|
|
|
|
|
|
|
|
REVISTA EDUCACIÓN SUPERIOR Y SOCIEDAD 2025, Vol. 37 Nro. 2 (jul.-dic.), 327-344. https://doi.org/10.54674/ess.v37i2.1139 e-ISSN: 2610-7759
|
|
|
|
Inteligencia artificial y liderazgo posjerárquico en educación superior: responsabilidad, reflexión y aprendizaje ético y epistémico
Artificial Intelligence and Post-Hierarchical Leadership in Higher Education: Responsibility, Reflection, and Ethical and Epistemic Learnings
Antonio
Jiménez-Luque1 @
Yihe Yang2 @
Carla
Penha-Vasconcelos3 @
1 y 3. University of San Diego, San Diego, Estados Unidos
2. Arizona State University, Phoenix, Estados Unidos
RESUMEN
Este artículo propone un modelo conceptual de liderazgo posjerárquico para la educación superior en la era de la inteligencia artificial generativa (IAGen). A medida que la IAGen transforma los procesos de producción, distribución y legitimación del conocimiento, se vuelve urgente repensar el liderazgo no como autoridad posicional, sino como responsabilidad ética y epistémica. La IAGen, entendida como agente de encuadre sociotécnico, reorganiza las condiciones bajo las cuales el conocimiento es reconocido, planteando desafíos éticos y cognitivos para las instituciones académicas. En respuesta, se integra el Modelo del Árbol de Liderazgo (LTM), que ofrece una visión ecológica y regenerativa del liderazgo como sistema vivo basado en la interdependencia, la reflexión y el aprendizaje continuo. Al combinar la lógica del encuadre epistémico con el paradigma ecológico del LTM, se propone una práctica de liderazgo centrada en la gestión responsable del conocimiento, donde humanos e inteligencias artificiales cogobiernan los flujos de significado.
PALABRAS CLAVE: liderazgo; inteligencia artificial; educación superior; responsabilidad epistémica
Artificial Intelligence and Post-Hierarchical Leadership in Higher Education: Responsibility, Reflection, and Ethical and Epistemic Learnings
ABSTRACT
This article proposes a conceptual model of post-hierarchical leadership for higher education in the era of generative artificial intelligence (GenAI). As GenAI transforms the processes of knowledge production, distribution, and validation, it becomes urgent to rethink leadership not as positional authority, but as ethical and epistemic responsibility. GenAI, understood as an agent of socio-technical framing, reorganizes the conditions under which knowledge is recognized, posing ethical and cognitive challenges for academic institutions. In response, the Leadership Tree Model (LTM) is integrated, offering an ecological and regenerative vision of leadership as a living system based on interdependence, reflection, and continuous learning. By combining the logic of the epistemic frame with the ecological paradigm of LTM, a leadership practice focused on the responsible management of knowledge is proposed, where humans and artificial intelligence co-govern the flows of meaning.
KEY WORDS: leadership; artificial intelligence; higher education; epistemic responsibility
Inteligência artificial e liderança pós-hierárquica no ensino superior: responsabilidade, reflexão e aprendizagens éticas e epistémicas
RESUMO
Este artigo propõe um modelo conceitual de liderança pós-hierárquica para o ensino superior na era da inteligência artificial generativa (IAGen). À medida que a IAGen transforma os processos de produção, distribuição e legitimação do conhecimento, torna-se urgente repensar a liderança não como autoridade posicional, mas como responsabilidade ética e epistêmica. A IAGen, entendida como agente de enquadramento sociotécnico, reorganiza as condições sob as quais o conhecimento é reconhecido, levantando desafios éticos e cognitivos para as instituições acadêmicas. Em resposta, integra-se o Modelo da Árvore de Liderança (LTM), que oferece uma visão ecológica e regenerativa da liderança como um sistema vivo baseado na interdependência, na reflexão e na aprendizagem contínua. Ao combinar a lógica do enquadramento epistêmico com o paradigma ecológico do LTM, propõe-se uma prática de liderança centrada na gestão responsável do conhecimento, em que humanos e inteligências artificiais cogovernam os fluxos de significado.
PALAVRAS-CHAVE: liderança; inteligência artificial; ensino superior; responsabilidade epistemológica
Intelligence Artificielle et Leadership Post-Hierarchique dans l'Enseignement Supérieur : Responsabilité, Réflexion et Apprentissages Éthiques et Épistémiques
RÉSUMÉ
Cet article propose un modèle conceptuel de leadership post-hiérarchique pour l'enseignement supérieur à l'ère de l'intelligence artificielle générative (IAGen). Alors que l'IAGen transforme les processus de production, de distribution et de légitimation du savoir, il devient urgent de repenser le leadership non pas comme une autorité positionnelle, mais comme une responsabilité éthique et épistémique. L'IAGen, comprise comme un agent de cadrage sociotechnique, réorganise les conditions dans lesquelles le savoir est reconnu, posant des défis éthiques et cognitifs aux institutions académiques. En réponse, le Modèle de l'Arbre du Leadership (LTM) est intégré, offrant une vision écologique et régénérative du leadership comme un système vivant basé sur l'interdépendance, la réflexion et l'apprentissage continu. En combinant la logique du cadrage épistémique avec le paradigme écologique du LTM, une pratique de leadership centrée sur la gestion responsable des connaissances est proposée, où les humains et les intelligences artificielles cogèrent les flux de signification.
MOTS CLÉS : leadership ; intelligence artificielle ; enseignement supérieur ; responsabilité épistémologique
1. INTRODUCCIÓN
La inteligencia artificial generativa (IAGen) ha evolucionado de ser una herramienta de automatización a un amplificador sin precedentes de patrones lingüísticos y cognitivos. En lugar de dedicarse a la creación de significado, la IAGen reproduce y recombina formas existentes de expresión humana a escala, creando la ilusión de comprensión mientras opera mediante predicción estadística (Adams, 2021; Birhane, 2021; Crawford, 2021). Por medio de esta vasta automatización del lenguaje y la representación del conocimiento, la IAGen interviene en cómo se produce, se distribuye y se legitima el conocimiento dentro de los sistemas de educación superior e investigación (Jiménez-Luque & Yang, 2025). Esta intervención exige una reevaluación del liderazgo, menos como autoridad posicional e individual y más como responsabilidad epistémica y relacional, en un momento en que la automatización y la cognición convergen cada vez más (Bozkurt & Oyman Bozkurt, 2025; Frimpong, 2025; Stark & Vanden Broeck, 2024).
El presente artículo es el resultado de una revisión documental basada en la recopilación, organización y análisis de datos a partir de documentos escritos, como libros, artículos, tesis y otros materiales relevantes relacionados con los estudios de gestión y liderazgo en general, y del liderazgo en la educación superior, en particular, sumados a la investigación sobre el uso de la IAGen para procesos educativos. En cuanto a las etapas de revisión documental de selección, clasificación, análisis e interpretación, se ha tenido en cuenta el marco teórico que aportan los estudios de gestión y liderazgo críticos. Esta perspectiva crítica se centra en entender el liderazgo como una relación que se desarrolla en un contexto particular, el rol del poder en los procesos de liderazgo y las diferentes perspectivas para conceptualizar y ejercer el liderazgo que aporta la diversidad (Alvesson & Spicer, 2014). De esta manera, el liderazgo crítico emerge en contraposición a las perspectivas dominantes que ven el liderazgo de manera jerárquica, centrada en un líder, y sin tener en cuenta elementos de diversidad o el contexto en el que emerge (Collinson et al., 2018; Jiménez-Luque, 2021b).
Las teorías de liderazgo críticas reconocen formas organizacionales más dispersas, flexibles y descentralizadas que favorecen dinámicas de liderazgo compartido, distributivo y relacional. Este giro ha impulsado un creciente interés por enfoques que privilegian la pluralidad, la ambigüedad y la complejidad, ampliando las posibilidades de comprender el liderazgo desde estudios empíricos más ricos y contextualizados (Ford, 2015). Además, desde perspectivas críticas, las dinámicas de poder son centrales para analizar el liderazgo, dado que quienes lideran ejercen una influencia significativa en los procesos organizacionales. El poder, entendido como relación, no es inherentemente positivo o negativo, pero resulta clave para alcanzar objetivos dentro de un proceso relacional (Collinson & Tourish, 2015). Por otro lado, es importante resaltar que, hoy en día, el campo del liderazgo continúa dominado por perspectivas occidentales que no reconocen el eurocentrismo y la colonialidad como el contexto desde el cual se conceptualiza el liderazgo (Jiménez‑Luque, 2018). Por este motivo, los procesos de liderazgo de grupos no occidentales o subalternos rara vez se incluyen, y muchos modelos se presentan como universales sin considerar la diversidad (Chin & Trimble, 2015).
En el presente artículo, la perspectiva posjerárquica que se propone se basa en la combinación de un trabajo previo que exploró el papel de la inteligencia artificial (IA) en la reformulación del liderazgo como un proceso epistémico y ético (Ver artículo de Jiménez-Luque & Yang, 2025) y el ‘Leadership Tree Model’ o Modelo del Árbol de Liderazgo (LTM, por sus siglas en inglés) que introduce una comprensión regenerativa y ecológica del liderazgo (Yang y Jiménez-Luque, 2025). Al integrar la perspectiva del encuadre epistémico (Jiménez-Luque & Yang, 2025; Mhlambi & Tiribelli, 2023) con el paradigma de aprendizaje regenerativo del LTM, este artículo presenta un modelo conceptual de liderazgo posjerárquico para la educación superior en la era de la IAGen. Las siguientes secciones profundizan en los fundamentos teóricos de la influencia epistémica de IAGen, desarrollan el modelo ecológico basado en la LTM para el liderazgo posjerárquico y exploran sus implicaciones prácticas para la educación superior en una era mediada por la IA.
2. FUNDAMENTOS TEÓRICOS: IA GENERATIVA Y LA REDISTRIBUCIÓN DE LA AUTORIDAD ACADÉMICA
La IA generativa (IAGen) reconfigura no sólo las prácticas docentes e investigativas, sino también las jerarquías epistémicas mediante las cuales se ha definido históricamente la autoridad en la educación superior (Bozkurt & Oyman Bozkurt, 2025; Frimpong, 2025). En los sistemas académicos, la autoridad se ha derivado tradicionalmente de la posición institucional, la experiencia acreditada y la legitimidad disciplinaria. Sin embargo, la aparición de la IAGen desafía estos supuestos al introducir un nuevo tipo de actor que reconfigura la forma en que se coconstruyen el significado y la autoridad en los sistemas académicos (Jiménez-Luque & Yang, 2025). Este cambio no disuelve la autoridad académica, sino que la reconfigura mediante redes híbridas de participantes humanos, institucionales y tecnológicos, lo que obliga a los líderes a adoptar nuevas formas de gobernanza y, sobre todo, de gestión responsable del conocimiento.
2.1. La IA como agente de encuadre epistémico y discursivo
Desde una perspectiva discursiva, el lenguaje es inseparable del poder, ya que estructurar el conocimiento implica organizar la visibilidad social y la autoridad (Bourdieu, 1991; Foucault, 1980; Hall, 1997). Cuando la IA opera a través del lenguaje, inevitablemente interviene en esta relación amplificando los órdenes simbólicos existentes y ocultando las condiciones de su producción. En lugar de crear nuevas ideas, la IA generativa recombina y rejerarquiza lo ya conocido, transformando la percepción de la verdad y la experiencia en el ámbito académico.
Las infraestructuras algorítmicas funcionan como sistemas discursivos que amplían y restringen el significado (Beer, 2017; Couldry & Mejias, 2019; Gillespie, 2019). Median entre los datos y el discurso, determinando qué conceptos emergen, qué voces circulan y qué formas de conocimiento permanecen silenciadas. Aunque los resultados de la IA a menudo parecen creativos, son reconstrucciones estadísticas de la probabilidad lingüística (Adams, 2021; Crawford, 2021). Por lo tanto, atribuir agencia a la IA es reconocer cómo su diseño incorpora los valores, sesgos y estructuras epistémicas de las comunidades que la crean y la utilizan. Como advierte Zuboff (2019), los sistemas digitales adquieren poder epistémico al representar la experiencia como datos, transformando la comprensión en predicción y control. En la educación superior, la gobernanza algorítmica redefine silenciosamente lo que se considera conocimiento válido y quién tiene la autoridad para definirlo (Frimpong, 2025; Stark & Vanden Broeck, 2024).
En contextos universitarios, estas dinámicas se manifiestan a través de las formas en que las herramientas de IA filtran, resumen y generan material académico. Mediante estas operaciones, la IA privilegia ciertas fuentes de datos y normas interpretativas, mientras que invisibiliza otras (Bowker & Star, 2000; Chen & Zmire, 2024). Lejos de ser neutrales, estos sistemas replican las asimetrías culturales y lingüísticas inherentes a sus datos de entrenamiento, perpetuando formas de dominio epistémico que reflejan lógicas coloniales (Birhane, 2021). De este modo, la IA realiza una labor epistémica organizando, priorizando e incluso estetizando el conocimiento humano sin una comprensión genuina.
Hablar de liderazgo en este contexto requiere reflexión. El liderazgo no es un atributo estático, sino un discurso: un lenguaje históricamente situado que define quién puede liderar, cómo se ejerce la autoridad y qué voces se excluyen (Cornelissen & Werner, 2014; Fairhurst, 2005). La IAGen visibiliza esta arquitectura al imitar su coherencia e intencionalidad, revelando que lo que a menudo se celebra como “visión de liderazgo” puede ser, en sí mismo, un efecto discursivo. Esta exposición obliga a las organizaciones a reconocer que el significado y la influencia siempre se han construido colectiva y lingüísticamente.
Reconocer la IA como un agente de encuadre epistémico y discursivo proporciona la base conceptual para reexaminar el liderazgo en sí. El liderazgo en la era de la IA generativa requiere alfabetización epistémica: la capacidad de comprender cómo los sistemas de representación producen conocimiento y poder simultáneamente. Estos cambios epistémicos redefinen no solamente la autoridad, sino también la innovación misma, como un proceso relacional de construcción de significado que prospera gracias a la diversidad y el diálogo. Estas ideas constituyen el puente teórico hacia la siguiente sección, que explora cómo la autoridad y el sesgo epistémico se redistribuyen en los sistemas académicos mediados por la IA.
2.2 De la autoridad a la responsabilidad
Los modelos tradicionales de liderazgo académico se han basado en estructuras jerárquicas de autoridad, en las que la experiencia se concentra en académicos de alto nivel y en administradores institucionales. Estudios recientes muestran que la IAGen desestabiliza estas configuraciones al redistribuir el acceso a la información y el poder interpretativo entre redes de actores humanos y tecnológicos (Askew et al., 2024; Francis et al., 2025; Gkrimpizi et al., 2023; Jago & Vroom, 1977; Pallant et al., 2025). Sin embargo, como nos recuerdan Alvesson y Spicer (2014) y Collinson et al. (2018), la erosión de la jerarquía formal no elimina el poder; simplemente transforma su expresión. La autoridad se vuelve relacional, discursiva e integrada en infraestructuras sociotécnicas (Frimpong, 2025; Stark & Vanden Broeck, 2024). Desde un punto de vista sociotécnico, esta redistribución no es neutral. Los procesos algorítmicos reflejan supuestos epistémicos, jerarquías lingüísticas y asimetrías geopolíticas inherentes a sus datos de entrenamiento (Bender et al., 2021; Birhane, 2021). Los regímenes de datos con predominio del inglés, por ejemplo, amplifican ciertas lógicas culturales y marginan otras, creando lo que Birhane (2021) denomina colonialidad algorítmica. Estas dinámicas reproducen lo que Linda Tuhiwai Smith (2021) describe como «violencia epistémica»: el silenciamiento de las formas alternativas de conocimiento mediante la normalización de los paradigmas dominantes. La expansión global de las infraestructuras de modelos de lenguaje a gran escala (LLM por sus siglas en inglés) extiende así las jerarquías coloniales del conocimiento a la forma digital, integrando asimetrías heredadas en nuevas arquitecturas de cognición.
Adams (2021) y Crawford (2021) también advierten que estas infraestructuras privilegian a las instituciones ricas en datos y refuerzan las desigualdades históricas en la visibilidad académica. Para ser reconocido por los sistemas algorítmicos, el conocimiento debe existir previamente en forma mecánicamente legible. Esta lógica favorece a las universidades bien financiadas y a las editoriales angloparlantes, a la vez que invisibiliza las epistemologías periféricas. La asimetría entre quienes generan datos y quienes, a partir de sus datos, generan modelos reproduce un patrón colonial familiar: la extracción sin representación (Mhlambi & Tiribelli, 2023; Mignolo, 2009). La autoridad, antes vinculada a la experiencia posicional, se convierte así en una función de la visibilidad epistémica, cuyas contribuciones el sistema puede leer, jerarquizar y reproducir.
Como se señaló anteriormente, el declive de la jerarquía no elimina el poder, sino que transforma sus modos de funcionamiento. Por lo tanto, es esencial que el liderazgo evolucione desde la autoridad posicional hacia la gestión responsable del conocimiento. Los marcos de liderazgo relacional y distribuido proporcionan una base conceptual para esta transición (Carroll & Smolović Jones, 2018; Cunliffe & Eriksen, 2011; Raelin, 2016; Uhl-Bien, 2006). Desde estas perspectivas, el liderazgo es un proceso coconstruido que surge del diálogo, la reflexión y la práctica compartida. Este enfoque coincide con las concepciones decoloniales del liderazgo como responsabilidad relacional y como capacidad de respuesta ética frente a las asimetrías sistémicas (Chilisa, 2019; Jiménez-Luque, 2021a, 2021b).
En la educación superior, la responsabilidad epistémica implica cultivar la conciencia sobre cómo la IA media las condiciones de aprendizaje y de investigación. El profesorado y los líderes institucionales deben reconocer no sólo las eficiencias cognitivas, sino también las exclusiones epistémicas que introduce la automatización. Como argumenta Birhane (2021), la ética de la IA debe ir más allá del cumplimiento normativo hacia la responsabilidad relacional, reconociendo las consecuencias de las decisiones algorítmicas. En este sentido, el liderazgo se convierte en la capacidad de mantener un espacio reflexivo en sistemas sociotécnicos complejos (Jiménez-Luque & Yang, 2025; Yang & Jiménez-Luque, 2025). Esta capacidad reflexiva consolida la dimensión ética de la autoridad distribuida, sentando las bases para una comprensión más relacional y sistémica de la gobernanza.
2.3 Liderazgo posjerárquico como gobernanza relacional y reflexiva
El liderazgo posjerárquico replantea la estructura de la educación superior como una gobernanza adaptativa, ética y relacional. Concibe la universidad como un ecosistema de aprendizaje, orientado a la indagación y el crecimiento colectivo en lugar del control y la obediencia, donde la toma de decisiones se vuelve participativa, dialógica y reflexiva (Devies & Guthrie, 2024; Guthrie & Jenkins, 2024; Yang & Jiménez-Luque, 2025).
Esta perspectiva se alinea con las teorías de liderazgo relacional, que sostienen que la influencia surge a través de la interacción (Raelin, 2016; Uhl-Bien, 2006). El liderazgo se despliega a través de la circulación de significado entre diversos actores, como los humanos, institucionales y tecnológicos, y en los espacios interpretativos donde las diferencias pueden sostenerse y examinarse. Enfatiza el mantenimiento de las condiciones relacionales y cognitivas en las que el conocimiento y la conexión pueden florecer. Desde un punto de vista interpretativo (Fairhurst, 2005; Cornelissen & Werner, 2014; Cunliffe & Eriksen, 2011), el liderazgo no es un desempeño individual, sino un proceso dialógico mediante el cual las comunidades dan sentido a la incertidumbre y articulan un propósito compartido. La IAGen amplifica esta condición al reflejar la coherencia lingüística humana, revelando que la gobernanza en la academia contemporánea se basa menos en la jerarquía y más en la capacidad de enmarcar, traducir y mediar el significado en sistemas complejos.
Esta gobernanza relacional conlleva un imperativo ético: cultivar epistemologías plurales y la traducción intercultural como prácticas cotidianas de inclusión (Chilisa, 2019; Jiménez-Luque, 2021b; Mhlambi & Tiribelli, 2023; Mignolo, 2009). La gestión del conocimiento en un mundo interconectado requiere reflexión y humildad ante las múltiples formas de conocimiento y la valentía de mantener verdades contrapuestas en tensión generativa. La educación, en este espíritu, se convierte en un esfuerzo global compartido que también es un proceso relacional e intercultural, destinado a democratizar el acceso al conocimiento y a sustentar las condiciones colectivas de indagación. El liderazgo en este contexto funciona menos como una orden que como una mediación ética: conectando los dominios humano y tecnológico, equilibrando la eficiencia con la reflexión y la estructura con la apertura. La universidad se convierte así en un espacio de cogobernanza epistémica, donde la alfabetización algorítmica, la humildad cultural y el diálogo reflexivo se entrecruzan para mantener la integridad en una era automatizada.
La responsabilidad epistémica, introducida anteriormente como la dimensión ética de la autoridad distribuida, constituye aquí el núcleo de la gobernanza relacional e implica la conciencia de cómo el poder y el conocimiento se coproducen a través del discurso y el diseño. Gobernar de manera relacional es cultivar la capacidad de hacer una pausa, cuestionar y replantear, manteniendo la conciencia de cómo los sistemas tecnológicos moldean lo que se vuelve pensable. La práctica reflexiva ofrece un medio para operacionalizar esta responsabilidad. Como argumentan Bamberger y Schön (1983) y Cunliffe (2016), la reflexión no es un acto solitario de contemplación, sino una práctica relacional y sistémica como un diálogo continuo entre uno mismo, los demás y el contexto. Dentro de la vida académica mediada por la IA, la reflexión permite a los líderes mantener tensiones entre la eficiencia y la ética, la innovación y el cuidado, la automatización y la autenticidad.
Esta forma relacional de reflexión es inherentemente regenerativa. Permite que los sistemas aprendan de su propia complejidad, fomentando lo que Raelin (2016) describe como una práctica de liderazgo que se caracteriza por un liderazgo distribuido entre participantes que se involucran en la indagación mutua y el discernimiento ético. Esta orientación regenerativa refleja la lógica ecológica del Modelo del Árbol de Liderazgo (Jiménez-Luque & Yang, 2025), en el que el aprendizaje, la ética y la reflexión sistémica sustentan la vitalidad institucional. Esta perspectiva sienta las bases para la siguiente sección, que conceptualiza el liderazgo como un sistema ecológico de conocimiento y regeneración, integrando la responsabilidad epistémica, la autoridad distribuida y la práctica reflexiva en una visión cohesiva para la educación superior y más allá de ella.
3. MODELO CONCEPTUAL: DEL ÁRBOL DE LIDERAZGO AL ECOSISTEMA ACADÉMICO
La IA generativa introduce no solamente una transformación tecnológica, sino también un profundo cambio epistémico y ecológico en la forma en que se ejerce el liderazgo en la educación superior. Así, la tarea central no es el dominio tecnológico, sino reexaminar cómo el liderazgo, media las relaciones entre la cognición humana, las estructuras sistémicas y las formas emergentes de inteligencia colectiva (Jiménez-Luque & Yang, 2025). Con base en el Modelo del Árbol de Liderazgo (LTM), conceptualizamos las universidades como ecosistemas de aprendizaje, sostenidos por la reflexión ética, la conciencia intercultural y la adaptabilidad sistémica. Este mapeo ecológico proporciona una estructura dinámica a través de la cual el liderazgo evoluciona como práctica ética e inteligencia sistémica.
3.1 El árbol del liderazgo como sistema vivo
El Modelo del Árbol del Liderazgo (LTM) posiciona el liderazgo como un sistema vivo y regenerativo, basado en valores, relaciones y aprendizaje continuo (Yang & Jiménez-Luque, 2025). Su suelo de conciencia crítica nutre todas las demás capas, anclando el liderazgo en una ética reflexiva, decolonial e intercultural (Chilisa, 2019; Jiménez-Luque, 2021a, 2021b; Larson et al., 2024; Mhlambi & Tiribelli, 2023). Las raíces, correspondientes a la IA y las infraestructuras tecnológicas, se nutren de este suelo, ampliando el alcance analítico del sistema, a la vez que dependen de la fertilidad ética. El tronco canaliza la reflexión, la retroalimentación y el aprendizaje a través de las capas institucionales. La copa expresa el crecimiento externo del sistema, incluyendo innovaciones visibles, la circulación del conocimiento y la renovación colectiva, que, a su vez, nutren el suelo mediante la reflexión iterativa. Así, la vitalidad del ecosistema depende menos de la sofisticación de sus raíces que de la conciencia incrustada en su suelo.
El liderazgo en esta ecología implica la sintonía con la capacidad de percibir desequilibrios y de responder éticamente a las asimetrías de poder emergentes. Como señalan Carroll y Smolović Jones (2018), la reflexividad es una capacidad tanto ética como política: una conciencia continua de la propia participación en sistemas interconectados. Sin embargo, todo sistema vivo también genera procesos de sombra que ponen a prueba su integridad. Con base en el pensamiento psicodinámico de sistemas (Bion, 1961; Lyth, 1988; Obholzer, 1994), el liderazgo puede verse como la capacidad de contener las ansiedades colectivas en lugar de proyectarlas sobre estructuras tecnológicas o burocráticas. La conciencia ética, por lo tanto, comienza como una sensación afectiva, en la que los líderes perciben desequilibrios antes de que se articulen por completo, vinculando la emoción y la cognición ética como dimensiones mutuamente constitutivas del aprendizaje.
3.2 Integración de la IA en el ecosistema de liderazgo
Como señalan los estudiosos críticos de la IA (Adams, 2021; Birhane, 2021; Bozkurt & Oyman Bozkurt, 2025; Crawford, 2021; Frimpong, 2025; Larson et al., 2024; Ofosu-Asare, 2024; Stark & Vanden Broeck, 2024), este terreno digital está plagado de desigualdades históricas y sesgos algorítmicos, además de que los sistemas de clasificación siguen siendo actos morales que la automatización simplemente escala (Bowker & Star, 2000). Por lo tanto, el liderazgo requiere un filtro ético en los ecosistemas de aprendizaje, detectando dónde la automatización acelera la comprensión y dónde la dificulta.
Desde una perspectiva psicodinámica de sistemas, la IA funciona como un contenedor de la ansiedad institucional. Delegar el juicio en las máquinas externaliza la incertidumbre y ofrece la ilusión de un orden restaurado. Sin embargo, esta proyección genera disonancia ética: una brecha entre la coherencia técnica y la comprensión moral. Como enfatizan Raelin (2016) y Cunliffe y Eriksen (2011), la práctica de liderazgo comienza por tratar dicha disonancia como una señal para la reflexión colectiva. La tarea consiste en mantener la tensión para que la perturbación contribuya al proceso de aprendizaje. Dentro del LTM, este ciclo enriquece continuamente el sustrato de la conciencia crítica: las raíces (sistemas de IA) extraen nutrientes éticos e informativos, el tronco traduce la tensión en indagación y la copa devuelve la comprensión mediante la reflexión regenerativa.
Desde una perspectiva decolonial, la integración es un desafío ecológico, no meramente técnico. Exige sensibilidad sistémica, la capacidad de percibir los límites del desequilibrio que la automatización oculta y de restablecer la circulación ética en todo el sistema. A través de la ética relacional (Birhane, 2021) y un compromiso con la justicia epistémica (Jiménez-Luque, 2021b), el liderazgo transforma la IA de ser un depósito de ansiedad a un medio de concienciación y renovación.
3.3 La universidad posjerárquica
En esta visión integrada, la universidad se asemeja más a un ecosistema forestal que a una estructura jerárquica. El conocimiento fluye horizontalmente a través de redes de colaboración, reflexión e innovación, mientras que la autoridad se distribuye entre educadores, estudiantes, comunidades y sistemas inteligentes que participan en la cocreación. En las universidades posjerárquicas, la legitimidad ya no deriva de la autoridad posicional, sino de la calidad de la reflexión colectiva que guía la interpretación y la acción (Raelin, 2016; Uhl-Bien, 2006; Devies & Guthrie, 2024). La gobernanza se convierte en una práctica continua de coordinación de significados mediante el diálogo entre diversas perspectivas en lugar de imponer uniformidad. Las decisiones adquieren legitimidad gracias a la transparencia de su razonamiento, la inclusión de su formulación y la capacidad de los líderes para abordar la incertidumbre antes de que se convierta en dogma.
A medida que la automatización acelera la vida académica, el centro moral de las universidades corre el riesgo de ser externalizado hacia métricas y modelos. La ética relacional (Birhane, 2021) ofrece un contrapeso al fundamentar la legitimidad en el cuidado, el diálogo y la responsabilidad, en lugar de la eficiencia procedimental. La gobernanza centrada en la empatía y la rendición de cuentas resiste la deriva hacia la abstracción algorítmica. En este contexto, los líderes deben encarnar dos funciones complementarias: el observador, que mantiene la distancia cognitiva y la conciencia de patrones en todos los sistemas, y el contenedor, que alberga el afecto y la ambivalencia para que el significado permanezca anclado en la experiencia humana. El observador mantiene visible la complejidad; el contenedor mantiene viva la coherencia. Juntos preservan la capacidad de la institución en el nombre de la responsabilidad epistémica: el mantenimiento del espacio reflexivo en las temporalidades comprimidas de la automatización (Bion, 1961; Lyth, 1988; Obholzer, 1994).
Desde esta perspectiva, la gobernanza es un sistema que considera la conciencia como un recurso organizacional y como una forma de infraestructura. Los sistemas conscientes se autoobservan y se autorenuevan: aprenden no solamente de los resultados, sino también de sus propios modos de percepción. En este movimiento recursivo, la conciencia funciona como un circuito de retroalimentación ecológica que renueva la vitalidad moral y cognitiva de la organización. La autoridad no se define por el mando, sino por la capacidad del sistema para coordinar los flujos éticos, cognitivos y relacionales con transparencia y humildad.
El liderazgo, por lo tanto, depende de la capacidad de la organización para percibir (en lugar de suprimir) las tensiones que indican un desequilibrio sistémico. Exige la valentía de detenerse en la aceleración, de contener las contradicciones sin una resolución prematura y de convertir la perturbación, en lugar de control, en aprendizaje. El liderazgo, en este sentido, es un acto ecológico de atención, la disciplina de mantener la conciencia, el cuidado y el aprendizaje en circulación para que las instituciones permanezcan conscientes de su propia complejidad (Bion, 1961; Lyth, 1988; Obholzer, 1994).
4. IMPLICACIONES PRÁCTICAS
La metáfora ecológica del liderazgo como sistema vivo invita a pasar de la interpretación a la puesta en práctica, de analizar el liderazgo como una red de cognición e influencia a practicarlo como una forma de gestión ética e intercultural. En entornos académicos mediados por la IA, el liderazgo se convierte en un modo de gobernanza epistémica: sostiene las condiciones morales, relacionales e institucionales que permiten que el conocimiento se mantenga reflexivo, plural y regenerativo.
Esta sección final extiende la síntesis teórica a la praxis. Explora cómo el liderazgo académico puede defender la integridad ética, la autoridad distribuida y la inclusión intercultural al navegar por los sistemas aumentados por la IA. El debate se desarrolla en cuatro dimensiones interrelacionadas: administración ética, liderazgo distribuido, infraestructura reflexiva y responsabilidad intercultural como justicia epistémica.
4.1 Administración ética
Una administración ética requiere que las instituciones desarrollen mecanismos que integren la reflexión ética en la toma de decisiones cotidianas, como el diseño curricular, la gobernanza de datos, la evaluación de la investigación y la adopción de tecnología. Gestionar éticamente implica equilibrar la eficiencia con el discernimiento. La automatización acelera los procesos administrativos y de investigación, pero sin una mediación reflexiva, corre el riesgo de sustituir la optimización por el juicio. El concepto de ética relacional de Birhane (2021) ofrece una solución: la ética no es el cumplimiento, sino la atención constante a las consecuencias. En la educación superior, esto implica cultivar estructuras para la observación ética y espacios en los que el profesorado, el alumnado y el personal puedan articular las tensiones entre las exigencias procedimentales y la comprensión moral antes de que se transformen en políticas.
La administración ética también implica la transparencia del razonamiento. Las decisiones sobre algoritmos, currículos o evaluación deben revelar no solamente los resultados, sino también los marcos de valores que los guían. Hacer visible el razonamiento es, en sí mismo, una forma de rendición de cuentas y transforma la ética de una declaración en una indagación compartida. En este sentido, el liderazgo se centra menos en regular el comportamiento y más en promover las condiciones de integridad, garantizando que la reflexión permanezca integrada en el núcleo operativo de la universidad.
Esta administración fundamenta su legitimidad en la capacidad de respuesta, no en el control. Cuando las instituciones practican la reflexión ética colectivamente, transforman la incertidumbre en aprendizaje y restauran la confianza en sistemas cada vez más moldeados por la automatización. El liderazgo se convierte así en una ecología moral, una negociación continua entre las posibilidades tecnológicas y el juicio humano, mediante la cual la educación superior sostiene su propósito como espacio de indagación y cuidado.
4.2 Liderazgo distribuido y gobernanza posjerárquica
El liderazgo distribuido traduce la ética de la administración en el diseño de la gobernanza, redistribuyendo la toma de decisiones y la rendición de cuentas entre actores interconectados. Esta redistribución transforma el liderazgo de mando jerárquico en un proceso dialógico de coordinación, donde la autoridad para la toma de decisiones y la responsabilidad ética circulan juntas.
En la educación superior, dicha distribución no es meramente organizacional, sino también epistémica. Los sistemas de conocimiento dependen de cómo se producen colectivamente la autoridad, la interpretación y el valor (Jiménez-Luque & Yang, 2025). Por lo tanto, la gobernanza distribuida requiere una gestión epistémica: la capacidad de mantener la coherencia a través de las diferencias sin que éstas se conviertan en consenso. Los comités, los consejos interdisciplinarios y las redes de aprendizaje interdisciplinarias encarnan este principio al crear foros reflexivos para la colaboración y la negociación, en lugar de la obediencia burocrática.
Sin embargo, la gobernanza colaborativa se enfrenta a riesgos recurrentes. Cuando se desmantela la jerarquía, a menudo regresa con formas más sutiles: la experiencia se convierte en poder simbólico; el carisma sustituye a la deliberación; la autoridad algorítmica reemplaza al juicio humano. Por lo tanto, el liderazgo en sistemas distribuidos debe permanecer atento a cómo se reorganiza el poder en las redes. Además, es clave tener en cuenta que la erosión de la jerarquía formal no disuelve el control, ya que este reaparece a través de la cultura, el discurso y la mediación tecnológica (Alvesson & Spicer, 2014; Collinson et al., 2018).
La tarea del liderazgo, entonces, es mantener un diálogo reflexivo a través de estas tensiones. Cunliffe y Eriksen (2011) describen el liderazgo colaborativo como una conversación continua de búsqueda de sentido, en lugar de una delegación. El diálogo garantiza que el desacuerdo se convierta en una fuente de aprendizaje, en lugar de una amenaza al orden. Desde esta perspectiva, el liderazgo distribuido no es la difusión del poder, sino el cultivo del discernimiento mutuo, lo que contribuye a la capacidad de mantener la pluralidad sin fragmentación.
Finalmente, la gobernanza colaborativa depende de la infraestructura de confianza. La transparencia de los procesos, la inclusión de las voces y la claridad de la justificación ética permiten que la autoridad circule sin coerción. Cuando las universidades institucionalizan dicha confianza mediante plataformas de toma de decisiones compartida, evaluaciones participativas o deliberación abierta, y establecen la gobernanza como una ecología viva en lugar de una jerarquía estática, fomentan una participación significativa. El liderazgo se convierte así en una capacidad sistémica: la capacidad de la organización para mantener la coherencia, la adaptabilidad y la atención en una complejidad distribuida.
4.3 La reflexión regenerativa como práctica sistémica
La transformación de la autoridad académica ante la intensificación de la IA requiere no sólo conciencia ética y una estructura distribuida, sino también reflexión regenerativa y la capacidad sistémica de aprender, desaprender y realinear con el tiempo (Yang & Jiménez-Luque, 2025). La reflexión, en este sentido, no es una introspección individual, sino un proceso de retroalimentación mediante el cual las instituciones mantienen su vitalidad moral y epistémica.
Basándose en la teoría de sistemas (Capra, 1996; Senge, 1990), el Modelo del Árbol de Liderazgo conceptualiza la regeneración como la renovación cíclica de la energía ética y relacional. Es a través de ciclos de retroalimentación que las comunidades académicas reconocen las distorsiones, recuperan el equilibrio y restauran la integridad. A medida que la automatización acelera los ciclos de decisión, las pausas reflexivas que permiten el discernimiento se vuelven menos frecuentes y cada vez más esenciales. Estas pausas no son ineficiencias, sino las condiciones del juicio ético, que permiten a los sistemas procesar la complejidad sin caer en la reacción.
Para institucionalizar esta función regenerativa, las universidades deben diseñar infraestructuras reflexivas: arquitecturas en las que el diálogo, la crítica y el aprendizaje se integren en las rutinas organizacionales. Algunos ejemplos incluyen programas de alfabetización algorítmica, revisiones éticas participativas y foros colaborativos de comprensión que involucran a educadores, estudiantes y diseñadores de IA. La reflexión se vuelve estructural en lugar de episódica, un patrón de la vida organizacional en lugar de un gesto reactivo.
Como argumentan Raelin (2016) y Cunliffe (2016), el aprendizaje del liderazgo debe pasar del nivel individual al colectivo. La infraestructura reflexiva ancla este movimiento, convirtiendo la retroalimentación en renovación y la tensión en crecimiento. Cuando la infraestructura reflexiva funciona bien, sirve como una forma de contención institucional (Bion, 1961): un entorno de contención en el que la ansiedad se transforma en información y el aprendizaje en regeneración. De esta manera, la reflexión misma se convierte en el metabolismo ecológico de la universidad, que presenta un proceso rítmico mediante el cual la conciencia circula, se restaura la coherencia y la organización permanece atenta a su propio devenir.
4.4 Responsabilidad intercultural y justicia epistémica
A medida que la educación superior se ve cada vez más imbricada con las infraestructuras algorítmicas y los flujos transnacionales de conocimiento, el liderazgo debe extender la reflexión ética más allá de lo institucional y hacia lo intercultural. La justicia epistémica, como la articulan Chilisa (2019) y Jiménez-Luque (2021b), exige que las universidades no solamente cuestionen lo que se sabe, sino también cómo se organiza el conocimiento mismo, cuyos lenguajes, historias y cosmovisiones definen la legitimidad.
En este sentido, la responsabilidad intercultural no es un complemento de la gobernanza ética; es su horizonte. Así, el desafío aquí reside en desarrollar estructuras capaces de reconocer y mantener la diferencia epistémica sin reducirla a una inclusión simbólica. Birhane (2021) advierte que los sistemas algorítmicos, entrenados con datos lingüísticos y culturales desiguales, extienden las jerarquías coloniales a las arquitecturas digitales. Sin embargo, la solución no reside simplemente en diversificar los conjuntos de datos, sino en cultivar la reflexividad intercultural y la capacidad organizativa para observar desde más de una perspectiva epistémica a la vez. Dicha reflexividad requiere prácticas deliberadas de traducción, diálogo y cocreación entre las tradiciones de conocimiento.
Desde la perspectiva del liderazgo, la responsabilidad intercultural implica reimaginar la excelencia como pluralidad epistémica, en lugar de un desempeño uniforme. Jiménez-Luque y Yang (2025) argumentan que la innovación auténtica surge de la fricción entre diversos sistemas de significado, no de su homogeneización. Las universidades que consideran la diversidad como infraestructura y condición generadora de la indagación transitan de la inclusión representativa hacia la cogobernanza epistémica. Algunos ejemplos incluyen iniciativas de publicación multilingüe, alianzas regionales de conocimiento y procesos de revisión ética que priorizan las epistemologías indígenas y locales en el diseño de la investigación. Estos no son gestos de equidad, sino mecanismos para redistribuir el poder interpretativo.
La responsabilidad intercultural también transforma el significado mismo del liderazgo. Liderar interculturalmente consiste en mediar entre múltiples mundos de sentido, protegiendo la integridad de cada uno. Es una práctica de traducción ética que resiste tanto al universalismo como al relativismo: el liderazgo se convierte en la capacidad de sostener el diálogo a través de las asimetrías sin borrarlas. De esta manera, la justicia epistémica extiende la lógica regenerativa de la reflexión al ámbito global. Así como la infraestructura reflexiva mantiene la conciencia en las instituciones, la administración intercultural mantiene la capacidad de respuesta en la ecología del conocimiento compartido de la humanidad (Mhlambi & Tiribelli, 2023; Mignolo, 2009).
En última instancia, la justicia epistémica plantea el liderazgo como la labor continua de reequilibrio entre lo local y lo global, entre lo humano y lo tecnológico, entre la tradición y la transformación. En un mundo mediado por la IA, liderar ética e interculturalmente implica garantizar que la cognición siga siendo plural, que ningún sistema monopolice el significado y que las condiciones del conocimiento permanezcan abiertas a la renovación. La tarea culminante de la gobernanza posjerárquica sería transformar la educación superior en una ecología viva de reflexión y reciprocidad, donde la diversidad no se gestione, sino que se transforme en aprendizaje colectivo.
4. DISCUSIÓN Y CONCLUSIÓN
Repensar el liderazgo para futuros posjerárquicos implica reconocer que el desafío central de la era de la IA no reside en la tecnología en sí, sino en cómo las instituciones organizan los aprendizajes éticos y epistémicos. A medida que el conocimiento se coproduce entre sistemas humanos y algorítmicos, la pregunta ya no es si la IA puede liderar, sino cómo debe evolucionar el liderazgo cuando la cognición y la autoridad se distribuyen. El liderazgo, en este sentido, se convierte en una práctica epistémica y ética, una negociación continua entre la tecnología, la conciencia y el propósito colectivo.
Los marcos desarrollados a lo largo de este artículo, considerando la responsabilidad ética, la gobernanza distribuida, la infraestructura reflexiva y la responsabilidad intercultural, representan en conjunto dimensiones complementarias de un único ethos sistémico. La responsabilidad ética fundamenta la vida institucional en la responsabilidad relacional; el liderazgo distribuido transforma la jerarquía en diálogo; la infraestructura reflexiva integra la conciencia en el aprendizaje organizacional; y la responsabilidad intercultural garantiza que las epistemologías plurales permanezcan visibles en los sistemas globales de conocimiento.
Este trabajo contribuye a los campos del liderazgo y la educación al proponer la integración de tres ejes críticos en la formación en liderazgo: perspectivas relacionales y colectivas, una atención explícita a las dinámicas de poder y la incorporación de miradas interculturales que amplían la diversidad epistémica. Asimismo, el artículo aporta una profundización en la importancia del contexto para comprender cualquier manifestación de liderazgo. Los contextos sociales, culturales, históricos y simbólicos que moldean nuestras prácticas de liderazgo son claves y las teorías dominantes deben reconocer las relaciones sociohistóricas de poder propias de cada situación. Esta perspectiva contextualizada que contempla la responsabilidad ética y epistémica permite diseñar procesos educativos basados en la IA más sensibles y pertinentes para realidades diversas.
En definitiva, liderar en la era de la IA implica gestionar la ecología misma de la comprensión, creando espacios donde diversas formas de conocimiento puedan coexistir, evolucionar y renovarse mutuamente. Desde esta perspectiva, el futuro del liderazgo académico no reside en dominar la tecnología, sino en garantizar que ésta permanezca arraigada en los fundamentos éticos y epistémicos de la humanidad, para que el conocimiento, en toda su pluralidad, siga creciendo.
REFERENCIAS
Adams, R. (2021). Can artificial intelligence be decolonized? Interdisciplinary Science Reviews, 46(1–2), 176–197. https://doi.org/10.1080/03080188.2020.1840225
Alvesson, M., & Spicer, A. (2014). Critical perspectives on leadership. The Oxford Handbook of Leadership and Organizations, 40–56.
Askew, T., Mathew, R., Fishman, T., Kunkel, D., & Caron, B. (2024). How higher education can realize the potential of Generative AI. Deloitte Center for Government Insights. https://www.deloitte.com/us/en/insights/industry/articles-on-higher-education/generative-ai-higher-education.html
Bamberger, J., & Schön, D. A. (1983). Learning as Reflective Conversation with Materials: Notes from Work in Progress. Art Education, 36(2), 68–73. https://doi.org/10.1080/00043125.1983.11653404
Beer, D. (2017). The social power of algorithms. Information, Communication & Society, 20(1), 1–13. https://doi.org/10.1080/1369118X.2016.1216147
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the Dangers of Stochastic Parrots: Can Language Models Be Too Big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency, 610–623. https://doi.org/10.1145/3442188.3445922
Bion, W. R. (1961). Experiences in Groups: I. Human Relations, 1(3), 314–320. https://doi.org/10.1177/001872674800100303
Birhane, A. (2021). Algorithmic injustice: A relational ethics approach. Patterns, 2(2), 100205. https://doi.org/10.1016/j.patter.2021.100205
Bourdieu, P. (1991). Estructuras, habitus, prácticas. En Pierre Bourdieu, El Sentido Práctico (pp. 91–111). 1era ed. Siglo XXI Editores.
Bowker, G. C., & Star, S. L. (2000). Sorting things out: Classification and its consequences. MIT Press.
Bozkurt, E., & Oyman Bozkurt, N. (2025). Algorithmic authority and the ethical turn in educational technology: A praxis-oriented approach. Journal of Applied Philosophy of Education, 1(1), 12–28. https://doi.org/10.5281/zenodo.17562554
Capra, F. (1996). The web of life: A new synthesis of mind and matter (Vol. 132). HarperCollins London.
Carroll, B., & Smolović Jones, O. (2018). Mapping the aesthetics of leadership development through participant perspectives. Management Learning, 49(2), 187–203. https://doi.org/10.1177/1350507617738405
Chen, X., & Zmire, Z. (2024). AI’s Role in Enhancing Cross-Cultural Competence and Leadership through Online Education Programs. Proceedings of The International Conference on New Findings in Humanities and Social Sciences, 1(1), 1–16. https://doi.org/10.33422/hsconf.v1i1.268
Chilisa, B. (2019). Indigenous research methodologies. Sage Publications.
Chin, J. L., & Trimble, J. (2015). Diversity and leadership. Sage.
Collinson, D., Smolović Jones, O., & Grint, K. (2018). ‘No More Heroes’: Critical Perspectives on Leadership Romanticism. Organization Studies, 39(11), 1625–1647. https://doi.org/10.1177/0170840617727784
Collinson, D., & Tourish, D. (2015). Teaching Leadership Critically: New Directions for Leadership Pedagogy. Academy of Management Learning & Education, 14(4), 576–594. https://doi.org/10.5465/amle.2014.0079
Cornelissen, J. P., & Werner, M. D. (2014). Putting Framing in Perspective: A Review of Framing and Frame Analysis across the Management and Organizational Literature. Academy of Management Annals, 8(1), 181–235. https://doi.org/10.5465/19416520.2014.875669
Couldry, N., & Mejias, U. A. (2019). Data Colonialism: Rethinking Big Data’s Relation to the Contemporary Subject. Television & New Media, 20(4), 336–349. https://doi.org/10.1177/1527476418796632
Crawford, K. (2021). The atlas of AI: Power, politics, and the planetary costs of artificial intelligence. Yale University Press.
Cunliffe, A. L. (2016). “On Becoming a Critically Reflexive Practitioner” Redux: What Does It Mean to Be Reflexive? Journal of Management Education, 40(6), 740–746. https://doi.org/10.1177/1052562916668919
Cunliffe, A. L., & Eriksen, M. (2011). Relational leadership. Human Relations, 64(11), 1425–1449. https://doi.org/10.1177/0018726711418388
Devies, B., & Guthrie, K. L. (2024). Engaging, observing, and reflecting: Utilizing the leadership learning framework as an instructional tool. New Directions for Student Leadership, 2024(183), 157–165. https://doi.org/10.1002/yd.20629
Fairhurst, G. T. (2005). Reframing The Art of Framing: Problems and Prospects for Leadership. Leadership, 1(2), 165–185. https://doi.org/10.1177/1742715005051857
Ford, J. (2015). Leadership, post-structuralism and the performative turn. In Carroll, B., Ford, J., & Taylor, S. (Eds.), Leadership: Contemporary critical perspectives (pp. 233-252). Sage.
Foucault, M. (1980). Language, counter-memory, practice: Selected essays and interviews. Cornell University Press.
Francis, N. J., Jones, S., & Smith, D. P. (2025). Generative AI in Higher Education: Balancing Innovation and Integrity. British Journal of Biomedical Science, 81, 14048. https://doi.org/10.3389/bjbs.2024.14048
Frimpong, V. (2025). Algorithmic authority and the complexities of delegated decision-making: Case studies on ethical challenges for 21st-century leadership. International Journal of Organizational Leadership, 14(3), 637–655. https://doi.org/10.33844/ijol.2025.60525
Gillespie, T. (2019). Custodians of the Internet: Platforms, Content Moderation, and the Hidden Decisions That Shape Social Media. Yale University Press. https://doi.org/10.12987/9780300235029
Gkrimpizi, T., Peristeras, V., & Magnisalis, I. (2023). Classification of Barriers to Digital Transformation in Higher Education Institutions: Systematic Literature Review. Education Sciences, 13(7), 746. https://doi.org/10.3390/educsci13070746
Guthrie, K. L., & Jenkins, D. M. (2024). Shifting From Education to Learning: Leadership Learning Framework. New Directions for Student Leadership, 2024(183), 13–22. https://doi.org/10.1002/yd.20619
Hall, S. (1997). Culture and Power. Radical Philosophy, 86(27), 24–41.
Jago, A. G., & Vroom, V. H. (1977). Hierarchical Level and Leadership Style. En: Organizational Behavior and Human Performance, 18, 131-145. https://web.mit.edu/curhan/www/docs/Articles/15341_Readings/Leadership/Jago.pdf
Jiménez-Luque, A. (2021a). Redefining Leadership Through the Commons: An Overview of Two Processes of Meaning-making and Collective Action in Barcelona. In D. P. Singh, R. J. Thompson, & K. A. Curran (Eds.), Building Leadership Bridges (pp. 81–95). Emerald Publishing Limited. https://doi.org/10.1108/S2058-880120210000001005
Jiménez-Luque, A. (2021b). Reframing the past to legitimate the future: Building collective agency for social change through a process of decolonizing memory. Leadership, 17(5), 586–605. https://doi.org/10.1177/1742715021999892
Jimenez-Luque, A. & Yang, Y. (2025). Generative AI powered by large language models for leadership development: Between epistemic responsibility and the future of innovation. In Bakken, R., Leadership and technology. Emerald (In press).
Jimenez-Luque, T. (2018). Decolonizing leadership studies: Overcoming obstacles toward an intercultural dialogue between knowledges. Studies of Changing Societies Journal, 1, 104-127.
Larson, B. Z., Moser, C., Caza, A., Muehlfeld, K., & Colombo, L. A. (2024). From the editors: Critical thinking in the age of generative AI. Academy of Management Learning & Education. https://doi.org/10.5465/amle.2024.0338
Lyth, I. M. (1988). Social systems as a defense against anxiety.Mhlambi, S., & Tiribelli, S. (2023). Decolonizing AI ethics: Relational autonomy as a means to counter AI harms. Topoi, 42, 867–880. https://doi.org/10.1007/s11245-022-09874-2
Mhlambi, S., & Tiribelli, S. (2023). Decolonizing AI ethics: Relational autonomy as a means to counter AI harms. Topoi, 42, 867–880. https://doi.org/10.1007/s11245-022-09874-2
Mignolo, W. D. (2009). Epistemic disobedience, independent thought and decolonial freedom. Theory, Culture & Society, 26(7–8), 159–181. https://doi.org/10.1177/0263276409349275
Obholzer, A. (1994). Authority, power and leadership: Contributions from group relations training. In The Unconscious at Work (pp. 59–70). Routledge.
Obholzer, A., Roberts, D.V.Z., & Members of the Tavistock Clinic ' Consulting to Institutions' Workshop, (Eds.). (1994). The Unconscious at Work: Individual and Organizational Stress in the Human Services (1st ed.). Routledge. https://doi.org/10.4324/9780203359860
Ofosu-Asare, Y. (2024). Cognitive imperialism in artificial intelligence: Counteracting bias with indigenous epistemologies. AI & SOCIETY. https://doi.org/10.1007/s00146-024-02065-0
Pallant, J. L., Blijlevens, J., Campbell, A., & Jopp, R. (2025). Mastering knowledge: The impact of generative AI on student learning outcomes. Studies in Higher Education, 1–22. https://doi.org/10.1080/03075079.2025.2487570
Raelin, J. A. (2016). Imagine there are no leaders: Reframing leadership as collaborative agency. Leadership, 12(2), 131–158. https://doi.org/10.1177/1742715014558076
Senge, P. M. (1990). The fifth discipline: The art and practice of the learning organization. Doubleday/Currency.
Smith, L. T. (2021). Decolonizing methodologies: Research and indigenous peoples. Bloomsbury Publishing.
Stark, D., & Vanden Broeck, P. (2024). Principles of algorithmic management. Organization Theory, 5(2),1-24. https://doi.org/10.1177/26317877241257213
Uhl-Bien, M. (2006). Relational Leadership Theory: Exploring the social processes of leadership and organizing. The Leadership Quarterly, 17(6), 654–676. https://doi.org/10.1016/j.leaqua.2006.10.007
Yang, Y., & Jimenez-Luque, A. (2025). The Leadership Tree Model: A Global and AI-Enhanced Framework for Leadership Development. New Directions for Student Leadership, n/a(n/a). https://doi.org/10.1002/yd.20674
Zuboff, S. (2019). Surveillance Capitalism and the Challenge of Collective Action. New Labor Forum, 28(1), 10–29. http://doi.org/10.1177/1095796018819461
Cómo citar (APA):
Antonio Jiménez-Luque, A., Yang, Y. y Penha-Vasconcelos, C. (2025). Inteligencia artificial y liderazgo posjerárquico en educación superior: responsabilidad, reflexión y aprendizaje ético y epistémico. Revista Educación Superior y Sociedad (ESS), 37(2), 327-344. DOI: 10.54674/ess.v37i2.1139