polifonIA.org | Carlos Macías. Concluye la primera etapa de adopción masiva de la Inteligencia Artificial (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 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 tecnológicos de la IA, ni crear controles innecesarios a las que se consideran expresiones libérrimas en las redes sociales.
¿Priorizar el control o la innovación?
Por lo demás, las aprensiones que brotan cada tanto ante la autoactualización autónoma de Claude, Gemini, Grok, DeepSeek o cualquier otro modelo, seguirán resonando en los medios.
Serán el recordatorio constante de la magnitud del cambio de época que atravesamos, pues refleja la conversación actual sobre la inminente autonomía funcional de los modelos.
Las propias compañías que han creado e impulsan los modelos de lenguaje han establecido marcos de gobernanza para ofrecer mayor transparencia y difusión a sus procesos de mejora, respondiendo así a la exigencia social de auditar y comprender los espacios de interacción con los algoritmos.
Aunque algunas voces a favor de la contención continuarán en el plano internacional, el asentamiento progresivo de la Ley de IA de la Unión Europea ayudará a serenar las inquietudes hacia 2027.
Se requiere altura de miras para desplegar al máximo el potencial de nuestros actores económicos y académicos.
En América Latina, ninguna ley nacional sobre IA prosperará si no coloca la innovación en el centro de sus motivaciones.
El debate global se sintetiza en una sola pregunta: ¿deben los Estados priorizar el control o la innovación?
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 lubricado 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 a porfiar con lo aparente:
- Que las personas aspirantes universitarias hayan perdido el rubor al auxiliarse de la IA en un examen en línea.
- Que las tareas escolares se alimenten cotidianamente con IA.
- Que las instituciones contraten software sofisticado (y costoso) para detectar coincidencias en borradores de artículos o libros.
- O que pretendamos dar otra vuelta de tuerca con una nueva versión del Código de Ética y Buenas Prácticas.
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 como requisito centenario para culminar una carrera, frente a herramientas que han relativizado su formato tradicional.
- La inversión en infraestructura física para crear sistemas de educación superior pública, frente al descuido patente de la infraestructura tecnológica, la conectividad y el mantenimiento básico de los sistemas universitarios existentes.
- El tortuoso modelo de arbitraje en revistas científicas latinoamericanas, frente a la urgencia de adoptar sistemas híbridos que reduzcan los tiempos de evaluación de 180 a 30 días, mientras editoriales como Elsevier, Springer o Wiley automatizan y buscan patentar procesos para dictaminar con IA.
- Las estrategias metodológicas en el posgrado: Modelos heredados para formar generadores de conocimiento, que no están preparados para incorporar con oportunidad la creciente oferta de recursos interconectados para recopilar, analizar, gestionar y proyectar información.
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.
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: Se ensancha el campo para innovar mediante plataformas de acceso libre como OJS, OMP, LMS o la versatilidad de WordPress.
- Automatización documental: Es posible 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 Claude, Gemini, ChatGPT, Grok o de cualquier LLM que se elija.
Apenas tres ejemplos posibles, que pueden ampliarse según la necesidad e interés académico propio:
Revista Mexicana del Caribe [OJS]
PolifonIA [WordPress]
CIESAS Peninsular. Entorno Virtual de Aprendizaje [LMS]
¿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).
