que no abordaban las variables centrales de la investigación,
documentos sin acceso al texto completo y registros con información bibliográfica insuficiente para su verificación.
El proceso de búsqueda permitió identificar 1,314 registros, de los cuales 1,248 procedían de bases de
datos académicas y 66 de fuentes complementarias. Tras la eliminación de 472 registros duplicados, se obtuvo
una muestra de 842 documentos para la fase de cribado. Posteriormente, se excluyeron 726 registros por no
cumplir los criterios de pertinencia temática, seleccionándose 116 estudios para la evaluación del texto completo.
En esta etapa, se excluyeron 92 estudios por razones relacionadas con la falta de pertinencia temática,
discrepancias en el nivel educativo analizado, ausencia de las variables de interés, naturaleza no empírica,
indisponibilidad del texto completo o insuficiencia de información metodológica para responder a la pregunta de
4
investigación. Como resultado, se conformó un corpus final de 24 estudios, los cuales constituyeron la base para
la revisión sistemática de la literatura y la síntesis cualitativa de la evidencia científica.
Finalmente, los estudios seleccionados fueron organizados y analizados mediante procedimientos de
categorización temática, permitiendo identificar tendencias de investigación, enfoques predominantes, beneficios,
desafíos y perspectivas asociadas con la incorporación de la inteligencia artificial generativa en la educación
superior. Este procedimiento facilitó la construcción de una visión integral sobre el impacto de estas tecnologías
en la calidad educativa, el desempeño académico y la gestión institucional durante el período analizado.
Tabla 1
Estudios representativos organizados por ejes temáticos sobre inteligencia artificial generativa, calidad educativa
y desempeño académico en educación superior (2021–2025)
Eje temático
Enfoque principal
Estudios representativos
Transformación de los
procesos de enseñanza y
aprendizaje
Analiza el impacto de la inteligencia artificial
generativa en la personalización del
aprendizaje, la retroalimentación automatizada,
la tutoría inteligente y la innovación pedagógica.
Kasneci et al. (2023), Tlili et al.
(2023), Holmes et al. (2023), Adiguzel
et al. (2023).
Desempeño académico y
desarrollo de competencias
estudiantiles
Examina la relación entre tecnologías
emergentes, rendimiento académico,
autorregulación, motivación, pensamiento crítico
y competencias digitales.
Ortiz y Fernández (2025), Casanova
et al. (2024), Botero-Zapata et al.
(2024), Soria-Barreto et al. (2024),
Shala et al. (2024).
Calidad educativa, innovación
y gestión institucional
Explora el papel de la inteligencia artificial en los
procesos de gestión educativa, aseguramiento
de la calidad, liderazgo académico y
transformación digital institucional.
Angulo-García (2022), Atabik et al.
(2024), Cervantes-López et al.
(2023), Wong-Fajardo et al. (2023),
Rosales et al. (2023).
Desafíos éticos, integridad
académica y gobernanza de la
IA
Aborda problemáticas vinculadas con el plagio,
la autoría académica, los sesgos algorítmicos, la
privacidad de datos y la regulación institucional.
Cotton et al. (2023), Farrokhnia et al.
(2024), Yan et al. (2024), UNESCO
(2023), Johnston et al. (2024).
Tendencias emergentes y
perspectivas futuras de la
inteligencia artificial en
educación superior
Identifica líneas de investigación emergentes
relacionadas con analítica del aprendizaje,
ecosistemas inteligentes, educación híbrida y
transformación universitaria.
Dwivedi et al. (2023), Crompton y
Burke (2023), Zawacki-Richter et al.
(2024), Bozkurt et al. (2024), McGrath
et al. (2025).
Nota. La tabla presenta los 24 estudios incluidos en la revisión sistemática, organizados según los principales ejes temáticos
identificados durante el proceso de síntesis de la evidencia. Con fines de sistematización y claridad expositiva, los estudios
fueron agrupados de acuerdo con el eje temático predominante abordado en cada investigación
Resultados
Los resultados de la presente revisión sistemática se estructuraron a partir del análisis de los 24 estudios
incluidos, los cuales fueron organizados mediante un proceso de categorización temática que permitió identificar
cinco ejes relacionados con la incorporación de la inteligencia artificial generativa en la educación superior. Estos
ejes comprenden la transformación de los procesos de enseñanza y aprendizaje; el desempeño académico y el
desarrollo de competencias estudiantiles; la calidad educativa, la innovación y la gestión institucional; los desafíos
éticos, la integridad académica y la gobernanza de la inteligencia artificial; y las tendencias emergentes y
perspectivas futuras. La síntesis de la evidencia permitió identificar los principales hallazgos reportados por la
literatura reciente, estableciendo patrones comunes, aportes relevantes y aspectos críticos asociados con la
implementación de estas tecnologías en los contextos universitarios.
Transformación de los procesos de enseñanza y aprendizaje
La evidencia sintetizada en los estudios de Kasneci et al. (2023), Tlili et al. (2023), Holmes et al. (2023),
Lo (2023) y Adiguzel et al. (2023) demuestra que la inteligencia artificial generativa favorece la personalización del
aprendizaje, la retroalimentación inmediata y la adaptación de las actividades académicas a las necesidades
individuales de los estudiantes. Asimismo, la incorporación de asistentes inteligentes y modelos generativos ha
5
permitido fortalecer el aprendizaje autónomo, optimizar la planificación didáctica y ampliar el acceso a recursos
educativos digitales, promoviendo experiencias de aprendizaje más flexibles e interactivas en distintos contextos
universitarios.
La evidencia también muestra que el impacto de estas herramientas depende de factores asociados al
contexto educativo y a las competencias de sus usuarios. Los estudios revisados coinciden en señalar que la
alfabetización digital, la formación docente, el desarrollo del pensamiento crítico y el uso responsable de la
inteligencia artificial constituyen condiciones esenciales para lograr una integración pedagógica efectiva. En
conjunto, los hallazgos indican que la inteligencia artificial generativa representa un recurso con potencial para
fortalecer los procesos formativos, siempre que su incorporación responda a estrategias pedagógicas planificadas
y orientadas al aprendizaje significativo.
Desempeño académico y desarrollo de competencias estudiantiles
Los estudios de Ortiz y Fernández (2025), Casanova et al. (2024), Botero-Zapata et al. (2024), Soria-
Barreto et al. (2024) y Shala et al. (2024) evidenciaron que la inteligencia artificial generativa se relaciona con el
fortalecimiento del desempeño académico mediante el apoyo a los procesos de aprendizaje autónomo, la
resolución de actividades académicas, la búsqueda y organización de información y el desarrollo de competencias
digitales. Asimismo, la literatura reportó que estas herramientas favorecen la autorregulación del aprendizaje,
incrementan la motivación hacia las actividades universitarias y facilitan la adquisición de habilidades para el
análisis crítico y la resolución de problemas, particularmente cuando su utilización se integra dentro de estrategias
pedagógicas planificadas.
Los estudios también identificaron que el rendimiento académico continúa siendo un fenómeno
multidimensional influenciado por variables cognitivas, socioemocionales, institucionales y contextuales. En este
sentido, la inteligencia artificial generativa constituye un recurso complementario cuyo impacto depende del nivel
de alfabetización digital de los estudiantes, de la orientación proporcionada por los docentes y de la existencia de
entornos educativos que promuevan el uso ético, crítico y responsable de estas tecnologías. En conjunto, la
evidencia muestra que la incorporación de la IA puede contribuir al desarrollo de competencias académicas,
aunque sus resultados varían según las condiciones de implementación en cada institución.
Calidad educativa, innovación y gestión institucional
Los estudios desarrollados por Angulo-García (2022), Atabik et al. (2024), Cervantes-López et al. (2023),
Wong-Fajardo et al. (2023) y Rosales et al. (2023) evidenciaron que la inteligencia artificial generativa contribuye
a fortalecer los procesos de calidad educativa mediante la innovación pedagógica, la transformación digital y la
optimización de la gestión institucional. Los hallazgos muestran que estas tecnologías favorecen la toma de
decisiones basada en datos, apoyan los procesos de aseguramiento de la calidad y facilitan la modernización de
la gestión académica y administrativa, promoviendo una mayor eficiencia en las instituciones de educación
superior.
Asimismo, la literatura revisada señala que la incorporación de la inteligencia artificial exige procesos de
planificación institucional, liderazgo académico y políticas orientadas a la innovación educativa. Los estudios
coinciden en que la implementación efectiva de estas tecnologías requiere infraestructura tecnológica, capacitación
permanente del profesorado y mecanismos de evaluación que permitan garantizar la calidad de los procesos
educativos. En consecuencia, la evidencia identifica a la inteligencia artificial generativa como un recurso
estratégico para fortalecer la gestión universitaria y apoyar los procesos de mejora continua.
Desafíos éticos, integridad académica y gobernanza de la inteligencia artificial
Los estudios de Cotton et al. (2023), Farrokhnia et al. (2024), Yan et al. (2024), UNESCO (2023) y Johnston
et al. (2024) evidenciaron que la expansión de la inteligencia artificial generativa ha incrementado las
preocupaciones relacionadas con la integridad académica, la autoría intelectual, el plagio, la privacidad de los
datos y los sesgos algorítmicos. Los hallazgos muestran que el uso indiscriminado de estas herramientas puede
afectar la autenticidad de las producciones académicas y generar dificultades para verificar la originalidad de los
trabajos desarrollados por los estudiantes, situación que plantea nuevos desafíos para los sistemas de evaluación
universitaria.
La evidencia también identifica la necesidad de fortalecer los mecanismos de gobernanza institucional
mediante políticas, lineamientos éticos y marcos regulatorios que orienten el uso responsable de la inteligencia
artificial en la educación superior. Los estudios revisados coinciden en que la formación en ética digital, la
transparencia en el uso de herramientas generativas y la supervisión permanente por parte de docentes e
6
instituciones constituyen elementos fundamentales para garantizar una incorporación responsable de estas
tecnologías y preservar los principios de calidad, equidad e integridad académica.
Tendencias emergentes y perspectivas futuras de la inteligencia artificial en educación superior
Los estudios de Dwivedi et al. (2023), Crompton y Burke (2023), Zawacki-Richter et al. (2024), Bozkurt et
al. (2024) evidenciaron que las principales tendencias de investigación se orientan hacia el desarrollo de
ecosistemas educativos inteligentes, la consolidación de modelos híbridos de enseñanza, la expansión de la
analítica del aprendizaje y la integración progresiva de herramientas de inteligencia artificial en los procesos
académicos e institucionales. Los hallazgos muestran una evolución constante de las aplicaciones de la IA
generativa, orientadas a mejorar la personalización del aprendizaje, fortalecer la toma de decisiones basada en
datos y optimizar la gestión universitaria.
Asimismo, la literatura revisada identifica como desafíos futuros el diseño de políticas institucionales que
promuevan una adopción sostenible de estas tecnologías, el fortalecimiento de competencias digitales en docentes
y estudiantes y la consolidación de modelos educativos centrados en el aprendizaje, la innovación y la inclusión.
En conjunto, los estudios analizados coinciden en que la evolución de la inteligencia artificial generativa continuará
transformando la educación superior, por lo que su implementación deberá acompañarse de estrategias
pedagógicas, organizacionales y éticas que favorezcan una integración responsable y orientada a la mejora
continua de la calidad educativa.
Discusión
Los hallazgos de la presente revisión sistemática evidencian que la inteligencia artificial generativa ha
adquirido un papel estratégico en la transformación de la educación superior, al influir simultáneamente en los
procesos de enseñanza y aprendizaje, el desempeño académico, la gestión institucional y los mecanismos de
aseguramiento de la calidad. La convergencia de los estudios analizados demuestra que estas tecnologías han
dejado de ser herramientas complementarias para convertirse en componentes integrados de los ecosistemas
educativos universitarios. En este sentido, los trabajos de Kasneci et al. (2023), Tlili et al. (2023), Holmes et al.
(2023) y Adiguzel et al. (2023) coinciden en destacar que la inteligencia artificial generativa favorece la
personalización del aprendizaje, la retroalimentación automatizada y la innovación pedagógica, resultados que se
relacionan directamente con la mejora de las experiencias formativas y con la adaptación de los procesos
educativos a las necesidades individuales de los estudiantes.
En relación con el desempeño académico, la evidencia sintetizada muestra que la incorporación de
herramientas basadas en inteligencia artificial no garantiza por sí misma mejores resultados educativos, sino que
su efectividad depende de factores pedagógicos, institucionales y personales. Los estudios desarrollados por Ortiz
y Fernández (2025), Casanova et al. (2024), Botero-Zapata et al. (2024), Soria-Barreto et al. (2024) y Shala et al.
(2024) permiten inferir que el fortalecimiento de competencias digitales, la autorregulación del aprendizaje, la
motivación y el pensamiento crítico constituyen condiciones indispensables para que estas tecnologías generen
un impacto positivo en el rendimiento académico. Esta evidencia sugiere que la integración de la inteligencia
artificial debe comprenderse como un proceso de innovación educativa acompañado por estrategias didácticas y
procesos de formación permanente, más que como una solución tecnológica aislada.
Desde la perspectiva institucional, los resultados muestran que la inteligencia artificial generativa también
constituye un elemento relevante para fortalecer los procesos de calidad educativa y transformación digital. Los
estudios de Angulo-García (2022), Atabik et al. (2024), Cervantes-López et al. (2023), Wong-Fajardo et al. (2023)
y Rosales et al. (2023) evidencian que la implementación de estas tecnologías favorece la optimización de la
gestión académica, el liderazgo institucional y la toma de decisiones sustentadas en información estratégica. En
consecuencia, la calidad educativa deja de depender exclusivamente de los procesos de enseñanza y aprendizaje
para incorporar dimensiones relacionadas con la innovación organizacional, la eficiencia institucional y la
capacidad de las universidades para responder a los desafíos de la transformación digital.
No obstante, la revisión también pone de manifiesto que el crecimiento acelerado de la inteligencia artificial
generativa plantea importantes desafíos éticos y regulatorios. Los aportes de Cotton et al. (2023), Farrokhnia et al.
(2024), Yan et al. (2024), UNESCO (2023) y Johnston et al. (2024) coinciden en señalar preocupaciones vinculadas
con la integridad académica, la autoría intelectual, la privacidad de los datos, los sesgos algorítmicos y la necesidad
de establecer marcos normativos que orienten el uso responsable de estas tecnologías. Estos hallazgos
evidencian que la incorporación de la inteligencia artificial en la educación superior debe acompañarse de políticas
institucionales, principios éticos y programas de alfabetización digital que permitan equilibrar la innovación
tecnológica con la protección de los valores académicos fundamentales.
7
Finalmente, las tendencias identificadas por Dwivedi et al. (2023), Crompton y Burke (2023), Zawacki-
Richter et al. (2024), Bozkurt et al. (2024) y McGrath et al. (2025) indican que la evolución de la inteligencia artificial
generativa continuará orientando el desarrollo de ecosistemas inteligentes, modelos híbridos de enseñanza,
analítica del aprendizaje y nuevas formas de gestión universitaria. En conjunto, la evidencia revisada confirma que
el futuro de la educación superior dependerá de la capacidad de las instituciones para integrar estas tecnologías
de manera pedagógicamente pertinente, éticamente responsable e institucionalmente sostenible. En
consecuencia, la inteligencia artificial generativa debe entenderse no solo como una innovación tecnológica, sino
como un factor estructural que redefine las prácticas educativas, impulsa la mejora continua de la calidad y exige
nuevas competencias para afrontar los retos de la universidad contemporánea.
Conclusiones
La presente revisión sistemática permitió analizar la evidencia científica publicada entre 2022 y 2025 sobre
la influencia de la inteligencia artificial generativa en la calidad educativa de la educación superior, a partir de un
corpus de 24 estudios seleccionados conforme a criterios metodológicos previamente establecidos. La evidencia
revisada demuestra que estas tecnologías han trascendido su función instrumental para consolidarse como
recursos estratégicos capaces de transformar los procesos de enseñanza y aprendizaje, fortalecer el desempeño
académico y favorecer la innovación en la gestión institucional universitaria. En consecuencia, la inteligencia
artificial generativa constituye un elemento con potencial para contribuir al mejoramiento de la calidad educativa
cuando su incorporación responde a objetivos pedagógicos claramente definidos.
Asimismo, los estudios analizados evidencian que el impacto de la inteligencia artificial generativa no
depende exclusivamente de las capacidades tecnológicas de las herramientas utilizadas, sino de las condiciones
institucionales y pedagógicas que orientan su implementación. Factores como la alfabetización digital, el desarrollo
de competencias docentes, la formación crítica de los estudiantes y la disponibilidad de políticas institucionales
orientadas a la innovación determinan el aprovechamiento efectivo de estas tecnologías en los procesos
educativos. Esto confirma que la transformación digital universitaria requiere estrategias integrales que articulen
infraestructura, formación y gestión del cambio.
Por otra parte, la revisión permitió identificar que la expansión de la inteligencia artificial generativa también
plantea desafíos significativos relacionados con la integridad académica, la protección de datos, los sesgos
algorítmicos, la autoría intelectual y la gobernanza institucional. Estos aspectos evidencian la necesidad de
fortalecer marcos regulatorios, lineamientos éticos y mecanismos de supervisión que garanticen un uso
responsable, transparente y equitativo de estas tecnologías dentro de las instituciones de educación superior.
Finalmente, se recomienda que futuras investigaciones amplíen el análisis mediante estudios empíricos y
revisiones sistemáticas que incorporen diferentes contextos geográficos, disciplinas académicas y diseños
metodológicos, con el propósito de profundizar en la comprensión de los efectos de la inteligencia artificial
generativa sobre la calidad educativa y el desempeño académico. Asimismo, resulta pertinente evaluar
longitudinalmente el impacto de estas tecnologías en los procesos de enseñanza, aprendizaje y gestión
universitaria, considerando la rápida evolución de las herramientas de inteligencia artificial y las nuevas demandas
del entorno educativo.
Referencias
Adiguzel, T., Kaya, M., & Cansu, F. (2023). Revolutionizing education with AI: Implications of ChatGPT.
Contemporary Educational Technology, 15(3). https://doi.org/10.30935/cedtech/13152
Angulo-García, K. E. (2022). Gestión de la innovación educativa: una pieza clave para alcanzar la calidad
educativa. Sapienza International Journal of Interdisciplinary Studies, 3(6), 226-236.
https://doi.org/10.51798/sijis.v3i6.553
Atabik, Nurfuadi, Hidayat, I., Masruri, & Nur, S. (2024). Digitalization of Educational Quality Management in Higher
Education. Revista de Gestão Social e Ambiental, 18(7), e06776. https://doi.org/10.24857/rgsa.v18n7-133
Botero-Zapata, V., Ospina-Uribe, A. C., Remington, C. U., Barrera, D. A., Remington, C. U., García-Toro, M.,
Remington, C. U., Arteaga, A., Remington, C. U., Castro-Álvarez, J. F., & Remington, C. U. (2024).
Caracterización de funciones ejecutivas y del desempeño académico en estudiantes de Medicina de la
Corporación Universitaria Remington, 2021. IATREIA, 38(1). https://doi.org/10.17533/udea.iatreia.284
Bozkurt, A., Karadeniz, A., Baneres, D., Guerrero-Roldán, A. E., & Rodríguez, M. E. (2021). Artificial Intelligence
and Reflections from Educational Landscape: A Review of AI Studies in Half a Century. Sustainability, 13(2),
800. https://doi.org/10.3390/su13020800
8
Casanova, J., Sinval, J., & Almeida, L. (2024). Academic success, engagement and self-efficacy of first-year
university students: personal variables and first-semester performance. Anales de Psicología, 40(1), 44-
53. https://doi.org/10.6018/analesps.479151
Cervantes-López, M. J., Llanes-Castillo, A., Rivera-García, G. E., & De Oca Rojas, Y. M. (2023). Gestión estratégica
de la calidad para la mejora educativa en México. Revista Venezolana de Gerencia, 28(Especial 10), 1298-
1312. https://doi.org/10.52080/rvgluz.28.e10.26
Chan, C. K. Y. (2023). A comprehensive AI policy education framework for university teaching and learning.
International Journal of Educational Technology in Higher Education, 20, 38.
https://doi.org/10.1186/s41239-023-00408-3
Chan, C. K. Y., & Hu, W. (2023). Students’ voices on generative AI: Perceptions, benefits, and challenges in higher
education. International Journal of Educational Technology in Higher Education, 20, 43.
https://doi.org/10.1186/s41239-023-00411-8
Cotton, D. R. E., Cotton, P. A., & Shipway, J. R. (2023). Chatting and cheating? Ensuring academic integrity in the
era of ChatGPT. Innovations in Education and Teaching International, 61(2).
https://doi.org/10.1080/14703297.2023.2190148
Crompton, H., & Burke, D. (2023). Artificial intelligence in higher education: The state of the field. International
Journal of Educational Technology in Higher Education, 20, 22. https://doi.org/10.1186/s41239-023-00392-
8
Dwivedi, Y. K., et al. (2023). So what if ChatGPT wrote it? Multidisciplinary perspectives on opportunities,
challenges, and implications of generative artificial intelligence for research, practice and policy.
International Journal of Information Management, 71, 102642.
https://doi.org/10.1016/j.ijinfomgt.2023.102642
Farrokhnia, M., et al. (2024). A SWOT analysis of ChatGPT in higher education. Computers and Education: Artificial
Intelligence, 5, 100151. https://edepot.wur.nl/591282
Holmes, W., Bialik, M. and Fadel, C. (2023) Artificial Intelligence in Education. Globethics Publications, 621-653.
http://hdl.handle.net/20.500.12424/4276068
Johnston, H., Wells, R. F., Shanks, E. M., Boey, T., & Parsons, B. N. (2024). Student perspectives on the use of
generative artificial intelligence technologies in higher education. International Journal for Educational
Integrity, 20(2). https://doi.org/10.1007/s40979-024-00149-4
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G.,
Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O.,
Sailer, M., Schmidt, A., Seidel, T., Stadler, M., Weller, J., Kuhn, J., & Kasneci, G. (2023). ChatGPT for good?
On opportunities and challenges of large language models for education. Learning and Individual
Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Lo, C. K. (2023). What is the impact of ChatGPT on education? A rapid review of the literature. Education Sciences,
13(4), 410. https://doi.org/10.3390/educsci13040410
McGrath, C., Farazouli, A., & Cerratto-Pargman, T. (2025). Generative AI chatbots in higher education: A review of
an emerging research area. Higher Education, 89, 1533–1549. https://doi.org/10.1007/s10734-024-01288-
w
Ortiz Aguilar, W., & Fernández Cobas, L. (2025). Interacción virtual como predictora del desempeño académico:
percepción comparada de docentes y estudiantes de la maestría en Educación Básica. European Public
& Social Innovation Review, 10, 1-13. https://doi.org/10.31637/epsir-2025-2009
Rosales Yepes, A., Montes Miranda, A., & Gamboa Suárez, A. (2023). Liderazgo eficaz para la calidad educativa y
la acreditación universitaria en el caribe colombiano. Revista Interuniversitaria de Formación del
Profesorado Continuación de la Antigua Revista de Escuelas Normales, 98(37.1).
https://doi.org/10.47553/rifop.v98i37.1.98213
Shala, D. S., Kurhasku, A., & Rexhepi, R. (2024). High School Students’ Academic Performance Concerning Social
Responsibility and Self-Efficacy. Revista de Gestão Social e Ambiental, 18(7), e07541.
https://doi.org/10.24857/rgsa.v18n7-137
Soria-Barreto, K., Zuniga-Jara, S., Jaque-Silva, D., & Bortolotti-Nardon, C. (2024). Compromiso académico como
determinante del desempeño y la satisfacción en estudiantes universitarios de ingeniería comercial.
Formación Universitaria, 17(6), 89-98. https://doi.org/10.4067/s0718-50062024000600089
Tlili, A., Shehata, B., Adarkwah, M. A. et al. (2023). What if the devil is my guardian angel? ChatGPT as a case
study of using chatbots in education. Smart Learning Environments, 10(1), 15.
https://doi.org/10.1186/s40561-023-00237-x
9
UNESCO. (2023). Guidance for generative AI in education and research. UNESCO.
https://unesdoc.unesco.org/ark:/48223/pf0000386693
Wong-Fajardo E. M., Mendoza-Rodas, M., Hernández-Vásquez, R., & Saavedra-Sánchez, H. (2023).
Implementación de un modelo integrado de gestión académica con LMS en el sistema universitario.
Publicaciones, 53(2), 217–235. https://doi.org/10.30827/publicaciones.v53i2.26826
Yan, L., Sha, L., Zhao, L., Li, Y. , Martinez-Maldonado, R., Chen, G., Li, X., Jin, Y. , & Gašević, D. (2024). Practical
and ethical challenges of large language models in education: A systematic scoping review. British Journal
of Educational Technology, 55, 90–112. https://doi.org/10.1111/bjet.13370
Zawacki-Richter, O., Bai, J.Y.H., Lee, K. et al. (2024). New advances in artificial intelligence applications in higher
education? International Journal of Educational Technology in Higher Education, 21, 32.
https://doi.org/10.1186/s41239-024-00464-3
DECLARACIÓN SOBRE EL USO DE INTELIGENCIA ARTIFICIAL
Los autores declaran que, durante la elaboración del presente manuscrito, se utilizaron herramientas de
inteligencia artificial generativa, como Perplexity AI, únicamente como apoyo en tareas lingüísticas y editoriales,
tales como la revisión gramatical, la mejora de la redacción académica, la optimización del estilo científico y la
organización preliminar del contenido. Esta herramienta no fue empleada para generar resultados, realizar análisis,
interpretar evidencias, formular conclusiones ni sustituir el juicio crítico, metodológico o ético de los autores. La
búsqueda y selección de fuentes, el diseño metodológico, el análisis de la literatura, la interpretación de los
hallazgos y la redacción final del manuscrito fueron desarrollados y supervisados íntegramente por los autores,
quienes asumen plena responsabilidad sobre la exactitud, originalidad, integridad y validez científica del trabajo
presentado. Esta declaración se formula en concordancia con los principios internacionales de transparencia,
integridad académica y ética en la publicación científica promovidos por el Committee on Publication Ethics (COPE)
y las buenas prácticas reconocidas en la comunicación científica contemporánea.
