Contexto: La expansión de la inteligencia artificial generativa (IAG) está transformando la educación superior y plantea nuevos desafíos para la docencia, el aprendizaje y la evaluación. Su incorporación ofrece oportunidades para optimizar procesos educativos, pero también genera riesgos relacionados con la dependencia tecnológica, la descarga cognitiva y la validez de los mecanismos tradicionales de evaluación. Objetivo: Analizar la incorporación de la inteligencia artificial generativa en la docencia, el aprendizaje y la evaluación de la educación superior. Método: Se realizó una revisión sistemática siguiendo el método PRISMA. Se identificaron, cribaron y seleccionaron 28 estudios publicados entre 2022 y julio de 2026, procedentes de siete bases de datos internacionales y regionales. La evidencia fue analizada considerando las principales aplicaciones, beneficios, riesgos y tendencias metodológicas relacionadas con la incorporación de la IAG en la universidad. Resultados: Los hallazgos evidenciaron un campo emergente, caracterizado por el predominio de encuestas transversales y experimentos de corta duración, una fuerte presencia de estudios europeos y asiáticos y una producción iberoamericana limitada. En la docencia se observó una aceptación tecnológica creciente vinculada con la necesidad de fortalecer la alfabetización digital. En el aprendizaje, las ganancias de eficiencia y personalización coexistieron con riesgos de descarga cognitiva y dependencia tecnológica. En la evaluación, las pruebas escritas tradicionales mostraron vulnerabilidades, mientras que los detectores automáticos presentaron baja fiabilidad. Conclusiones: La incorporación de la inteligencia artificial generativa en la educación superior requiere un rediseño pedagógico que considere sus posibilidades y limitaciones. Este proceso debe complementarse con políticas institucionales, formación docente y criterios de uso crítico y ético, orientados a preservar la autonomía intelectual, la calidad del aprendizaje y la integridad académica.
Context: The rapid expansion of generative artificial intelligence (GenAI) is transforming higher education and posing new challenges for teaching, learning, and assessment. Its integration offers opportunities to optimize educational processes but also raises concerns regarding technological dependence, cognitive offloading, and the validity of traditional assessment methods. Objective: To analyze the integration of generative artificial intelligence into teaching, learning, and assessment in higher education. Method: A systematic literature review was conducted following the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) guidelines. A total of 28 studies published between 2022 and July 2026 were identified, screened, and selected from seven international and regional databases. The evidence was analyzed in terms of the main applications, benefits, risks, and methodological trends associated with the integration of GenAI into university education. Results: The findings revealed an emerging research field characterized by the predominance of cross-sectional surveys and short-term experiments, a strong concentration of studies conducted in Europe and Asia, and limited scholarly output from Ibero-America. In teaching, increasing acceptance of the technology was observed, alongside a growing need to strengthen digital literacy. In learning, improvements in efficiency and personalization coexisted with risks of cognitive offloading and technological dependence. Regarding assessment, traditional written examinations exhibited vulnerabilities, while automated AI detection tools demonstrated low reliability. Conclusions: The integration of generative artificial intelligence into higher education requires pedagogical redesign that accounts for both its potential and its limitations. This process should be supported by institutional policies, teacher professional development, and guidelines for the critical and ethical use of GenAI, aimed at preserving intellectual autonomy, the quality of learning, and academic integrity.