pág. 1369
AVANCES, RETOS ÉTICOS Y PERSPECTIVAS
DE LA INTELIGENCIA ARTIFICIAL (IA) EN LA
EDUCACIÓN DE AMÉRICA LATINA
ADVANCES, ETHICAL CHALLENGES, AND FUTURE
PERSPECTIVES OF ARTIFICIAL INTELLIGENCE (AI) IN
EDUCATION IN LATIN AMERICA
Aliya Cabrera-Fuentes
Universidad Autónoma Benito Juárez de Oaxaca, México
David Zabdiel Martínez Pérez
Universidad Autónoma Benito Juárez de Oaxaca, México
Juan José Rementeria Fuentes
Instituto Tecnológico de Tlalnepantla, México
pág. 1370
DOI: https://doi.org/10.37811/cl_rcm.v9i4.18603
Avances, Retos Éticos y Perspectivas de la Inteligencia Artificial (IA) en la
Educación de América Latina
Aliya Cabrera-Fuentes1
aliya.cafu@outlook.com
https://orcid.org/0009-0002-6289-5025
Dirección de la División de Investigación y
Desarrollo Científico, Benemerita Universidad
de Oaxaca.
Universidad Autónoma Benito Juárez de Oaxaca
México
David Zabdiel Martínez Pérez
buouniversidad@gmail.com
https://orcid.org/0009-0003-6324-466X
Benemérita Universidad de Oaxaca
México
Juan José Rementeria Fuentes
juan.rf@tlalnepantla.tecnm.mx
https://orcid.org/0009-0003-3132-0453
Instituto Tecnológico de Tlalnepantla
México
RESUMEN
Este artículo presenta una revisión crítica de la literatura científica sobre la implementación de la
inteligencia artificial (IA) en los sistemas educativos de América Latina, centrándose en sus avances
recientes, principales desafíos éticos y perspectivas futuras. Nuestro análisis profundiza en tres
innovaciones clave: (1) la personalización del aprendizaje mediante IA, (2) la automatización de
evaluaciones formativas, y (3) el apoyo docente con herramientas digitales, destacando el rol
transformador del procesamiento de lenguaje natural (PLN), el machine learning y los asistentes
virtuales en contextos latinoamericanos. Al mismo tiempo, se abordan los dilemas éticos que surgen en
torno al uso de IA en la educación, especialmente aquellos relacionados con la protección de datos
estudiantiles, las desigualdades en el acceso a tecnologías y los cambios en las funciones del
profesorado. Estas tensiones se inscriben en un contexto marcado por desigualdades estructurales
persistentes y una limitada capacidad institucional para regular el avance tecnológico. A partir de una
revisión crítica de la literatura científica, el estudio identifica una desconexión entre la adopción
acelerada de herramientas inteligentes y la ausencia de marcos normativos, pedagógicos y culturales que
orienten su implementación de forma pertinente. Como respuesta, se plantean líneas de acción
orientadas al fortalecimiento de la soberanía tecnológica regional, la participación activa de
comunidades educativas en el diseño de soluciones, el desarrollo de investigación contextualizada y la
formulación de políticas públicas que promuevan la equidad, la ética y la inclusión como principios
rectores del uso educativo de la IA. La IA solo cumplirá su promesa transformadora en América Latina
si se ancla en tres pilares irrenunciables: (a) pedagogías críticas locales, (b) humanismo tecnológico
centrado en la equidad, y (c) marcos éticos surgidos de diálogos sur-sur, como propone la UNESCO
(2021) para contextos periféricos.
Palabras clave: Inteligencia artificial (IA), educación en América Latina, ética tecnológica, soberanía
tecnológica, personalización del aprendizaje
1 Autor principal
Correspondencia: juan.rf@tlalnepantla.tecnm.mx
DOI: https://doi.org/10.37811/cl_rcm.v9i4.18603
Avances, Retos Éticos y Perspectivas de la Inteligencia Artificial (IA) en la
Educación de América Latina
Aliya Cabrera-Fuentes1
aliya.cafu@outlook.com
https://orcid.org/0009-0002-6289-5025
Dirección de la División de Investigación y
Desarrollo Científico, Benemerita Universidad
de Oaxaca.
Universidad Autónoma Benito Juárez de Oaxaca
México
David Zabdiel Martínez Pérez
buouniversidad@gmail.com
https://orcid.org/0009-0003-6324-466X
Benemérita Universidad de Oaxaca
México
Juan José Rementeria Fuentes
juan.rf@tlalnepantla.tecnm.mx
https://orcid.org/0009-0003-3132-0453
Instituto Tecnológico de Tlalnepantla
México
RESUMEN
Este artículo presenta una revisión crítica de la literatura científica sobre la implementación de la
inteligencia artificial (IA) en los sistemas educativos de América Latina, centrándose en sus avances
recientes, principales desafíos éticos y perspectivas futuras. Nuestro análisis profundiza en tres
innovaciones clave: (1) la personalización del aprendizaje mediante IA, (2) la automatización de
evaluaciones formativas, y (3) el apoyo docente con herramientas digitales, destacando el rol
transformador del procesamiento de lenguaje natural (PLN), el machine learning y los asistentes
virtuales en contextos latinoamericanos. Al mismo tiempo, se abordan los dilemas éticos que surgen en
torno al uso de IA en la educación, especialmente aquellos relacionados con la protección de datos
estudiantiles, las desigualdades en el acceso a tecnologías y los cambios en las funciones del
profesorado. Estas tensiones se inscriben en un contexto marcado por desigualdades estructurales
persistentes y una limitada capacidad institucional para regular el avance tecnológico. A partir de una
revisión crítica de la literatura científica, el estudio identifica una desconexión entre la adopción
acelerada de herramientas inteligentes y la ausencia de marcos normativos, pedagógicos y culturales que
orienten su implementación de forma pertinente. Como respuesta, se plantean líneas de acción
orientadas al fortalecimiento de la soberanía tecnológica regional, la participación activa de
comunidades educativas en el diseño de soluciones, el desarrollo de investigación contextualizada y la
formulación de políticas públicas que promuevan la equidad, la ética y la inclusión como principios
rectores del uso educativo de la IA. La IA solo cumplirá su promesa transformadora en América Latina
si se ancla en tres pilares irrenunciables: (a) pedagogías críticas locales, (b) humanismo tecnológico
centrado en la equidad, y (c) marcos éticos surgidos de diálogos sur-sur, como propone la UNESCO
(2021) para contextos periféricos.
Palabras clave: Inteligencia artificial (IA), educación en América Latina, ética tecnológica, soberanía
tecnológica, personalización del aprendizaje
1 Autor principal
Correspondencia: juan.rf@tlalnepantla.tecnm.mx
pág. 1371
Advances, Ethical Challenges, and Future Perspectives of Artificial
Intelligence (AI) in Education in Latin America
ABSTRACT
This article presents a critical review of the scientific literature on the implementation of artificial
intelligence (AI) in Latin American education systems, with a focus on recent advancements, key ethical
challenges, and future directions. The analysis explores three major areas of innovation: (1) personalized
learning supported by AI, (2) automated formative assessment, and (3) teacher support through digital
tools—highlighting the transformative role of natural language processing (NLP), machine learning,
and virtual assistants in diverse Latin American contexts. Alongside these developments, the paper
examines the ethical dilemmas raised by the integration of AI in education, particularly those related to
student data protection, unequal access to digital infrastructure, and the evolving responsibilities of
educators. These issues unfold within a broader landscape marked by persistent structural inequalities
and limited institutional capacity to regulate technological change. Based on a critical synthesis of recent
research, the study reveals a growing disconnect between the rapid uptake of intelligent technologies
and the lack of normative, pedagogical, and cultural frameworks to guide their contextualized adoption.
In response, the article outlines a set of strategic actions aimed at reinforcing regional technological
sovereignty, promoting active engagement of educational communities in the co-design of solutions,
advancing context-sensitive research, and shaping public policies that place equity, ethics, and inclusion
at the core of AI integration in education. AI will only fulfill its transformative promise in Latin America
if grounded in three essential pillars: (a) locally rooted critical pedagogies, (b) a human-centered
technological ethic anchored in social justice, and (c) ethical frameworks shaped through South–South
dialogue, as advocated by UNESCO (2021) for peripheral and structurally unequal contexts.
Keywords: Artificial Intelligence (AI), Latin American education, ethical challenges in AI, technological
sovereignty, personalized learning
Artículo recibido 26 mayo 2025
Aceptado para publicación: 30 junio 2025
Advances, Ethical Challenges, and Future Perspectives of Artificial
Intelligence (AI) in Education in Latin America
ABSTRACT
This article presents a critical review of the scientific literature on the implementation of artificial
intelligence (AI) in Latin American education systems, with a focus on recent advancements, key ethical
challenges, and future directions. The analysis explores three major areas of innovation: (1) personalized
learning supported by AI, (2) automated formative assessment, and (3) teacher support through digital
tools—highlighting the transformative role of natural language processing (NLP), machine learning,
and virtual assistants in diverse Latin American contexts. Alongside these developments, the paper
examines the ethical dilemmas raised by the integration of AI in education, particularly those related to
student data protection, unequal access to digital infrastructure, and the evolving responsibilities of
educators. These issues unfold within a broader landscape marked by persistent structural inequalities
and limited institutional capacity to regulate technological change. Based on a critical synthesis of recent
research, the study reveals a growing disconnect between the rapid uptake of intelligent technologies
and the lack of normative, pedagogical, and cultural frameworks to guide their contextualized adoption.
In response, the article outlines a set of strategic actions aimed at reinforcing regional technological
sovereignty, promoting active engagement of educational communities in the co-design of solutions,
advancing context-sensitive research, and shaping public policies that place equity, ethics, and inclusion
at the core of AI integration in education. AI will only fulfill its transformative promise in Latin America
if grounded in three essential pillars: (a) locally rooted critical pedagogies, (b) a human-centered
technological ethic anchored in social justice, and (c) ethical frameworks shaped through South–South
dialogue, as advocated by UNESCO (2021) for peripheral and structurally unequal contexts.
Keywords: Artificial Intelligence (AI), Latin American education, ethical challenges in AI, technological
sovereignty, personalized learning
Artículo recibido 26 mayo 2025
Aceptado para publicación: 30 junio 2025
pág. 1372
INTRODUCCIÓN
El presente artículo consiste en una revisión bibliográfica de la literatura científica sobre la adopción de
la inteligencia artificial (IA) en la educación en América Latina. Se parte de la premisa de que, en la
última década, la IA ha irrumpido en múltiples ámbitos formativos para ofrecer soluciones de
personalización del aprendizaje, automatización de procesos y apoyo al docente. Sin embargo, su
adopción en América Latina no está exenta de obstáculos. La marcada brecha digital entre regiones, la
heterogeneidad cultural y la falta de marcos regulatorios adecuados representan retos significativos para
su integración efectiva y equitativa en los sistemas educativos.
En los últimos años, distintas investigaciones han destacado el creciente interés por las aplicaciones de
inteligencia artificial en la educación superior en la región. Estas investigaciones no solo han explorado
los beneficios potenciales de estas tecnologías, sino también las limitaciones estructurales que
condicionan su implementación en contextos locales diversos. Salas-Pilco y Yang (2022) realizaron una
revisión sistemática de 139 artículos indexados en Scopus, identificando aplicaciones en modelado
predictivo, analítica inteligente y tecnologías de asistencia, y destacando su contribución a la detección
temprana del riesgo de deserción [1]. En un enfoque similar, Mauris de la Ossa et al. (2024) analizaron
la producción científica entre 2018 y 2023, señalando la predominancia de estudios exploratorios y
descriptivos sobre los retos y oportunidades de la IA en la educación universitaria [2].
En el ámbito de la educación básica y media, estudios recientes se han centrado en comprender cómo
los docentes perciben la incorporación de la inteligencia artificial en sus prácticas pedagógicas. Peñafiel-
Jurado (2024) examinó las perspectivas, beneficios y desafíos percibidos por maestros ecuatorianos
entre 2020 y 2024, utilizando el modelo PRISMA, y subrayó la necesidad de formación continua para
integrar herramientas de IA en el aula [3]. Asimismo, Kasun et al. (2024) describieron un taller de IA
dirigido a jóvenes marginados en zonas urbanas de México, donde se evidenció un impacto positivo en
la alfabetización digital y la motivación académica [4].
Entre las distintas aplicaciones de la inteligencia artificial en el ámbito educativo, la personalización del
aprendizaje ha destacado por su dinamismo y rápida evolución en los últimos años. Barrera Castro
(2025) presentó una revisión sistemática sobre aprendizaje personalizado basado en IA, destacando
obstáculos como la falta de datos estandarizados y la insuficiente interoperabilidad entre plataformas
INTRODUCCIÓN
El presente artículo consiste en una revisión bibliográfica de la literatura científica sobre la adopción de
la inteligencia artificial (IA) en la educación en América Latina. Se parte de la premisa de que, en la
última década, la IA ha irrumpido en múltiples ámbitos formativos para ofrecer soluciones de
personalización del aprendizaje, automatización de procesos y apoyo al docente. Sin embargo, su
adopción en América Latina no está exenta de obstáculos. La marcada brecha digital entre regiones, la
heterogeneidad cultural y la falta de marcos regulatorios adecuados representan retos significativos para
su integración efectiva y equitativa en los sistemas educativos.
En los últimos años, distintas investigaciones han destacado el creciente interés por las aplicaciones de
inteligencia artificial en la educación superior en la región. Estas investigaciones no solo han explorado
los beneficios potenciales de estas tecnologías, sino también las limitaciones estructurales que
condicionan su implementación en contextos locales diversos. Salas-Pilco y Yang (2022) realizaron una
revisión sistemática de 139 artículos indexados en Scopus, identificando aplicaciones en modelado
predictivo, analítica inteligente y tecnologías de asistencia, y destacando su contribución a la detección
temprana del riesgo de deserción [1]. En un enfoque similar, Mauris de la Ossa et al. (2024) analizaron
la producción científica entre 2018 y 2023, señalando la predominancia de estudios exploratorios y
descriptivos sobre los retos y oportunidades de la IA en la educación universitaria [2].
En el ámbito de la educación básica y media, estudios recientes se han centrado en comprender cómo
los docentes perciben la incorporación de la inteligencia artificial en sus prácticas pedagógicas. Peñafiel-
Jurado (2024) examinó las perspectivas, beneficios y desafíos percibidos por maestros ecuatorianos
entre 2020 y 2024, utilizando el modelo PRISMA, y subrayó la necesidad de formación continua para
integrar herramientas de IA en el aula [3]. Asimismo, Kasun et al. (2024) describieron un taller de IA
dirigido a jóvenes marginados en zonas urbanas de México, donde se evidenció un impacto positivo en
la alfabetización digital y la motivación académica [4].
Entre las distintas aplicaciones de la inteligencia artificial en el ámbito educativo, la personalización del
aprendizaje ha destacado por su dinamismo y rápida evolución en los últimos años. Barrera Castro
(2025) presentó una revisión sistemática sobre aprendizaje personalizado basado en IA, destacando
obstáculos como la falta de datos estandarizados y la insuficiente interoperabilidad entre plataformas
pág. 1373
[5]. Bayly-Castañeda (2024) profundizó en marcos metodológicos para el diseño de entornos
adaptativos, enfatizando el rol de los algoritmos de procesamiento del lenguaje natural en la creación de
rutas de aprendizaje dinámicas [6]. Lagos-Castillo (2025) complementó estos hallazgos al analizar
tecnologías explicables (XAI) y el Internet of Behavior, subrayando su potencial para mejorar la
transparencia y confianza en sistemas inteligentes [7].
No menos importante es el desarrollo de asistentes virtuales. Sajja et al. (2023) describieron el marco
AIIA (Artificial Intelligence-Enabled Intelligent Assistant) para la educación superior, que utiliza
técnicas de NLP para generar cuestionarios, retroalimentación y guías personalizadas, apuntando a
reducir la carga cognitiva de los estudiantes [8].
En el ámbito meta-científico, Bond (2024) llevó a cabo una revisión de revisiones sobre IA en la
educación superior, sintetizando hallazgos de 50 resúmenes sistemáticos y resaltando la necesidad de
estudios empíricos que evalúen el impacto pedagógico de las tecnologías [9]. Por su parte, Liang et al.
(2025) evaluaron el impacto temprano de la IA en prácticas de enseñanza, proponiendo líneas futuras
de investigación orientadas a la co-diseño con comunidades educativas [10].
En conjunto, estas investigaciones evidencian un panorama heterogéneo: desde aplicaciones avanzadas
de analítica hasta enfoques exploratorios sobre percepción docente. Este artículo examina críticamente
los estudios más relevantes sobre inteligencia artificial en la educación latinoamericana, agrupándolos
en tres ejes —avances, desafíos éticos y proyecciones a futuro— con el objetivo de trazar un panorama
claro del estado actual del conocimiento y proponer líneas de acción que fortalezcan su integración
educativa en la región.
DESARROLLO
Avances en América Latina: Una Perspectiva Crítica
En los últimos años, la inteligencia artificial (IA) ha comenzado a desempeñar un papel cada vez más
visible en los sistemas educativos de América Latina, con aplicaciones enfocadas en la personalización
del aprendizaje, la automatización de evaluaciones y el fortalecimiento del trabajo docente. Si bien la
adopción de estas tecnologías varía ampliamente entre países y niveles educativos, ya se identifican
experiencias concretas que reflejan un esfuerzo por adaptar las innovaciones tecnológicas a los desafíos
y particularidades del contexto regional. Una de las principales ventajas es la personalización del
[5]. Bayly-Castañeda (2024) profundizó en marcos metodológicos para el diseño de entornos
adaptativos, enfatizando el rol de los algoritmos de procesamiento del lenguaje natural en la creación de
rutas de aprendizaje dinámicas [6]. Lagos-Castillo (2025) complementó estos hallazgos al analizar
tecnologías explicables (XAI) y el Internet of Behavior, subrayando su potencial para mejorar la
transparencia y confianza en sistemas inteligentes [7].
No menos importante es el desarrollo de asistentes virtuales. Sajja et al. (2023) describieron el marco
AIIA (Artificial Intelligence-Enabled Intelligent Assistant) para la educación superior, que utiliza
técnicas de NLP para generar cuestionarios, retroalimentación y guías personalizadas, apuntando a
reducir la carga cognitiva de los estudiantes [8].
En el ámbito meta-científico, Bond (2024) llevó a cabo una revisión de revisiones sobre IA en la
educación superior, sintetizando hallazgos de 50 resúmenes sistemáticos y resaltando la necesidad de
estudios empíricos que evalúen el impacto pedagógico de las tecnologías [9]. Por su parte, Liang et al.
(2025) evaluaron el impacto temprano de la IA en prácticas de enseñanza, proponiendo líneas futuras
de investigación orientadas a la co-diseño con comunidades educativas [10].
En conjunto, estas investigaciones evidencian un panorama heterogéneo: desde aplicaciones avanzadas
de analítica hasta enfoques exploratorios sobre percepción docente. Este artículo examina críticamente
los estudios más relevantes sobre inteligencia artificial en la educación latinoamericana, agrupándolos
en tres ejes —avances, desafíos éticos y proyecciones a futuro— con el objetivo de trazar un panorama
claro del estado actual del conocimiento y proponer líneas de acción que fortalezcan su integración
educativa en la región.
DESARROLLO
Avances en América Latina: Una Perspectiva Crítica
En los últimos años, la inteligencia artificial (IA) ha comenzado a desempeñar un papel cada vez más
visible en los sistemas educativos de América Latina, con aplicaciones enfocadas en la personalización
del aprendizaje, la automatización de evaluaciones y el fortalecimiento del trabajo docente. Si bien la
adopción de estas tecnologías varía ampliamente entre países y niveles educativos, ya se identifican
experiencias concretas que reflejan un esfuerzo por adaptar las innovaciones tecnológicas a los desafíos
y particularidades del contexto regional. Una de las principales ventajas es la personalización del
pág. 1374
aprendizaje mediante algoritmos que ajustan los contenidos educativos a las necesidades y ritmos de
cada estudiante [1, 11]. Estos sistemas permiten identificar fortalezas y debilidades individuales,
ofreciendo materiales y ejercicios adaptados para optimizar la comprensión y retención del
conocimiento.
La automatización de evaluaciones —ejemplificada en plataformas colombianas de alerta temprana [12]
— emerge como respuesta regional a la sobrecarga administrativa, optimizando la retroalimentación
formativa y liberando tiempo pedagógico. En instituciones como la UNAM (México) y la Universidad
de Chile, plataformas con IA han logrado automatizar hasta el 70% de las evaluaciones formativas [13],
aunque persisten desafíos en la retroalimentación de competencias creativas [5, 9]. Este tipo de
tecnología permite al docente reducir su carga administrativa y enfocar sus esfuerzos en el diseño de
experiencias pedagógicas más creativas, colaborativas e interactivas.
Por otra parte, la IA ha demostrado un potencial significativo para fortalecer la inclusión educativa,
especialmente en poblaciones tradicionalmente marginadas por barreras físicas o lingüísticas.
Tecnologías como el reconocimiento de voz, la traducción automática y la generación de subtítulos en
tiempo real han mejorado el acceso al contenido para estudiantes con discapacidades auditivas o
visuales, así como para hablantes de lenguas indígenas o extranjeras [4, 6].
Complementando estos desarrollos, el uso de chatbots y asistentes virtuales ha cobrado relevancia en
contextos de educación híbrida y a distancia. Estas herramientas, que operan las 24 horas del día, pueden
responder preguntas frecuentes, orientar a los estudiantes en sus tareas y brindar asistencia personalizada
de forma inmediata [8]. Esto ha contribuido al fortalecimiento del aprendizaje autónomo y a la mejora
de la continuidad académica, especialmente durante crisis como la pandemia de COVID-19 [5].
En conjunto, estos avances reflejan una evolución creciente y multidimensional del ecosistema
educativo latinoamericano hacia modelos más adaptativos, accesibles y centrados en el estudiante. Sin
embargo, para consolidar estos logros es necesario enfrentar desafíos técnicos, estructurales y éticos que
aún limitan el alcance y la equidad en la adopción de estas tecnologías emergentes.
Aprendizaje personalizado
Las plataformas de aprendizaje adaptativo han ganado gran impulso en universidades y centros de
educación media latinoamericanos durante los últimos tres años. En la revisión sistemática de
aprendizaje mediante algoritmos que ajustan los contenidos educativos a las necesidades y ritmos de
cada estudiante [1, 11]. Estos sistemas permiten identificar fortalezas y debilidades individuales,
ofreciendo materiales y ejercicios adaptados para optimizar la comprensión y retención del
conocimiento.
La automatización de evaluaciones —ejemplificada en plataformas colombianas de alerta temprana [12]
— emerge como respuesta regional a la sobrecarga administrativa, optimizando la retroalimentación
formativa y liberando tiempo pedagógico. En instituciones como la UNAM (México) y la Universidad
de Chile, plataformas con IA han logrado automatizar hasta el 70% de las evaluaciones formativas [13],
aunque persisten desafíos en la retroalimentación de competencias creativas [5, 9]. Este tipo de
tecnología permite al docente reducir su carga administrativa y enfocar sus esfuerzos en el diseño de
experiencias pedagógicas más creativas, colaborativas e interactivas.
Por otra parte, la IA ha demostrado un potencial significativo para fortalecer la inclusión educativa,
especialmente en poblaciones tradicionalmente marginadas por barreras físicas o lingüísticas.
Tecnologías como el reconocimiento de voz, la traducción automática y la generación de subtítulos en
tiempo real han mejorado el acceso al contenido para estudiantes con discapacidades auditivas o
visuales, así como para hablantes de lenguas indígenas o extranjeras [4, 6].
Complementando estos desarrollos, el uso de chatbots y asistentes virtuales ha cobrado relevancia en
contextos de educación híbrida y a distancia. Estas herramientas, que operan las 24 horas del día, pueden
responder preguntas frecuentes, orientar a los estudiantes en sus tareas y brindar asistencia personalizada
de forma inmediata [8]. Esto ha contribuido al fortalecimiento del aprendizaje autónomo y a la mejora
de la continuidad académica, especialmente durante crisis como la pandemia de COVID-19 [5].
En conjunto, estos avances reflejan una evolución creciente y multidimensional del ecosistema
educativo latinoamericano hacia modelos más adaptativos, accesibles y centrados en el estudiante. Sin
embargo, para consolidar estos logros es necesario enfrentar desafíos técnicos, estructurales y éticos que
aún limitan el alcance y la equidad en la adopción de estas tecnologías emergentes.
Aprendizaje personalizado
Las plataformas de aprendizaje adaptativo han ganado gran impulso en universidades y centros de
educación media latinoamericanos durante los últimos tres años. En la revisión sistemática de
pág. 1375
Salas-Pilco et al. (2022), se documentan casos de plataformas que emplean redes neuronales y
algoritmos de refuerzo para ajustar automáticamente rutas de estudio según el desempeño y las
necesidades de cada alumno, logrando incrementos de hasta un 15 % en la retención de conceptos en
asignaturas STEM [1]. Más recientemente, Gutiérrez-Leefmans (2025) reporta en un estudio
cuantitativo que la adopción de estas herramientas en instituciones mexicanas y chilenas ha crecido un
20 % anual desde 2021, aunque subraya limitaciones como la falta de interoperabilidad de datos entre
plataformas y la escasa formación técnica del profesorado [11]. Estos resultados son alentadores, pero
el verdadero potencial del aprendizaje personalizado en la región dependerá de una inversión sostenida
en infraestructura digital, estandarización de datos y, sobre todo, de un plan integral de capacitación
docente que trascienda la mera alfabetización tecnológica para incorporar competencias pedagógicas y
éticas en el uso de inteligencia artificial.
Automatización de evaluaciones y analítica predictiva
El uso de modelos predictivos para identificar riesgos de deserción y automatizar la corrección de
evaluaciones se ha consolidado como una práctica emergente. Hoyos Osorio (2023) describe un sistema
de alerta temprana en Colombia que, mediante regresión logística y árboles de decisión, alcanzó una
precisión del 88 % al predecir deserciones en primer semestre universitario, permitiendo intervenciones
focalizadas [12]. Jiménez-Gutiérrez et al. (2024) presentan un modelo de machine learning con más del
90 % de fiabilidad en la predicción de abandono escolar en nivel medio, integrando variables académicas
y socioeconómicas para orientar estrategias preventivas [14]. Estas experiencias ilustran el valor de la
analítica avanzada aplicada al sistema educativo, aunque también alertan sobre el riesgo de una
dependencia excesiva en algoritmos opacos. Para evitar sesgos y errores de exclusión, resulta
indispensable asegurar transparencia en los criterios de predicción, trazabilidad de los modelos y una
articulación efectiva con estrategias de apoyo psicosocial y pedagógico.
Soporte al docente
Más allá de la personalización para estudiantes, la IA se emplea para apoyar la labor docente en tareas
clave como la retroalimentación automatizada y el diseño pedagógico. Salas-Pilco et al. (2022)
identifican aplicaciones de procesamiento de lenguaje natural que generan retroalimentación
automatizada en ensayos y guías de estudio, liberando al profesor de tareas repetitivas [1]. Barrera et al.
Salas-Pilco et al. (2022), se documentan casos de plataformas que emplean redes neuronales y
algoritmos de refuerzo para ajustar automáticamente rutas de estudio según el desempeño y las
necesidades de cada alumno, logrando incrementos de hasta un 15 % en la retención de conceptos en
asignaturas STEM [1]. Más recientemente, Gutiérrez-Leefmans (2025) reporta en un estudio
cuantitativo que la adopción de estas herramientas en instituciones mexicanas y chilenas ha crecido un
20 % anual desde 2021, aunque subraya limitaciones como la falta de interoperabilidad de datos entre
plataformas y la escasa formación técnica del profesorado [11]. Estos resultados son alentadores, pero
el verdadero potencial del aprendizaje personalizado en la región dependerá de una inversión sostenida
en infraestructura digital, estandarización de datos y, sobre todo, de un plan integral de capacitación
docente que trascienda la mera alfabetización tecnológica para incorporar competencias pedagógicas y
éticas en el uso de inteligencia artificial.
Automatización de evaluaciones y analítica predictiva
El uso de modelos predictivos para identificar riesgos de deserción y automatizar la corrección de
evaluaciones se ha consolidado como una práctica emergente. Hoyos Osorio (2023) describe un sistema
de alerta temprana en Colombia que, mediante regresión logística y árboles de decisión, alcanzó una
precisión del 88 % al predecir deserciones en primer semestre universitario, permitiendo intervenciones
focalizadas [12]. Jiménez-Gutiérrez et al. (2024) presentan un modelo de machine learning con más del
90 % de fiabilidad en la predicción de abandono escolar en nivel medio, integrando variables académicas
y socioeconómicas para orientar estrategias preventivas [14]. Estas experiencias ilustran el valor de la
analítica avanzada aplicada al sistema educativo, aunque también alertan sobre el riesgo de una
dependencia excesiva en algoritmos opacos. Para evitar sesgos y errores de exclusión, resulta
indispensable asegurar transparencia en los criterios de predicción, trazabilidad de los modelos y una
articulación efectiva con estrategias de apoyo psicosocial y pedagógico.
Soporte al docente
Más allá de la personalización para estudiantes, la IA se emplea para apoyar la labor docente en tareas
clave como la retroalimentación automatizada y el diseño pedagógico. Salas-Pilco et al. (2022)
identifican aplicaciones de procesamiento de lenguaje natural que generan retroalimentación
automatizada en ensayos y guías de estudio, liberando al profesor de tareas repetitivas [1]. Barrera et al.
pág. 1376
(2024) examinan casos en la Pontificia Universidad Católica de Chile y el Tecnológico de Monterrey,
donde asistentes inteligentes basados en modelos de lenguaje facilitan la co-creación de planes de clase
y proponen adaptaciones pedagógicas en tiempo real según resultados parciales [5]. Aunque estas
herramientas prometen optimizar la preparación y el seguimiento de clases, su adopción efectiva aún
está limitada por resistencias culturales, falta de formación específica y escasa participación docente en
el diseño de estas tecnologías. En este contexto, es clave fomentar comunidades de práctica en las que
los docentes puedan experimentar, compartir aprendizajes y co-diseñar soluciones junto a
desarrolladores, asegurando un enfoque colaborativo y contextualizado.
En conjunto, los avances en aprendizaje personalizado, analítica predictiva y soporte al docente
muestran que América Latina está dando pasos concretos hacia una educación más inteligente, sensible
a la diversidad y orientada a la mejora de los aprendizajes. Sin embargo, para consolidar estos logros es
necesario transitar hacia una visión sistémica que combine innovación tecnológica con formación
continua, gobernanza ética de los datos, y políticas públicas que garanticen equidad, inclusión y
sostenibilidad a largo plazo.
Desafíos éticos en la implementación de la IA en la educación latinoamericana
La integración de IA en los sistemas educativos de América Latina ha traído consigo importantes
interrogantes éticos que no pueden pasarse por alto. Entre los más relevantes se encuentran la protección
de la privacidad de los datos estudiantiles, las desigualdades en el acceso a las tecnologías y el impacto
que estas herramientas pueden tener en el rol y la autonomía del profesorado.
Uno de los desafíos más urgentes es garantizar la seguridad y el uso responsable de la información que
recogen estos sistemas inteligentes. Muchas de estas plataformas almacenan datos sensibles —como
trayectorias académicas, patrones de comportamiento e incluso indicadores emocionales— lo que
plantea riesgos si no existen mecanismos sólidos de regulación, consentimiento informado y gobernanza
transparente. Las plataformas de IA suelen capturar información sensible sobre los estudiantes,
incluyendo patrones de comportamiento, trayectorias académicas, historial de errores, y en algunos
casos, datos biométricos o emocionales mediante sensores y tecnologías de visión computacional [15].
Sin un marco normativo robusto, existe el riesgo de que estos datos sean utilizados para la vigilancia,
discriminación algorítmica o comercialización, sin el consentimiento informado del estudiante ni el
(2024) examinan casos en la Pontificia Universidad Católica de Chile y el Tecnológico de Monterrey,
donde asistentes inteligentes basados en modelos de lenguaje facilitan la co-creación de planes de clase
y proponen adaptaciones pedagógicas en tiempo real según resultados parciales [5]. Aunque estas
herramientas prometen optimizar la preparación y el seguimiento de clases, su adopción efectiva aún
está limitada por resistencias culturales, falta de formación específica y escasa participación docente en
el diseño de estas tecnologías. En este contexto, es clave fomentar comunidades de práctica en las que
los docentes puedan experimentar, compartir aprendizajes y co-diseñar soluciones junto a
desarrolladores, asegurando un enfoque colaborativo y contextualizado.
En conjunto, los avances en aprendizaje personalizado, analítica predictiva y soporte al docente
muestran que América Latina está dando pasos concretos hacia una educación más inteligente, sensible
a la diversidad y orientada a la mejora de los aprendizajes. Sin embargo, para consolidar estos logros es
necesario transitar hacia una visión sistémica que combine innovación tecnológica con formación
continua, gobernanza ética de los datos, y políticas públicas que garanticen equidad, inclusión y
sostenibilidad a largo plazo.
Desafíos éticos en la implementación de la IA en la educación latinoamericana
La integración de IA en los sistemas educativos de América Latina ha traído consigo importantes
interrogantes éticos que no pueden pasarse por alto. Entre los más relevantes se encuentran la protección
de la privacidad de los datos estudiantiles, las desigualdades en el acceso a las tecnologías y el impacto
que estas herramientas pueden tener en el rol y la autonomía del profesorado.
Uno de los desafíos más urgentes es garantizar la seguridad y el uso responsable de la información que
recogen estos sistemas inteligentes. Muchas de estas plataformas almacenan datos sensibles —como
trayectorias académicas, patrones de comportamiento e incluso indicadores emocionales— lo que
plantea riesgos si no existen mecanismos sólidos de regulación, consentimiento informado y gobernanza
transparente. Las plataformas de IA suelen capturar información sensible sobre los estudiantes,
incluyendo patrones de comportamiento, trayectorias académicas, historial de errores, y en algunos
casos, datos biométricos o emocionales mediante sensores y tecnologías de visión computacional [15].
Sin un marco normativo robusto, existe el riesgo de que estos datos sean utilizados para la vigilancia,
discriminación algorítmica o comercialización, sin el consentimiento informado del estudiante ni el
pág. 1377
control de las instituciones educativas. La opacidad algorítmica —visible en sistemas de predicción de
deserción sin auditoría ética— no solo desdibuja la transparencia educativa, sino que contradice
principios básicos de justicia pedagógica, como advierten los casos analizados en México y Chile [16].
Otro desafío de gran peso es garantizar un acceso equitativo a las tecnologías basadas en IA [17]. En
América Latina, las brechas digitales siguen siendo profundas, reflejándose en diferencias significativas
entre áreas urbanas y rurales, así como entre instituciones educativas públicas y privadas. Estas
disparidades no solo afectan la disponibilidad de infraestructura tecnológica, sino también el acceso a
conectividad, dispositivos adecuados y formación digital básica, limitando la adopción efectiva de
herramientas de IA en vastos sectores de la población estudiantil. Como destacan Fernández-Miranda et
al. (2024), el acceso desigual a internet, dispositivos y alfabetización digital limita el despliegue efectivo
de herramientas basadas en IA, corriendo el riesgo de reproducir —o incluso agravar— las brechas
educativas existentes[18]. A esto se suma la falta de representatividad en los datos con los que se
entrenan los modelos, lo que puede conducir a sesgos algorítmicos que desfavorecen a estudiantes
indígenas, de bajos recursos o con discapacidades [19, 20]. Como evidencian los testimonios docentes
recogidos por Peñafiel-Jurado (2024) en Ecuador, la IA tensiona la identidad profesional al reconfigurar
su rol mediador [3].
Aunque la IA puede liberar tiempo administrativo y ofrecer retroalimentación personalizada, su uso
indiscriminado puede conllevar una automatización excesiva de la enseñanza, reduciendo la interacción
humana y afectando el desarrollo de habilidades socioemocionales y el pensamiento crítico. Según
Williamson y Eynon (2020), existe el riesgo de que los algoritmos sustituyan —en lugar de
complementar— el juicio pedagógico, desplazando a los educadores como actores centrales del proceso
formativo [21]. Esto podría afectar negativamente la dimensión humana del proceso educativo y
debilitar la relación pedagógica entre docentes y estudiantes, especialmente en entornos donde el
acompañamiento emocional es determinante para el aprendizaje significativo.
Frente a estos desafíos, distintos organismos internacionales han planteado la necesidad de contar con
marcos normativos claros y éticamente fundamentados. Por ejemplo, la UNESCO (2021), en
su Recomendación sobre la Ética de la IA, insta a los Estados a establecer mecanismos que aseguren la
protección de datos personales, la transparencia en los sistemas automatizados y una formación ética
control de las instituciones educativas. La opacidad algorítmica —visible en sistemas de predicción de
deserción sin auditoría ética— no solo desdibuja la transparencia educativa, sino que contradice
principios básicos de justicia pedagógica, como advierten los casos analizados en México y Chile [16].
Otro desafío de gran peso es garantizar un acceso equitativo a las tecnologías basadas en IA [17]. En
América Latina, las brechas digitales siguen siendo profundas, reflejándose en diferencias significativas
entre áreas urbanas y rurales, así como entre instituciones educativas públicas y privadas. Estas
disparidades no solo afectan la disponibilidad de infraestructura tecnológica, sino también el acceso a
conectividad, dispositivos adecuados y formación digital básica, limitando la adopción efectiva de
herramientas de IA en vastos sectores de la población estudiantil. Como destacan Fernández-Miranda et
al. (2024), el acceso desigual a internet, dispositivos y alfabetización digital limita el despliegue efectivo
de herramientas basadas en IA, corriendo el riesgo de reproducir —o incluso agravar— las brechas
educativas existentes[18]. A esto se suma la falta de representatividad en los datos con los que se
entrenan los modelos, lo que puede conducir a sesgos algorítmicos que desfavorecen a estudiantes
indígenas, de bajos recursos o con discapacidades [19, 20]. Como evidencian los testimonios docentes
recogidos por Peñafiel-Jurado (2024) en Ecuador, la IA tensiona la identidad profesional al reconfigurar
su rol mediador [3].
Aunque la IA puede liberar tiempo administrativo y ofrecer retroalimentación personalizada, su uso
indiscriminado puede conllevar una automatización excesiva de la enseñanza, reduciendo la interacción
humana y afectando el desarrollo de habilidades socioemocionales y el pensamiento crítico. Según
Williamson y Eynon (2020), existe el riesgo de que los algoritmos sustituyan —en lugar de
complementar— el juicio pedagógico, desplazando a los educadores como actores centrales del proceso
formativo [21]. Esto podría afectar negativamente la dimensión humana del proceso educativo y
debilitar la relación pedagógica entre docentes y estudiantes, especialmente en entornos donde el
acompañamiento emocional es determinante para el aprendizaje significativo.
Frente a estos desafíos, distintos organismos internacionales han planteado la necesidad de contar con
marcos normativos claros y éticamente fundamentados. Por ejemplo, la UNESCO (2021), en
su Recomendación sobre la Ética de la IA, insta a los Estados a establecer mecanismos que aseguren la
protección de datos personales, la transparencia en los sistemas automatizados y una formación ética
pág. 1378
sólida para quienes diseñan e implementan estas tecnologías en contextos educativos [22]. De manera
complementaria, autores como Floridi et al. (2018) abogan por incorporar principios como la justicia,
la beneficencia y el respeto por la autonomía en todas las etapas del desarrollo de herramientas basadas
en IA [23]. En conjunto, estos planteamientos apuntan a que la incorporación de inteligencia artificial
en los sistemas educativos de América Latina debe regirse por una visión ética, anticipatoria y
contextualizada, que priorice el bienestar de las y los estudiantes y respalde el papel formativo de los
docentes. Esto implica no solo reglamentar el uso y circulación de datos, sino también garantizar el
acceso equitativo, supervisar los efectos sociales de los algoritmos y revalorizar el rol del docente como
mediador activo entre tecnología y aprendizaje. Solo así será posible aprovechar el potencial
transformador de la IA sin sacrificar los principios fundamentales de la educación pública, inclusiva y
humanista.
DISCUSIÓN
IA en la educación latinoamericana — ¿Progreso técnico o transformación estructural?
La incorporación creciente de la inteligencia artificial en los sistemas educativos de América Latina
ofrece un gran potencial, aunque también revela conflictos estructurales profundos que aún no han sido
abordados. Si bien las experiencias revisadas muestran avances en personalización del aprendizaje,
automatización de procesos evaluativos y soporte al docente, su adopción no siempre responde a una
visión crítica ni a una política educativa coherente con las realidades sociales, culturales y lingüísticas
de la región.
En primer lugar, persiste una notable asimetría entre el ritmo del desarrollo tecnológico y la capacidad
institucional para regularlo, aplicarlo y sostenerlo. La región avanza en la integración de herramientas
de IA en contextos fragmentados y desiguales, donde el acceso a internet, dispositivos adecuados y
formación docente sigue siendo limitado. Así, el riesgo es claro: que estas tecnologías no funcionen
como mecanismos de equidad, sino como aceleradores de la desigualdad ya existente, especialmente en
áreas rurales, indígenas o periféricas.
Una de las carencias más visibles es la falta de modelos de IA desarrollados desde, y para, América
Latina. La mayoría de los sistemas actualmente utilizados han sido diseñados por grandes empresas
tecnológicas del norte global, con datos entrenados en contextos socioculturales ajenos. Esta realidad
sólida para quienes diseñan e implementan estas tecnologías en contextos educativos [22]. De manera
complementaria, autores como Floridi et al. (2018) abogan por incorporar principios como la justicia,
la beneficencia y el respeto por la autonomía en todas las etapas del desarrollo de herramientas basadas
en IA [23]. En conjunto, estos planteamientos apuntan a que la incorporación de inteligencia artificial
en los sistemas educativos de América Latina debe regirse por una visión ética, anticipatoria y
contextualizada, que priorice el bienestar de las y los estudiantes y respalde el papel formativo de los
docentes. Esto implica no solo reglamentar el uso y circulación de datos, sino también garantizar el
acceso equitativo, supervisar los efectos sociales de los algoritmos y revalorizar el rol del docente como
mediador activo entre tecnología y aprendizaje. Solo así será posible aprovechar el potencial
transformador de la IA sin sacrificar los principios fundamentales de la educación pública, inclusiva y
humanista.
DISCUSIÓN
IA en la educación latinoamericana — ¿Progreso técnico o transformación estructural?
La incorporación creciente de la inteligencia artificial en los sistemas educativos de América Latina
ofrece un gran potencial, aunque también revela conflictos estructurales profundos que aún no han sido
abordados. Si bien las experiencias revisadas muestran avances en personalización del aprendizaje,
automatización de procesos evaluativos y soporte al docente, su adopción no siempre responde a una
visión crítica ni a una política educativa coherente con las realidades sociales, culturales y lingüísticas
de la región.
En primer lugar, persiste una notable asimetría entre el ritmo del desarrollo tecnológico y la capacidad
institucional para regularlo, aplicarlo y sostenerlo. La región avanza en la integración de herramientas
de IA en contextos fragmentados y desiguales, donde el acceso a internet, dispositivos adecuados y
formación docente sigue siendo limitado. Así, el riesgo es claro: que estas tecnologías no funcionen
como mecanismos de equidad, sino como aceleradores de la desigualdad ya existente, especialmente en
áreas rurales, indígenas o periféricas.
Una de las carencias más visibles es la falta de modelos de IA desarrollados desde, y para, América
Latina. La mayoría de los sistemas actualmente utilizados han sido diseñados por grandes empresas
tecnológicas del norte global, con datos entrenados en contextos socioculturales ajenos. Esta realidad
pág. 1379
limita la pertinencia pedagógica, ignora la diversidad lingüística regional y reproduce sesgos
estructurales. Hoy, no existe un modelo de IA de lenguaje abierto que represente adecuadamente las
lenguas indígenas, las variantes del español o las prácticas pedagógicas de base comunitaria. En lugar
de asumir el lanzamiento de proyectos que aún no existen, debe enfatizarse la necesidad urgente
de iniciativas regionales colaborativas en el desarrollo de IA contextualizada, lideradas por
universidades, centros de investigación y gobiernos latinoamericanos.
Además, los docentes suelen estar poco involucrados en el proceso de diseño y aplicación de estas
tecnologías. En la mayoría de los casos, no se les consulta durante su desarrollo, a pesar de ser quienes
finalmente las utilizan en el aula. Esta desconexión ha generado resistencias comprensibles, pero
también oportunidades perdidas: una IA educativa construida sin el criterio pedagógico del profesorado
corre el riesgo de deshumanizar la enseñanza o de imponer lógicas tecnocráticas que trivializan la
complejidad del proceso educativo. Por ello, la IA debe ser concebida no como un producto a imponer,
sino como una construcción conjunta entre tecnólogos, docentes, estudiantes y comunidades.
Finalmente, la región carece de una agenda de investigación coordinada que permita evaluar con rigor
y desde el contexto los efectos reales de la IA en los aprendizajes, la equidad y la formación ciudadana.
La mayoría de los estudios disponibles son de tipo exploratorio o descriptivo, con escasa evidencia
longitudinal o multiescalar. Fomentar alianzas interinstitucionales y multilaterales que promuevan
investigación empírica, situada y accesible debe ser parte del camino si se aspira a decisiones basadas
en evidencia.
CONCLUSIÓN
La IA tiene el potencial de impulsar cambios significativos en los sistemas educativos de América
Latina; sin embargo, su verdadero impacto estará condicionado por una adopción cuidadosa que
considere aspectos éticos, pedagógicos y contextuales propios de la región. La simple adopción
tecnológica no garantiza mejoras en calidad, equidad ni pertinencia educativa; es necesario desarrollar
infraestructura adecuada, establecer marcos éticos vinculantes y fortalecer el pensamiento pedagógico
local como base del diseño y aplicación de estas tecnologías.
Para que la IA cumpla un rol verdaderamente transformador, es imprescindible potenciar las capacidades
docentes, promover la soberanía tecnológica regional y asegurar la participación activa de todos los
limita la pertinencia pedagógica, ignora la diversidad lingüística regional y reproduce sesgos
estructurales. Hoy, no existe un modelo de IA de lenguaje abierto que represente adecuadamente las
lenguas indígenas, las variantes del español o las prácticas pedagógicas de base comunitaria. En lugar
de asumir el lanzamiento de proyectos que aún no existen, debe enfatizarse la necesidad urgente
de iniciativas regionales colaborativas en el desarrollo de IA contextualizada, lideradas por
universidades, centros de investigación y gobiernos latinoamericanos.
Además, los docentes suelen estar poco involucrados en el proceso de diseño y aplicación de estas
tecnologías. En la mayoría de los casos, no se les consulta durante su desarrollo, a pesar de ser quienes
finalmente las utilizan en el aula. Esta desconexión ha generado resistencias comprensibles, pero
también oportunidades perdidas: una IA educativa construida sin el criterio pedagógico del profesorado
corre el riesgo de deshumanizar la enseñanza o de imponer lógicas tecnocráticas que trivializan la
complejidad del proceso educativo. Por ello, la IA debe ser concebida no como un producto a imponer,
sino como una construcción conjunta entre tecnólogos, docentes, estudiantes y comunidades.
Finalmente, la región carece de una agenda de investigación coordinada que permita evaluar con rigor
y desde el contexto los efectos reales de la IA en los aprendizajes, la equidad y la formación ciudadana.
La mayoría de los estudios disponibles son de tipo exploratorio o descriptivo, con escasa evidencia
longitudinal o multiescalar. Fomentar alianzas interinstitucionales y multilaterales que promuevan
investigación empírica, situada y accesible debe ser parte del camino si se aspira a decisiones basadas
en evidencia.
CONCLUSIÓN
La IA tiene el potencial de impulsar cambios significativos en los sistemas educativos de América
Latina; sin embargo, su verdadero impacto estará condicionado por una adopción cuidadosa que
considere aspectos éticos, pedagógicos y contextuales propios de la región. La simple adopción
tecnológica no garantiza mejoras en calidad, equidad ni pertinencia educativa; es necesario desarrollar
infraestructura adecuada, establecer marcos éticos vinculantes y fortalecer el pensamiento pedagógico
local como base del diseño y aplicación de estas tecnologías.
Para que la IA cumpla un rol verdaderamente transformador, es imprescindible potenciar las capacidades
docentes, promover la soberanía tecnológica regional y asegurar la participación activa de todos los
pág. 1380
actores educativos en la creación de soluciones contextualizadas. El verdadero reto no se limita a
desarrollar herramientas o plataformas, sino a diseñar una inteligencia artificial educativa que reconozca
y valore la diversidad cultural, lingüística y epistemológica propia de América Latina, promoviendo de
este modo sociedades más equitativas y democráticas. En definitiva, el futuro de la IA en la educación
latinoamericana dependerá de nuestra capacidad para gobernar su desarrollo con inteligencia humana,
compromiso social y una perspectiva auténticamente regional.
REFERENCIAS BIBLIOGRÁFICAS
1. Salas-Pilco, S.Z. and Y. Yang, Artificial intelligence applications in Latin American higher
education: a systematic review. International Journal of Educational Technology in Higher
Education, 2022. 19(1): p. 21.
2. de la Ossa, L.M., et al., Integrating Artificial Intelligence in Higher Education: A Systematic
Review and Perspectives in Latin America. Migration Letters, 2024. 21(S4): p. 1210-1224.
3. Peñafiel-Jurado R., N. Márquez-Márquez, and G.-V. I., Artificial Intelligence in Education:
Systematic Review of Perspectives, Benefits and Challenges in Teaching Practice. South
American Research Journal, 2024. 4(2): p. 5-15.
4. Kasun, G.S., et al., Unexpected outcomes from an AI education course among education faculty:
Toward making AI accessible with marginalized youth in urban Mexico. Frontiers in Education,
2024. Volume 9 - 2024.
5. Barrera Castro, G.P., et al., Key Barriers to Personalized Learning in Times of Artificial
Intelligence: A Literature Review. Applied Sciences, 2025. 15(6): p. 3103.
6. Bayly-Castaneda, K., M.-S. Ramirez-Montoya, and A. Morita-Alexander, Crafting personalized
learning paths with AI for lifelong learning: a systematic literature review. Frontiers in
Education, 2024. Volume 9 - 2024.
7. Lagos-Castillo A, et al., Becerra Rodríguez DF. Mapping the intelligent classroom: Examining
the emergence of personalized learning solutions in the digital age. CONT ED TECHNOLOGY,
2025. 17(1)(ep543).
8. Ramteja Sajja, et al., Artificial Intelligence-Enabled Intelligent Assistant for Personalized and
Adaptive Learning in Higher Education. arXiv, 2023: p. 2309.10892.
actores educativos en la creación de soluciones contextualizadas. El verdadero reto no se limita a
desarrollar herramientas o plataformas, sino a diseñar una inteligencia artificial educativa que reconozca
y valore la diversidad cultural, lingüística y epistemológica propia de América Latina, promoviendo de
este modo sociedades más equitativas y democráticas. En definitiva, el futuro de la IA en la educación
latinoamericana dependerá de nuestra capacidad para gobernar su desarrollo con inteligencia humana,
compromiso social y una perspectiva auténticamente regional.
REFERENCIAS BIBLIOGRÁFICAS
1. Salas-Pilco, S.Z. and Y. Yang, Artificial intelligence applications in Latin American higher
education: a systematic review. International Journal of Educational Technology in Higher
Education, 2022. 19(1): p. 21.
2. de la Ossa, L.M., et al., Integrating Artificial Intelligence in Higher Education: A Systematic
Review and Perspectives in Latin America. Migration Letters, 2024. 21(S4): p. 1210-1224.
3. Peñafiel-Jurado R., N. Márquez-Márquez, and G.-V. I., Artificial Intelligence in Education:
Systematic Review of Perspectives, Benefits and Challenges in Teaching Practice. South
American Research Journal, 2024. 4(2): p. 5-15.
4. Kasun, G.S., et al., Unexpected outcomes from an AI education course among education faculty:
Toward making AI accessible with marginalized youth in urban Mexico. Frontiers in Education,
2024. Volume 9 - 2024.
5. Barrera Castro, G.P., et al., Key Barriers to Personalized Learning in Times of Artificial
Intelligence: A Literature Review. Applied Sciences, 2025. 15(6): p. 3103.
6. Bayly-Castaneda, K., M.-S. Ramirez-Montoya, and A. Morita-Alexander, Crafting personalized
learning paths with AI for lifelong learning: a systematic literature review. Frontiers in
Education, 2024. Volume 9 - 2024.
7. Lagos-Castillo A, et al., Becerra Rodríguez DF. Mapping the intelligent classroom: Examining
the emergence of personalized learning solutions in the digital age. CONT ED TECHNOLOGY,
2025. 17(1)(ep543).
8. Ramteja Sajja, et al., Artificial Intelligence-Enabled Intelligent Assistant for Personalized and
Adaptive Learning in Higher Education. arXiv, 2023: p. 2309.10892.
pág. 1381
9. Bond, M., et al., A meta systematic review of artificial intelligence in higher education: a call
for increased ethics, collaboration, and rigour. International Journal of Educational Technology
in Higher Education, 2024. 21(1): p. 4.
10. Liang, J., J.M. Stephens, and G.T.L. Brown, A systematic review of the early impact of artificial
intelligence on higher education curriculum, instruction, and assessment. Frontiers in Education,
2025. Volume 10 - 2025.
11. Gutiérrez-Leefmans, M., S. Picazo-Vela, and O. Kareem, Adoption of artificial intelligence in
higher education: a diffusion of innovation approach. The TQM Journal, 2025.
12. Hoyos Osorio, J.K. and D.S. Genaro, Predictive Model to Identify College Students with High
Dropout Rates. Revista electrónica de investigación educativa, 2023. 25(e13).
13. Bolaño-García, M. and N. Duarte-Acosta, Una revisión sistemática Del Uso De La Inteligencia
Artificial En La educación. Rev Colomb Cir, 2024(39): p. 51-63.
14. Jiménez-Gutiérrez, A.L., et al., Application of the performance of machine learning techniques
as support in the prediction of school dropout. Scientific Reports, 2024. 14(1): p. 3957.
15. Zawacki-Richter, O., et al., Systematic review of research on artificial intelligence applications
in higher education – where are the educators? International Journal of Educational Technology
in Higher Education, 2019. 16(1): p. 39.
16. Barrera AG and A. GK., Artificial Intelligence in Higher Education: Lessons from Chile and
Mexico. International Higher Education 2024.
17. Moroianu, N., S.-E. Iacob, and A. Constantin, Artificial Intelligence in Education: a Systematic
Review. 2023. p. 906-921.
18. Fernández-Miranda, M., et al., Artificial Intelligence in Latin American Universities: Emerging
Challenges. Computación y Sistemas, 2024. 28(2): p. 435-450.
19. Dignum, V., Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible
Way. 2019.
20. Jobin, A., M. Ienca, and E. Vayena, The global landscape of AI ethics guidelines. Nature
Machine Intelligence, 2019. 1.
9. Bond, M., et al., A meta systematic review of artificial intelligence in higher education: a call
for increased ethics, collaboration, and rigour. International Journal of Educational Technology
in Higher Education, 2024. 21(1): p. 4.
10. Liang, J., J.M. Stephens, and G.T.L. Brown, A systematic review of the early impact of artificial
intelligence on higher education curriculum, instruction, and assessment. Frontiers in Education,
2025. Volume 10 - 2025.
11. Gutiérrez-Leefmans, M., S. Picazo-Vela, and O. Kareem, Adoption of artificial intelligence in
higher education: a diffusion of innovation approach. The TQM Journal, 2025.
12. Hoyos Osorio, J.K. and D.S. Genaro, Predictive Model to Identify College Students with High
Dropout Rates. Revista electrónica de investigación educativa, 2023. 25(e13).
13. Bolaño-García, M. and N. Duarte-Acosta, Una revisión sistemática Del Uso De La Inteligencia
Artificial En La educación. Rev Colomb Cir, 2024(39): p. 51-63.
14. Jiménez-Gutiérrez, A.L., et al., Application of the performance of machine learning techniques
as support in the prediction of school dropout. Scientific Reports, 2024. 14(1): p. 3957.
15. Zawacki-Richter, O., et al., Systematic review of research on artificial intelligence applications
in higher education – where are the educators? International Journal of Educational Technology
in Higher Education, 2019. 16(1): p. 39.
16. Barrera AG and A. GK., Artificial Intelligence in Higher Education: Lessons from Chile and
Mexico. International Higher Education 2024.
17. Moroianu, N., S.-E. Iacob, and A. Constantin, Artificial Intelligence in Education: a Systematic
Review. 2023. p. 906-921.
18. Fernández-Miranda, M., et al., Artificial Intelligence in Latin American Universities: Emerging
Challenges. Computación y Sistemas, 2024. 28(2): p. 435-450.
19. Dignum, V., Responsible Artificial Intelligence: How to Develop and Use AI in a Responsible
Way. 2019.
20. Jobin, A., M. Ienca, and E. Vayena, The global landscape of AI ethics guidelines. Nature
Machine Intelligence, 2019. 1.
pág. 1382
21. Williamson, B. and R. Eynon, Historical threads, missing links, and future directions in AI in
education. Learning, Media and Technology, 2020. 45: p. 1-13.
22. UNESCO. Recommendation on the Ethics of Artificial Intelligence. 2021 [cited 2025;
Available from: https://unesdoc.unesco.org/ark:/48223/pf0000381137
23. Floridi, L., et al., AI4People-An Ethical Framework for a Good AI Society: Opportunities,
Risks, Principles, and Recommendations. Minds Mach (Dordr), 2018. 28(4): p. 689-707.
21. Williamson, B. and R. Eynon, Historical threads, missing links, and future directions in AI in
education. Learning, Media and Technology, 2020. 45: p. 1-13.
22. UNESCO. Recommendation on the Ethics of Artificial Intelligence. 2021 [cited 2025;
Available from: https://unesdoc.unesco.org/ark:/48223/pf0000381137
23. Floridi, L., et al., AI4People-An Ethical Framework for a Good AI Society: Opportunities,
Risks, Principles, and Recommendations. Minds Mach (Dordr), 2018. 28(4): p. 689-707.