Entender la máquina para decidir qué hacer con ella: un curso sobre IA para docentes de Sociales
Durante septiembre y octubre coordinamos en la FACSO una capacitación sobre inteligencia artificial generativa en la enseñanza universitaria.
El 16 de septiembre empezó en la Facultad de Ciencias Sociales de la UNICEN el taller “Inteligencia Artificial Generativa (IAG) en la docencia universitaria en FACSO: fundamentos, prácticas y reflexiones”. Lo coordinamos con Joaquín Méndez y Florencia Torregiani, desde el Área de Educación a Distancia de la Facultad. Alrededor de sesenta docentes de todas las carreras participaron de la apertura presencial.
La propuesta duró seis semanas, en modalidad híbrida: encuentros presenciales y virtuales, un aula virtual, lecturas, exploración de herramientas y un trabajo final. Se enmarca en el Sistema Institucional de Educación a Distancia (SIED) de la UNICEN y en la Subcomisión de Inteligencia Artificial Generativa que funciona en ese ámbito.
Una ola tecnológica distinta
Las aulas universitarias ya vivieron varias olas tecnológicas:
- las netbooks que los estudiantes traían de la escuela secundaria;
- los celulares, con los que hoy le sacan fotos al pizarrón;
- las clases virtuales e híbridas de la pandemia.
Cada una nos obligó a adaptarnos. Pero las tecnologías anteriores se pensaban como una ampliación de nuestras capacidades. La inteligencia artificial llega con otra pretensión: reemplazar parte de nuestras tareas, nuestras decisiones y nuestra autonomía.
Por eso empezamos por lo básico: qué es y cómo funciona. Estos sistemas no razonan ni comprenden como las personas. Procesan datos y, después de muchísimos cálculos, predicen la respuesta más probable. Para que eso funcione hacen falta enormes cantidades de datos, y ahí aparecemos todos: cada vez que completamos un captcha, subimos una foto o escribimos en una red social, aportamos al entrenamiento de estos modelos.
Breve repaso de la historia de la IA
Repasamos en el curso algunos hitos. Se habla de inteligencia artificial desde la década de 1950, y ya en 1966 existía un programa capaz de sostener una conversación simple. En 2017, una nueva arquitectura, los transformers, permitió que los modelos captaran mejor el contexto de lo que se les pide. A fines de 2022, ChatGPT puso esta tecnología en manos de todos. Hoy ya no se habla solo de asistentes, a los que les damos instrucciones, sino de agentes, a los que les damos un objetivo y deciden por su cuenta cómo alcanzarlo.
Una caja negra con sesgos
Dos rasgos atravesaron todo el curso. El primero es la opacidad: podemos saber con qué datos se entrenó un modelo y qué reglas sigue, pero no podemos reconstruir por qué llegó a una respuesta concreta. Por eso, con la misma instrucción, devuelve resultados distintos. El segundo son los sesgos: cada modelo responde desde una manera de ver el mundo que viene de sus datos y de las decisiones de la empresa que lo creó.
Como dice Flavia Costa (Vidas artificiales, 2026), la IA no es una herramienta que usamos y dejamos: es una metatecnología. Está enraizada de manera transversal dentro de casi todas las aplicaciones que ya usamos, incluso en la sala de videollamada desde la que muchos seguían el curso.
Del mapa global al aula
En el segundo encuentro hicimos un recorrido por las diferentes escalas que Costa (2026) nos invita a pensar. Lo grande es la escala planetaria, la de las pocas empresas que desarrollan estos modelos, concentradas en Silicon Valley.
Ahí la “nube” se vuelve material: centros de datos que consumen enormes cantidades de energía y de agua, y trabajadores del sur global que etiquetan datos en malas condiciones. Ahí también se juega la pregunta por la privacidad, por quién se queda con lo que dejamos en las plataformas.
Lo chico es nuestra escala, la del aula. Y ahí apareció una idea central: no alcanza con corregir los errores del modelo. Aunque funcionara perfecto, su diseño empuja hacia la eficiencia y el resultado. En la universidad buscamos también otra cosa: el proceso, el error como parte del aprendizaje, la confianza que cada estudiante va ganando en lo que puede hacer.
Un ejemplo que salió en la conversación con los docentes:
- hay estudiantes que piden un trabajo a la IA y le agregan errores para que parezca humano;
- otros solo se animan a entregar algo “perfecto”.
En los dos casos, lo que desaparece es la persona atravesando el proceso de aprender.
Criterios para el aula
Trabajamos tres acuerdos que comparten las principales guías sobre el tema:
- La IA no es autora.
- Todo uso se declara.
- La responsabilidad no se delega, tampoco cuando los docentes la usamos para preparar materiales o evaluar.
Como propuesta, sugerimos que los programas de cátedra incluyan un apartado sobre cómo se entiende el uso de la IA en esa materia. Y que cada consigna indique qué nivel de uso se espera, acordándolo con los estudiantes.
El curso no buscó decirle a nadie que tenía que usar inteligencia artificial. Buscó que cada docente pudiera decidir con fundamentos: incluso decidir no usarla.
Coordinación: Exequiel Alonso, Joaquín Méndez y Florencia Torregiani (Área de Educación a Distancia, FACSO-UNICEN). Agradecemos a las autoridades de la Facultad y del SIED-UNICEN que nos acompañaron en la apertura.
Más información: nota de la FACSO sobre el inicio del taller
Para seguir leyendo
- Costa, F. (2021). Tecnoceno. Algoritmos, biohackers y nuevas formas de vida. Taurus.
- Crawford, K. (2022). Atlas de inteligencia artificial. Fondo de Cultura Económica.
- Zuboff, S. (2020). La era del capitalismo de la vigilancia. Paidós.