Desafíos para la integración de la IA en entornos universitarios

🎧Versión en audio disponible. Puede escuchar esta entrada narrada haciendo clic aquí.

“Si enseñamos a los estudiantes de hoy

como enseñamos ayer,

les estamos robando el mañana”

— John Dewey

Impresión, sol naciente
Por Claude Monet en Museo Marmottan Monet

En una época en la que los algoritmos empiezan a susurrar las respuestas antes de que formulemos la preguntas, integrar la inteligencia artificial (IA) en la educación médica deja de ser un experimento de laboratorio para convertirse en asunto social: exige cables y servidores, pero también alma, ética y oficio. La IA ya se sienta en nuestras aulas de medicina, pero su desembarco definitivo exige algo más que entusiasmo tecnológico.

    Amigo lector, lo invito a realizar el siguiente ejercicio. Imagínese en la piel de un estudiante de la carrera de Medicina en el futuro. Muchos años al futuro (¿cinco? ¿diez? ¿cien? ¿mil?). A su lado, sus compañeros de clase portan tecnología de la época (quizás gafas de realidad extendida lo suficientemente cómodas para llevarlas todo el día, o gadgets especiales para sus gabachas). Delante de usted, un robot autónomo de aspecto inquietantemente humanoide es el docente que dirigirá la clase del día de hoy.

    ¿Logra imaginar ese futuro? O, más interesante aún, ¿cree que ese el futuro en los salones universitarios? Cada vez hay más empresas e instituciones interesadas en la implementación de tecnologías modernas dentro de las aulas de clase. ¿Qué opina sobre eso? ¿Piensa que la tecnología nos ayuda a superar los conocidos límites biológicos que tenemos para el entendimiento? ¿O, por el contrario, que la expansión tecnológica promueve el sedentarismo intelectual?

    A pesar de los múltiples beneficios y casos de éxito documentados, la integración amplia y sostenible de la inteligencia artificial en la educación médica universitaria enfrenta diversos desafíos. Estos retos abarcan aspectos tecnológicos, pedagógicos, éticos y organizacionales, y deben abordarse para que la IA pueda escalar desde proyectos piloto hasta transformaciones curriculares completas.

    Actualmente, me encuentro a la espera de la publicación de mi primer artículo científico. En él, exploré la utilidad de la implementación de la IA en los entornos de formación médica. A partir de los hallazgos, en esta entrada deseo compartir, lo que considero, los seis retos de integración que precisan las facultades de Medicina encarar frente a la, ya presente, generalización de la IA en las aulas de clase. La efectividad de las respuestas ante estos desafíos definirá a cada facultad su nivel de competitividad formativa profesional (tanto teórica como clínica), su calidad educativa, su reconocimiento social, y su dinámica colaborativa ante intereses y alianzas con instituciones externas, respecto a sus pares. La evidencia muestra entusiasmo estudiantil y mejoras académicas puntuales, pero también grietas tecnológicas, pedagógicas y morales que todavía pueden ampliarse.

1. Infraestructura y recursos

La implementación de herramientas de IA educativa suele requerir infraestructura tecnológica robusta (como computadoras de alto rendimiento, conectividad de banda ancha, dispositivos de realidad virtual, entre otros), y mantenimientos continuos.

    En universidades con recursos limitados –particularmente en países en desarrollo– esta barrera es significativa. Muchas facultades de medicina carecen de presupuestos designados para innovación educativa tecnológica, lo que dificulta la adquisición de simuladores avanzados o licencias de software de IA.

    La integración a escala institucional implica costos de capacitación, soporte técnico y actualización de equipos que deben planificarse. Una posible estrategia es la colaboración interinstitucional o con el sector privado para financiar estas iniciativas, así como empezar con proyectos focalizados de alto impacto que demuestren costo-efectividad para luego justificar inversiones mayores.

2. Capacitación del profesorado y resistencia al cambio

La adopción exitosa de la IA en la educación médica depende en gran medida de los docentes, quienes deben sentirse cómodos y competentes en su uso. Muchos profesores pueden mostrarse renuentes a incorporar estas tecnologías por falta de conocimiento, temor a ser reemplazados, o escepticismo sobre su eficacia. Se reporta que, si bien las encuestas revelan entusiasmo tanto de estudiantes como de docentes respecto a la IA educativa, los profesores necesitan entrenamiento y apoyo para liderar estas iniciativas.

    Es crucial implementar programas de desarrollo docente que abarquen desde habilidades técnicas (como manejo de plataformas IA e interpretación de analíticas de aprendizaje), hasta estrategias pedagógicas para combinar la enseñanza tradicional con las nuevas herramientas.

    La creación de grupos interdisciplinarios (médicos educadores junto a expertos en IA y pedagogos) dentro de las facultades puede facilitar esta transición con un enfoque colaborativo. Asimismo, demostrar a los docentes que la IA viene a asistir y no a desplazar su rol –por ejemplo, encargándose de tareas repetitivas de corrección o proporcionando datos para tomar mejores decisiones didácticas– puede ayudar a vencer la resistencia inicial.

3. Integración curricular y alineación con objetivos educativos

Otro desafío es lograr que las iniciativas de IA no queden como elementos aislados o extravagantes, sino que realmente se integren al currículo de manera coherente. Hasta la fecha, son pocas las facultades que tienen planes concretos para incorporar formación en IA y el uso de estas herramientas dentro de su estructura curricular formal.

    Se requieren esfuerzos de diseño instruccional para identificar en qué puntos del plan de estudios la IA puede añadir valor, asegurando que su uso esté alineado con los objetivos de aprendizaje de cada curso. Además, la incorporación de contenidos sobre IA en salud (como alfabetización en datos, principios de Machine Learning o consideraciones éticas) en la malla curricular se vuelve necesaria para preparar a los futuros médicos para un entorno de práctica donde la IA será omnipresente.

    Universidades pioneras están comenzando a ofrecer a los estudiantes de medicina asignaturas optativas o módulos introductorios en ciencias de datos e inteligencia artificial aplicada a la medicina, lo que debería volverse más común en los próximos años.

4. Evidencia de efectividad y evaluación rigurosa

Mientras me encontraba en el proceso de redacción del artículo científico, noté que hay numerosos estudios y experiencias prometedoras sobre las intervenciones con IA en los entornos académicos actuales, pero todavía hay cierta escasez de evidencia sólida sobre los resultados educativos a largo plazo. Muchas publicaciones describen desarrollos tecnológicos o experiencias piloto con buenas percepciones y mejoras inmediatas en pruebas, pero faltan más ensayos controlados y evaluaciones longitudinales que muestren, por ejemplo, que el uso de IA en cierto curso se traduce en mejores competencias clínicas al graduarse o en mejor atención al paciente en la práctica. Esta limitada evidencia puede hacer que administradores universitarios duden en invertir fuertemente en IA educativa.

    Por tanto, un desafío importante es continuar la investigación educativa rigurosa en este campo, idealmente multicéntrica, para generar datos comparativos robustos. Asimismo, establecer metodologías de evaluación estandarizadas para las herramientas de IA (por ejemplo, qué métricas de aprendizaje usar, cómo medir la eficiencia versus métodos tradicionales, entre otros), ayudaría a comparar estudios y delinear buenas prácticas.

5. Cuestiones éticas y de privacidad

La introducción de IA en la educación plantea preocupaciones éticas que deben ser atendidas para mantener la confianza de la comunidad educativa. Se trata, posiblemente, del desafío más complejo.

    Las herramientas inteligentes dependen de big data (datos personales, historia clínica, imágenes) sujetos a sesgos algorítmicos y regulaciones oscilantes. Un punto crítico siempre será la privacidad de los datos: las plataformas inteligentes recolectan gran cantidad de información sobre el estudiante (como respuestas, interacciones, incluso datos biométricos o emocionales en algunos casos). Es imperativo contar con políticas claras sobre qué datos se almacenan, con qué fin, y asegurar el consentimiento informado de los estudiantes, así como proteger esos datos de accesos no autorizados.

    Otro aspecto es la equidad y sesgos algorítmicos: si los sistemas de IA no se desarrollan cuidadosamente, podrían favorecer a ciertos grupos inadvertidamente. Por ejemplo, un algoritmo entrenado principalmente con estudiantes angloparlantes de un cierto contexto podría no interpretar bien las respuestas de estudiantes de otras culturas o cuyo idioma nativo no es el inglés, sesgando la evaluación.

    La transparencia en cómo funcionan las IA educativas es por tanto fundamental. Se aboga por implementar medidas de auditabilidad y rendición de cuentas en los algoritmos: poder explicar las razones de una calificación dada por la IA, o documentar los pasos que sigue un tutor inteligente para decidir qué feedback dar. Es natural la desconfianza hacia los modelos de “caja negra”.

    Surge el debate ético sobre el rol que debe y no debe asumir la IA. Amigo lector, ¿piensa que es apropiado que un estudiante reciba consejo de carrera o apoyo psicológico de un chatbot, o estas esferas deben reservarse estrictamente a humanos? El tema se vuelve más interesante si agregamos a la mesa los datos de depresión desde inicio de siglo, la incertidumbre a la panorámica global promovida por los medios de comunicación y el miedo al deskilling.

    Delinearle “hasta dónde” debe llegar la IA en la formación integral del médico es algo que las instituciones deben discutir.

6. Sobrecarga de información y dependencia

Por último, existe el riesgo de sobrecarga tecnológica. Introducir múltiples plataformas y herramientas podría, si no se gestiona adecuadamente, saturar a estudiantes y docentes con diferentes interfaces y flujos de trabajo. La curva de aprendizaje para manejar las herramientas no debe interferir con el aprendizaje del contenido médico en sí.

    Igualmente, se debe guiar a los estudiantes para usar la IA de forma reflexiva. Un riesgo mencionado es que las generaciones formadas con potentes asistentes de IA puedan tender a una menor retención de conocimientos o habilidad de pensamiento crítico independiente, confiando en que “la IA siempre estará ahí para ayudar”. Contrarrestar esto requiere un enfoque pedagógico que siga incentivando el razonamiento profundo y el juicio clínico, usando la IA como apoyo, pero no como muleta.

    En resumen, se trata de integrar sin deshumanizar la educación médica: la IA debe ser vista como una herramienta dentro de un modelo educativo centrado en el estudiante, con el profesor como guía indispensable y con el objetivo último de formar médicos competentes, empáticos y capaces de aprender durante toda su vida profesional.

Una educación con alma

Amigo lector, creo que comparte conmigo cuando digo que no estamos frente a una disyuntiva “IA sí vs. IA no”, sino que, el panorama actual coloca a las instituciones ante la urgencia de un “cómo”. Una educación médica genuinamente humana no niega el potencial de la IA; lo integra con espíritu crítico, ético, pedagógico y contextual.

    Este blog tiene la libertad de habitar las tensiones sin neutralizarlas. Mi llamado al uso responsable de la IA va por la conservación en la dignidad del aprendizaje; que no transforme al estudiante en mero usuario, ni al docente en técnico; que no reemplace el humanismo, el contacto y la vocación, pilares invisibles de toda formación médica auténtica.

— Dr. Francisco Somarriba L .

--

Amigo lector, gracias por haberme brindado parte de su valioso tiempo. Ahora le cedo la palabra: ¿cree usted que la IA enriquecerá la formación de los futuros médicos, o corre el riesgo de vaciarla de su esencia más humana? ¿Qué límites debería –o no– tener? Si lo desea, comparta sus ideas en la sección de comentarios. Estaré encantado de leerlas.

Para cualquier contacto, puede visitar drfsomarriba.com.