¿Qué universidad queremos en la era de la IA?

Las universidades dentro de cinco o diez años serán muy distintas de las que conocemos hoy, y sin embargo seguimos planificándolas como si el mundo cambiara despacio. La reciente discusión sobre nuestro plan de desarrollo institucional a cinco años me recordó inevitablemente a los planes quinquenales de la Unión Soviética: documentos minuciosos que intentaban anticiparlo todo, desde la producción de acero hasta la cosecha de papas. Eran ejercicios de control sobre un futuro que ya entonces se resistía a ser domado; hoy esa ilusión es todavía más frágil. Si en gran parte del siglo XX podían pasar décadas entre un descubrimiento científico y su impacto social, en los últimos diez años hemos visto tecnologías nacer, madurar y volverse obsoletas en el lapso de una carrera universitaria.

En ese contexto, sorprende que muchos planes estratégicos universitarios mencionen la inteligencia artificial casi como un guiño obligado, sin indicadores concretos ni acciones que reflejen que la IA ya está aquí, instalada como un elefante en la habitación. No es un tema del futuro: los estudiantes ya la usan para hacer tareas, estudiar, traducir, resumir, programar y hasta para decidir qué cursos tomar. El profesorado también la usa, aunque a veces en voz baja, para preparar materiales, generar código, diseñar rúbricas o redactar informes. La pregunta no es si la IA “llegará” a la universidad, sino qué haremos con el hecho de que ya es parte del ecosistema de aprendizaje, nos guste o no.

Esto exige repensar la manera en que concebimos la transmisión del conocimiento. Siempre digo a mis estudiantes que no vinieron a la universidad a acumular fórmulas, sino a aprender cómo aprender. Hoy tiene muy poco sentido evaluar la capacidad de memorizar o resolver a mano una integral particularmente enrevesada que un software, o un asistente de IA, resuelve en segundos. Mucho más relevante es que sepan en qué situaciones necesitan plantear una integral, cómo modelar un fenómeno físico, cómo traducir un problema del mundo real a un lenguaje matemático y, sobre todo, cómo cuestionar si el modelo que están usando tiene sentido. La habilidad crítica no está en la última línea del cálculo, sino en las primeras líneas del planteamiento.

La diferencia no es retórica; se expresa en la práctica docente cotidiana. Durante casi dos años estuvimos desarrollando un curso en línea de Física General (FIS100) que se imparte en verano. Una de las tareas más extenuantes fue la elaboración de centenares de preguntas para cuestionarios de práctica, cada una con su retroalimentación detallada, todo programado en LaTeX y en el formato adecuado para subirlo a la plataforma institucional. Fueron muchas horas de trabajo académico invertidas para alcanzar finalmente un banco de más de mil preguntas cuidadosamente revisadas. En su momento, era lo que había que hacer si queríamos ofrecer un curso de calidad, interactivo y con práctica abundante.

Hoy, mientras dicto el curso de Termodinámica y Calor (FIS131), puedo pedir a una herramienta de IA que genere veinte preguntas al nivel de un texto clásico como el Sears y Zemansky, con retroalimentación incluida y en formato listo para importar a nuestro banco de preguntas. En cuestión de minutos, las tengo en la plataforma, disponibles para que los estudiantes practiquen de cara a un control o a un certamen. Es muy probable que aquel curso en línea que nos tomó casi dos años construir hoy podría diseñarse en medio año, manteniendo o incluso mejorando la calidad de muchos de sus componentes. La diferencia es brutal: donde antes teníamos un cuello de botella de tiempo académico, hoy tenemos un asistente que multiplica nuestra capacidad de producción.

La experiencia no es exclusiva de la docencia. En el mundo de la programación, la IA ya genera bloques de código, sugiere funciones, detecta errores y acelera pruebas que antes requerían equipos completos de desarrolladores juniors. En tareas administrativas y de gestión, automatiza redacción de informes, consolida bases de datos, agenda reuniones, clasifica correos y hasta prepara borradores de políticas internas. En empresas de servicios, asume parte del soporte al cliente, la atención inicial de consultas y la elaboración de reportes estándar. No es que la IA “roce” estas áreas: ya está sustituyendo tareas concretas, reduciendo la necesidad de ciertas posiciones de entrada y forzando a los trabajadores a moverse hacia funciones más complejas, más creativas o simplemente diferentes.

Si extrapolamos esta tendencia unos años hacia adelante, el panorama universitario cambia de manera profunda. En cinco años es probable que la mayoría de las universidades ofrezcan cursos híbridos donde los contenidos básicos se apoyen fuertemente en recursos generados o curados por IA, mientras las sesiones presenciales se concentran en discusión, resolución de problemas y proyectos. En diez años no es descabellado imaginar sistemas personalizados que acompañen a cada estudiante durante toda su trayectoria, proponiéndole rutas de aprendizaje, materiales adaptados a su nivel, ejercicios específicos para sus brechas y evaluaciones continuas bastante más finas que nuestros actuales controles y certámenes.

Frente a esto, la pregunta que deberíamos hacernos como comunidad académica no es tanto “cómo nos defendemos de la IA”, sino “qué tipo de universidad queremos construir en este nuevo entorno”. Si dejamos que las fuerzas externas decidan por nosotros, corremos el riesgo de convertirnos en meros certificadores de competencias estandarizadas generadas por plataformas externas. Si, en cambio, asumimos el cambio de frente, podríamos concentrar el tiempo humano —el recurso más escaso— en aquello que la IA todavía no hace bien: formar criterio, orientar vocaciones, acompañar procesos personales de aprendizaje, cultivar la curiosidad y sostener espacios de pensamiento crítico y diálogo interdisciplinario.

Eso implica revisar con honestidad nuestros planes de desarrollo institucional. No basta con mencionar la inteligencia artificial en una línea del diagnóstico o en un objetivo genérico. Necesitamos decisiones concretas: ¿cómo cambia la forma de evaluar para que tenga sentido en un mundo de asistentes omnipresentes? ¿Qué competencias transversales queremos que distingan a nuestros egresados en diez años, más allá de la técnica específica de hoy? ¿Qué formación continua ofreceremos a nuestros propios docentes para que puedan integrar estas herramientas sin miedo y con criterio? ¿Qué investigación queremos impulsar en torno al impacto social, ético y económico de estas tecnologías?

El futuro de la universidad no está escrito, pero su margen de maniobra se reduce si seguimos planificando como si nada hubiese cambiado. Tal vez la verdadera lección de los viejos planes quinquenales soviéticos no es que planificar a cinco años sea inútil, sino que es peligroso hacerlo como si el futuro fuera una simple extrapolación del pasado. La universidad que seremos en cinco o diez años depende menos de adivinar la curva exacta de adopción de la IA, y más de atrevernos hoy a responder una pregunta incómoda: ¿estamos pensando de verdad en la universidad que queremos, o sólo actualizando, una vez más, la universidad que ya fue?