La mayor universidad de América Latina acaba de dar una lección brutal sobre los límites de la inteligencia artificial en procesos críticos. La UNAM aplicó por primera vez su examen de admisión completamente en línea, con un sistema de vigilancia basado en IA, y el resultado fue un desastre estadístico que obligará a 58.000 aspirantes a repetir la prueba.
Los números no dejan margen para el maquillaje. Entre 2021 y 2025, apenas el 3,5 % de los sustentantes obtenía 100 puntos o más sobre 120. Este año, el 16,3 % lo hizo. Una anomalía tan enorme que la universidad decidió invalidar todas las evaluaciones de quienes lograron puntuaciones sospechosamente altas. En total, 58.000 jóvenes —más de un tercio de los 160.000 inscritos— tendrán que volver a presentarse.
Detrás de esta decisión hay un sistema de vigilancia automatizada que, según reportó Ars Technica, usó un navegador LockDown y software de supervisión por cámara con IA. El objetivo era detectar trampas en tiempo real. Pero el sistema parece haber generado más falsos positivos que aciertos: a los bloqueos masivos se sumaron 1.117 aspirantes señalados por conductas sospechosas durante el examen, según Xataka México.
La vigilancia que devora a sus propios hijos
Invirtió en una promesa tecnológica que muchas instituciones latinoamericanas están considerando: exámenes remotos con supervisión automatizada para ahorrar costos logísticos y ampliar la cobertura. Y en efecto, el modelo digital permitió que 107.349 aspirantes ya hubieran rendido la prueba antes de la última ronda de junio. Pero el costo de ese avance lo pagaron quienes quedaron atrapados en las mallas del algoritmo.
El sistema de IA analizaba comportamientos en tiempo real: desviar la mirada, cubrir la cámara, usar auriculares o hablar con alguien más. Cualquier patrón anómalo generaba una alerta. La universidad asegura que las cancelaciones no las decide la máquina sino un revisor humano, pero la evidencia sugiere lo contrario: el volumen de anomalías fue tan alto que el filtro humano no pudo evitar una invalidación masiva.
Para ponerlo en contexto, un estudio académico publicado este año en IEEE revisa los sistemas de monitoreo de integridad en evaluaciones online y concluye que aún existe una brecha crítica en la fusión de datos multimodales y en la equidad algorítmica. Los autores piden sistemas explicables y gobernanza participativa. Pero la UNAM aplicó la tecnología en vivo, sin esos resguardos, y 58.000 personas pagaron las consecuencias.
Quién gana y quién pierde con la vigilancia automatizada
Está en plena expansión en América Latina el negocio de la supervisión remota con IA. Empresas como ProctorU, Honorlock y otras ofrecen sus servicios a universidades que buscan modernizarse. La UNAM, al dar este paso, se convierte en un caso de estudio para toda la región. Pero el resultado debería enfriar el entusiasmo de cualquier rector o ministro de educación que esté evaluando estas soluciones.
No es solo técnico el problema de fondo: es de confianza. Cuando una institución pública masiva como la UNAM —con más de 190.000 registrados— delega la vigilancia a un algoritmo, el margen de error se multiplica. Los falsos positivos no son solo números: son estudiantes que ven suspendido su futuro académico por un comportamiento que una máquina interpretó mal.
Y la pregunta incómoda es quién responde. Los proveedores de software suelen blindarse con cláusulas de limitación de responsabilidad. La universidad, por su parte, enfrenta una crisis de legitimidad. Los 58.000 aspirantes que deben repetir el examen no son tramposos confirmados; son víctimas colaterales de un sistema que no estuvo a la altura.
Lo que América Latina debería aprender
No es una excepción el caso UNAM. En México, el Instituto Politécnico Nacional y otras universidades también exploran modalidades remotas. Pero la lección aquí es que la IA de vigilancia, en su estado actual, no puede reemplazar la supervisión humana sin generar distorsiones masivas. La literatura académica ya lo advertía: los sistemas híbridos que combinan análisis conductual, psicometría y datos de aprendizaje son más robustos, pero aún están en desarrollo.
Para los ejecutivos latinoamericanos que toman decisiones de inversión en tecnología educativa, este caso debería ser una bandera roja. Implementar vigilancia automatizada sin protocolos de validación independientes, sin mecanismos de apelación claros y sin transparencia algorítmica es una receta para el desastre reputacional y operativo.
Ahora la UNAM tendrá que gestionar la logística de repetir el examen para 58.000 personas, mientras su credibilidad queda en entredicho. Y el resto de la región observa, preguntándose si la próxima víctima será su propia universidad.
