polifonIA.org | Carlos Macías. Concluye la primera etapa de adopción masiva de la IA (2021-2026). Tras este periodo, los miedos y las prevenciones iniciales parecen ceder terreno. Con ello se diluyen también las tentativas de control centralizado sobre la conducta social y pública que surgieron tras el lanzamiento de ChatGPT 3.5, en el lejano noviembre de 2022.
Como señalamos en el primer texto de polifonIA, no resulta digno ni acertado pretender colocar vallas al avance de los productos y recursos tecnológicos de la IA, ni crear controles innecesarios a las que se conceptúan como expresiones libérrimas en las redes sociales.
Seguirán resonando en el ambiente de opinión ciertas aprensiones ante la IA, por la autónoma actualización de Claude, de Gemini y de otros modelos. Una fase inminente que se ha popularizado con el nombre de Auto Mejora Recursiva de la IA (RSI: Recursive Self Improvement). Además de que refleja la magnitud del cambio de época, conlleva una intensa discusión pública sobre los linderos en la actuación de los algoritmos.
Frente a ello, las compañías creadoras han empezado a implementar marcos de gobernanza interna. Esto busca ofrecer mayor transparencia a sus procesos de mejora y auditar espacios de interacción digital con IA.
¿Priorizar el control o la innovación?
En el plano internacional, aunque permanecerán vigentes algunas voces a favor de la contención, estimamos que el asentamiento progresivo de los amplios estatutos de la Ley de IA de la Unión Europea ayudará a serenar las inquietudes hacia 2027.
Sin embargo, la frontera militar expone los límites de este debate: el problema aplazado de la «autonomía de navegación de los drones» y el reto de sus controles de transferencia son previos al auge de los LLM, pero hoy se intensifican.
Esa discusión global se mantendrá en busca de acuerdos que impidan incentivar su uso en conflagraciones. Las empresas desarrolladoras y gobiernos que eludan la transparencia o apliquen IA en espacios proscritos enfrentarán un escenario adverso.
La historia reciente de la evolución armamentística demuestra que la negociación y los nuevos tratados internacionales terminarán imponiéndose.
Se requiere altura de miras de nuestros actores económicos y académicos, para desplegar al máximo el potencial del desarrollo tecnológico. En América Latina, prosperará una ley perdurable sobre IA solo si coloca la innovación en el centro de sus motivaciones.
La ruta normativa global continuará en disputa, pero el dilema de fondo para nuestras instituciones sigue siendo el mismo: ¿deben los Estados enfocar sus baterías en la contención o en el impulso soberano de la innovación?
¿Dónde se encuentra hoy la IA?, ¿cómo convivirá entre nosotros?
Como lectores y usuarios de internet, hemos podido ver hasta ahora sólo una o dos caras de la IA.
Es probable que la cara más familiar de eso que llamamos Inteligencia Artificial corresponda a la interfaz de los modelos de lenguaje. Una interfaz usualmente neutra, plana, de color pálido, los LLM: ChatGPT, Claude, Grok, Gemini, etcétera.
En años recientes han proliferado por lo menos cuatro nichos diferenciados en la IA:
- Los modelos de imagen y video: para diseñar gráficos y elaborar clips y arte digital.
- Los llamados copilotos y agentes de productividad: para escribir código, hacer cowork y análisis de datos.
- Los modelos de predicción y diagnóstico estructural: para el análisis celular y proteico, en el desarrollo de fármacos y tomografías de alta precisión.
- Los modelos de conducción autónoma y robótica: redes neuronales que procesan video y emiten instrucciones verbales, para hacer tareas manuales complejas.
Esos y otros nichos requieren una sólida infraestructura. Son necesarios para ellos, por ejemplo, los centros de datos, los semiconductores (los sistemas de fotolitografía), los TPUs, las memorias, el almacenamiento, los equipos de cómputo y supercómputo y los lenguajes codificados.
En especial, es imprescindible para la IA el caudal que proporcionan los lenguajes humanos, la técnica humana y la cultura humana que se han cultivado a través de siglos. Es decir, son imprescindibles las Humanidades y las Ciencias Sociales.
Educar con la IA: fomentar la autonomía, informarse, analizar y decidir
Los recursos cada vez más ubicuos de los nuevos modelos de lenguaje y sus agentes activos anuncian un uso cotidiano y transversal de la tecnología en la ruta hacia la Inteligencia Artificial General (AGI).
La fase que sigue es la normalización: un entorno social entrelazado y animado por la IA.
La realidad aconseja enfocarnos en identificar las mejores vías para fomentar la innovación, y menos en avanzar en formas de control y centralización de decisiones.
Podemos eludir el problema central y dedicarnos sólo a porfiar en lo evidente, en el lugar común:
- Que las personas aspirantes universitarias han perdido el rubor al auxiliarse de la IA en un examen en línea.
- Que las tareas escolares ya se alimenten cotidianamente con IA.
- Que las instituciones solventes contratan software sofisticado (y costoso) para detectar coincidencias en borradores de artículos o libros.
- O que se impone una nueva vuelta de tuerca a la versión n de nuestro Código de Ética y Buenas Prácticas.
El lector se preguntará: y si dejamos de porfiar con lo que apuntas como evidente, ¿cuál es el problema de fondo?
Por cierto, para disponer de las mejores opciones al referir y citar los distintos recursos que ofrece la IA en sus trabajos, el lector puede consultar el artículo previo: “¿Cómo citar y referenciar las consultas de IA?”.
El problema central y las cinco aristas
El problema de fondo está en otra parte.
Lo que ha dejado de ser viable es:
- La manera tradicional en que hemos enseñado y la forma en que esperamos que la población infantil y juvenil aprenda hoy.
- La tesis y las habilidades convencionales del perfil de egreso. La tesis como requisito centenario para culminar una carrera, frente a herramientas que han relativizado su formato tradicional. Las habilidades y herramientas que han sido consustanciales a cada profesión deben someterse a revisión. El aporte diferenciado que prodigan los recursos de IA, las colocará cada vez más bajo presión. Retrasar nuestra reacción, no poner al día los programas y las metodologías, podría demorar la innovación en cada campo disciplinario.
- Las estrategias metodológicas en el posgrado. Los modelos heredados para formar generadores de conocimiento están rebasados. Es preciso reconocer e incorporar con oportunidad la creciente oferta de recursos interconectados que ahora pueden recopilar, analizar, gestionar y proyectar información.
- La inversión en infraestructura física para edificar sistemas de educación superior pública sigue apostando de modo incomprensible a la tradición presencial. Se percibe el descuido patente de la infraestructura tecnológica, la conectividad y el mantenimiento básico de los sistemas universitarios existentes, que esperan coordinación para tender redes con flexibilidad.
- El tortuoso modelo de arbitraje en revistas científicas latinoamericanas. Es necesario desarrollar y adoptar sistemas híbridos que reduzcan los tiempos de evaluación de 180 a 30 días. Las editoriales globales, como Elsevier, Springer o Wiley, ya procuran la automatización y buscan patentar procesos para dictaminar con IA.
Vincular los modelos con las Humanidades y las Ciencias Sociales
Busquemos tender puentes y combinar nuestra tradicional ocupación como personas profesoras e investigadoras con los sistemas IA asequibles. Ellos llevarán nuestro trabajo con mayor eficacia hacia el aula y hacia las páginas de las revistas especializadas en línea.
Es claro que los modelos de IA aportan también información confiable acerca de los linderos para distinguir con claridad, por un lado, el esfuerzo humano, personal, que destinamos a tareas específicas de investigación y, por otro, la concurrencia tecnológica -traducida en información procesada- que extraemos de las plataformas IA.
Intentemos el desarrollo y el trato con el lenguaje de los sistemas auxiliados con la IA para robustecer nuestros resultados. Casi nada cuesta ensayar:
- Infraestructura accesible: Un hosting compartido, un dominio propio y su protocolo SSL garantizan seguridad e independencia técnica por un costo mínimo anual.
- Autonomía y gestión de datos: Mantener un sitio propio incentiva el entrenamiento en cPanel y bases de datos (MySQL), claves para operar y domesticar archivos en CSS, PHP o HTML.
- Plataformas de código abierto: Ensanchar el campo para innovar mediante plataformas de acceso libre como OJS, OMP, LMS o la versatilidad de WordPress.
- Automatización documental: Configurar herramientas asistidas por IA para la transcripción masiva de textos procedentes de soportes obsoletos o imágenes digitalizadas de archivos históricos (siglos XVI-XIX), optimizando radicalmente el tiempo de investigación.
Todo ello con el acompañamiento cercano -en la misma ventana de tu pantalla- de Claude, Gemini, ChatGPT, Grok o de cualquier LLM que se elija.
Lo siguientes ejemplos son apenas tres posibles, que podrían ampliarse según la necesidad e interés académico propio:
Revista Mexicana del Caribe [OJS]
PolifonIA [WordPress]
CIESAS Peninsular. Entorno Virtual de Aprendizaje [LMS]
Por cierto…, acompáñanos al Coloquio este 10 y 11 de septiembre.
SECIHTI CIENCIAENMÉXICO
¿Qué plataforma elegirías para llevar el proceso de tu investigación y plasmar los resultados de tu trabajo, con acceso abierto?
Imagen de la portada: generada por Grok 4.6 (psicodelia).
