Educación superior en el Perú: la IA permite anticipar casos de abandono con hasta 90% de precisión y reducir la deserción en 20%

• En el Perú, la deserción en universidades privadas llegó a superar el 20% durante la pandemia y hoy se mantiene en niveles cercanos al 18%, según reportes del Ministerio de Educación.
• América Latina vive una crisis de permanencia: diversos estudios de organismos internacionales estiman que entre el 20% y el 40% de quienes inician educación superior no logran graduarse.
• Experiencias en universidades de la región muestran que el uso de modelos predictivos basados en inteligencia artificial puede reducir la deserción entre 20% y 30%, con precisiones de hasta 90% para identificar estudiantes en riesgo.

Mientras el año escolar entra en su recta final y miles de escolares se preparan para postular a la educación superior, el Perú enfrenta un reto silencioso: lograr que quienes ingresan a la universidad no abandonen en el camino. Según reportes del Ministerio de Educación, la deserción en universidades privadas llegó a superar el 20% durante los ciclos más críticos de la pandemia y, aunque hoy se ha reducido, sigue afectando a decenas de miles de jóvenes cada año.

Las razones se repiten en todo el país: dificultades para pagar la pensión, necesidad de trabajar más horas, brechas de aprendizaje arrastradas desde el colegio, estrés, ansiedad y dudas sobre la carrera elegida. Los más expuestos son quienes son la primera generación de su familia en acceder a estudios superiores, estudiantes de colegios públicos con menos recursos, jóvenes de regiones y aquellos que deben combinar estudio y trabajo.

“Más que un problema de notas, la deserción refleja las brechas económicas, emocionales y de acompañamiento que el sistema no ha logrado cerrar. Muchos jóvenes no se van porque no puedan, sino porque no encuentran las condiciones para quedarse”, explica Martín Morelli, consultor en transformación digital en educación.

En este escenario, la inteligencia artificial (IA) comienza a cambiar la forma en que las universidades entienden y abordan el abandono.

De la reacción tardía a la alerta temprana

Tradicionalmente, una universidad se enteraba de que un estudiante desertaba cuando ya no regresaba al aula o no se matriculaba en el siguiente ciclo. Hoy, los modelos predictivos basados en IA permiten anticiparse.

Estas soluciones analizan datos que las instituciones ya registran: asistencia a clases, uso del campus virtual, notas por curso, participación, retrasos en pagos, antecedentes académicos y, en algunos casos, información socioeconómica. A partir de estos patrones, los algoritmos estiman el nivel de riesgo de cada estudiante y generan alertas tempranas para los equipos académicos y de bienestar.

Estudios y experiencias en universidades de la región han mostrado que estos modelos pueden alcanzar precisiones de entre 75% y 90% para identificar a estudiantes con alta probabilidad de abandonar. Cuando se combinan con tutorías, apoyo emocional y medidas económicas focalizadas, las instituciones logran reducir sus tasas de deserción en un rango de 20% a 30% después de dos o tres años de implementación.

“La IA no reemplaza al docente ni al tutor, los potencia. Te dice a quién mirar primero, a quién llamar hoy y dónde priorizar recursos limitados. El impacto real ocurre cuando el dato se traduce en una llamada, una beca, una tutoría o un cambio de carga académica”, añade Morelli.

El caso peruano: nuevos ingresos en la mira

En el Perú, la mayor parte del abandono se concentra en los primeros ciclos, cuando los estudiantes se están adaptando a la vida universitaria. Por eso, las universidades que han comenzado a adoptar análisis predictivo están poniendo el foco en sus nuevos ingresos.

Con los modelos de IA, las instituciones pueden:

• Detectar desde el primer semestre a quienes acumulan inasistencias, bajas calificaciones o poca interacción con el campus virtual.
• Identificar a estudiantes que trabajan muchas horas y ofrecer rutas de estudio más flexibles.
• Priorizar acompañamiento académico y emocional a quienes llegan con mayores brechas desde la escuela.

Al mismo tiempo, la experiencia del Estado peruano con herramientas como “Alerta Escuela” en educación básica —que usa modelos de machine learning para estimar riesgo de interrupción— muestra que la lógica de alerta temprana basada en datos puede adaptarse también a la educación superior.

Menos abandono, más oportunidades

El cierre del año escolar abre una ventana clave para que más universidades peruanas integren la IA en su gestión de permanencia, no solo como un proyecto tecnológico, sino como parte de una estrategia más amplia de bienestar estudiantil.

Cada estudiante que logra graduarse representa una historia de movilidad social y una familia con más oportunidades.