Desafíos de la vigilancia automatizada en exámenes masivos
Incorporar inteligencia artificial en la supervisión de exámenes de admisión masivos plantea retos significativos si no se establecen criterios claros para evaluar su efectividad. Un informe reciente destaca que, durante el proceso de selección universitaria en México para el ciclo 2026-2027, las lagunas contractuales y operativas fueron evidentes. Sin métricas de desempeño ni validaciones especializadas, la promesa de una supervisión automatizada y precisa quedó en entredicho.
El análisis revela que no se definieron umbrales para coincidencia biométrica ni tasas de error aceptables, lo que dificulta discernir la efectividad del sistema. Un problema crítico identificado es la interpretación de la falta de alertas como ausencia de irregularidades, cuando la supervisión remota tiene limitaciones estructurales que pueden dejar sin detectar el uso de dispositivos secundarios o interrupciones de conexión.
El informe también critica la falta de involucramiento de áreas técnicas en la planificación, señalando que las decisiones se basaron en criterios administrativos y reportes del proveedor, sin auditorías técnicas independientes. Esto representa un riesgo para cualquier institución que adopte IA sin evaluar técnicamente las soluciones ofrecidas. Se recomienda establecer estándares mínimos para la contratación de sistemas automatizados, asegurando niveles de servicio medibles y acceso institucional a registros de detección, para evitar vacíos legales y operativos en caso de fallos del sistema.