monográfico junio 2024

Integración de IA en las universidades

Para nuestro monográfico especial del mes de junio hemos elegido un tema que está constantemente en el debate académico y de gestión de nuestras universidades: los usos de la inteligencia artificial en la educación superior. La intención de este texto es repasar algunas ideas y compartir lecturas multimediales novedosas que consideramos imprescindibles.

La IA generativa y predictiva llega para obligar a las universidades a repensarse (una vez más) y tomar nuevas decisiones de diseño. Bienvenido este paradigma de producción y distribución de conocimiento. Sabemos que cuando a los sistemas complejos se los priva de estresores se vuelven débiles, como define la antifragilidad de Taleb (2012).

Esta problemática afectará en muy pocos años a nuestro día a día como gestores o profesores universitarios. Por esto, no es suficiente proponer y armar debates sobre el futuro de la educación con los usos de la IA. Más allá de cualquier conversación, ¿qué está haciendo usted lector ahora mismo para adaptarse?

Por Hugo Pardo Kuklinski  • Outliers School  / La inteligencia artificial (IA) es una fuerza tecnológica inevitable. Sus usos se impondrán en la educación formal más allá de lo que hagan las instituciones universitarias. El procesamien­to de textos con IA es una tecnología disruptiva, que obligará a nuevas competencias, usos y mercados. Lo hará a pesar de que aún existan bases de datos sobreinformadas que necesitan pensar mejor, un refuerzo de sesgos cognitivos, y una capacidad más limitada que la de los seres humanos para analizar en el contexto de la última milla de la perspectiva única e individual

Esta noción de fuerza tecnológica inevitable nos lleva a la idea del colapso del contexto (Boyd, 2002). El aumento de la intensidad de uso de plataformas digitales ha hecho que los límites de contextos y ámbitos (personal versus laboral, educativo formal o lúdico, público versus privado) sigan desdibujándose. La integración de la IA predictiva -para una mejor toma de decisiones- y de la IA generativa -para la producción de nuevos textos- profundiza ese colapso. Como consecuencia, múltiples audiencias y prácticas convergen en una sola y los usuarios administran los límites personales y sus identidades en línea creando nuevos protocolos y normas tácitas. Este colapso también afecta a los formatos de producción de conocimiento, especialmente al texto escrito y a las narrativas lineales (Jarvis, 2023). A pesar de la crisis de autenticidad que la producción de textos con IA puede generar, existe una defensa hacia la asistencia de la IA generativa para la construcción de los primeras ideas como mecanismo de ayuda del escritor para salir de callejones textuales. Así lo explica Vauhini Vara (2023) sobre su propio proceso de producción del artículo Ghosts (The Believer, 2021), donde, según ella, en un fragmento de ese texto “la IA comenzó a describir el dolor en el lenguaje más verdadero que el mío, y con cada intento posterior, se acercaba a describir lo que yo mismo había pasado.

El cierre del paréntesis de Gutemberg (Jarvis 2023; Pettitt, 2011) ha potenciado la escritura informal e improvisada a través de dispositivos digitales, descuidando la ortografía y la gramática, o relegando por completo a la caligrafía. En los últimos 500 años, dentro del paréntesis estuvieron y aún siguen la escritura académica y científica, el pensamiento lineal, y los libros como principio de autoridad. Fuera del paréntesis está la producción y el consumo fragmentado y multimedial de ideas, la tradición oral y cierto desprecio a la escritura formal. Como eficiente productora de textos e imágenes, la IA viene a reforzar lo que sucede fuera del paréntesis. El clima de época condiciona por completo el rol de una institución universitaria y de un profesor, viviendo su vida profesional dentro del paréntesis, centrando el conocimiento en la lectoescritura y producción de textos académicos. Pero cada generación viene a matar y reconfigurar las ideas y los valores de la generación anterior, diseñando un nuevo imaginario social acorde a su tiempo. La IA generativa viene a configurar los futuros inevitables de la educación superior.

Toda mejora de los ambientes de aprendizaje viene condicionada por cómo se introducen las innovaciones tecnológicas sin caer en la ingenuidad del solucionismo tecnológico. La IA predictiva y generativa es una tecnología consolidada para ciertos usos y mercados, pero también está aún en la frontera de la innovación de muchas prácticas. Desde esa frontera quedan aún varios ciclos de iteraciones para convertirse en productos y servicios totalmente fiables, especialmente para sus usos en educación superior. En una reciente entrevista, el líder de Google, Sundar Pichai afirmaba:

“la tecnología necesita madurar un poco más antes que la integremos en nuestros productos (…) Los modelos de lenguaje de gran tamaño (LLM) tienen problemas de alucinaciones y pueden inventar cosas. Existen áreas donde esto puede ser apropiado, como imaginar creativamente nombres para tu perro, pero no es útil cuando se le pregunta al buscador ¿Cuál es la dosis médica correcta para un niño de 3 años? Puedes imaginar la responsabilidad que conlleva hacerlo bien” (Levy, 2023).

Por esto es aún un momento ideal para que las instituciones privadas de educación superior de latinoamérica -incluso quienes hayan llegado tarde a anteriores olas de innovación tecnológica- comiencen a involucrarse en el diseño de estrategias alrededor de los usos de la IA en sus prácticas de gestión y formación. La pregunta principal que deberían hacerse los decisores es: ¿cuál proceso o interacción se quiere mejorar? El software se debería adaptar a las prácticas y no las prácticas al software. Debemos tener conciencia del sesgo en todo diseño algorítmico. El diseño del software condiciona la interacción. En cualquier plataforma digital, no hacemos lo que deseamos, sino solo lo que el software nos deja hacer.”

				
					La IA generativa tiene dificultades para analizar en el contexto de la última milla de la perspectiva única humana.
				
			

Las doce fuerzas tecnológicas inevitables, según Kevin Kelly (2016). Infografía extraída de Los futuros inveitables de la universidad. (Pardo Kuklinski, 2023)

Innovaciones híbridas desde la zona de frontera hacia el statu quo

Innovaciones híbridas desde la zona de frontera hacia el statu quo. Infografía extraída de Los futuros inveitables de la universidad. (Pardo Kuklinski, 2023)

Aspectos para una integración exitosa

1. A nivel de gobernanza. Emergencia mejor que autoridad

La mejor actitud de los cuerpos institucionales sería la de comprender la tecnología e inmediatamente tomar pasos de bebe con su integración en los procesos académicos, en la gobernanza y administración. También deberían ser proactivos en la creación de nuevos estudios centrados en el trabajo con IA. Un dato optimista es que, según una investigación del Stanford Institute for HAI (2024), los programas de títulos postsecundarios relacionados con la IA se han triplicado desde 2017 (en EE.UU y Canadá), lo que muestra un aumento anual constante en los últimos cinco años. Las universidades de todo el mundo están ofreciendo más programas de grado centrados en la IA. En un contexto global de dudas sobre el valor de algunos postgrados para un mejor posicionamiento profesional del estudiante, la integración definitiva de la IA a los planes de estudios, las prácticas académicas y a la gestión “proveerá una oportunidad de cambio a las universidades a favor de una mayor relevancia y sostenibilidad (…) Queda definir cómo, cuándo y porqué la IA debe ser integrada a los procesos” (Minerva, 2023). El trabajo que realiza REALCUP desde 2024 con su Programa +DES significa un gran aporte para superar la conversación e ir rápidamente de la idea a la implementación de la idea, dada las sinergias con start-ups educativas que trabajan en la implementación de IA para diferentes necesidades de las universidades.

A este nivel de gobernanza, se sugieren tres recomendaciones para los gestores universitarios:

1. Diseñar un grupo de investigación multidisciplinario para entender lo antes posible el reto institucional hacia la IA. Este equipo debería revisar los dilemas éticos y la mala praxis que la IA puede promover en cinco aspectos: privacidad y seguridad en los datos, desvíos y alucinaciones del algoritmo, productos de investigación, producción de textos y violaciones a la propiedad intelectual. El producto tangible recomendado sería la elaboración de guías de actuación para uso académico y de gestión.

2. Tomar decisiones de implementación sobre la base de ¿qué problema específico tiene actualmente la institución que los usos de la inteligencia artificial pueden ayudar a solucionarlo con una buena relación costo / beneficio? Existen datos alentadores al respecto. Según una investigación de Educause (2024), casi la mitad de los líderes ejecutivos entrevistados han mencionado que su institución está adaptando sus datos para que estén preparados en el uso de la IA.

3. Superar la conversación y crear laboratorios de ideación ágil para diseñar prototipos que aporten foco, relevancia y valor diferencial, y lo haga de modo rápido, barato y escalable.

Como parte de esa investigación multidisciplinaria, se propone repensar algunos programas de estudio para la adaptación profesional a las profundas afectaciones en ejercicios de pensamiento abstracto que trae el uso intensivo de IA. Ya sucede en las matemáticas y en el modelaje de operaciones en ingenierías o arquitectura, en los modelos computacionales para generar música a partir de descripciones de texto, implicancias en el derecho y la escribanía, dada su capacidad para analizar y escribir contratos en forma inmediata, en las Ciencias de la Computación debido a la facilidad de la IA para generar lenguaje de programación. También en la comunicación y el periodismo a la hora de producir textos únicos y complejos. Existe un largo etcétera de prácticas profesionales afectadas. Un dato positivo es que los programas de grado relacionados con la IA están aumentando a nivel internacional. La investigación del Stanford HAI (2024) ya mencionada señala que el trabajo con IA aumenta la productividad y conduce a tareas de mayor calidad. «En 2023, varios estudios evaluaron el impacto de la IA en el trabajo, sugiriendo que la IA permite a los trabajadores completar tareas más rápidamente y mejorar la calidad de su producción. Estos estudios también demostraron el potencial de la IA para unir la brecha de habilidades entre los trabajadores poco y altamente calificados.«

2. A nivel de administración. Atraer mejor que empujar

Según una investigación de Educause (2024), más de la mitad de los encuestados indicaron que se les habían asignado personalmente responsabilidades relacionadas con una estrategia de uso de IA en su institución. La mayoría de los encuestados indicaron que todas las áreas funcionales son al menos en cierta medida responsables de la estrategia relacionada con la IA. En ese sentido, se sugiere proveer entrenamiento a diferentes roles funcionariales, tendiente a una mayor automatización de procesos y especialmente a liberar de trabajo administrativo a los docentes e investigadores (un grave problema aún no resuelto en las universidades latinoamericanas). Por otra parte y teniendo en cuenta la necesidad de un mayor énfasis en el seguimiento al estudiante, los bots conversacionales son útiles como primera interfaz de atención permanente a estudiantes en cuestiones administrativas, académicas y de relación con el docente. Otro horizonte de progreso es el uso de la analítica de datos para la creación de patrones de aprendizaje personalizados y adaptativos según las necesidades de cada estudiante. Una última sugerencia es la creación de un gestor de portafolio digital profesional.

3. A nivel de ejercicio docente. Práctica mejor que teoría

La tecnología puede ayudar a engañar, pero no lo hacemos. Esta es la fuerza de la visión ética institucional responsabilidad de la gobernanza y que debe ser ejercitada en lo cotidiano por todos los miembros de la institución, incluidos sus estudiantes. Así se puede contribuir a evitar usos inapropiados como no revelar el uso de herramientas de IA para crear textos o citarlas como recurso. Quien no respete la visión de la universidad, no merece graduarse en ella. Superada la posibilidad del engaño en la producción de textos por parte de los estudiantes, son enormes las posibilidades de adaptación y ganancia en la productividad en un entorno con IA transversal e invisible. Lo contrario es no haber aprendido de las cíclicas disrupciones tecnológicas y su lentísima integración a las prácticas académicas. Como ejemplo, vale la prohibición del uso del Macintosh y el software de maquetación y diseño en los estudios de diseño gráfico a finales de los años de 1980, o la prohibición de Wikipedia para usos académicos por su falta de rigor. Al aprendizaje le gusta el desorden y el caos creativo, moverse rápido y romper cosas. Pero como a veces el profesor no entendía estas herramientas y su evolución, le llevaba menos esfuerzo prohibirla que convertirse en early adopter y propiciar usos innovadores cuando pocos aún lo hacían.

Esto nos lleva a varias redefiniciones, empezando por repensar diseño de trabajos y evaluaciones, promoviendo la examinación oral y el razonamiento adaptativo, incluso con la vuelta al papel y lápiz para diseñar arquitecturas de ideas. No privilegiar la memoria sino el pensamiento crítico. Los usos productivos de la IA también puede promover nuevos alfabetismos, enseñando ingeniería de prompts para rediseñar el abordaje en cualquier producción de textos, imágenes o infovisualizaciones (con demandas al chatbot de formato, rol, objetivo, contexto y ejemplos). La IA generativa también puede ser muy útil para la creación de bocetos iniciales de programas de asignaturas, que luego deben ser revisados para ganar en especificidad y pertinencia al estudiante objetivo. Igualmente para la creación de ejercicios o textos introductorios. A pesar de su estilo políticamente correcto, imparcial, inofensivo y en forma de listas de instrucciones que Open IA propone para las respuestas de su ChatGPT, la IA generativa puede ayudar a construir ensayos académicos profundos. Existen otras plataformas como Sudowrite que rompen con este estilo de lenguaje corporativo, proponiendo un modelo de lenguaje que escriba mejor la prosa a partir de taxonomías ya existentes de literatura creativa.

Con respecto a la educación a distancia, según Schank (2020) una experiencia de formación en línea debería:

“No intentar copiar un curso previo, evitar las evaluaciones tradicionales, comenzar con una meta que los estudiantes estén en condiciones de realizar, fomentar el intercambio de ideas, los maestros han de estar detrás de escena, capitalizar y compartir los errores, integrar el factor emocional, usar historias que resulten relevantes, los estudiantes tienen que poder contar con otras personas con quien hablar, hacerlo divertido.”

En este aspecto los bots conversacionales pueden ayudar a mejorar la experiencia de aprendizaje convirtiéndose en primera interfaz de interacción y tutor uno a uno ante dudas conceptuales o resolución de ejercicios. Una buena práctica en ese aspecto ha sido el diseño del Kahnmigo de The Khan Academy (Khan, 2023) para seguir soportando la experiencia de aprendizaje cuando un docente no está disponible.

————————–

Para terminar, vale decir que ni una de las líneas escritas en este artículo han sido apoyadas por el uso de ChatGPT.  Sin embargo, podría hacerlo para completar los aspectos menos profundos y seguramente no se notarían los textos agregados. Esto es que sucede a veces en las prácticas de escritura académica, tanto por parte de estudiantes como de profesores. Y será un problema creciente que se deberá atender con protocolos y prácticas que trasciendan el texto escrito. En el futuro mediato, toda esta escritura colaborativa con la IA generativa tendrá poco de colaborativo y mucho de automática. Piscitelli (2023) señala, “en esta ocasión no hablamos de sustitución de habilidades mecánicas sino cognitivas, y que son demasiados los indicadores que muestran que, a la corta o a la larga, las máquinas se auto programarán y ni siquiera necesitarán tutores humanos.”

Lecturas recomendadas

Oportunidades y desafíos de la era de la inteligencia artificial para la educación superior: una introducción para los actores de la educación superior” (2023), producido por el Instituto Internacional de la UNESCO para la Educación Superior en América Latina y el Caribe. Sus autores son: Liu, Bosen Lily, Morales, Diana, Roser-Chinchilla, Jaime, Sabzalieva, Emma, Valentini, Arianna, Vieira do Nascimento, Daniele, Yerovi, Clarisa.

El texto de Robert Jenay «2024 EDUCAUSE AI Landscape Study» (February 12, 2024) es el análisis de una encuesta realizada a finales de 2023 y se centra en los impactos que la IA ha tenido en la educación superior desde la incorporación de las herramientas de IA generativa.

El documento Integrating Artificial Intelligence: Key Strategies for Higher Education. ha sido publicado por Minerva Project en junio de 2023. 

Es un documento técnico que ofrece estrategias críticas para transformar con éxito las instituciones superiores en un mundo impulsado por la IA. Producido en colaboración con The Edmond de Rothschild Bridge for Higher Education and Employment.

El artículo de Levy, Steven Sundar Pichai on Google’s AI, Microsoft’s AI, OpenAI, and … Did We Mention AI? publicado en Wired Magazine (Sep 11, 2023) es un excelente panorama sobre la cautela de algunos actores centrales en la revolución de la IA.

Este Informe OIAES 2024 ha sido producido por el Observatorio de Inteligencia Artificial en Educación Superior (OIAES) de la Universidad Europea de Madrid. «El futuro descrito en este documento representa un escenario probable y viable a medio plazo que debe servir como punto de partida para
la reflexión.»

El 2024 AI Index Report of
The Stanford Institute for Human-Centered Artificial Intelligence (HAI) es un texto de referencia global que este año ha ampliado su alcance para cubrir tendencias esenciales, como avances técnicos, percepciones públicas de la tecnología y la dinámica geopolítica que rodea su desarrollo, y un capítulo nuevo dedicado al impacto de la IA en ciencia y medicina.