Descripción
Si la IA nos ayuda a buscar bibliografía, escribir código, analizar datos, construir modelos, generar hipótesis y redactar resultados, ¿seguimos hablando simplemente de una herramienta?
- ¿Qué cambia en el oficio del investigador? ¿Qué debe saber realmente un investigador sobre la IA que utiliza? ¿Es suficiente saber formular buenos prompts o necesitamos comprender los modelos, los datos, la incertidumbre y la validación? ¿Qué competencias científicas se vuelven más importantes precisamente porque existe la IA? ¿Qué capacidades corremos el riesgo de perder si delegamos demasiado? ¿Cómo cambia la formación de los estudiantes de pregrado, de maestría y de doctorado?
- ¿Cómo construimos confianza en la comunidad académica, asumimos responsabilidades y definimos la autoría? ¿Cuándo podemos confiar en un resultado generado por IA? ¿Quién es responsable cuando una IA introduce un error que pasa inadvertido y termina siendo publicado? ¿Debe declararse explícitamente qué tareas realizó la IA en un trabajo científico? Si una IA genera una hipótesis, escribe parte del código y propone la interpretación, ¿qué significa ser autor? ¿Dónde termina la asistencia y comienza la delegación del juicio científico? ¿Hay decisiones en una investigación que nunca deberíamos delegar a una máquina?
- ¿Cómo cambia la universidad? ¿Puede una universidad incorporar IA sin modificar sus currículos, sus formas de evaluación y sus normas de integridad académica? ¿Qué infraestructura debería garantizar institucionalmente: cómputo, modelos, datos, repositorios, capacitación?¿Necesitamos políticas sobre trazabilidad y uso de IA en tesis, artículos y proyectos?¿Quién debe formar a los docentes y a los investigadores? ¿Debería existir una capacidad institucional propia de IA o podemos depender de plataformas comerciales?
- ¿Cómo abordar la desigualdad de acceso y la soberanía de uso al diseñar una política científica? ¿La IA democratiza la capacidad de investigar o aumenta las diferencias entre instituciones? ¿Qué ocurre con las universidades que no pueden pagar el acceso a modelos, GPU, datos o servicios especializados?¿Qué significa la soberanía o la autonomía científica cuando los principales modelos pertenecen a unas pocas empresas? ¿Debe el Estado financiar infraestructura de IA compartida para la ciencia? ¿Qué datos y qué conocimiento científico deberían permanecer abiertos? ¿Cómo evitar que nuestros investigadores sean solo consumidores de sistemas desarrollados fuera de la región?