.
La IA ya está en las aulas. El gobierno del dato, todavía no.
El 89% de los estudiantes universitarios españoles ya usa IA generativa, pero solo un tercio ha recibido formación oficial sobre ella, según un estudio realizado por la Fundación CYD.
Este dato no transmite falta de adopción, sino de una realidad (y un reto) completamente diferente: la IA está entrando en las universidades sin que, en la mayoría de los casos, exista un marco de gobierno del dato que la sostenga.
En The InterBiew, el programa de Berocam en el que conversamos con referentes del dato, analítica e Inteligencia Artificial, hemos recibido a Óscar Viñas, CDO de CEU San Pablo, con quien hemos conversado sobre IA y Gobierno del Dato en las universidades, entre otros temas.
Antes de iniciar ningún proyecto de Inteligencia Artificial, Óscar Viñas nos explica cómo el CEU San Pablo ha apostado por comenzar mejorando las bases: la calidad y el gobierno de sus datos. Lo abordamos en este artículo.
El caso de CEU San Pablo: un entorno complejo sin lenguaje común
Óscar Viñas lidera desde hace más de tres años la iniciativa estratégica de gestión y gobernanza del dato de toda la fundación, un entorno que abarca colegios, centros de FP, universidades de grado y posgrado, universidades de mayores y programas de formación permanente.
“En el CEU, con lo que me encuentro, es con un entorno bastante complejo y distribuido […] para un mismo proceso y sistema la implementación ha sido diferente, pues a la hora de aterrizar todo esto en datos activables, la heterogeneidad hace que el proyecto sea bastante complejo.”
A esa heterogeneidad se suma un desafío todavía más de fondo: la falta de un lenguaje común. ¿Qué es exactamente una “baja académica”? ¿Qué criterio define a un “alumno internacional”? Conceptos aparentemente sencillos que varían en cuanto cada sistema o departamento aplica su propio criterio, y que hacen necesario construir una capa semántica lo suficientemente flexible para que todos hablen un “mismo idioma” en los datos, pero, a su vez, cada área pueda tener sus propias particularidades.
Por qué el gobierno del dato en universidades ya no es opcional
A la complejidad interna de las instituciones, se suman otros aspectos como la normativa actual. Es el caso del Reglamento Europeo de IA (AI Act), de plena aplicación desde agosto de 2026, que, clasifica como de alto riesgo usos habituales en el entorno universitario: admisión, evaluación, proctoring (sistemas de vigilancia de exámenes online).
En la práctica, cumplir con ese marco es igual de exigente que tener una IA fiable: saber qué datos se usan y bajo qué reglas se gobiernan.
Los retos comunes en universidades: silos, sistemas dispersos y falta de estandarización
Más allá de CEU San Pablo, este es el reto que atraviesa la mayoría de las universidades: sistemas académicos, administrativos y de biblioteca que funcionan de forma aislada, sin comunicarse entre sí.
Esa fragmentación genera duplicidad de esfuerzos, inconsistencias en los informes y dificulta tener una visión completa del alumno y de la institución. Un modelo sólido de gobierno del dato ayuda a establecer estándares comunes, mejorar las operaciones entre sistemas y eliminar esos silos.
Tan importante como recopilar datos es contar con mecanismos que permitan consolidar información procedente de múltiples fuentes. Y, en paralelo, preparar a los equipos: directivos, coordinadores académicos, docentes, para interpretar esos datos y usarlos de forma predictiva, no solo descriptiva.
Sostener todo esto en el tiempo exige algo más que tecnología: roles claros sobre quién es responsable de cada dato, y una cultura donde la calidad no dependa del esfuerzo puntual de una persona, sino que forme parte del funcionamiento habitual de la institución.
Un framework construido con Databricks
Antes de implementar proyectos de IA, CEU San Pablo puso el foco en mejorar la calidad del dato en todos sus dominios. Este año culminan un framework transversal que monitoriza permanentemente la completitud, variedad y volumen de los datos que llegan a su data lake, desarrollado íntegramente con Inteligencia Artificial sobre DQX, la librería de calidad de Databricks.
Lo más interesante es que el resultado no se queda en manos del equipo técnico: permite a perfiles de negocio, sin conocimientos técnicos, crear sus propias alertas en lenguaje natural.
Este paso supone un cambio de enfoque: de un modelo reactivo, donde había que perfilar los datos manualmente con reglas técnicas, a un sistema donde el diagnóstico es mucho más ágil y accesible para quien conoce mejor el negocio, no solo para quien conoce la tecnología.
Este es precisamente el enfoque que aplicamos en nuestros proyectos de Gobierno del Dato: primero ordenar y validar el dato y ya, después, incorporar y escalar la IA.
El verdadero reto es cultural
Según Óscar, el mayor desafío no está en la tecnología, sino en las personas. Establecer un dato único y un lenguaje estandarizado implica, inevitablemente, tocar la forma en que cada departamento venía trabajando hasta entonces.
“Generar ese cambio en la cultura del dato es pasar de extraer listados y masajear para llegar al dato, a decir: cuéntame la problemática que tienes y déjame ayudarte […]. Son pequeñas barreras que poco a poco tienes que ir ganándote al usuario, poniéndote a su servicio, a su lado.”
De esta forma, el área de datos deja de ser un proveedor de listados para convertirse en un área de servicio, implicada desde el diseño de cada solución con el usuario que la va a utilizar.
El futuro del dato en la universidad: captación, abandono y experiencia del alumno
El foco de los próximos años pasa por poner el dato al servicio de los grandes retos del sector educativo. Uno de los más urgentes es la captación de alumnos, que se reduce año tras año por factores demográficos y por una competencia cada vez mayor entre instituciones a la hora de posicionarse frente al resto de universidades.
A esto se suma la necesidad de entender mejor por qué se produce el abandono académico, para poder anticiparse y actuar antes de que un alumno decida dejar sus estudios, y de cuidar la retención del personal docente, un recurso tan crítico como escaso. También hay una capa más operativa: agilizar procesos administrativos para liberar tiempo del equipo y que pueda dedicarse a tareas de mayor valor.
Todo ello converge en un mismo objetivo final: mejorar el servicio y la experiencia de cada alumno a lo largo de toda su relación con la institución, desde que se plantea estudiar hasta que termina su formación.
Gobernar la IA antes de escalarla: la clave para las instituciones educativas
Sobre hacia dónde va la IA en el sector educativo, nuestro invitado lo resume en una idea que marca la hoja de ruta para cualquier institución:
“Lo que tenemos que hacer es ir pensando en plataformas que nos permitan gobernar, institucionalizar, industrializar todo lo que tiene que ver con Inteligencia Artificial: asegurarnos de que los agentes son eficientes, de que se usan adecuadamente, de que las mejoras pasan por esa plataforma.”
El reto ya no es probar modelos de IA, sino gobernarla y escalarla de forma ordenada dentro de la organización.
No te pierdas la entrevista completa de The InterBiew con Óscar Viñas, CDO de CEU San Pablo:
Preguntas frecuentes sobre gobierno del dato en universidades
¿Qué es el gobierno del dato en una universidad?
Es el conjunto de reglas, criterios y responsables que garantizan que los datos académicos, administrativos y de alumnos de una institución sean fiables, estén estandarizados y se puedan usar con confianza.
¿Qué obliga el AI Act a las universidades en materia de gobierno del dato?
Desde el 2 de agosto de 2026, los sistemas de IA utilizados en admisión, evaluación o asignación de nivel se consideran de alto riesgo. Las universidades deben garantizar que los datos que los alimentan son representativos, están libres de errores y cuentan con prácticas de gobernanza documentadas.
¿Cómo ayuda la IA a mejorar la calidad del dato a las universidades?
La Inteligencia Artificial permite a las universidades automatizar la monitorización continua de la calidad de los datos y habilita a usuarios no técnico a crear sus propias alertas de calidad en lenguaje natural.
