ADOPCIÓN Y PERCEPCIÓN DE
CHATGPT EN ACADÉMICOS COMO HERRAMIENTA PEDAGÓGICA E INVESTIGATIVA EN LA
EDUCACIÓN SUPERIOR DE CHILE
ADOPTION AND PERCEPTION OF CHATGPT AMONG ACADEMICS AS A PEDAGOGICAL AND
RESEARCH TOOL IN HIGHER EDUCATION IN CHILE
Belén Valentina GONZÁLEZ-HERNÁNDEZ [1]
Tomás Leandro ZAPATA-SOTO [2]
Francisco Tomás SANTIS-LÓPEZ [3]
Nataly Andrea GUIÑEZ-CABRERA [4]
|
Recibido
Aprobado |
: : |
04/06/2025 |
|
21/10/2025 |
||
|
Publicado |
: |
25/12/2025 |
RESUMEN: El objetivo de este estudio
fue explorar cómo académicos universitarios en Chile adoptan y perciben el uso
de ChatGPT como herramienta pedagógica e investigativa. Se utilizó una
metodología cualitativa con diseño exploratorio-descriptivo, basada en entrevistas
semiestructuradas a 21 docentes de diversas disciplinas, analizadas mediante
análisis temático inductivo. Los resultados identificaron tres motivaciones
principales para su uso (curiosidad, actualización profesional y disfrute), dos
facilitadores clave (rapidez y accesibilidad) y tres barreras recurrentes
(alucinaciones, dependencia y brechas de habilidades digitales). Asimismo, se
observó un impacto positivo en la reducción de la carga operativa y la
generación de materiales, junto con el reto de rediseñar las evaluaciones y
establecer políticas institucionales claras. Estos hallazgos aportan evidencia
empírica para orientar la integración responsable y efectiva de la inteligencia
artificial generativa en la educación superior.
Palabras clave: ChatGPT, inteligencia artificial generativa,
educación superior, adopción tecnológica, académicos.
ABSTRACT: The objective of this study was to explore how
university professors in Chile adopt and perceive the use of ChatGPT as a pedagogical and research tool. A qualitative
methodology with an exploratory-descriptive design was used, based on
semi-structured interviews with 21 professors from various disciplines,
analyzed through inductive thematic analysis. The results identify three main
motivations for its use (curiosity, professional development, and enjoyment),
two key facilitators (speed and accessibility), and three recurring barriers
(hallucinations, dependency, and digital skills gaps). A positive impact will
also be observed in reducing operational burden and generating materials, along
with the challenge of redesigning assessments and establishing clear
institutional policies. These findings provide empirical evidence to guide the
responsible and effective integration of generative artificial intelligence in
higher education.
Keywords: ChatGPT, generative artificial intelligence, higher
education, technology adoption, academics.
INTRODUCCIÓN
La
aparición de la Inteligencia Artificial Generativa (IAgen) y de modelos
lingüísticos como ChatGPT ha transformado rápidamente los escenarios educativos
en todo el mundo. Estas herramientas, capaces de generar textos, responder a
preguntas complejas, estructurar ideas y ayudar en diversas tareas cognitivas,
han desafiado los marcos tradicionales de enseñanza y aprendizaje. En la
educación superior, su uso se ha expandido rápidamente, posicionándose como un
recurso tanto para estudiantes como para profesores, en un contexto de
creciente digitalización y replanteamiento de los procesos formativos (Batista
et al., 2024; Islam, I. y Islam, M., 2024). Como sostienen Zawacki-Richter et
al. (2019), la integración de las tecnologías emergentes requiere no solo
innovación técnica, sino también una reflexión estructural que articule la
gobernanza institucional, la formación del profesorado y las políticas
educativas.
Desde
una perspectiva pedagógica, la IAgen ha sido valorada por su potencial para
diversificar los métodos de enseñanza, automatizar tareas rutinarias y
facilitar experiencias de aprendizaje personalizadas. Herramientas como ChatGPT
permiten, por ejemplo, crear materiales didácticos, redactar trabajos
académicos o resolver dudas conceptuales, promoviendo una educación más
flexible, autónoma y centrada en el alumno (Jeon y Lee, 2024; Rehman y Kang,
2025). Kumar (2023) destaca que estas tecnologías pueden potenciar la coagencia
entre profesores y alumnos, generando interacciones más horizontales y
significativas. Asimismo, su capacidad para adaptarse al ritmo y estilo de
aprendizaje individual ha sido señalada como una oportunidad para mejorar la
motivación y retención de los estudiantes (Salazar et al., 2024).
Sin
embargo, este entusiasmo coexiste con interrogantes de fondo sobre el impacto
que las IAgen pueden tener en el pensamiento crítico, la autoría intelectual y
la construcción del conocimiento. Investigaciones recientes advierten de que un
uso acrítico o instrumental de estas herramientas podría debilitar la capacidad
analítica de los estudiantes, fomentar prácticas de plagio involuntario o
generar una falsa sensación de dominio conceptual (Chomsky et al., 2023; Ojeda
et al., 2023). Kumar (2023) subraya que la dependencia excesiva de la IA puede
socavar la capacidad de los estudiantes para cuestionar, evaluar y construir
conocimientos propios, comprometiendo así uno de los pilares fundamentales de
la educación superior.
A
esto se añaden las desigualdades estructurales que afectan al acceso y al uso
de la tecnología. Aunque herramientas como ChatGPT son, en principio, de libre
acceso, su uso efectivo requiere de habilidades digitales avanzadas,
conectividad y recursos tecnológicos que no están distribuidos equitativamente
entre las instituciones o los estudiantes (Arteaga et al., 2025). Esta brecha
digital amenaza con profundizar las desigualdades ya existentes en el sistema
educativo, restringiendo las oportunidades de aprendizaje significativo para
los sectores más vulnerables (Sosa et al., 2025). Como señalan Caicedo-Basurto
et al. (2024), la falta de infraestructura y capacitación digital en contextos
desfavorecidos limita el uso creativo y reflexivo de estas tecnologías,
reduciendo su potencial transformador.
Además,
el uso de IAgen plantea importantes retos a las instituciones universitarias.
La ausencia de directrices claras sobre su implementación ha generado
incertidumbre entre profesores y estudiantes, dando lugar a respuestas dispares
que van desde la prohibición absoluta a la incorporación acrítica (Al-Zahrani y
Alasmari, 2024). Sallam et al. (2024) enfatizan la necesidad de acompañar la
integración tecnológica con políticas institucionales explícitas que promuevan
un uso responsable, transparente y contextualizado. Asimismo, el liderazgo
pedagógico se vuelve clave para orientar procesos de apropiación crítica,
evitando que la incorporación de estas herramientas se convierta en una mera
solución técnica desconectada de los propósitos educativos (Gil-Vera, 2024;
Vieriu y Petrea, 2025).
En
este escenario, la presente investigación cualitativa tiene por objetivo
explorar cómo los académicos universitarios en Chile están incorporando ChatGPT
en su práctica docente e investigativa. Este estudio responde a la escasez de
evidencia empírica cualitativa en el contexto chileno y latinoamericano sobre
el uso de inteligencia artificial generativa en educación superior, un campo
dominado hasta ahora por análisis conceptuales o estudios realizados en países
de economías desarrolladas. A través de entrevistas semiestructuradas a 21
docentes de diversas disciplinas, se analizan sus usos, percepciones, dilemas
éticos y proyecciones sobre el futuro de la IA en la educación superior.
Otero
y Suárez-Jasso (2025) sostienen que el despliegue de la IA en entornos
educativos requiere marcos de gobernanza que garanticen la integridad académica
y la equidad, más allá del entusiasmo inicial. Así, este estudio busca ofrecer
una comprensión situada del fenómeno, reconociendo que la integración de la
IAgen no es solo una cuestión tecnológica, sino también pedagógica,
institucional y ética, proporcionando evidencia empírica para orientar las
decisiones formativas e institucionales en un contexto de profunda
transformación.
DESARROLLO
La
IAgen se refiere a sistemas capaces de producir contenido original (texto,
imágenes, audio o video) a partir de patrones aprendidos de grandes volúmenes
de datos (Sallam et al., 2024). Entre estas tecnologías, ChatGPT, desarrollado
por OpenAI, ha ganado relevancia en entornos académicos por su capacidad de
generar respuestas coherentes y contextualmente relevantes a partir de
instrucciones en lenguaje natural (Islam, I. y Islam, M., 2024).
Según
Villarino (2025), la irrupción de ChatGPT ha supuesto “un punto de inflexión en
la manera en que se concibe la enseñanza y el aprendizaje, especialmente en
contextos con limitaciones de recursos humanos y materiales” (p. 46). En este
sentido, su uso no se limita a responder preguntas, sino que se ha extendido a
la elaboración de materiales, retroalimentación de actividades y soporte en
investigación (Caicedo-Basurto et al., 2024).
Diversos
estudios han documentado beneficios asociados al uso de ChatGPT en educación
superior. Sallam et al. (2024) destacan su capacidad para resolver problemas
complejos en menor tiempo y con alto grado de precisión en determinadas áreas.
En la misma línea, Villarino (2025) subraya que “la integración de ChatGPT ha
permitido mejorar la eficiencia de los procesos académicos, optimizando el
tiempo destinado a tareas repetitivas” (p. 51).
Islam,
I. e Islam, M. (2024) señalan que, más
allá de la eficiencia, el potencial de ChatGPT reside en “facilitar el
aprendizaje autónomo, proporcionar retroalimentación inmediata y adaptarse a
distintos estilos de aprendizaje” (p. 4). Estas ventajas pueden favorecer la
personalización de la enseñanza y el desarrollo de competencias digitales tanto
en docentes como en estudiantes (Caicedo-Basurto et al., 2024).
No
obstante, la literatura advierte que la incorporación de ChatGPT en educación
conlleva riesgos y limitaciones. Un aspecto crítico es el fenómeno de las
“alucinaciones” o generación de información plausible pero incorrecta, que
puede afectar la confiabilidad del contenido (Sun et al., 2024). Villarino
(2025) resalta que “la dependencia excesiva de estas herramientas sin una
verificación rigurosa puede conducir a la reproducción de errores y sesgos” (p.
54).
Otros
riesgos incluyen la posible disminución del pensamiento crítico, la
sobreconfianza en las respuestas automáticas y la falta de habilidades para
validar información (Islam, I. y Islam,
M., 2024). Además, emergen debates éticos relacionados con el plagio, la
autoría intelectual y la equidad en el acceso a la tecnología (Otero y
Suárez-Jasso, 2025).
Por
otro lado, la aceptación de nuevas tecnologías en contextos educativos ha sido
explicada frecuentemente mediante el Technology Acceptance Model (TAM), que
considera la percepción de utilidad y facilidad de uso como predictores clave
de la intención de uso (Davis, 1989, como se citó en Villarino, 2025).
Adaptaciones recientes, como el TAME-ChatGPT, incorporan dimensiones
relacionadas con la confianza, las habilidades digitales y la ética,
reconociendo las particularidades de la IA generativa en educación (Islam, I. y
Islam, M., 2024).
De
acuerdo con Villarino (2025), “comprender los factores que influyen en la
adopción de ChatGPT permite diseñar políticas institucionales más efectivas y
estrategias de capacitación ajustadas a las necesidades reales de docentes y
estudiantes” (p. 58).
METODOLOGÍA
1. Enfoque y diseño de la investigación
Este
estudio adopta un enfoque cualitativo interpretativo, apropiado para explorar
experiencias subjetivas, significados socialmente construidos y percepciones
complejas sobre fenómenos emergentes como el uso de la inteligencia artificial (IA)
en la educación superior (Denzin y Lincoln, 2018; Merriam y Tisdell, 2016). En
particular, el estudio se enmarca en un diseño exploratorio-descriptivo,
orientado a comprender cómo los académicos universitarios están incorporando
ChatGPT en sus prácticas docentes e investigativas, qué usos específicos le
dan, qué desafíos enfrentan y qué implicancias perciben en el comportamiento de
los estudiantes y en el rol docente.
Este
diseño se basa en el supuesto epistemológico de que la realidad social es
construida por los sujetos en interacción con su contexto, por lo que es
relevante privilegiar las voces de los actores involucrados (Creswell y Poth,
2018). A través de este enfoque, buscamos aportar evidencia empírica que
complemente los debates normativos y técnicos sobre inteligencia artificial en
educación, desde una mirada centrada en las prácticas reales de los docentes.
2. Participantes y criterios de selección
La
muestra estuvo compuesta por 21 académicos universitarios pertenecientes a
distintas disciplinas, niveles de experiencia y roles docentes en universidades
chilenas. El número de entrevistas se determinó siguiendo el principio de
saturación teórica (Patton, 2015; Creswell y Poth, 2018), es decir, se continuó
entrevistando hasta que no surgieron nuevas categorías relevantes para
responder a la pregunta de investigación. Este umbral se alcanzó en la
entrevista número 19, pero se incorporaron dos entrevistas adicionales para
asegurar la diversidad disciplinaria y confirmar la saturación.
Tabla
1
Caracterización
de los participantes
|
Entrevistado |
Género |
Área disciplinaria |
Uso principal |
Años de experiencia
docente |
|
E1 |
Mujer |
Pedagogía |
Enseñanza |
6-10 años |
|
E2 |
Mujer |
Ciencias de la salud |
Enseñanza |
11-15 años |
|
E3 |
Mujer |
Ciencias sociales |
Enseñanza |
6-10 años |
|
E4 |
Mujer |
Pedagogía |
Enseñanza |
11-15 años |
|
E5 |
Mujer |
Ciencias sociales |
Enseñanza |
1-5 años |
|
E6 |
Mujer |
Humanidades |
Investigación |
11-15 años |
|
E7 |
Hombre |
Ingeniería |
Investigación |
6-10 años |
|
E8 |
Mujer |
Ciencias sociales |
Enseñanza |
1-5 años |
|
E9 |
Mujer |
Humanidades |
Investigación |
11-15 años |
|
E10 |
Hombre |
Ciencias de la salud |
Enseñanza |
6-10 años |
|
E11 |
Mujer |
Humanidades |
Enseñanza |
6-10 años |
|
E12 |
Hombre |
Ingeniería |
Investigación |
11-15 años |
|
E13 |
Hombre |
Ciencias de la salud |
Enseñanza |
11-15 años |
|
E14 |
Mujer |
Ciencias sociales |
Enseñanza |
1-5 años |
|
E15 |
Hombre |
Ingeniería |
Investigación |
11-15 años |
|
E16 |
Hombre |
Ingeniería |
Enseñanza e investigación |
6-10 años |
|
E17 |
Hombre |
Ingeniería |
Enseñanza |
6-10 años |
|
E18 |
Mujer |
Pedagogía |
Enseñanza |
11-15 años |
|
E19 |
Hombre |
Ingeniería |
Enseñanza e investigación |
11-15 años |
|
E20 |
Hombre |
Ciencias sociales |
Enseñanza |
6-10 años |
|
E21 |
Mujer |
Pedagogía |
Enseñanza |
1-5 años |
Los
criterios de inclusión para participar en el estudio fueron cuatro: (1) estar
trabajando en la docencia universitaria en el momento de la entrevista; (2)
haber utilizado la herramienta ChatGPT al menos una vez en actividades docentes
o de investigación; (3) ser de nacionalidad chilena o desempeñar labores
docentes en instituciones de educación superior en Chile; y (4) estar dispuesto
a reflexionar críticamente sobre su experiencia y percepciones en relación con
esta tecnología. La muestra estaba compuesta por académicos de diversas
disciplinas, como pedagogía, ciencias sociales, ingeniería, ciencias de la
salud y humanidades.
Estos
criterios de inclusión aseguraron que los participantes contaran con
experiencia directa y reciente en el uso de ChatGPT en docencia o
investigación, que sus aportes estuvieran enmarcados en el contexto educativo
chileno y que representaran una diversidad disciplinaria. Esta heterogeneidad
favoreció la recopilación de múltiples perspectivas, usos y formas de
apropiación de la inteligencia artificial generativa, así como la
identificación de tensiones emergentes en su integración en la educación universitaria.
3. Técnica de recogida de datos
Se
utilizó la entrevista semiestructurada como principal forma de recogida de
datos. Este instrumento es muy habitual en los estudios cualitativos por su
flexibilidad y su capacidad para profundizar en las experiencias individuales,
al tiempo que permite mantener cierta comparabilidad entre los casos (Kvale y
Brinkmann, 2015).
Las
entrevistas se realizaron de forma individual, en modalidad virtual, y tuvieron
una duración media de entre 30 y 60 minutos. Se creó una guía de entrevista
semiestructurada para analizar en profundidad las experiencias y percepciones
de los académicos universitarios sobre el uso de ChatGPT. Las preguntas
abordaron cinco ejes temáticos: (1) cómo se utiliza la herramienta en la
actualidad en tareas de docencia e investigación; (2) cambios percibidos en sus
propias formas de enseñar desde su llegada; (3) observaciones sobre cómo los
estudiantes utilizan esta tecnología; (4) dilemas éticos legales o políticos
que conlleva su uso; y (5) cómo creen que podría ser la IA en el futuro en la
educación superior.
Todas
las entrevistas se grabaron con consentimiento informado, posteriormente se
transcribieron íntegramente y se codificaron con seudónimo para proteger la
identidad de los participantes, de acuerdo con los principios éticos de la
investigación cualitativa (Tracy, 2020).
4. Estrategia de análisis
El
análisis de datos siguió un enfoque temático inductivo manual en seis fases:
(1) familiarización con los datos mediante lectura iterativa de las
transcripciones; (2) codificación abierta manual para identificar unidades de
significado; (3) agrupación de códigos en categorías temáticas preliminares;
(4) revisión de temas para asegurar coherencia interna y diferenciación
externa; (5) definición y nombramiento de los temas; y (6) elaboración del
informe analítico integrando citas textuales de los participantes y su
vinculación con el marco teórico. El proceso se apoyó en matrices de
organización y fue validado mediante triangulación entre investigadores para
fortalecer la confiabilidad del análisis (Nowell et al., 2017).
RESULTADOS
1. Motivaciones de uso de ChatGPT
En
este bloque, se profundiza en las razones que llevaron a los académicos a
adoptar ChatGPT, organizadas en tres subcategorías: (1) moda y curiosidad, (2)
necesidad laboral y (3) motivación hedónica.
Se
observa cómo la “moda” de ChatGPT se combina con una genuina inquietud técnica:
el entrevistado, que trabaja desarrollando modelos de IA en su labor
profesional, decidió probar ChatGPT para evaluar si la herramienta era útil en
su flujo de trabajo.
“Yo diría principalmente
curiosidad. Acá las discusiones partieron más que nada como por miedo, así
como, ‘oye, todos los alumnos van a estar haciendo los trabajos por ser
[ChatGPT]’, pero por otro lado yo lo vi igual que con Google… tenía harta
curiosidad de entender qué tan revolucionario es esto” (E14).
En
este fragmento, el entrevistado compara la llegada de ChatGPT con la adopción
de Google hace años, reconociendo un doble efecto: la inquietud de “qué pasará
con los trabajos de los alumnos” y la curiosidad sobre su “revolución” en la
generación de contenido.
Para
otro grupo de entrevistados, la motivación no fue la moda, sino la necesidad de
familiarizarse con una tecnología que ya estaba irrumpiendo en sus campos
profesionales y en la industria en general.
“Yo siento que, en un lado
privado, las empresas ya están abordando temas de digitalización y sobre todo
algunas herramientas de inteligencia artificial sin saber con qué rumbo
tomarlas. Hay muchas cosas que todavía hay desconocimiento. Pero el lado académico
me interesa porque claramente los alumnos que tienen que pasar por carreras que
van a dirigir empresas tienen que conocer las herramientas disponibles.
Entonces, por ambos lados empecé a conocer y a usar ChatGPT” (E2).
Se
advierte que las empresas ya estaban experimentando con IA, y por ello
consideró fundamental que los estudiantes de sus cursos (futuros directores o
ejecutivos) también se familiarizaran con estas tecnologías.
“Yo la utilizo porque,
bueno, tiempo atrás, cuando recién surgió, esto de que había una IA que te
podía ayudar en actividades rutinarias, como generación de material,
complementar ejercicios de clase. Como toda la creación de material para una
clase, igual es bastante tiempo. En específico, yo hago mis clases de Magíster
en LaTeX, entonces cada presentación tienes que programarla y ChatGPT me ayuda
a generar plantillas o a resolver dudas de sintaxis mucho más rápido” (E19).
Este
profesor de finanzas y econometría destaca el ahorro de tiempo al crear
diapositivas en LaTeX: una tarea que antes le tomaba varias horas, ahora se
reduce a minutos.
Aunque
los dos grupos anteriores combinan inquietudes técnicas y profesionales, un
tercer grupo enfatiza la satisfacción personal y el factor “entretenimiento” de
interactuar con ChatGPT. Para ellos, más allá de la utilidad, existe un
componente lúdico al explorar “qué tan buenos” o “sabias” son las respuestas.
Al
narrar su “situación satisfactoria”, el entrevistado destaca que sometió a
ChatGPT a “juegos” (prompts deliberadamente complejos) para medir su capacidad.
La sorpresa de ver un texto coherente, incluso si no siempre era 100 % preciso,
generó placer cognitivo.
“¿Cómo se siente usando
ChatGPT para la enseñanza? Es como tener un compañero que te sorprende. Te
entrega ideas que nunca habías considerado y, aunque a veces esté equivocado,
provoca esa sensación de asombro” (E16).
La
dimensión hedónica queda de manifiesto: ChatGPT aporta un componente de
“entretenimiento intelectual” que incentiva a estos académicos a continuar
usándolo, aunque solo sea “para ver hasta dónde llega”.
2. Facilitadores técnicos y contextuales
La
mayoría de los entrevistados coincide en que ChatGPT posee rapidez y
accesibilidad, ya que responde en segundos, lo cual supone un choque respecto a
la búsqueda tradicional (por ejemplo, recorrer bases de datos o manuales):
“Primero es rápido; segundo, me puedo conectar de cualquier dispositivo;
tercero, tiene memoria de tus consultas” (E1).
Además,
ChatGPT permite mantener la continuidad de la conversación (hasta cierto límite
de tokens), de modo que el usuario puede ir profundizando en un tema sin tener
que repetir datos de contexto: “Si empiezo preguntando sobre diseño de rúbricas
y luego pido ejemplos concretos, ChatGPT retiene que estamos hablando de
evaluación y no repite definiciones básicas” (E2).
La
capacidad de mantener un hilo conversacional facilita conversaciones iterativas
sin tener que repetir antecedentes, lo cual ahorra esfuerzo al profundizar en
un tema.
El
entrevistado 4 comenta que comienza con un prompt general (“muéstrame un
ejemplo de script en R para análisis regresivo”) y luego va refinando (“ahora
agrega validación de supuestos”). Sin esa memoria, tendría que volver a
especificar todo en cada prompt.
Por
otro lado, la interfaz de ChatGPT es sencilla e intuitiva, lo que facilita que
los académicos la consideren “autoexplicativa” sin necesidad de recibir
capacitación formal. La sencillez del campo de texto y botón “Enviar” elimina
la curva de aprendizaje, permitiendo que docentes de cualquier área (incluso
sin conocimientos de programación) puedan usar ChatGPT inmediatamente,
“encuentro que la interfaz está súper bien resuelta”. Va al grano: escribes lo
que quieres, y en segundos te arroja un texto” (E17).
En
conjunto, estos tres elementos (rapidez, contexto y usabilidad) configuran un
entorno que incentiva la adopción sin una capacitación técnica intensiva ni
infraestructura especializada. Sin embargo, como se ve en el punto 3, estos
facilitadores conviven con barreras importantes.
3. Barreras y dificultades percibidas
Aunque
existen atractivos técnicos y motivaciones fuertes, los entrevistados también
identificaron una serie de obstáculos que, en su mayoría, se agrupan en cuatro
categorías: (1) confiabilidad y “alucinaciones”; (2) hábitos de uso y riesgo de
dependencia; y (3) brechas de conocimiento para integrar la herramienta.
La
confiabilidad y “alucinaciones” se refieren al fenómeno por el cual ChatGPT
genera respuestas “plausibles” pero erróneas, lo que genera desconfianza y
obliga al usuario a verificar toda la información. Una entrevistada menciona
“Una vez le pregunté a ChatGPT un problema matemático para ayudar a mi sobrino;
me entregó la resolución con lógica, pero el resultado era incorrecto. Me dije
‘esto debe estar mal’” (E1).
Los
errores plausibles generan desconfianza y obligan a verificar todas las
respuestas con fuentes académicas, lo cual limita el grado de automatización. Una
entrevista comenta: “Me inventó autores latinos super convincentes que no
existen. Ahí vienen las alucinaciones” (E11).
Por
otro lado, algunos entrevistados utilizan ChatGPT con frecuencia, muchos
advierten la importancia de no volverse dependientes de la herramienta,
prefiriendo primero revisar fuentes tradicionales. Se menciona: “Lo uso solo
una vez a la semana para consultas puntuales. Primero reviso fuentes
bibliográficas y, si dudo, consulto ChatGPT. No soy dependiente” (E3).
Para
evitar la dependencia, los académicos usan ChatGPT estratégicamente y advierten
a los estudiantes sobre su carácter no definitivo. Se alude a que: “Sí me apoyo
bastante en la herramienta: facilita tareas repetitivas y da orientaciones.
Pero no me considero dependiente: enseño a los estudiantes que ChatGPT no es
“la verdad absoluta”; es una herramienta que hay que cuestionar” (E16).
Además,
aunque la interfaz sea intuitiva, varios entrevistados reconocen que existe una
brecha de competencias digitales y metodológicas que limita un uso óptimo de
ChatGPT. Por ejemplo: “No sé cómo construir instrumentos de evaluación que
incluyan ChatGPT; en eso estoy al debe” (E2).
No
basta con poder “escribir un mensaje”, sino que, para usos avanzados (por
ejemplo, “integrar ChatGPT en pipelines de análisis de datos”), se requieren
conocimientos de programación y validación de resultados.
“No es asequible para
cualquier docente, pero depende del resultado que busques. Por ejemplo, hay
colegas que programan en R o Python y conectan ChatGPT con Excel. Ellos saben
chequear si lo que entrega es correcto o no. Yo, que no soy programador, podría
pedírselo, pero no podría revisar si está bien” (E14).
4. Percepción de impacto en la docencia
Finalmente,
los entrevistados describen cómo ChatGPT influye en su práctica docente, desde
el ahorro de carga operativa hasta el reto de rediseñar evaluaciones. Se
describen dos ejes principales: ahorro de carga operativa y rediseño de
evaluaciones.
Varios
entrevistados coinciden en que ChatGPT libera tiempo para concentrarse en la
esencia del proceso pedagógico (análisis crítico, interacción con estudiantes,
diseño conceptual). Por ejemplo: “La creación de material para clases de
Magíster en LaTeX me tomaba ocho o nueve horas. Con ChatGPT solo demoro diez
minutos. No pierdo el aprendizaje personal, pero sí disminuyo considerablemente
el tiempo de trabajo” (E19).
Además,
se enfatiza que el ahorro no es solo en minutos, sino en jornadas completas, a
la hora de diseñar casos de estudio para cursos de management. Por ejemplo: “Me
ahorra uno o dos días de trabajo al preparar casos de estudio” (E2).
Finalmente,
el principal desafío reputado por los entrevistados es replantear la forma en
que se evalúa, para evitar que el estudiante dependa de ChatGPT y simplemente
copie-pegue respuestas: “Me preocupa que los estudiantes copien respuestas sin
entender. Debo diseñar tareas que exijan pensamiento crítico, no definiciones
literales” (E3).
Se
pone de relieve el riesgo de creer en una “falsa perfección”: si el docente no
detecta a tiempo errores “lógicos” en la respuesta generada, los estudiantes
podrían reproducir información incorrecta en sus exámenes: “Al ver respuestas
plausibles pero erróneas, entendí que no se pueden usar exámenes basados en
ChatGPT sin supervisión” (E15).
Para
evitar el plagio y mantener la calidad del aprendizaje, se sugiere evaluar
mediante proyectos, debates orales, estudios de caso y rúbricas centradas en la
argumentación. En conjunto, estas motivaciones, facilitadores y barreras
delinean un panorama complejo sobre la adopción de ChatGPT en la docencia
universitaria chilena.
DISCUSIÓN
DE RESULTADOS
Este
panorama coincide con tendencias internacionales reportadas en estudios
recientes (Acosta-Enríquez et al., 2024; Fitzek y Bârgăoanu, 2025), que
destacan tanto el potencial transformador como los desafíos éticos y
metodológicos de la IA generativa.
La
discusión de los resultados evidencia que las motivaciones para adoptar ChatGPT
entre los académicos chilenos coinciden con hallazgos internacionales que
subrayan la relevancia de la percepción de utilidad y facilidad de uso en la
adopción de IA.
En
el estudio, varios entrevistados mencionaron que, pese a que el uso se originó
en un “efecto moda”, la necesidad de capacitar a futuros profesionales en IA y
la posibilidad de experimentar con prompts complejos impulsaron un compromiso
sostenido. Esta tendencia converge con los resultados de Sallam et al. (2024) y
Villarino (2025), quienes reportan que la percepción de utilidad y el
componente hedónico constituyen determinantes cruciales en contextos
universitarios diversos.
En
cuanto a los facilitadores técnicos, la velocidad de respuesta de ChatGPT, la
accesibilidad multiplataforma y la memoria de contexto han sido caracterizadas
como ventajas significativas que permiten a los docentes reducir la carga
operativa y centrarse en el contenido conceptual. Estos hallazgos reflejan los
estudios de Jürgensmeier y Skiera (2024), quienes demostraron que modelos
generativos pueden ofrecer retroalimentación escalable y precisa, y de
Villarino (2025), que destaca la importancia de interfaces intuitivas para la
adopción en entornos con recursos limitados. No obstante, la brecha de
conocimientos técnicos para usos avanzados, por ejemplo, la integración de la
API o la validación de resultados, permanece como un desafío clave.
Entre
las principales barreras, la confiabilidad limitada de ChatGPT, reflejada en
“alucinaciones” o respuestas plausibles pero erróneas, y la ausencia de
protocolos institucionales claros emergen como obstáculos fundamentales. Los
entrevistados identificaron la necesidad de verificar constantemente la
información suministrada por ChatGPT, lo cual se alinea con las advertencias de
Espinoza Vidaurre et al. (2024) y Sun et al. (2024) sobre los riesgos de
confianza excesiva y la erosión de la integridad académica. Adicionalmente, la
falta de directrices institucionales para integrar ChatGPT en planes de estudio
y evaluaciones potencia la heterogeneidad en su uso, una realidad documentada
también por Villarino (2025).
Finalmente,
el impacto en la docencia se traduce en un ahorro operativo significativo, al
reducir de ocho o nueve horas a diez minutos la creación de material en LaTeX,
por ejemplo, y en la urgencia de rediseñar las evaluaciones para mantener la
integridad académica. Diversos entrevistados manifestaron que las preguntas
literales deben reemplazarse por tareas que requieran pensamiento crítico y
argumentación, en consonancia con las recomendaciones de Acosta-Enriquez et al.
(2024) y Fitzek y Bârgăoanu (2025) para fomentar rúbricas centradas en el
proceso y proyectos colaborativos. En conjunto, estos resultados sugieren la
necesidad de políticas claras, formación docente en prompt engineering y
estudios de seguimiento que evalúen longitudinalmente el impacto pedagógico y
ético de la IA en el entorno universitario chileno y latinoamericano.
CONCLUSIONES
El
presente estudio cualitativo evidencia que la adopción de ChatGPT por parte de
académicos universitarios chilenos responde a una combinación de motivaciones:
la curiosidad inicial incentivada por el “boom” mediático, la percepción de
utilidad en la digitalización de sus disciplinas y el componente hedónico
ligado al asombro frente a sus capacidades generativas. Si bien las ventajas
operativas, como la reducción drástica del tiempo en tareas rutinarias de
creación de material didáctico y retroalimentación de código, son altamente
valoradas, también se identifican barreras como la confiabilidad limitada de
las respuestas, la falta de protocolos institucionales y las brechas de
conocimiento técnico-metodológico. Estos hallazgos resaltan la necesidad de políticas
claras, formación docente en “prompt engineering” y evaluaciones centradas en
el pensamiento crítico.
Entre
las principales limitaciones se encuentran el tamaño y composición de la
muestra, la cobertura disciplinaria y geográfica parcial, el enfoque exclusivo
en la perspectiva docente y la naturaleza autorreportada de los datos, así como
la recolección en una etapa temprana de adopción de ChatGPT. Estas condiciones
limitan la generalización de los hallazgos y abren oportunidades para
investigaciones que amplíen la muestra, incorporen otros actores, combinen
metodologías y realicen seguimientos longitudinales.
Solo
mediante un enfoque institucional coordinado, que reduzca la heterogeneidad de
uso y promueva metodologías de evaluación innovadoras, será posible aprovechar
plenamente los beneficios de la IA en la educación superior, garantizando
calidad y responsabilidad académica.
REFERENCIAS
Acosta‑Enríquez, B. G., Arbulú
Ballesteros, M. A., Huamaní Jordan, O., López Roca, C. y Saavedra Tirado, K.
(2024). Analysis of college students’ attitudes toward the use
of ChatGPT in their academic activities: Effect of
intent to use, verification of information and responsible use. BMC Psychology, 12, 255. https://doi.org/10.1186/s40359-024-01764-z
Al‑Zahrani, A. M. y Alasmari, T. M. (2024). Exploring
the impact of artificial intelligence on higher education: The dynamics of
ethical, social, and educational implications. Humanities and Social
Sciences Communications, 11(1), 1–12. https://doi.org/10.1057/s41599-024-03432-4
Arteaga, E., Sinchi, G., Ruiz, B., Valarezo,
S., Suárez, I. y Mora, C. (2025). La inteligencia artificial en
la educación: Desafíos y oportunidades. South Florida Journal of Development,
6(5), e5219. https://doi.org/10.46932/sfjdv6n5-006
Batista, J., Mesquita, A. y
Carnaz, G. (2024). Generative AI and higher education: Trends,
challenges, and future directions from a systematic literature review. Information, 15(11), 676. https://doi.org/10.3390/info15110676
Caicedo‑Basurto, R. L., Camacho‑Medina, B. M., Quinga‑Villa, C. A., Fonseca‑Lombeida, A. F. y
López‑Freire, S. A. (2024). Análisis y beneficios de la educación en la era de la
inteligencia artificial. Journal of Economic and Social Science Research, 4(4),
291–302. https://doi.org/10.55813/gaea/jessr/v4/n4/148
Chomsky, N., Roberts, I. y Watumull,
J. (8 de marzo de 2023). Noam Chomsky: The False Promise of ChatGPT.
The New York Times. https://www.nytimes.com/2023/03/08/opinion/noam-chomsky-chatgpt-ai.html
Creswell, J. W. y Poth, C. N.
(2018). Qualitative inquiry and research design: Choosing among five
approaches. 4a ed. Sage Publications.
Denzin, N. K. y Lincoln, Y. S. (Eds.). (2018).
The SAGE handbook of qualitative research. 5a ed. Sage.
Espinoza Vidaurre, S. M., Velásquez Rodríguez, N. C.,
Gambetta Quelopana, R. L., Martínez Valdivia, A. N.,
Leo Rossi, E. A. y Nolasco‑Mamani, M. A. (2024). Perceptions
of artificial intelligence and its impact on academic integrity among
university students in Peru and Chile: An approach to sustainable education. Sustainability,
16(20), 9005. https://doi.org/10.3390/su16209005
Fitzek,
S. y Bârgăoanu, A. (2025). Introducing large language
models in communication and public relations education: A mixed‑methods pilot
study. International Journal of Artificial Intelligence in Education. https://doi.org/10.1007/s40593-025-00477-7
Gil‑Vera, V. (2024). Uso de ChatGPT por estudiantes universitarios: un análisis
relacional. Formación Universitaria, 17(5),
129–138. https://doi.org/10.4067/S0718-50062024000400129
Islam, I. y Islam, M. (2024). Exploring
the opportunities and challenges of ChatGPT in
academia. Discover Education, 3, 31. https://doi.org/10.1007/s44217-024-00114-w
Jeon, J. y Lee, S. (2023). Large
language models in education: A focus on the complementary relationship between
human teachers and ChatGPT. Education and
Information Technologies, 28(12), 15873–15892. https://doi.org/10.1007/s10639-023-11834-1
Jürgensmeier,
L. y Skiera, B. (2024). Generative AI for scalable
feedback to multimodal exercises. International Journal of Research in
Marketing, 41(3), 468–488. https://doi.org/10.1016/j.ijresmar.2024.05.005
Kumar, L. (2023).
Revolutionizing education: Artificial intelligence’s pioneering role in shaping
tomorrow’s scholars. International Journal of Multidisciplinary Research in
Arts, Science and Technology, 1(2), 1–7. https://doi.org/10.61778/ijmrast.v1i2.6
Kvale,
S. y Brinkmann, S. (2015). InterViews:
Learning the craft of qualitative research interviewing. 3a ed. Sage
Publications.
Merriam, S. B. y Tisdell, E. J. (2016). Qualitative
research: A guide to design and implementation. 4a ed.
Jossey‑Bass.
Nowell, L. S., Norris, J. M.,
White, D. E. y Moules, N. J. (2017).
Thematic analysis: Striving to meet the trustworthiness criteria. International
Journal of Qualitative Methods, 16(1), 1–13. https://doi.org/10.1177/1609406917733847
Ojeda, A. D., Solano‑Barliza, A. D., Alvarez, D. O. y Cárcamo,
E. B. (2023). Análisis del impacto de la inteligencia artificial
ChatGPT en los procesos de enseñanza y aprendizaje en la educación
universitaria. Formación Universitaria, 16(6), 61–70. https://doi.org/10.4067/S0718-50062023000600061
Otero, A. D. y Suárez‑Jasso,
E. (2025). Responsabilidad ética del uso de ChatGPT en estudiantes
universitarios. Transdigital,
6(11), e406. https://doi.org/10.56162/transdigital406
Patton, M. Q. (2015). Qualitative
research and evaluation methods: Integrating theory and practice. 4a ed.
Sage Publications.
Rehman, N. y Kang, M. A. (2025). Exploring
the impact of ChatGPT on students’ engagement and
motivation: A demographic perspective. Bulletin of
Multidisciplinary Studies, 2(1), 22–32. https://doi.org/10.5281/zenodo.15251807
Salazar, M., Lapo, J., Romero,
F. y Rosa, Y. (2024). La inteligencia artificial generativa como herramienta de
apoyo en la personalización del aprendizaje: Implicaciones y desafíos éticos en
el aula para estudiantes de EGB. Reincisol, 3(6), 6983–7007. https://doi.org/10.59282/reincisol.v3(6)6983-7007
Sallam, M., Al‑Salahat, K., Eid, H., Egger, J. y Puladi, B. (2024). Human
versus artificial intelligence: ChatGPT‑4 outperforming Bing, Bard, ChatGPT‑3.5
and humans in clinical chemistry multiple‑choice questions. Advances in
Medical Education and Practice, 15, 857–871. https://doi.org/10.2147/AMEP.S479801
Sosa, R., Obando, E.,
Pullotasig, L., Mamarandi, M. y Flores, C. (2025). Desigualdad en el acceso a
la educación digital: Desafíos y soluciones para la equidad. Ciencia Latina
Revista Científica Multidisciplinar, 9(1), 10972–10990. https://doi.org/10.37811/cl_rcm.v9i1.16679
Sun, Y., Sheng, D., Zhou, Z. y
Wu, Y. (2024). AI hallucination: Towards a comprehensive classification of
distorted information in artificial intelligence‑generated content. Humanities
and Social Sciences Communications, 11, 1278. https://doi.org/10.1057/s41599-024-03811-x
Tracy, S. J. (2020). Qualitative
research methods: Collecting evidence, crafting analysis, communicating impact.
2a ed. Wiley‑Blackwell.
Vieriu,
A. y Petrea, G. (2025). The impact of artificial
intelligence (AI) on students’ academic development. Education Sciences, 15(3),
343. https://doi.org/10.3390/educsci15030343
Villarino,
R. T. (2025). Artificial intelligence (AI) integration in rural Philippine
higher education: Perspectives, challenges, and ethical considerations. IJERI:
International Journal of Educational Research and Innovation, (23),
44–63. https://doi.org/10.46661/ijeri.10909
Zawacki‑Richter,
O., Marín, V. I., Bond, M. y Gouverneur, F. (2019). Systematic
review of research on artificial intelligence applications in higher
education—Where are the educators? International Journal of Educational
Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0
[1] Ingeniera
Comercial, Magíster en Gestión de Negocios Digitales. Universidad Diego
Portales, belen.gonzalez@mail.udp.cl - https://orcid.org/0009-0006-6700-4833
[2] Ingeniero
Comercial, Magíster en Gestión de empresas y Programa Doctorado en Economía y
Gestión de la Información. Universidad del Bío-Bío, tzapata@ubiobio.cl - https://orcid.org/0009-0007-9352-0038
[3] Ingeniero
Comercial, Magíster en Gestión de Negocios Digitales. Universidad Diego
Portales, francisco.santis@mail.udp.com - https://orcid.org/0009-0005-9836-2273
[4] Ingeniera
Comercial, Magíster en Dirección de empresas y Doctora en administración de
empresas. Universidad del Bío-Bío, nguinez@ubiobio.cl - https://orcid.org/0000-0002-6109-8457