¿Reemplazará la IA a los profesores universitarios? Resúmenes y borradores de clases se aceleran; definir temas de investigación y tutelar no.
Las organizaciones seguirán necesitando profesores universitarios. Lo que se está adelgazando son, más bien, las funciones centradas únicamente en preparar clases.
Los profesores universitarios hacen mucho más que dar clases. Definen líneas de investigación, actualizan el acervo de conocimiento, supervisan a los estudiantes y movilizan recursos dentro y fuera de la universidad, todo ello mientras asumen la responsabilidad tanto de la docencia como de la investigación. Su valor procede del conjunto formado por la enseñanza, la supervisión, la escritura, los congresos, la financiación, la investigación colaborativa y la gestión institucional.
El valor de la profesión no reside solo en transmitir conocimiento, sino en decidir qué merece convertirse en una pregunta relevante y en transformar una nueva idea en algo tangible. La IA puede acelerar mucho las revisiones bibliográficas y la preparación de clases, pero la originalidad en la investigación y la responsabilidad en la supervisión siguen correspondiendo a las personas.
Calculado por ai-job-risk.net a partir de cuatro conjuntos de datos públicos, en una escala de 0–100 relativa a las 188 profesiones que analizamos. Una cifra más alta significa que una mayor parte de las tareas del empleo son del tipo que la IA generativa puede hacer o para el que ya se usa. No es la probabilidad de perder el empleo.
Análisis de tareas realizado por investigadores (Eloundou et al.; OIT). Se muestra como percentil entre todas las profesiones que evalúan.
Uso observado de Microsoft Copilot y Anthropic Claude en las tareas de esta profesión. Se muestra como percentil entre todas las profesiones que evalúan.
La BLS no indica ningún factor específico para esta ocupación, así que la proyección sigue sobre todo el crecimiento o la contracción de los sectores que la emplean.
Cifras de EE. UU. para la profesión del BLS «Postsecondary teachers, all other». Las proyecciones del BLS suponen que la tecnología sigue avanzando a su ritmo histórico; no son un pronóstico del efecto de la IA por sí sola.
Los conjuntos de datos de exposición no tienen una entrada exacta para esta profesión, así que sus valores promedian las profesiones estrechamente relacionadas que sí abarcan.
Fuentes
Índice de exposición calculado por ai-job-risk.net a partir de los conjuntos de datos siguientes (datos a 15 de octubre de 2026). Las cifras laborales de EE. UU. proceden del BLS, sin cambios.
Los editores de los datos no han elaborado, revisado ni respaldado este sitio. Citas completas, licencias y método
El trabajo de un profesor universitario incluye tanto tareas que la IA puede agilizar como tareas en las que el criterio propiamente humano se vuelve todavía más importante. Los resúmenes bibliográficos, los borradores de materiales de clase, la organización de planes de investigación, el apoyo en la corrección y la redacción de correos pueden hacerse mucho más rápido que antes.
Pero el núcleo de la docencia universitaria no consiste simplemente en ordenar el conocimiento existente. Implica decidir qué preguntas importan, cómo cultivar la investigación de un estudiante, cómo orientar los proyectos colaborativos y dónde situar el listón de lo que cuenta como trabajo académico relevante. Son decisiones centrales que siguen siendo difíciles de delegar en la IA.
La función de un profesor universitario va más allá de ser responsable de una asignatura. Consiste en cultivar líneas de investigación y dar forma a la orientación tanto de la docencia como del trabajo académico. Una forma más acertada de analizar esta función es separar las fases que la IA puede automatizar con más facilidad del valor que sigue en manos humanas.
Las partes más expuestas a la IA son la organización del conocimiento existente y la preparación docente rutinaria. Es probable que el trabajo preparatorio, como el apoyo a las clases y la organización de la bibliografía, se vuelva mucho más eficiente. Cuanto más predomina la organización de información en una tarea, más beneficio pueden aportar las máquinas.
La IA puede generar primeros borradores sólidos de diapositivas, resúmenes de clase y programas de asignatura a partir de contenidos docentes existentes. Eso aligera mucho la fase inicial de preparación. Pero decidir qué énfasis poner para los estudiantes de este año y hasta qué punto debe profundizar el debate sigue siendo una tarea humana.
La IA es muy buena extrayendo palabras clave y argumentos principales de grandes volúmenes de artículos. Eso la hace útil en la fase de entrada de una investigación. Pero decidir qué artículos importan de verdad y dónde están las lagunas teóricas sigue siendo trabajo humano.
La IA puede ayudar a corregir preguntas de opción múltiple o respuestas breves con rúbricas claras. Eso la hace eficaz para reducir la carga administrativa. Pero evaluar la calidad de la argumentación o la profundidad del pensamiento de un estudiante sigue correspondiendo a las personas.
Los avisos de las asignaturas, los recordatorios de plazos y los anuncios del laboratorio pueden redactarse muy rápido con IA. Eso reduce el trabajo de comunicación rutinaria. Pero la comunicación que tiene en cuenta las circunstancias concretas de los estudiantes o de los colaboradores de investigación sigue requiriendo ajustes humanos.
Lo que sigue correspondiendo a los profesores universitarios es el trabajo de plantear preguntas y orientar tanto la investigación como el desarrollo de las personas. Cuanto más exige una tarea originalidad y responsabilidad de supervisión, más humana sigue siendo. En comparación con la organización de la información, la responsabilidad de elegir el rumbo sigue teniendo un peso mucho mayor.
Los profesores siguen teniendo que decidir qué problemas tienen relevancia académica y desde qué ángulo deben abordarse para generar nuevo conocimiento. La investigación no surge únicamente de resumir la bibliografía previa. Quienes son capaces de crear la propia pregunta conservan el mayor valor.
Los profesores siguen teniendo que juzgar cuándo aconsejar y cuándo dejar que los estudiantes piensen por sí mismos, según la comprensión, la personalidad y el avance de la investigación de cada uno. La tarea no consiste en entregar respuestas, sino en cultivar la capacidad de pensar. Esa función de supervisión sigue siendo profundamente humana.
La investigación colaborativa, la obtención de financiación, la gestión del laboratorio y la actividad en sociedades académicas exigen movilizar personas y recursos. La investigación no se sostiene solo con el esfuerzo individual. Quienes saben marcar el rumbo a la vez que reúnen a otras personas son difíciles de reemplazar.
Seguirá existiendo el trabajo de juzgar qué cuenta como novedad en un artículo, si un método es adecuado o qué profundidad tiene realmente la argumentación de un estudiante. La capacidad de evaluar con un conjunto claro de criterios es una de las responsabilidades centrales de la profesión.
Para los profesores universitarios del futuro, el valor a largo plazo dependerá tanto del volumen de conocimiento como de la calidad de las preguntas que plantean y de la calidad de las personas que son capaces de formar. La clave está en usar la IA para organizar la información mientras se profundiza en la perspectiva y la originalidad propias.
Los profesores necesitan la capacidad no solo de leer los trabajos previos, sino de identificar la laguna y diseñar cómo debe ponerse a prueba. La IA puede acelerar la organización, pero el núcleo de la investigación sigue teniendo que crearlo el investigador. La calidad de la pregunta determinará cada vez más el valor a largo plazo.
Los profesores necesitan identificar en qué punto se encuentra un estudiante y devolverle orientaciones concretas sobre cómo hacer avanzar su investigación o su aprendizaje. Quienes saben equilibrar el rigor con el apoyo ganan valor como educadores. Una supervisión individual sólida sigue siendo esencial.
Los profesores necesitan conectar sus líneas de trabajo con socios externos, impulsar los proyectos conjuntos y comunicar los resultados a la sociedad. El valor de una universidad no termina dentro del campus. Cuanto más capaz es alguien de movilizar recursos de investigación, más influencia gana en la profesión.
Los profesores necesitan usar la IA para acelerar la organización de la bibliografía y la preparación de las clases, sin dejar de ser dueños del planteamiento de las preguntas y de los criterios de evaluación. Cuanto más se reduce el tiempo de preparación, más tiempo puede dedicarse a pensar e investigar. Quienes convierten la eficiencia en una originalidad más profunda saldrán reforzados.
La experiencia como profesor universitario aporta fortaleza no solo en la docencia, sino también en el diseño de la investigación, el desarrollo de las personas, la coordinación organizativa y la construcción de criterios de evaluación. Eso facilita el paso a funciones afines en el diseño educativo, el apoyo a la investigación y otros ámbitos que se basan en conocimiento especializado.
La perspectiva de diseño educativo adquirida en la docencia y la investigación también puede aplicarse al diseño de programas de aprendizaje más amplios. Encaja bien con quienes quieren usar su conocimiento especializado para dar forma a estructuras educativas más completas.
Índice de exposición 86/100 · Empleo en EE. UU. 2025–35 +1,6%
La experiencia en la definición de objetivos de aprendizaje y evaluaciones también se aplica bien al diseño de formación y de e-learning. Encaja con quienes quieren extender su experiencia en clases y supervisión al diseño de experiencias de aprendizaje.
Índice de exposición 86/100 · Empleo en EE. UU. 2025–35 +1,6%
La experiencia en la definición de líneas de investigación y en la organización de la bibliografía también es valiosa en el apoyo a la investigación y en la gestión de proyectos de investigación. Encaja con quienes quieren acotar la amplia función de un profesor universitario para centrarse más en la práctica investigadora en sí.
Índice de exposición 71/100 · Empleo en EE. UU. 2025–35 +4,4%
La capacidad docente adquirida en la educación superior también puede trasladarse a la práctica educativa con estudiantes más jóvenes. Esta vía encaja con quienes quieren conservar su especialidad mientras aumentan el peso de la enseñanza directa.
Índice de exposición 61/100 · Empleo en EE. UU. 2025–35 -0,4%
La experiencia en definir preguntas, organizar información y explicar ideas a otras personas también conecta bien con la mejora de procesos empresariales y el diseño de análisis. Encaja con quienes quieren aplicar una forma de pensar propia de la investigación a la estructuración práctica de problemas.
Índice de exposición 88/100 · Empleo en EE. UU. 2025–35 +10,1%
Las habilidades de diálogo desarrolladas en la supervisión de estudiantes y en la orientación profesional también pueden servir de apoyo en el asesoramiento para decisiones de carrera. Es una opción sólida para quienes quieren aplicar una experiencia educativa avanzada a ayudar a las personas a tomar decisiones importantes.
Índice de exposición 77/100 · Empleo en EE. UU. 2025–35 +2,9%
Las organizaciones seguirán necesitando profesores universitarios. Lo que se está adelgazando son, más bien, las funciones centradas únicamente en preparar clases. La organización de la bibliografía y la creación de materiales serán más rápidas, pero definir líneas de investigación, supervisar a los estudiantes, impulsar colaboraciones y juzgar los criterios académicos seguirán siendo necesarios. A largo plazo, el verdadero factor diferenciador no será cuánto conocimiento puede resumir alguien, sino lo bien que sabe cultivar preguntas y formar a las personas.
Estas profesiones pertenecen al mismo sector que Profesor. No son el mismo trabajo, pero ayudan a comparar mejor la exposición a la IA y la cercanía entre trayectorias.
Profesor obtiene 75 sobre 100 en nuestro índice de exposición a la IA generativa (puesto 86 de 188). Eso mide qué parte del trabajo puede hacer la IA o para qué parte se usa, no si el empleo va a desaparecer. La BLS prevé que el empleo de Profesor en EE. UU. cambie un +2,0% entre 2025 y 2035.
Las partes más expuestas a la IA son la organización del conocimiento existente y la preparación docente rutinaria. Es probable que el trabajo preparatorio, como el apoyo a las clases y la organización de la bibliografía, se vuelva mucho más eficiente. Cuanto más predomina la organización de información en una tarea, más beneficio pueden aportar las máquinas. Por ejemplo: Redactar materiales de clase y programas de asignatura; Resumir la bibliografía y organizar la investigación previa; Apoyo en la corrección de tareas rutinarias; Redactar comunicaciones administrativas.
Lo que sigue correspondiendo a los profesores universitarios es el trabajo de plantear preguntas y orientar tanto la investigación como el desarrollo de las personas. Cuanto más exige una tarea originalidad y responsabilidad de supervisión, más humana sigue siendo. En comparación con la organización de la información, la responsabilidad de elegir el rumbo sigue teniendo un peso mucho mayor. Por ejemplo: Definir líneas de investigación y preguntas centrales; Supervisar y formar a los estudiantes; Coordinar relaciones y recursos dentro y fuera de la institución; Decidir los criterios académicos de evaluación.
Para los profesores universitarios del futuro, el valor a largo plazo dependerá tanto del volumen de conocimiento como de la calidad de las preguntas que plantean y de la calidad de las personas que son capaces de formar. La clave está en usar la IA para organizar la información mientras se profundiza en la perspectiva y la originalidad propias. Por ejemplo: Diseño de la investigación y formulación de hipótesis; Precisión en la retroalimentación y la supervisión; La capacidad de crear colaboraciones y comunicar hacia fuera; Saber usar la IA como apoyo a la investigación.
