Un salto estadístico que no cuadraba, un sistema de vigilancia con inteligencia artificial que también habría sido burlado con IA, y una universidad obligada a suspender inscripciones mientras investiga. Eso resume lo que ha significado el escándalo por las trampas en el examen de la UNAM 2026: no fue solo un fraude aislado, fue la prueba de que digitalizar un proceso crítico sin anticipar sus huecos técnicos puede volverse incontrolable en cuestión de semanas.

Qué anomalías detonaron la sospecha de trampas en el examen de la UNAM 2026

El Concurso de Selección de Ingreso a Licenciatura 2026-2027/1 fue el primero completamente en línea en la historia de la institución. Y ahí empezó el problema: el porcentaje de sustentantes con más de 100 aciertos pasó de cerca de 9% en 2025 a casi 30% este año, según especialistas como Eduardo Backhoff y Luis Ángel Maciel Barón. De acuerdo a Eje Central, los puntajes mínimos de ingreso en carreras como Medicina o Ingeniería Aeroespacial se dispararon a niveles nunca vistos, y al mismo tiempo creció el número de aspirantes con pocos o ningún acierto — indicio, según los analistas, de que algunos solo entraron a fotografiar reactivos para filtrarlos.

De 158,712 aspirantes, 1,117 fueron bloqueados por conductas irregulares, incluida suplantación de identidad. La UNAM presentó denuncias penales contra empresas que vendían “servicios fraudulentos” prometiendo el ingreso asegurado, y evalúa una multa de hasta 4.18 millones de pesos a Territorium Life S.A.P.I. de C.V., la empresa que operó la plataforma. El rector Leonardo Lomelí ordenó crear una comisión técnica, y mientras tanto la universidad suspendió la entrega de documentos e inscripción de nuevo ingreso.

Los métodos que se usaron para hacer trampa desde casa

Nada de esto fue artesanal. Lo que describen los reportes es una operación con varios frentes simultáneos: aspirantes que habrían usado chatbots de IA en tiempo real desde otro dispositivo, “tutores” que dictaban respuestas por teléfono o audífonos ocultos, grupos de Facebook y TikTok donde circulaban capturas de reactivos (muchas falsas), y hasta personas que se conectaban solo para extraer preguntas y revenderlas a otros turnos.

No todo fue fraude comprobado, y ahí está la otra cara incómoda del asunto: aspirantes reportaron cancelaciones injustas por cortes de luz, ruido de vecinos, o porque el sistema interpretó el reflejo de unos lentes graduados como un celular.

¿Por qué la IA vigilaba y también habría sido usada para hacer trampa?

Aquí está la ironía central de las trampas en el examen de la UNAM 2026: la misma tecnología que debía blindar el proceso fue, presuntamente, parte del problema. La plataforma combinaba cámara, navegador seguro y algoritmos que generaban alertas por comportamientos atípicos, más un supervisor humano por cada 150 aspirantes. La UNAM ha insistido en que la IA nunca cancela un examen sola: solo emite la alerta, y una persona la revisa. En un reportaje publicado por Crónica se explica que hasta ahora no hay evidencia concluyente de que la IA haya alterado masivamente los resultados, pero tampoco existe una explicación definitiva de las anomalías detectadas.

Eso deja a la institución en un punto incómodo: no puede probar fraude generalizado, pero tampoco puede descartarlo. Y ese tipo de ambigüedad, cuando hay 158 mil personas y sus familias esperando una respuesta, es exactamente el terreno donde se incuban las crisis reputacionales largas.

El hueco técnico que nadie anticipó: duplicar pantalla

El dato más revelador no es sobre chatbots, es sobre hardware.

LockDown Browser bloqueaba otras aplicaciones dentro del mismo dispositivo, pero no anticipó que alguien conectara un segundo monitor, hiciera casting inalámbrico o usara un cable HDMI con capturadora para “extender” la pantalla hacia otro dispositivo.

La convocatoria prohibía explícitamente el uso de “otro monitor”, pero esa regla dependía de que la cámara o el supervisor humano detectaran el cable o el reflejo en el rostro del aspirante — no de un bloqueo real a nivel de sistema operativo.

Es la diferencia entre diseñar una regla y diseñar un sistema que la haga cumplir.

Un año antes, en el examen de bachillerato 2025, participaron 78,541 estudiantes y solo 47 pruebas fueron canceladas. Ese antecedente existía, pero no hay registro de que se haya usado como piloto controlado para calibrar el sistema antes de escalarlo a un examen de licenciatura con más participantes, más complejidad temática y aspirantes conectándose desde contextos técnicos muy distintos entre sí.

¿Qué le enseña esto a cualquiera que digitalice un proceso crítico?

Lo que pasó con las trampas en el examen de la UNAM 2026 no es un problema exclusivo de universidades. Es el mismo patrón que enfrenta cualquier organización que digitaliza un proceso de alto riesgo — una evaluación, una contratación, una auditoría — sin someterlo antes a un ejercicio real de “cómo lo rompería alguien con incentivos para hacerlo”. La vigilancia por IA no falló por ser mala tecnología; falló porque el diseño asumió comportamientos honestos por default y trató el fraude como excepción, no como variable a controlar desde el inicio.

Esto es justo lo que abordo en mis conferencias de inteligencia artificial para empresas: la brecha entre implementar una herramienta y anticipar cómo la gente —con presión, incentivos y tiempo— va a intentar sortearla. Para profundizar en cómo aplicar este tipo de criterio a decisiones reales de negocio, también puedes explorar el análisis que tenemos en iaaplicada.mx sobre el impacto real de la IA en el trabajo.

La comisión técnica de la UNAM seguirá investigando responsabilidades. Pero el aprendizaje ya está sobre la mesa, y no depende de que termine esa investigación: cualquier proceso crítico que se digitaliza sin pruebas de estrés contra el fraude está, tarde o temprano, invitando a que alguien encuentre el hueco antes que tú. Si quieres seguir este tipo de análisis apenas pasa —antes de que se vuelva noticia masticada— te espero en mi mail diario sobre innovación.