Las universidades dentro de cinco o diez años serán muy distintas de las que conocemos hoy. Afirmar esto no es ni por asomo una novedad. El avance de las nuevas tecnologías parece estar permeando cada aspecto de la vida y eso incluye, por supuesto, a la educación.
No es para alarmarse. La historia ha demostrado en distintas ocasiones que intentar anticiparlo todo –desde la producción de acero hasta la cosecha de papas– es un ejercicio fatuo. El futuro siempre se resiste a ser domesticado y hoy dicha pretensión es aún más frágil. Si durante buena parte del siglo XX podían pasar décadas entre un descubrimiento científico y su impacto social, en los últimos años hemos visto tecnologías nacer, madurar y volverse obsoletas en lo que dura una carrera universitaria.
No se trata de renunciar a planificar: se trata de asumir que, más que predecir el futuro, debemos decidir qué tipo de instituciones queremos tener cuando ese futuro llegue, y eso incluye a la inteligencia artificial.
Los estudiantes utilizan la IA para hacer tareas, estudiar, traducir, resumir, programar y mucho más. El profesorado no se queda atrás: preparar materiales, generar código, diseñar rúbricas o redactar informes son parte habitual de su trabajo, y la IA facilita enormemente muchas de estas funciones. Por eso, la pregunta ya no es si la IA “llegará” a la universidad, sino qué haremos frente al hecho de que ya forma parte del ecosistema de aprendizaje.
En este contexto es importante repensar cómo se entiende la transmisión del conocimiento. Los estudiantes no llegaron a la universidad a acumular fórmulas, sino que a aprender a aprender. Hoy tiene poco sentido evaluar la capacidad de memorizar o resolver a mano integrales enrevesadas que un software o un asistente de IA pueden resolver en segundos. Lo verdaderamente esencial es que aprendan cuándo es necesario plantear una integral, cómo modelar un fenómeno físico, cómo traducir un problema real al lenguaje matemático y, sobre todo, cómo cuestionar la validez del modelo científico-técnico que utilizan. La habilidad crítica no está en la última línea del cálculo, sino en las primeras decisiones del planteamiento.
Esta diferencia se vuelve evidente en la práctica docente. Durante casi dos años desarrollamos un curso en línea de Física General (FIS100) que se imparte en verano. Una de las tareas más extenuantes fue crear centenares de preguntas para cuestionarios de práctica, cada una con su retroalimentación, escritas en LaTeX y adaptadas al formato de la plataforma. Fueron incontables horas de trabajo hasta superar el millar de preguntas. Hoy eso lo hace la IA en minutos.
Esto no es un fenómeno exclusivo de la docencia. En programación, la IA ya genera bloques de código, sugiere funciones, detecta errores y acelera pruebas que antes requerían equipos completos de programadores. En tareas administrativas, automatiza la redacción de informes, consolida bases de datos, agenda reuniones, clasifica correos y 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: está sustituyendo tareas concretas, reduciendo la demanda de ciertos cargos de entrada y desplazando a los trabajadores hacia funciones más complejas y creativas.
Si se extrapola esta tendencia, el panorama universitario cambia en profundidad. En cinco años, la mayoría de las universidades probablemente ofrecerán cursos híbridos donde los contenidos básicos se apoyen en recursos generados por IA, mientras las sesiones presenciales se centran en discusión, resolución de problemas y proyectos. Tampoco es descabellado imaginar sistemas personalizados que acompañen a cada estudiante a lo largo de su trayectoria, proponiendo rutas de aprendizaje, materiales adaptados a su nivel, ejercicios específicos para sus brechas y evaluaciones continuas mucho más finas que nuestros actuales controles y certámenes; de hecho, ya existen experiencias piloto en colegios de Norteamérica.
Hoy, la pregunta de la comunidad académica ya no es “cómo defenderse de la IA”, sino “qué tipo de universidad se quiere construir en este entorno”. Frente a ese desafío, la academia no puede permitir que otros definan la respuesta, ya que se corre el riesgo de convertirse en una mera certificadora de competencias generadas por plataformas externas. Por el contrario, si se asume el cambio, es posible concentrar tiempo valioso 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.
El futuro de la universidad no está escrito. La academia que veremos en cinco o diez años depende menos de anticipar la curva exacta de adopción de la IA y más de atreverse hoy a responder una pregunta incómoda: ¿se está pensando de verdad en la universidad que se desea, o solo actualizando la universidad que ya fue?
Por lo demás, hay que recalcar que esta revolución no se parece a la industrial. No sustituye el trabajo manual por máquinas, sino que comienza a desplazar el pensamiento humano. Y eso sí es inquietante.
