Contratar IA sin métricas: la lección del caso UNAM

El trasfondo: la crisis del examen de admisión de la UNAM en 2026

En julio de 2026, la Universidad Nacional Autónoma de México (UNAM) suspendió temporalmente las inscripciones del ciclo 2026-2027 tras detectar presuntas irregularidades en su primer examen de admisión aplicado completamente en línea. Según reportó EFE, la universidad anuló alrededor de 3.000 exámenes y nombró una Comisión Técnica integrada por 16 especialistas para revisar el proceso. RPP, citando un informe de El País, cifró las presentaciones en 158.712 jóvenes. La presidenta Claudia Sheinbaum reiteró que la resolución corresponde a la autonomía universitaria.

El caso reabrió un debate que va más allá de lo académico: cómo se diseña, se contrata y se supervisa un sistema de inteligencia artificial cuando está en juego algo tan sensible como el acceso a una universidad pública. Meses después, un informe técnico elaborado por un grupo de expertos independientes —analizado por NEO— identifica las causas estructurales que el sistema de supervisión automatizada dejó al descubierto.

Las lagunas contractuales que el informe señala

La conclusión central es incómoda: incorporar IA para supervisar un proceso masivo no garantiza su integridad si el contrato no define, desde el inicio, criterios medibles de desempeño. El sistema contratado por la UNAM prometía detección automatizada, continua y precisa, pero el informe revela que no se establecieron umbrales para la coincidencia biométrica, tasas de error aceptables ni registros de las versiones de los modelos utilizados. Sin esos parámetros, hoy es imposible determinar si el sistema funcionó correctamente o si simplemente no generó alertas.

🤖 La IA no es solo para leer sobre ella

En la comunidad la aplicamos: automatización, agentes IA y herramientas reales para emprender, no solo para informarte.

👥 Aplicarla en la comunidad

Esa ausencia no es un tecnicismo: es el punto donde la promesa de la IA choca con la realidad operativa. El contrato entregaba una herramienta con cinco capas de vigilancia —alertas automatizadas, revisión humana en tiempo real y mesas de decisión institucional—, pero ninguna estaba obligada contractualmente a detectar patrones anómalos en el comportamiento global de los resultados. El foco estaba en conductas individuales; las desviaciones estadísticas del conjunto quedaron sin supervisión.

"Sin alertas" no significa "sin anomalías"

Uno de los hallazgos más críticos del informe es la confusión entre ausencia de notificaciones e inexistencia de irregularidades. La comisión revisora subraya que la falta de alertas no puede leerse como evidencia de que no ocurrieron anomalías: la supervisión remota tiene limitaciones estructurales que impiden controlar dispositivos secundarios, canales externos o la continuidad de identidad del sustentante ante una desconexión.

Este es el patrón que más se repite en la contratación institucional acelerada de IA y que un análisis de Forbes Technology Council describe como "la velocidad de implementación supera con frecuencia la capacidad de gobernanza". La misma pieza cita un dato de Deloitte: solo el 20% de las empresas tiene un marco maduro para supervisar IA autónoma o semiautónoma, mientras que el uso de IA en sectores como seguros pasó del 8% al 34% en un solo año. La consecuencia directa es que "los contratos que no especifican cómo se medirá el desempeño dejan la responsabilidad por los fallos en un vacío legal y operativo".

Gobernanza ausente en la fase de planeación

El informe agrega un dato operativo que cualquier founder reconocería: en ninguna etapa del proyecto se involucró a los equipos de TI de la institución para verificar los requisitos técnicos ni auditar las soluciones del proveedor. El diseño se construyó sobre criterios administrativos y sobre lo que la empresa reportó de sí misma. Una visita previa a un examen remoto similar —usando la misma plataforma— no sustituye una auditoría técnica formal ni una revisión de estándares de servicio.

Este vacío se da en un contexto regulatorio que avanza más rápido que las prácticas internas. El 2 de agosto de 2026 entraron en vigor nuevas disposiciones del EU AI Act para sistemas de IA de alto riesgo, que exigen gestión de riesgo, gobernanza de datos, mantenimiento de registros y supervisión humana, según un análisis publicado por TechTarget. En Estados Unidos, más de 600 proyectos de ley sobre IA se presentaron en legislaturas estatales solo en el primer trimestre de 2026, de acuerdo con Forbes. Texas ya aplica multas de hasta USD 200.000 por violaciones vinculadas a IA, y estados como Colorado, con la SB26-189 vigente desde enero de 2027, exigirán a los desarrolladores documentar usos previstos, categorías de datos de entrenamiento, limitaciones conocidas y puntos de revisión humana.

¿Qué significa esto para tu startup?

El caso UNAM no es sobre admisión universitaria: es sobre cómo compras tecnología que decide cosas importantes por ti. Mapea tres lecciones operativas para cualquier founder que esté integrando IA en flujos de selección, scoring crediticio, contratación, salud o cumplimiento normativo.

Define el rendimiento medible antes de firmar el contrato. El informe pide niveles de servicio objetivos y medibles, mecanismos de notificación de incidentes y derechos explícitos de acceso a los registros generados por el modelo. Si tu proveedor no acepta cláusulas de SLA con umbrales concretos —tasa de falsos positivos, versiones de modelo, latencia de respuesta ante anomalía— el riesgo se transfiere a tu empresa sin que aparezca en la factura.
Lleva a tu equipo técnico a la mesa de compra. Una demo brillante o una visita a otro cliente no sustituyen una revisión independiente de la arquitectura, las dependencias y los controles de acceso. Gartner estima que el 40% de las empresas abandonará sus agentes de IA por fallas de gobernanza, según Forbes. Que tu CTO o tu responsable de seguridad firme la decisión antes de pagar la licencia.
Documenta la intervención humana como evidencia, no como buena intención. En Estados Unidos, un juez federal ya ordenó a UnitedHealth entregar archivos internos sobre el uso de IA en decisiones de cobertura médica, según Forbes. Tener trazabilidad de qué humano revisó, validó o anuló cada recomendación dejó de ser una buena práctica: es defensa legal. Forrester estima que el gasto en software de gobernanza de IA alcanzará USD 15.800 millones en 2030, más del cuádruple que en 2024, según un análisis recogido por TechTarget.

La lección final del informe técnico es directa: la gobernanza no es una capa que se agrega al final del proyecto; es el diseño mínimo que debe existir desde la primera reunión con el proveedor. Sin métricas acordadas, ningún sistema de IA puede demostrar que cumplió lo que prometía — y ese es exactamente el lugar donde una startup prefiere no estar cuando las cosas salen mal.