IA & Ciencia: Investigar con máquinas

La inteligencia artificial y el futuro de la ciencia en la universidad

Facultad de Ciencias · Universidad Industrial de Santander · Bucaramanga, Colombia

Modalidad mixta
Sesión virtual: 2 de octubre de 2026 (La anunciaremos próximamente)
Jornadas presenciales: 15 y 16 de octubre de 2026

La participación en ambos encuentros es gratuita, pero la inscripción es obligatoria. Cierre de inscripciones: 28 de septiembre de 2026

¿Qué significa investigar con máquinas?

La Facultad de Ciencias de la Universidad Industrial de Santander (UIS), con el apoyo de la Vicerrectoría de Investigación y Extensión, organiza IA & Ciencia: Investigar con máquinas, un encuentro transdisciplinario para examinar cómo la inteligencia artificial está transformando la investigación científica y la formación de las nuevas generaciones de investigadores.

El rápido desarrollo de la inteligencia artificial generativa, los modelos fundacionales y los agentes de IA está modificando diferentes etapas del proceso científico: la búsqueda y la síntesis de la literatura, la formulación de hipótesis, la programación, la simulación, el análisis de grandes volúmenes de datos, el diseño experimental, la interpretación de resultados y la comunicación científica.

Estas transformaciones abren oportunidades extraordinarias, pero también plantean preguntas fundamentales sobre la confiabilidad, la reproducibilidad, la autoría, la creatividad, la privacidad, los sesgos, el acceso a la infraestructura, la autonomía del investigador y la gobernanza del conocimiento.

Durante dos días y medio, organizados en tres bloques —practicar, descubrir y reflexionar—, investigadores, docentes y estudiantes de Biología, Química, Matemática, Física, Ciencias de la Computación y áreas afines explorarán herramientas de IA, conocerán experiencias concretas de investigación asistida por máquinas y discutirán críticamente sus posibilidades y limitaciones.

El encuentro busca construir una visión compartida sobre el papel de la inteligencia artificial en la ciencia y, en particular, sobre las capacidades que deberán desarrollar las universidades públicas y las comunidades científicas del Sur Global para participar activamente y de manera responsable en esta transformación.

Estructura del encuentro

2 de octubre · Virtual · PRACTICAR

Una sesión preparatoria orientada a explorar directamente nuevas herramientas de inteligencia artificial aplicadas al trabajo científico.

Los participantes podrán familiarizarse con agentes de IA y con sistemas de descubrimiento algorítmico, lo que sentará las bases para las discusiones en las jornadas presenciales.

15 de octubre · Presencial · DESCUBRIR

La inteligencia artificial como nueva herramienta para el descubrimiento científico.

Investigadores de distintas disciplinas presentarán experiencias concretas sobre cómo la IA está modificando la forma de analizar datos, formular problemas, desarrollar modelos y producir nuevo conocimiento.

16 de octubre · Presencial · REFLEXIONAR

Ética, confianza, capacidades, acceso y gobernanza.

La jornada estará dedicada a discutir las consecuencias epistemológicas, institucionales y sociales de la incorporación de la IA en la actividad científica y universitaria.

Objetivos

• Discutir el impacto de la inteligencia artificial, especialmente de la IA generativa y los agentes de IA, en los procesos de investigación científica y en la formación de investigadores.

• Identificar oportunidades, riesgos y desafíos éticos asociados a la integración de herramientas de IA en la generación de conocimiento y en la educación universitaria.

• Explorar aplicaciones concretas de la IA en biología, química, matemática, física y áreas afines.

• Examinar la transformación del flujo de trabajo científico, desde la revisión de la literatura y la generación de hipótesis hasta la experimentación, la simulación, el análisis de datos, la interpretación y la validación de los resultados.

• Propiciar espacios de diálogo transdisciplinario entre investigadores, docentes, estudiantes, la industria, el Estado y la sociedad civil.

• Promover una alfabetización crítica en inteligencia artificial y discutir qué nuevas competencias deberán adquirir los investigadores.

• Analizar las desigualdades en el acceso a la IA, incluidas las de infraestructura computacional, software, datos y capacidades humanas.

• Discutir los retos de confiabilidad, reproducibilidad, ética y gobernanza asociados a la ciencia asistida por inteligencia artificial.

• Reflexionar sobre estrategias institucionales que permitan a las universidades colombianas participar activamente en la transformación de la ciencia impulsada por la IA.

Ejes temáticos

IA en la investigación en ciencias básicas: posibilidades y límites

Modelos generativos, aprendizaje automático, aprendizaje profundo y aplicaciones específicas en biología, química, matemática y física.

Transformación de la I+D con socios de IA

• IA en generación de hipótesis.

• Diseño experimental y simulación.

• Análisis e interpretación de datos.

• Validación de hipótesis.

• Agentes autónomos y semiautónomos para la investigación.

Agentificación de la ciencia

¿Qué ocurre cuando una inteligencia artificial deja de ejecutar una única tarea y comienza a planificar, utilizar herramientas, tomar decisiones intermedias y evaluar los resultados?

¿Qué papel tendrán los agentes de IA en el descubrimiento científico?

Transformación de la formación universitaria

• Nuevas competencias para científicos.

• Riesgos de dependencia tecnológica.

• Papel del docente y del investigador.

• Ambientes de aprendizaje asistidos por IA.

• Adaptación curricular.

Epistemología y ética de la ciencia aumentada

• Autoría y responsabilidad.

• Juicio científico.

• Sesgos.

• Autonomía.

• Creatividad.

• Reproducibilidad y validación.

• Pensamiento crítico e intuición frente al algoritmo.

Acceso, soberanía y gobernanza de la IA

• Infraestructura y capacidad computacional.

• Acceso a modelos, software y datos.

• Dependencia de plataformas comerciales.

• Capacidades humanas.

• Ciencia abierta.

• Condiciones particulares de las universidades del Sur Global.

¿Cómo será la ciencia dentro de cinco años?

• Investigación semiautónoma o autónoma.

• Nuevas relaciones entre científicos y máquinas.

• Ciencia abierta.

• Innovación y economía del conocimiento.

• Papel futuro de las universidades públicas.

Información clave

Participación: sin costo, previa inscripción.

Sesión virtual: 2 de octubre de 2026.

Jornadas presenciales: 15 y 16 de octubre de 2026.

Lugar: Aula Máxima de Ciencias, Universidad Industrial de Santander, Bucaramanga.

Fecha límite para el registro y el envío de resúmenes de pósteres: 21 de septiembre de 2026.

Notificación de aceptación: 28 de septiembre de 2026.

Conferencistas invitados

IA & Ciencia: Investigar con máquinas reúne perspectivas provenientes de la investigación científica, la inteligencia artificial, la infraestructura computacional, la industria y la sociedad civil. Esta diversidad es deliberada: queremos discutir no solo qué puede hacer la IA, sino también cómo está cambiando la ciencia y bajo qué condiciones debemos utilizarla.

Manuel Alberto Flórez Torres

Escuela de Física, Universidad Industrial de Santander

Bucaramanga, Colombia

Manuel Alberto Flórez Torres es profesor de la Escuela de Física de la Universidad Industrial de Santander. Su investigación se centra en la sismología y la ciencia de datos, combinando el análisis de grandes conjuntos de datos geofísicos con herramientas computacionales avanzadas.

Su participación en IA & Ciencia: investigar con máquinas permitirá mostrar cómo la inteligencia artificial y el aprendizaje automático están transformando disciplinas como la geofísica, en las que grandes volúmenes de observaciones pueden utilizarse para identificar patrones y caracterizar fenómenos naturales complejos. Su experiencia permitirá discutir, a partir de problemas científicos concretos, el papel que estas herramientas pueden desempeñar en el análisis de datos, el descubrimiento de estructuras ocultas y la generación de nuevo conocimiento.

Fabio A. González

Departamento de Ingeniería de Sistemas e Industrial, Universidad Nacional de Colombia

Bogotá, Colombia

Fabio A. González es profesor titular del Departamento de Ingeniería de Sistemas e Industrial de la Universidad Nacional de Colombia y realiza investigación en inteligencia artificial y en aprendizaje automático.

Su trayectoria incluye aplicaciones de aprendizaje automático, Deep Learning y análisis computacional de imágenes, así como problemas biomédicos, e investigaciones recientes relacionadas con nuevas aproximaciones al aprendizaje automático.

Su experiencia representa el desarrollo de capacidades propias en inteligencia artificial en la universidad pública colombiana y permite discutir la articulación entre la investigación fundamental, las aplicaciones interdisciplinarias y la formación avanzada.

Jorge Francisco Maldonado Serrano

Escuela de Filosofía, Universidad Industrial de Santander

Jorge Francisco Maldonado Serrano es profesor de la Escuela de Filosofía de la Universidad Industrial de Santander.  Su trabajo académico se ha desarrollado, en torno a la filosofía de la tecnología, la ontología y el estudio crítico de la cultura y los lenguajes digitales.

Su trayectoria ofrece una perspectiva especialmente relevante para examinar la inteligencia artificial más allá de sus capacidades técnicas. Sus trabajos sobre tecnología computacional, digitalidad, algoritmos y filosofía de la tecnología permiten plantear preguntas sobre cómo las máquinas modifican nuestras formas de conocer, interpretar y producir conocimiento.

Su participación en IA & Ciencia: Investigar con máquinas permitirá reflexionar sobre qué significa hacer ciencia cuando parte del proceso de razonamiento, creación y descubrimiento puede realizarse en cooperación con una máquina. Su intervención contribuirá a discutir los límites entre herramienta y agente, el papel insustituible del juicio crítico del investigador, las implicaciones epistemológicas y éticas de una ciencia cada vez más mediada por sistemas de inteligencia artificial.

Juan Rafael Martínez-Galarza

AstroAI · Center for Astrophysics | Harvard & Smithsonian

Cambridge, Massachusetts, Estados Unidos

Juan Rafael Martínez-Galarza es astrofísico del Center for Astrophysics | Harvard & Smithsonian (CfA) y participa en la iniciativa AstroAI, dedicada al desarrollo y la aplicación de la inteligencia artificial para la astrofísica de próxima generación. Además, es Staff Astrophysicist y Deputy End-to-End Scientist de los sistemas de datos del Chandra X-ray Center.

Su investigación combina astronomía observacional, grandes conjuntos de datos y aprendizaje automático, en particular para el estudio y la clasificación de fuentes astrofísicas y de fenómenos transitorios.

Su participación ofrece un ejemplo concreto de cómo la inteligencia artificial se está incorporando a flujos de trabajo científicos reales y permite discutir cómo los agentes de IA pueden convertirse en nuevos asistentes al descubrimiento científico.

Leonardo A. Pachón Contreras

Co-founder & CEO, Guane Emerging Technologies

Bucaramanga, Colombia

Leonardo A. Pachón Contreras es físico colombiano, investigador y empresario tecnológico. Su trayectoria ha transitado desde la investigación académica en física hacia la creación y dirección de Guane Emerging Technologies, empresa dedicada al desarrollo de soluciones basadas en inteligencia artificial, analítica avanzada y modelado científico.

Su experiencia conecta tres mundos que con frecuencia permanecen separados: la ciencia, la inteligencia artificial y la industria.

Su participación permitirá discutir cómo una formación rigurosa en ciencias básicas puede convertirse en un fundamento para la innovación tecnológica y el emprendimiento, así como cuáles serán las nuevas oportunidades profesionales para físicos, matemáticos y otros científicos en una economía cada vez más impulsada por la IA.

Raúl Ramos-Pollán

Departamento de Ingeniería de Sistemas, Universidad de Antioquia

Medellín, Colombia

Raúl Ramos-Pollán es profesor de la Universidad de Antioquia y miembro del Intelligent Information Systems Lab (IN2LAB). Su trabajo se centra principalmente en inteligencia artificial, aprendizaje automático, deep learning y ciencia de datos.

Ha desarrollado una amplia actividad de formación en inteligencia artificial para ciencias e ingeniería, orientada a que investigadores y estudiantes provenientes de distintas disciplinas comprendan tanto los fundamentos de estas metodologías como su aplicación efectiva a problemas reales.

Su participación resulta especialmente valiosa para discutir cómo traducir una pregunta científica en un problema que pueda abordarse mediante IA, cómo evaluar las limitaciones de los modelos y qué formación necesitan los científicos para utilizar estas tecnologías de manera crítica.

Christian Andrés Sarmiento-Cano

Departamento de Ciencias Básicas de la Universidad Autónoma de Bucaramanga 

Bucaramanga, Colombia

Físico egresado de la UIS y doctor en ciencia y tecnología con mención en física, Universidad San Martín, Argentina. Su investigación se concentra en  astropartículas aplicadas , particularmente en rayos cósmicos, detectores de radiación, muografía, simulaciones con CORSIKA y Geant4 y aplicaciones interdisciplinarias que abarcan geofísica, industria y agricultura de precisión. Su trabajo reciente incorpora, además , aprendizaje automático para el análisis y la clasificación de señales en detectores Cherenkov de agua , ofreciendo un caso concreto de cómo la IA puede integrarse a la instrumentación, las simulaciones y los datos experimentales para extraer información física. Su participación en IA & Ciencia: Investigar con máquinas permitirá mostrar cómo una disciplina experimental como la física de astropartículas está incorporando progresivamente herramientas de IA en sus flujos de investigación, al tiempo que abre la discusión sobre la validación, la interpretabilidad y la complementariedad entre el conocimiento físico y los modelos de aprendizaje automático.

Carlos Enrique Uzcátegui Aylwin

Escuela de Matemáticas de la Universidad Industrial de Santander

Bucaramanga, Colombia

Especialista en  lógica matemática y teoría descriptiva de conjuntos . Su participación en IA & Ciencia: Investigar con máquinas aporta una perspectiva particularmente valiosa sobre los fundamentos del razonamiento formal, la demostración y los límites de los sistemas deductivos, cuestiones que adquieren nueva relevancia ante el desarrollo de modelos de inteligencia artificial capaces de resolver problemas matemáticos, generar demostraciones y participar en procesos de razonamiento. Su intervención permitirá examinar críticamente qué significa que una máquina “razone” en matemáticas, cómo distinguir una respuesta plausible de una demostración válida y qué papel deben conservar la verificación formal, la creatividad y el juicio matemático cuando la IA comienza a intervenir en la producción de conocimiento. Desde esta perspectiva, su contribución complementa las aplicaciones experimentales y computacionales presentadas por otros conferencistas y sitúa en el centro del encuentro una pregunta fundamental:  ¿hasta dónde pueden automatizarse el razonamiento y el descubrimiento matemático?

Comité Científico

El Comité Científico contribuye a la orientación académica del encuentro, a la definición de sus ejes de discusión y a la construcción de un espacio interdisciplinario para analizar el impacto de la inteligencia artificial en la investigación científica.

• Carlos J. Barrios-Hernández, Universidad Industrial de Santander, Colombia
• Juan Rafael Martínez-Galarza, Center for Astrophysics | Harvard & Smithsonian, Estados Unidos
• Fabio Martínez, Universidad Industrial de Santander, Colombia
• José Ocariz, Université Paris Cité, Francia
• Leonardo A. Pachón Contreras, Guane Emerging Technologies, Colombia
• Raúl Ramos-Pollán,  Universidad de Antioquia, Colombia
• Camila Rangel-Smith, The Alan Turing Institute, Reino Unido
• Arnold Romero, Universidad Industrial de Santander, Colombia
• Julián Rodríguez-Ferreira, Universidad Industrial de Santander, Colombia
• Camilo Ruiz, Universidad de Salamanca, España
• Christian Sarmiento-Cano,  Universidad Autónoma de Bucaramanga, Colombia
• Mauricio Suárez-Durán, Universidad de la Costa, Colombia
• David Sierra-Porta, Universidad Tecnológica de Bolívar, Colombia
• Alex Tapia Casanova, Universidad de Medellín, Colombia
• Carlos Uzcátegui, Universidad Industrial de Santander, Colombia
• Manuel Vielma, E-Pisteme Tech, España

Comité Organizador Local

• Gilberto Arenas Díaz
• Luz Nayibe Garzón Gutiérrez
• Andrés Felipe Castaño González
• Ronald Eduardo Paternina Salguedo
• Julio Roberto Pinzón Joya
• Luis A. Núñez

Talleres de practicar con IA en Ciencia

Claude como asistente de investigación
Juan Rafael Martínez-Galarza, AstroAI,  Centre for Astrophysics | Harvard & Smithsonian

En este taller cubriremos conceptos básicos sobre el uso de agentes en tareas científicas. En particular, aprenderemos cómo interactuar con Claude para analizar datos científicos que están disponibles en internet, visualizarlos, y crear código para una tarea científica específica. También aprenderemos cómo asociar una sesión de Claude a un repositorio de github para publicar el código y cómo usar los archivos SKILL.md y CLAUDE.md para planear y hacer nuestro proyecto más eficiente. Usaremos Claude Code, que requiere una cuenta de Claude pagada, pero el taller puede seguirse sin necesidad de dicha cuenta, en modo pasivo. También necesitaremos una conexión a internet e instalar Claude Code en una terminal de Linux.

Martínez-Galarza participa activamente en AstroAI, la iniciativa del CfA que reúne a especialistas en IA y astrofísicos para desarrollar inteligencia artificial destinada a la astrofísica de próxima generación. Entre sus proyectos en AstroAI se incluyen el aprendizaje automático no supervisado para clasificar fuentes astrofísicas de rayos X y enfoques de aprendizaje automático para cruzar los catálogos de Gaia y Chandra. 

Materiales del taller
Para instalar Claude Code en una terminal de Linux: curl -fsSL https://claude.ai/install.sh | bash

Documentación sobre Claude: https://code.claude.com/docs/en/overview

El video de la clase se encuentra en https://youtu.be/_CRZuxLenMU 

De los datos al descubrimiento: experimenta con IA y OpenEvolve
Raúl Ramos-Pollan Universidad de Antioquia

Participa en este taller práctico de OpenEvolve, parte del evento IA en la Investigación, y descubre cómo los modelos de lenguaje y los algoritmos evolutivos pueden mejorar el código, optimizar instrucciones y descubrir relaciones matemáticas en datos científicos. Con un asistente de programación con IA, explorarás aplicaciones como el modelado del crecimiento poblacional y la clasificación de solicitudes de soporte. Configurarás experimentos, evaluarás soluciones, investigarás fallos y observarás cómo la realimentación impulsa mejoras. También analizarás el equilibrio entre calidad y costo computacional, evaluando críticamente las respuestas de la IA. Dirigida a estudiantes interesados en investigar con IA, esta sesión ofrece experiencia e ideas para futuros proyectos. Se recomienda una familiaridad básica con Python. 

Raúl Ramos-Pollán es profesor e investigador en el Departamento de Ingeniería de Sistemas de la Universidad de Antioquia (UdeA), en Medellín, donde sus principales áreas de trabajo son la inteligencia artificial, la ciencia de datos, el aprendizaje automático y el aprendizaje profundo. Es doctor en Ingeniería Informática por la Universidad de Oporto y colabora con el Laboratorio de Sistemas de Información Inteligentes (In2LAB) de la UdeA.

Materiales del taller 
https://github.com/rramosp/openevolve-lab

El video del taller lo encuentras en https://youtu.be/iwNRFv5MUss