La crisis del examen de la UNAM expone el límite de vigilar con IA
El primer concurso de ingreso a licenciatura completamente en línea terminó con inscripciones suspendidas, una revisión técnica y un examen de control presencial. El problema no es solo si hubo trampas: es si la institución puede explicar qué detectó, quién decidió y cómo repara a quienes actuaron correctamente.
La Universidad Nacional Autónoma de México trasladó por primera vez a internet todo su concurso de selección a licenciatura. La plataforma verificaba identidad, registraba el entorno y utilizaba inteligencia artificial para generar alertas de posibles incidencias. La propia UNAM fue explícita antes del examen: el sistema no cancelaba pruebas automáticamente; personal universitario revisaba la evidencia y tomaba la decisión.
Esa distinción es esencial. La IA formó parte de la vigilancia, pero no explica por sí sola la crisis posterior. Tras publicarse los resultados, una distribución atípica de puntajes, denuncias de servicios fraudulentos y dudas sobre el control remoto llevaron a la Universidad a abrir una revisión y suspender provisionalmente las inscripciones.
Qué está confirmado y qué sigue bajo investigación
La UNAM informó que 191.306 personas se registraron y 158.712 presentaron el examen. Antes de publicar resultados señaló que el proceso de 2% de las personas había sido cancelado por conductas contrarias a la convocatoria. También presentó una denuncia penal por posibles servicios fraudulentos vendidos a aspirantes y familias.
Lo que todavía necesita evidencia pública es el mecanismo exacto detrás de los puntajes anómalos. Una filtración, suplantación, asistencia externa, fallas de diseño o una combinación de factores no son hipótesis equivalentes. Atribuir toda irregularidad al uso de chatbots o a una falla del detector sería anticipar el resultado de las auditorías.
Al 6 de agosto, la cobertura de EL PAÍS reporta que cerca de 58.000 aspirantes serán llamados a un examen presencial de control entre el 12 y el 19 de agosto y que la UNAM terminó anticipadamente su relación con el proveedor de la plataforma. Esas medidas responden a la urgencia operativa; no sustituyen un informe técnico que establezca causas y responsabilidades.
Cuatro pruebas para recuperar confianza
La solución debe poder defenderse ante una persona afectada, no solo ante el proveedor.
01Publicar cómo funcionó la vigilancia+
Tipos de alerta, tasas por grupo, reglas de revisión, desempeño del reconocimiento de identidad y número de decisiones revocadas permiten evaluar si el sistema operó como se prometió.
02Separar alerta, evidencia y sanción+
Una señal automatizada solo prioriza una revisión. La Universidad debe documentar qué evidencia adicional sostuvo cada cancelación y qué autoridad asumió la responsabilidad.
03Auditar al proveedor y a la institución+
La revisión técnica debe cubrir la plataforma, pero también el diseño de contratación, los controles previos, la supervisión humana y la decisión de publicar resultados sin resolver las anomalías.
04Ofrecer revisión y reparación utilizables+
Quien perdió una oportunidad o debe repetir la prueba necesita conocer el motivo, impugnarlo a tiempo y recibir una solución que no le traslade todo el costo del fallo institucional.
El examen de control también distribuye costos
Repetir presencialmente parte del proceso puede ayudar a contrastar resultados, pero no es una corrección neutra. Exige nuevos traslados, tiempo, preparación y certidumbre a decenas de miles de personas, incluidas quienes pudieron haber obtenido su puntaje legítimamente.
El criterio de convocatoria debe ser comprensible y revisable. Un puntaje alto o estadísticamente infrecuente puede activar una comprobación; no demuestra por sí mismo una conducta indebida. El resultado del control tampoco debería convertirse en una explicación retrospectiva única si las condiciones entre ambas pruebas son distintas.
Una lección regional para decisiones de alto impacto
Universidades y gobiernos latinoamericanos están adoptando sistemas de reconocimiento, clasificación y detección para ampliar servicios. El caso UNAM muestra que la escala digital puede crecer más rápido que la capacidad institucional para explicar un incidente.
Antes de usar IA en admisiones, beneficios o justicia, una institución necesita ensayos comparables con el proceso anterior, pruebas adversariales, umbrales documentados, supervisión con capacidad real y un plan para suspender sin improvisar. La automatización no reduce la responsabilidad pública: la concentra.
La evidencia final debe quedar abierta
La comisión técnica, las auditorías y el examen de control pueden reconstruir el proceso. Para que esa reconstrucción sea convincente, sus conclusiones deben incluir datos, metodología, limitaciones y responsabilidades; no solo un nuevo calendario.
La prueba más importante llegará después: demostrar que una persona puede entender por qué su caso fue marcado, quién revisó la alerta y qué recurso tuvo disponible. En una decisión que abre o cierra la puerta a la universidad, la confianza no puede depender de una caja negra compartida entre institución y proveedor.
La frecuencia del fraude cambia el valor de una alerta
- Qué significa
- Aunque un detector tenga buena sensibilidad y especificidad, si la conducta buscada es poco frecuente una parte importante de sus alertas puede corresponder a personas sin infracción. Es el problema de la tasa base.
- Cómo aplica aquí
- La revisión humana reduce riesgo solo si recibe contexto suficiente, busca evidencia independiente y puede descartar la señal. Si trata la alerta como presunción, hereda el error del detector.
- La medida decisiva
- Por categoría: aspirantes evaluados, alertas, casos confirmados y descartados, acuerdo entre revisores, decisión final, apelación y revocación. También deben publicarse casos omitidos detectados por otros medios.
Pregunta de control: ¿qué probabilidad aporta realmente una alerta?+
Se responde con el valor predictivo observado en ese examen, no con la exactitud general del proveedor. Además exige saber qué evidencia adicional convirtió una señal en caso confirmado.
Qué permite afirmar la evidencia
La UNAM confirmó que el sistema generaba alertas revisadas por personal y suspendió provisionalmente inscripciones mientras una comisión técnica evaluaba el concurso. La controversia no permite reducir el caso a una máquina que canceló exámenes por sí sola.
Sí está respaldado
La Universidad declaró que la IA producía alertas y que la cancelación o invalidación requería revisión humana.
Base: Boletines oficiales de la UNAM sobre la aplicación del examen
Las inscripciones de primer ingreso fueron suspendidas provisionalmente hasta recibir conclusiones de una comisión de especialistas.
Base: Comunicado UNAM del 24 de julio y actualizaciones posteriores
Aún no está demostrado
- No se puede inferir de los comunicados la tasa de error del sistema, el peso efectivo de cada alerta ni si todos los casos recibieron una revisión equivalente.
- Testimonios individuales y cifras de cancelación no bastan para determinar el resultado contrafactual de cada aspirante ni la responsabilidad del proveedor.
Tres señales que pueden cambiar la evaluación
Seguimiento, no predicción- 01
Informe técnico completo
Reglas, registros, categorías de alerta, falsos positivos, revisión humana, proveedor y pruebas de funcionamiento.
- 02
Remedio caso por caso
Criterios de repetición, apelación, restitución y comunicación para las personas afectadas.
- 03
Reanudación con garantías
Fecha, cambios operativos, auditoría externa y evidencia de que las nuevas reglas no trasladan costos indebidos al alumnado.