227 Revista Científica Multidisciplinar https://revistasaga.org/ e-ISSN 3073-1151 Enero-Marzo , 2026 Vol. 3 , Núm. 1 , 227-240 https://doi.org/10.63415/saga.v3i1.344 Artículo de Revisión . Adopción de inteligencia artificial generativa en educación: examen crítico de la confianza y los riesgos desde la perspectiva docente Adopción de inteligencia artificial generativa en educación: examen crítico de la confianza y los riesgos desde la perspectiva docente Adoção da Inteligência Artificial Generativa na Educação: Exame Crítico da Confiança e dos Riscos sob a Perspectiva Docente María Angélica Totoy Cabezas 1 ​ ​, Jessica Paulina Tierra Villa 1 ​ ​, Valeria Alexandra Castro Mazon 1 ​ ​ 1 Escuela de Educación Básica Dr. Leonidas García Ortiz, Riobamba, Ecuador Recibido : 2025-12-15 / Aceptado : 2026-01-20 / Publicado : 2026-01-30 RESUMEN La adopción de inteligencia artificial generativa en educación ha transformado las dinámicas de enseñanza, despertando entusiasmo y cautela entre docentes. Objetivos: Analizar percepciones de confianza, riesgos éticos y transformaciones pedagógicas desde la perspectiva docente. Métodos: Se realizó una revisión sistemática de literatura publicada entre 2021 y 2025 en bases académicas y literatura gris, aplicando criterios de elegibilidad y análisis temático. Resultados: Se identificó que la confianza condiciona la integración tecnológica, mientras los riesgos éticos y sesgos algorítmicos generan inquietudes que coexisten con prácticas innovadoras y personalizadas. Conclusiones: ​La adopción de IA generativa constituye un proceso humano y complejo que exige marcos éticos, formación continua y acompañamiento institucional para fortalecer la confianza docente y promover una transformación educativa responsable y sostenible en diversos contextos educativos. Palabras clave: inteligencia artificial generativa; confianza docente; ética educativa; innovación pedagógica; educación superior; transformación digital ABSTRACT The adoption of generative artificial intelligence in education has transformed teaching dynamics, evoking both enthusiasm and caution among educators. Objectives: To analyze perceptions of trust, ethical risks, and pedagogical transformations from the teachers’ perspective. Methods: A systematic review of literature published between 2021 and 2025 was conducted using academic databases and grey literature, applying eligibility criteria and thematic analysis. Results: Trust was found to shape technological integration, while ethical risks and algorithmic bias raise concerns that coexist with innovative and personalized practices. Conclusions: The adoption of generative AI is a complex human process requiring ethical frameworks, continuous training, and institutional support to strengthen teacher trust and promote responsible, sustainable educational transformation across diverse learning environments. Keywords : generative artificial intelligence; teacher trust; educational ethics; pedagogical innovation; higher education; digital transformation RESUMO A adoção da inteligência artificial generativa na educação tem transformado as dinâmicas de ensino, despertando entusiasmo e cautela entre docentes. Objetivos: Analisar percepções de confiança, riscos éticos e transformações pedagógicas sob a perspectiva docente. Métodos: Realizou-se uma revisão sistemática da literatura publicada entre 2021 e 2025 em bases acadêmicas e literatura cinzenta, aplicando critérios de elegibilidade e análise temática. Resultados:
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 228 Identificou-se que a confiança condiciona a integração tecnológica, enquanto riscos éticos e vieses algorítmicos geram preocupações que coexistem com práticas inovadoras e personalizadas. Conclusões: A adoção da IA generativa constitui um processo humano e complexo que exige marcos éticos, formação contínua e apoio institucional para fortalecer a confiança docente e promover uma transformação educacional responsável e sustentável. Palavras-chave : inteligência artificial generativa; confiança docente; ética educacional; inovação pedagógica; educação superior; transformação digital Forma sugerida de citar (APA): Totoy Cabezas, M. A., Tierra Villa, J. P., & Castro Mazon, V. A. (2026). Adopción de inteligencia artificial generativa en educación: examen crítico de la confianza y los riesgos desde la perspectiva docente. ​Revista Científica Multidisciplinar ​SAGA, ​3(1), ​227-240. https://doi.org/10.63415/saga.v3i1.344 Esta obra está bajo una licencia internacional Creative Commons de Atribución No Comercial 4.0 INTRODUCCIÓN La inteligencia artificial generativa irrumpe en la educación como una ola que reconfigura prácticas, expectativas y temores. Docentes de distintos niveles perciben oportunidades pedagógicas, pero también incertidumbres éticas y profesionales. Chan y Tsi (2023) describen este giro tecnológico como un punto de inflexión que interpela el rol docente, obligando a repensar la enseñanza desde la colaboración humano-máquina y la responsabilidad pedagógica compartida. En este escenario, las percepciones del profesorado se convierten en un termómetro sensible del cambio educativo. Gómez et al. (2025) evidencian que estudiantes y docentes valoran la eficiencia de la IA, aunque expresan reservas relacionadas con la autenticidad del aprendizaje. Estas tensiones revelan la necesidad de examinar la confianza como eje central para comprender la ​adopción tecnológica en instituciones de educación superior contemporáneas. La confianza, sin embargo, no surge de manera espontánea. Acosta-Enríquez et al. (2025) destacan que la autoeficacia digital, la integridad académica y la influencia social moldean ​el uso de modelos de IA en la investigación. Tales factores configuran un entramado complejo donde decisiones individuales se entrelazan con culturas institucionales, generando dinámicas que requieren análisis sistemático para comprender su impacto educativo y ético. Paralelamente, las identidades docentes se ven interpeladas por nuevas formas de otredad tecnológica. Flores et al. (2025) exploran percepciones sobre alteridad en la era de la inteligencia artificial, mostrando inquietudes relacionadas con la sustitución simbólica del educador. Estas emociones, que oscilan entre fascinación y resistencia, revelan la dimensión humana del cambio tecnológico y refuerzan la pertinencia de una revisión crítica del fenómeno. A la par de las oportunidades pedagógicas, los riesgos éticos adquieren protagonismo. Ferrer et al. (2021) advierten sobre sesgos algorítmicos y discriminación automatizada, fenómenos que pueden reproducir desigualdades históricas dentro del aula. Este panorama demanda una mirada integradora que ​articule innovación y justicia social, evitando que la adopción tecnológica profundice brechas educativas preexistentes en diversos entornos formativos. La regulación y las orientaciones éticas se presentan como respuestas necesarias ante estos desafíos. Antonio Breceda Pérez (2025) propone lineamientos para el uso responsable de la IA en investigación científica, subrayando la importancia de marcos normativos claros. Estas propuestas inspiran al ámbito educativo, donde la ausencia de directrices homogéneas genera incertidumbre y prácticas dispares que afectan la confianza institucional.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 229 En el terreno pedagógico, la IA abre posibilidades de personalización y aprendizaje adaptativo. Bashir y Lapshun (2025) documentan aplicaciones en educación gerencial que transforman la interacción didáctica. Estas innovaciones despiertan entusiasmo, aunque también invitan a reflexionar sobre la dependencia tecnológica y la preservación del juicio profesional docente, aspectos que requieren análisis profundo y sistematizado dentro del debate académico actual. Las revisiones teóricas permiten comprender la evolución del campo y desmontar percepciones erróneas. Bewersdorff et al. (2023) identifican mitos persistentes sobre la inteligencia artificial, evidenciando la distancia entre imaginarios sociales y realidades tecnológicas. Este contraste refuerza la necesidad de integrar hallazgos dispersos en una revisión crítica que oriente decisiones informadas y fomente una adopción consciente en educación superior. Asimismo, la perspectiva de género aporta una dimensión indispensable al análisis. Estévez Cedeño y Sánchez-Vera (2024) señalan brechas en el acceso y uso de tecnologías emergentes, destacando desigualdades que influyen en la experiencia educativa. Considerar estas diferencias amplía la comprensión del fenómeno y fortalece la construcción de entornos inclusivos donde la innovación tecnológica promueva equidad y participación diversa. En respuesta a este panorama, el presente artículo tiene como objetivo examinar críticamente la adopción de inteligencia artificial generativa en educación, analizando confianza docente, riesgos éticos y transformaciones pedagógicas. La revisión busca integrar evidencias recientes para orientar futuras investigaciones y prácticas educativas, aportando una base reflexiva que favorezca decisiones responsables, inclusivas y sostenibles en el uso de tecnologías emergentes. METODOLOGÍA La revisión sistemática se orientó a comprender la adopción de inteligencia artificial generativa en educación desde la perspectiva docente. La pregunta de investigación se formuló para identificar percepciones de confianza, riesgos éticos y transformaciones pedagógicas asociadas al uso de estas tecnologías. Este enfoque permitió delimitar el fenómeno y establecer relaciones entre actitudes docentes, prácticas educativas y desafíos emergentes en entornos académicos contemporáneos. Para estructurar la pregunta, se empleó el esquema PICo, considerando población docente, fenómeno de interés relacionado con la adopción de IA generativa y el entorno educativo. Esta formulación facilitó una búsqueda focalizada y coherente con los objetivos del estudio. Asimismo, permitió anticipar categorías analíticas vinculadas con confianza, ética, sesgos algorítmicos y aplicaciones pedagógicas ​documentadas en investigaciones recientes del ámbito educativo internacional. Los criterios de elegibilidad se definieron para asegurar la pertinencia y calidad de las fuentes. Se incluyeron estudios empíricos y revisiones teóricas publicados entre 2021 y 2025, en español e inglés, centrados en educación y uso de IA generativa. Se excluyeron trabajos sin revisión por pares, documentos puramente técnicos y estudios que no abordaran percepciones docentes ni implicaciones pedagógicas o éticas relevantes. Los desenlaces de interés se orientaron a identificar niveles de confianza docente, percepciones de riesgo, presencia de sesgos algorítmicos, marcos regulatorios y transformaciones didácticas. Estos elementos permitieron analizar el impacto de la IA generativa ​en la práctica educativa. La definición de estos resultados facilitó la comparación entre estudios y la identificación de patrones comunes, tensiones emergentes y vacíos de investigación que requieren atención futura.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 230 La búsqueda de literatura se realizó en bases de datos académicas reconocidas, incluyendo Scopus, Web of Science, ERIC y Google Scholar. Se emplearon descriptores combinados mediante operadores booleanos relacionados con inteligencia artificial generativa, educación superior, confianza docente ​y ética. Esta estrategia amplió la cobertura de estudios relevantes y permitió recuperar investigaciones interdisciplinarias que enriquecen la comprensión del fenómeno educativo analizado. Además de las bases indexadas, se consultó literatura gris procedente de informes institucionales, repositorios universitarios y documentos de organismos educativos. Esta inclusión permitió captar experiencias emergentes y lineamientos normativos aún no publicados en revistas científicas. La evaluación de estos materiales consideró su relevancia temática, claridad metodológica y aporte al análisis de la adopción de inteligencia artificial en contextos educativos diversos. El proceso de selección se desarrolló en dos fases: revisión de títulos y resúmenes, seguida de lectura completa de los textos elegibles. Posteriormente, se realizó la extracción de datos mediante una matriz que recogió autores, año, objetivos, metodología y hallazgos principales. Este procedimiento garantizó coherencia analítica y facilitó la síntesis comparativa de resultados, fortaleciendo la validez interpretativa de la revisión sistemática desarrollada. La síntesis de los estudios se efectuó mediante análisis temático, agrupando los hallazgos en categorías relacionadas con confianza docente, riesgos éticos y transformación pedagógica. Este enfoque permitió integrar evidencias cualitativas y cuantitativas, ofreciendo una visión comprensiva del estado del conocimiento. La metodología adoptada favorece la transparencia del proceso y aporta una base sólida ​para futuras investigaciones y decisiones educativas fundamentadas. Tabla 1 Criterios de elegibilidad de los estudios Criterio Inclusión Exclusión Periodo de publicación ​2021 – 2025 Anteriores a 2021 Idioma Español e inglés Otros idiomas Tipo de documento Artículos revisados por pares, revisiones, informes académicos Opiniones sin sustento, blogs, documentos técnicos sin evaluación Enfoque temático IA generativa en educación, percepciones docentes, ética, aplicaciones pedagógicas IA sin relación educativa o sin análisis docente Población Docentes e investigadores Estudios centrados exclusivamente en estudiantes o sistemas técnicos Calidad metodológica Metodología clara y resultados verificables Metodología ambigua o sin evidencia empírica Nota: Elaboración propia RESULTADOS A partir del conjunto de información recopilada y de las categorías de análisis establecidas, se estructuró un compendio organizado de registros relevantes en la tabla 2, lo que permitió clasificar, depurar y sistematizar los hallazgos según los criterios definidos, facilitando la interpretación comparativa para el desarrollo del estudio y la posterior discusión de resultados.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 231 Tabla 2 Artículos para el análisis N° ​Título Autores ​Año ​Hallazgo 1 ​AI in academia: How do social influence, self-efficacy, and integrity influence researchers’ use of AI models? Acosta- Enriquez et al. 2025 ​La adopción de IA en el ámbito académico está influida por la autoeficacia, la presión social y la percepción de integridad. La confianza en la tecnología aumenta cuando los usuarios perciben beneficios claros y alineación con valores éticos profesionales. 2 Teachers’ perceptions of otherness in the age of artificial intelligence Flores et al. ​2025 ​Los docentes perciben la IA como un agente que redefine la otredad y la identidad profesional. Surgen tensiones entre innovación y deshumanización, evidenciando la necesidad de enfoques críticos que preserven la dimensión ética y relacional del acto educativo. 3 ​Un estudio sobre la percepción de la IA generativa entre estudiantes y profesores de educación superior Gómez et al. 2025 ​Profesores y estudiantes reconocen beneficios en eficiencia y apoyo académico, pero manifiestan preocupaciones sobre dependencia tecnológica, plagio y pérdida de habilidades cognitivas, lo que condiciona niveles de confianza y aceptación de la IA generativa. 4 ​The AI revolution in education: Will AI replace or assist teachers in higher education? Chan & Tsi ​2023 ​La IA se perfila como herramienta de apoyo más que sustituto docente. La aceptación depende de la percepción de complementariedad pedagógica y del control humano sobre decisiones educativas críticas. 5 ​Towards the ethical regulation of the use of artificial intelligence in scientific research Breceda Pérez 2025 ​Propone lineamientos regulatorios para el uso ético de IA en investigación, destacando transparencia, responsabilidad y supervisión humana como pilares para evitar malas prácticas y preservar la integridad científica. 6 ​The ethical-legal challenges of artificial intelligence in Europe and Colombia Ávila- Hernández et al. 2025 ​Identifica vacíos normativos y desafíos legales en IA, subrayando la necesidad de marcos regulatorios que protejan derechos fundamentales y promuevan un desarrollo tecnológico responsable en contextos educativos y sociales. 7 ​Reflections on the ethics guideline for using generative artificial intelligence in scientific research Ekmekçi ​2025 ​Analiza directrices éticas para el uso de IA generativa en investigación, enfatizando la autoría responsable, la transparencia en el uso de algoritmos y la prevención del fraude académico. 8 ​Bias and discrimination in AI: A cross-disciplinary perspective Ferrer et al. ​2021 ​Evidencia que los sistemas de IA pueden reproducir sesgos sociales y discriminación algorítmica, lo que exige auditorías éticas, diversidad en los datos y marcos regulatorios para mitigar riesgos en contextos educativos.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 232 N° ​Título Autores ​Año ​Hallazgo 9 ​The impact of generative artificial intelligence in higher education: A focus on ethics and academic integrity Gallent- Torres et al. 2023 ​La IA generativa plantea riesgos para la integridad académica, incluyendo plagio automatizado y evaluación poco fiable, lo que demanda políticas institucionales claras y alfabetización ética digital. 10 ​Ethical considerations for artificial intelligence in educational assessments Lim & Gottipati 2023 ​Señala riesgos en evaluaciones automatizadas como sesgos, falta de transparencia y decisiones opacas, recomendando supervisión humana y diseño ético centrado en el estudiante. 11 ​Ética de la IA generativa en la formación legal universitaria Rodríguez Salcedo et al. 2025 ​Destaca dilemas éticos en la formación jurídica, incluyendo dependencia tecnológica y responsabilidad profesional, proponiendo marcos de uso crítico y formación ética en IA generativa. 12 ​Generative artificial intelligence integration in management education Bashir & Lapshun 2025 ​La IA generativa mejora la toma de decisiones y el aprendizaje basado en casos en educación gerencial, aunque requiere marcos éticos y capacitación docente para una implementación efectiva. 13 ​Artificial intelligence application in education Castillo- Acobo et al. 2023 ​La IA potencia la personalización del aprendizaje, automatiza tareas docentes y mejora la analítica educativa, pero su efectividad depende de infraestructura tecnológica y formación docente. 14 ​Reconceptualizing ChatGPT and generative AI as a student-driven innovation Dai et al. ​2023 ​La IA generativa empodera a los estudiantes como co-creadores del aprendizaje, promoviendo autonomía y aprendizaje activo, aunque requiere orientación pedagógica para evitar usos superficiales. 15 ​Generative artificial intelligence in higher education: Guidelines for overcoming dilemmas Divino ​2024 ​Propone lineamientos para integrar IA en educación superior, equilibrando innovación pedagógica con consideraciones éticas y legales para una adopción responsable. 16 ​Use of generative artificial intelligence in the training of journalists Lopezosa et al. 2023 ​La IA transforma la formación periodística al facilitar producción de contenidos y análisis de datos, pero exige competencias críticas para evitar desinformación y dependencia tecnológica. 17 ​La inteligencia artificial en las universidades: retos y oportunidades Pedreño Muñoz et al. 2024 ​La IA ofrece oportunidades para personalización, eficiencia y análisis institucional, pero plantea retos en gobernanza, ética y capacitación docente para su implementación sostenible. 18 ​Myths, mis- and preconceptions of artificial intelligence: Bewersdorff et al. 2023 ​Identifica mitos y concepciones erróneas sobre la IA que afectan su adopción educativa, destacando la necesidad de
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 233 N° ​Título Autores ​Año ​Hallazgo A review of the literature alfabetización en IA para docentes y estudiantes. 19 Integración de la inteligencia artificial en la educación superior: Un análisis con perspectiva de género Estévez Cedeño & Sánchez- Vera 2024 Evidencia brechas de género en el acceso y uso de IA, subrayando la necesidad de políticas inclusivas que garanticen equidad en la transformación digital educativa. 20 ​A comprehensive overview of AI and machine learning in education pedagogy Francis Okagbue et al. 2023 ​Revisión de 21 años de investigación que muestra crecimiento sostenido de la IA educativa, destacando tendencias en personalización del aprendizaje, analítica educativa y automatización pedagógica. 21 La inteligencia artificial generativa y su impacto en la creación de contenidos mediáticos Franganillo 2023 La IA generativa redefine la producción de contenidos, planteando retos de autoría, veracidad y ética que son transferibles al ámbito educativo. 22 ​Examining recommendations for generative AI use with integrity Moya & Eaton 2023 ​Propone principios para el uso íntegro de IA generativa en educación, enfatizando transparencia, citación adecuada y diseño de evaluaciones que promuevan aprendizaje auténtico. Nota: Elaboración propia. DISCUSIÓN Una vez realizado el análisis general y el análisis de categorías se encontró lo siguiente: Marcos conceptuales, revisiones y estado del arte de IA en educación La inteligencia artificial en educación se ha convertido en un mapa en constante redibujo. Cada revisión teórica ofrece nuevas rutas, como senderos que se bifurcan en medio de un bosque espeso. Los docentes avanzan con cautela y curiosidad, buscando referencias confiables. En ese recorrido, los marcos conceptuales funcionan como brújulas que orientan decisiones pedagógicas cargadas de responsabilidad y esperanza. Bewersdorff et al. (2023) desmontan mitos persistentes que rodean la IA, mostrando temores exagerados y expectativas irreales. Leer estos análisis se ​siente como abrir ventanas en una habitación cerrada durante años. El aire circula, las ideas se aclaran y el profesorado puede mirar la tecnología sin sombras distorsionadas, reconociendo límites, posibilidades y desafíos que invitan a pensar con serenidad. A lo largo de dos décadas de investigaciones, Francis Okagbue et al. (2023) trazan un panorama amplio del aprendizaje mediado por IA. Sus hallazgos revelan avances graduales, tropiezos y aprendizajes colectivos. Este recorrido histórico late como una memoria compartida, recordándonos que cada innovación actual descansa sobre intentos previos, debates intensos y la persistente voluntad de mejorar experiencias educativas para todos. Las perspectivas de género también iluminan este campo. Estévez Cedeño y Sánchez-Vera (2024) analizan brechas y oportunidades, evidenciando desigualdades que atraviesan la adopción tecnológica. Sus reflexiones invitan a mirar el aula con sensibilidad renovada. No se trata únicamente de integrar herramientas, sino de garantizar participación equitativa, reconociendo voces
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 234 diversas que enriquecen el aprendizaje y fortalecen comunidades académicas más justas. La creación de contenidos mediáticos ha cambiado de textura y ritmo. Franganillo (2023) describe escenarios donde la IA colabora en la producción informativa, transformando procesos creativos. Esta interacción genera fascinación y cautela, como observar una marea que avanza lentamente. El docente, atento, guía al estudiantado para que la autoría, la veracidad y la ética permanezcan como faros en medio de la innovación. La integridad académica adquiere nuevos matices en este escenario digital. Moya y Eaton (2023) proponen orientaciones que promueven un uso responsable de la IA en el aprendizaje. Sus planteamientos se sienten como ​acuerdos tácitos entre docentes y estudiantes, basados en confianza mutua. La tecnología deja de percibirse como atajo dudoso y se convierte en herramienta que fortalece habilidades reflexivas y pensamiento autónomo. Los marcos conceptuales funcionan como tejidos invisibles que sostienen la práctica educativa. Francis Okagbue et al. (2023) destacan la necesidad de articular teoría y experiencia, evitando improvisaciones que generen incertidumbre. Esta articulación ofrece estabilidad emocional al profesorado, que encuentra en la investigación un respaldo para innovar sin perder coherencia pedagógica ni la esencia humanista que define la enseñanza. Las revisiones sistemáticas actúan como espejos colectivos. Bewersdorff et al. (2023) muestran patrones recurrentes en percepciones y usos de la IA, permitiendo reconocer tendencias globales. Al mirarse en ese reflejo, los docentes comprenden que no están aislados; forman parte de una conversación mundial. Esta conciencia compartida alivia temores y fortalece la confianza para experimentar nuevas prácticas educativas. El análisis crítico también abre espacio para la autocrítica institucional. Estévez Cedeño y Sánchez-Vera (2024) evidencian que la innovación tecnológica requiere políticas inclusivas y formación continua. Sus aportes resuenan como campanas suaves que llaman a la acción. Las universidades, al escucharlas, pueden replantear estrategias y construir entornos donde la tecnología acompañe procesos formativos con justicia y sensibilidad social. El estado del arte no es un punto de llegada, sino un horizonte en movimiento. Franganillo (2023) y Moya y Eaton (2023) coinciden en que la reflexión permanente sostiene la calidad educativa. Entre lecturas, debates y experiencias compartidas, el profesorado teje saberes ​que trascienden herramientas específicas, cultivando una educación consciente, ética y profundamente humana en tiempos de cambio tecnológico. Percepciones docentes, confianza y adopción de IA En las salas de profesores, la inteligencia artificial despierta curiosidad y recelo a la vez. Algunos la miran como aliada silenciosa; otros, como un espejo que cuestiona su experiencia. Entre cafés tibios y pantallas encendidas, la confianza se teje lentamente, hilo por hilo, mientras cada docente decide abrir la puerta o mantenerla entreabierta ante lo desconocido y cargado de promesas. Para muchos investigadores, la adopción nace de la influencia social y la autoeficacia percibida. Acosta-Enriquez et al. (2025) describen conversaciones que animan, dudas que frenan ​y códigos éticos que orientan decisiones. Así, la integridad académica late como brújula íntima, recordando que la tecnología amplifica capacidades humanas, pero también exige responsabilidad, diálogo y acuerdos compartidos dentro de comunidades educativas diversas actuales. Las percepciones sobre la otredad digital atraviesan emociones profundas. Flores et al. (2025) retratan aulas donde la máquina parece interlocutora extraña, casi un visitante que observa sin parpadear. Frente a esa presencia, algunos educadores sienten distancia; otros, una inesperada cercanía. Entre ambas orillas, la confianza crece cuando la IA respeta voces,
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 235 identidades y ritmos de aprendizaje diversos en cada encuentro. En la educación superior, la IA generativa despierta debates intensos y miradas expectantes. Gómez et al. (2025) narran percepciones encontradas entre docentes y estudiantes, donde la utilidad convive con temores sobre autoría y evaluación. La adopción avanza a paso humano, entre pruebas, errores y hallazgos, mientras ​la confianza se fortalece mediante transparencia, acompañamiento y criterios claros para prácticas justas sostenibles. Entre pizarras y plataformas virtuales, la pregunta persiste: ¿asistirá o reemplazará la IA al docente? Chan y Tsi (2023) presentan escenarios donde la colaboración redefine roles y alivia cargas rutinarias. Lejos de eclipsar la vocación, la tecnología abre tiempo para escuchar, crear y cuidar. Allí, la confianza nace del equilibrio entre criterio pedagógico y apoyo algorítmico en aulas contemporáneas diversas. Adoptar IA no es un salto al vacío, es un puente que se construye con tablas de experiencias previas. Cada intento deja huellas: risas nerviosas, silencios atentos, descubrimientos pequeños. Con el tiempo, esas marcas dibujan rutas confiables. La comunidad docente comparte atajos, advierte riesgos y celebra logros, tejiendo una red afectiva que sostiene decisiones informadas y prudentes para el futuro. La autoeficacia percibida alimenta la valentía de experimentar. Cuando un docente logra un resultado valioso, la duda cede terreno y aparece una serenidad nueva. Acosta- Enriquez et al. (2025) relacionan este impulso con redes de apoyo y normas compartidas. Así, la confianza deja de ser un acto individual y se convierte en práctica colectiva que fortalece integridad académica en comunidades diversas. Hay temores que no caben en rúbricas: perder la voz, diluir la autoría, delegar el juicio. Flores et al. (2025) describen esas inquietudes como sombras que recorren pasillos digitales. Sin embargo, cuando la IA escucha acentos, reconoce historias y respeta diferencias, las sombras se acortan. Entonces, la confianza respira, y el aula se vuelve un territorio compartido con sentido humano. Las decisiones de adopción se negocian en reuniones, foros y chats nocturnos. Gómez et al. (2025) muestran acuerdos frágiles que se fortalecen con evidencia y experiencias compartidas. Cuando los criterios son claros, la evaluación gana legitimidad y el uso de IA se integra con naturalidad. La confianza florece al ver coherencia entre discurso institucional y prácticas cotidianas en cada jornada. Al final del día, la adopción no trata de máquinas, sino de vínculos. Chan y Tsi (2023) evocan futuros donde la tecnología acompaña sin desplazar la humanidad docente. Con prudencia y esperanza, los educadores prueban, ajustan y vuelven a intentar. La confianza se vuelve hábito, y el riesgo, un maestro silencioso que enseña límites, cuidado y responsabilidad para nuevas generaciones.2. Riesgos éticos, sesgos y regulación de la IA generativa. Riesgos éticos, sesgos y regulación de la IA generativa En las aulas contemporáneas, la inteligencia artificial generativa camina como visitante silenciosa. Promete eficiencia, aunque también despierta inquietudes éticas que laten bajo cada clic. Los docentes perciben esa dualidad con el pulso acelerado: avanzar implica explorar territorios nuevos, donde la responsabilidad no es abstracta, sino una presencia tangible que acompaña cada decisión pedagógica tomada frente a estudiantes atentos. La discriminación algorítmica se presenta como sombra alargada. Ferrer et al. (2021) advierten que los sistemas pueden reproducir desigualdades históricas si aprenden de datos sesgados. Así, el aula corre el riesgo de reflejar prejuicios invisibles, disfrazados de neutralidad técnica. Frente a ello, los docentes sienten la urgencia de vigilar, cuestionar y humanizar cada resultado automatizado con mirada crítica constante.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 236 Las evaluaciones automatizadas despiertan dudas profundas. Lim y Gottipati (2023) describen tensiones entre eficiencia y justicia, donde la rapidez tecnológica puede eclipsar matices del aprendizaje humano. El profesorado teme que la singularidad del estudiante quede reducida a patrones predecibles. Por eso, cada rúbrica digital exige revisión consciente, como quien afina un instrumento delicado antes de un concierto irrepetible. En la educación superior, la integridad académica enfrenta pruebas inéditas. Gallent- Torres et al. (2023) señalan que la IA generativa facilita la producción textual, desdibujando fronteras entre autoría y asistencia tecnológica. Los docentes sienten vértigo ante trabajos impecables que ocultan vacíos formativos. Sin embargo, también descubren oportunidades para replantear evaluaciones, privilegiando procesos, reflexión y autenticidad en cada entrega estudiantil. Las guías éticas institucionales surgen como faros en medio de la niebla digital. Ekmekçi (2025) destaca la necesidad de orientaciones claras para el uso responsable de IA en investigación y docencia. Estas directrices no enfrían la creatividad; la encauzan. El profesorado encuentra alivio al contar con marcos compartidos que legitiman decisiones y protegen la integridad del trabajo académico colectivo. La regulación jurídica avanza con paso cauteloso, intentando alcanzar el ritmo vertiginoso de la innovación. Ávila-Hernández et al. (2025) analizan desafíos normativos en Europa y Colombia, donde la responsabilidad por decisiones algorítmicas aún genera debate. Para los docentes, esta incertidumbre legal se siente como suelo inestable, recordándoles que educar con tecnología implica también navegar zonas grises del derecho contemporáneo. En la investigación científica, la ética no puede delegarse a códigos automatizados. Antonio Breceda Pérez (2025) propone lineamientos que subrayan la autoría responsable y la transparencia en el uso de IA. Tales principios resuenan en el ámbito educativo: citar, declarar y explicar el apoyo tecnológico se vuelve acto de honestidad intelectual, fortaleciendo la confianza entre docentes, estudiantes y comunidades académicas. La formación jurídica universitaria enfrenta retos particulares. Rodríguez Salcedo et al. (2025) exploran dilemas donde la IA interviene en análisis legales y redacción académica. Los futuros profesionales del derecho aprenden que la herramienta no reemplaza el juicio ético; lo pone a prueba. En el aula, cada caso analizado con apoyo algorítmico invita a debatir responsabilidad, equidad y consecuencias sociales. El sesgo no siempre grita; a veces susurra en resultados aparentemente coherentes. Ferrer et al. (2021) recuerdan que la tecnología refleja valores humanos, con sus luces y sombras. Esta idea sacude certezas y despierta una vigilancia ética permanente. El profesorado aprende a leer entre líneas digitales, buscando indicios de exclusión que puedan afectar trayectorias educativas y oportunidades futuras. Frente a estos riesgos, la comunidad docente no retrocede; dialoga, ajusta y aprende. Las normativas, como señalan Ávila- Hernández et al. (2025), evolucionan junto con la práctica educativa. Entre temores y esperanzas, los educadores construyen una ética viva, hecha de preguntas incómodas y acuerdos colectivos, donde la inteligencia artificial deja de ser amenaza distante y se convierte en responsabilidad compartida. Aplicaciones pedagógicas y transformación educativa con IA Las aulas respiran un aire distinto cuando la inteligencia artificial se integra a la práctica pedagógica. No es un ruido estridente, más bien un murmullo que invita a experimentar. Los docentes prueban nuevas rutas didácticas, combinando intuición y tecnología. Entre pantallas y miradas curiosas, la enseñanza se transforma en un taller vivo donde aprender vuelve a sentirse cercano y profundamente humano.
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 237 Las aplicaciones pedagógicas abren puertas inesperadas. Castillo-Acobo et al. (2023) describen herramientas que personalizan contenidos y acompañan ritmos diversos, permitiendo que cada estudiante avance sin quedar rezagado. Esta flexibilidad se percibe como un gesto de cuidado. El aula deja de ser uniforme y adquiere matices, como un mosaico donde cada pieza encuentra su lugar con dignidad. En educación superior, la innovación ya no pertenece a laboratorios aislados. Dai et al. (2023) presentan la IA generativa como iniciativa impulsada por ​estudiantes, quienes exploran, crean y comparten soluciones. Este protagonismo juvenil revitaliza la dinámica educativa. El docente acompaña, orienta y aprende también, descubriendo que enseñar implica escuchar ideas frescas que renuevan la esperanza en futuros posibles. Las escuelas de gestión y negocios exploran escenarios simulados que laten con realismo. Bashir y Lapshun (2025) explican que la IA permite ensayar decisiones complejas sin consecuencias irreversibles. En esas prácticas, el error se vuelve ​maestro paciente. Los estudiantes analizan, corrigen y vuelven a intentar, desarrollando criterio profesional en un entorno que combina tecnología con reflexión ética y sensibilidad social. La formación periodística también se reconfigura. Lopezosa et al. (2023) describen redacciones académicas donde la IA colabora en la búsqueda de datos, verificación y generación de borradores. Lejos de reemplazar la mirada crítica, la fortalece. El estudiante aprende a contrastar fuentes, pulir narrativas y defender la ​verdad, recordando que la tecnología amplifica la voz, pero la ética guía el mensaje. Frente a estos cambios, surgen orientaciones para integrar la innovación sin perder el rumbo pedagógico. Divino (2024) propone guías que equilibran creatividad, legalidad ​y responsabilidad docente. Tales marcos ofrecen tranquilidad, como barandales en un puente elevado. Permiten avanzar con paso firme, sabiendo que cada decisión didáctica respeta derechos, promueve equidad y protege la integridad del proceso educativo. La universidad contemporánea se reconoce en transición permanente. Pedreño Muñoz et al. (2024) describen instituciones que adoptan IA para optimizar tutorías, შეფას aciones y gestión académica. Este movimiento no deshumaniza; libera tiempo para el acompañamiento cercano. El docente conversa más, escucha mejor y atiende necesidades emocionales, recordando que educar trasciende contenidos y se ancla en vínculos significativos duraderos. Las prácticas innovadoras despiertan emociones mezcladas. Hay entusiasmo, pero también nostalgia por métodos familiares. Castillo-Acobo et al. (2023) reconocen esta tensión como parte natural del cambio educativo. Entre pizarras tradicionales y asistentes virtuales, el profesorado aprende a integrar ambos mundos, creando experiencias híbridas donde la memoria pedagógica dialoga con herramientas emergentes y enriquece cada encuentro formativo. La creatividad florece cuando la tecnología deja de percibirse como amenaza. Dai et al. (2023) observan proyectos estudiantiles donde la IA inspira soluciones sociales, artísticas y científicas. El aula se transforma en laboratorio de ideas, lleno de prototipos, debates y risas compartidas. Aprender adquiere textura, sonido y propósito, recordando que la innovación auténtica nace del encuentro entre imaginación y compromiso. La transformación educativa no reside en algoritmos, sino en la capacidad humana de reinventar la enseñanza. Bashir y Lapshun (2025) destacan que la integración tecnológica cobra sentido cuando promueve pensamiento crítico y responsabilidad social. Así, la IA se convierte en compañera de viaje, mientras docentes y estudiantes construyen, con paciencia y esperanza, un horizonte educativo más inclusivo y creativo. CONCLUSIONES La revisión permitió comprender que la adopción de inteligencia artificial generativa
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 238 en educación está profundamente mediada por la confianza docente. Cuando esta confianza se fortalece, aparecen prácticas innovadoras y una disposición genuina al cambio. Sin embargo, persisten temores silenciosos, dudas éticas y una sensación de vigilancia tecnológica que, aunque no paraliza, invita a reflexionar con cautela sobre el futuro inmediato. Los hallazgos evidencian que los riesgos éticos y los sesgos algorítmicos no son preocupaciones abstractas, sino experiencias percibidas que afectan decisiones pedagógicas cotidianas. Los docentes expresan inquietud ante posibles injusticias automatizadas y pérdida de autonomía profesional. Aun así, también emerge una conciencia crítica esperanzadora, acompañada de un deseo colectivo de construir marcos reguladores que protejan la dignidad humana. En el ámbito pedagógico, la inteligencia artificial generativa abre caminos fértiles para transformar la enseñanza. Se observan prácticas más flexibles, personalizadas y creativas que revitalizan el aula. Los docentes describen momentos de asombro y redescubrimiento profesional. No obstante, este entusiasmo convive con la necesidad de formación continua, acompañamiento institucional y espacios seguros donde experimentar sin miedo al error o al juicio externo. El análisis también revela tensiones entre innovación y tradición. Muchos educadores transitan una frontera emocional: quieren avanzar, pero sin perder el sentido humano de su labor. Esta dualidad genera preguntas profundas sobre identidad docente, autoridad pedagógica y vínculos con el estudiantado. Lejos de ser un obstáculo, esta tensión se convierte en motor de diálogo, aprendizaje colectivo y renovación educativa consciente. Asimismo, el estudio confirma que la adopción de inteligencia artificial generativa no es un proceso meramente tecnológico, sino profundamente humano. Confianza, ética y transformación pedagógica se entrelazan en una trama compleja, cargada de emociones y expectativas. El futuro educativo se perfila incierto pero prometedor, y en ese horizonte los docentes continúan caminando, con prudencia, esperanza y una inquebrantable vocación de enseñar. REFERENCIAS BIBLIOGRÁFICAS Acosta-Enriquez, B. G., Arbulu Ballesteros, M., Vilcapoma Pérez, C. R., Huamaní Jordan, O., Martin Vergara, J. A., Martel Acosta, R., Arbulu Perez Vargas, C. G., & Arbulú Castillo, J. C. (2025). AI in academia: How do social influence, self-efficacy, and integrity influence researchers’ use of AI models? ​Social Sciences & Humanities Open, 11. https://doi.org/10.1016/j.ssaho.2025.1012 74 Ávila-Hernández, F. M., Picarella, L., & Martín Fiorino, V. R. (2025). The ethical-legal challenges of artificial intelligence in Europe and Colombia. ​Clio. Revista de Historia, Ciencias Humanas y Pensamiento Crítico, 5(9), 866 – 907. https://doi.org/10.5281/zenodo.14567185 Bashir, S., & Lapshun, A. L. (2025). Generative artificial intelligence integration in management education: Application and ethical challenges. ​Cogent Education, 12(1). https://doi.org/10.1080/2331186X.2025.2 526436 Bewersdorff, A., Zhai, X., Roberts, J., & Nerdel, C. (2023). Myths, mis- and preconceptions of artificial intelligence: A review of the literature. ​Computers and Education: Artificial Intelligence, 4, 100143. https://doi.org/10.1016/j.caeai.2023.10014 3 Breceda Pérez, J. (2025). Towards the ethical regulation of the use of artificial intelligence in scientific research: Guidelines from the Autonomous University of Ciudad Juárez. ​Revista de Bioética y Derecho, 64, 81 – 97. https://doi.org/10.1344/RBD2025.64.4871 9 Castillo-Acobo, R. Y., Hurtado Tiza, D. R., Guanuchi Orellana, L. M., Llerena Cajigas, B. Z., Huayta-Meza, F. T., Quispe Sota, C., Suaña Muñoz, G. I., Reyes Acevedo, J. E., Cardoza Sernaqué, M. A., Martel Carranza, C. P., & Arias Gonzáles, J. L. (2023). Artificial intelligence application in education. Journal of Namibian Studies,
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 239 33, 464. https://doi.org/10.59670/jns.v33i.464 Chan, C. K. Y., & Tsi, L. H. (2023). The AI revolution in education: Will AI replace or assist teachers in higher education? arXiv. https://doi.org/10.48550/arXiv.2305.0118 5 Dai, Y., Liu, A., & Ping, C. (2023). Reconceptualizing ChatGPT and generative AI as a student-driven innovation in higher education. ​Procedia CIRP, 119, 84 – 90. Divino, S. (2024). Generative artificial intelligence in higher education: Guidelines for overcoming teaching, ethical and legal dilemmas. ​Revista Pedagogía Universitaria y Didáctica del Derecho, 11(1), 6 – 30. https://doi.org/10.5354/0719- 5885.2024.74070 Ekmekçi, P. E. (2025). Reflections on the ethics guideline for using generative artificial intelligence in scientific research and publication process of higher education institutions. ​Balkan Medical Journal, 42(2), 174 – 175. https://doi.org/10.4274/balkanmedj.galeno s.2024.2024-6-72 Estévez Cedeño, B., & Sánchez-Vera, F. (2024). Integración de la inteligencia artificial en la educación superior: Un análisis con perspectiva de género. ​CTS: Revista Iberoamericana de Ciencia, Tecnología y Sociedad, 19(56), 117 – 139. https://dialnet.unirioja.es/servlet/articulo? codigo=9703718 Ferrer, X., Nuenen, T., Such, J. M., Coté, M., & Criado, N. (2021). Bias and discrimination in AI: A cross-disciplinary perspective. IEEE Technology and Society Magazine, 40(2), 72 – 80. https://doi.org/10.1109/MTS.2021.305629 3 Flores, R. A. R., Vicari, R. M., Galafassi, C., & Rodríguez, M. U. (2025). Teachers’ perceptions of otherness in the age of artificial intelligence. ​Sophia, 39, 281 – 313. https://doi.org/10.17163/soph.n39.2025.0 9 Franganillo, J. (2023). La inteligencia artificial generativa y su impacto en la creación de contenidos mediáticos. ​Methaodos. Revista de Ciencias Sociales, 11(2), m231102a10. https://doi.org/10.17502/mrcs.v11i2.710 Francis Okagbue, E., Ezeachikulo, U. P., Akintunde, T. Y., Tsakuwa, M. B., Ilokanulo, S. N., Obiasoanya, K. M., Ilodibe, C. E., & Ouattara, C. A. T. (2023). A comprehensive overview of artificial intelligence and machine learning in education pedagogy: 21 years (2000 – 2021) of research indexed in Scopus. Social Sciences & Humanities Open, 8(1), 100655. https://doi.org/10.1016/j.ssaho.2023.1006 55 Gallent-Torres, C., Zapata-González, A., & Ortego-Hernando, J. L. (2023). The impact of ​generative artificial intelligence in higher education: A focus on ethics and academic integrity. ​RELIEVE, 29(2). https://doi.org/10.30827/relieve.v29i2.291 34 Gómez, J. G., Álvarez, D. ​S., & Riaño, V. H. (2025). Un estudio sobre la percepción de la IA generativa entre estudiantes y profesores de educación superior. Ingeniería y Competitividad, 27(3). Lim, T., & Gottipati, S. (2023). Ethical considerations for artificial intelligence in educational assessments. En J. Keengwe (Ed.), ​Creative AI tools and ethical implication in teaching and learning (pp. 32 – 79). IGI Global. Lopezosa, C., Codina, L., Pont-Sorribes, C., & Vállez, M. (2023). Use of generative artificial intelligence in the training of journalists: Challenges, uses and training proposal. ​Profesional de la Información, 32(4). https://doi.org/10.3145/epi.2023.jul.08 Moya, B. A., & Eaton, S. E. (2023). Examining recommendations for generative artificial intelligence use with integrity from a scholarship of teaching and learning lens. RELIEVE, 29(2). https://doi.org/10.30827/relieve.v29i2.292 95 Pedreño Muñoz, A., González Gosálbez, R., Mora Illán, T., Pérez Fernández, E., Ruiz Sierra, J., & Torres Penalva, A. (2024). ​La inteligencia artificial en las universidades: Retos y oportunidades. Informe anual sobre IA y educación superior. https://1millionbot.com/la-inteligencia- artificial-en-las-universidades-retos- yoportunidades/ Rodríguez Salcedo, E. del R., Molina Hurtado, D. J., Morocho Sáez, Y. T., Lema Vaca, K. A., Morales Alvarado, M. A., Espinosa
SAGA Rev. Cienc. Multidiscip. | e-ISSN 3073-1151 | Enero-Marzo, 2026 | vol. 3 | núm. 1 | pág. 227-240 240 Rodríguez, M. C., Guangasi Lagua, A. D., Centeno Chiguano, M. A., & Zamora Paredes, B. H. (2025). Ética de la IA generativa en la formación legal universitaria. ​Prohominum. Revista de Ciencias Sociales y Humanas, 7(3), 360 – 382. https://doi.org/10.47606/acven/ph0375 Satama Pereira, W. I., & Sánchez Ramírez, L. del C. ​(2024). Integración de la inteligencia artificial en el contexto educativo latinoamericano: Una exploración a las perspectivas emergentes y los desafíos futuros. ​SAGA: Revista Científica Multidisciplinar, 1(3), 1 – 13. https://doi.org/10.63415/saga.v1i3.1 Zambrano, M., Jurado, B., Freire, N., Saavedra, S., Mora Zambrano, E. R., Bonilla Jurado, D. M., Núñez Freire, L. A., & Sarmiento Saavedra, J. C. (2018). Inadaptabilidad de los docentes al manejo de plataformas virtuales: Caso Educar Ecuador. ​Revista Conrado, 14(62), 38 – 42. Zhang, Y., & Tian, Z. (2025). Digital competencies in student learning with generative artificial intelligence: Policy implications from world-class universities. ​Journal of University Teaching and Learning Practice, 22(2). https://doi.org/10.53761/AV7C8830 DECLARACIÓN DE CONFLICTO DE INTERESES Las autoras declaran no tener conflictos de intereses. DERECHOS DE AUTOR Totoy Cabezas, M. A., Tierra Villa, J. P., & Castro Mazon, V. A. (2026) Este es un artículo de acceso abierto distribuido bajo la licencia Creative Commons de Atribución No Comercial 4.0, que permite su uso sin restricciones, su distribución y reproducción por cualquier medio, siempre que no se haga con fines comerciales y el trabajo original sea fielmente citado. El texto final, datos, expresiones, opiniones y apreciaciones contenidas en esta publicación es de exclusiva responsabilidad de los autores y no necesariamente reflejan el pensamiento de la revista.