Imagen: Inteligencia artificial (IA)
Carta Global
La inteligencia artificial en la educación y la ciencia
Dr. Santos López Leyva
15 de septiembre de 2026
Esta es la tercera entrega dedicada al tema de la inteligencia artificial (IA), en la cual se abordan sus implicaciones para la educación y la ciencia, tanto por su potencial para contribuir a la creación de nuevos conocimientos como por las transformaciones que introduce en las formas de transmitirlos, enseñarlos y evaluarlos.
El 8 de septiembre del presente año, OpenAI anunció una posible solución al problema de existencia y regularidad de las ecuaciones de Navier-Stokes, uno de los siete Problemas del Milenio. Días después, el Clay Mathematics Institute (CMI), con sede en Oxford, Reino Unido, informó que el problema aparentemente había sido resuelto y que la propuesta sería sometida al proceso de evaluación correspondiente. El CMI presentó en el año 2000 los siete Problemas del Milenio y estableció un premio de un millón de dólares para la solución de cada uno. Hasta ahora, únicamente la Conjetura de Poincaré había sido reconocida como resuelta.
La propuesta presentada por OpenAI constituye una manifestación del creciente potencial de la IA para realizar tareas de elevados niveles de abstracción, análisis y resolución de problemas. Sin embargo, el acontecimiento también ha generado una discusión entre matemáticos acerca del significado de resolver problemas mediante inteligencia artificial. En esencia, el cuestionamiento consiste en que resolver problemas constituye un medio para alcanzar un objetivo más amplio: la comprensión conceptual y la generación de conocimiento profundo. La producción acelerada de respuestas verdaderas o falsas no necesariamente conduce, por sí misma, a una mayor comprensión. Reducir el conocimiento a la búsqueda de respuestas podría deteriorar la capacidad humana para formular preguntas, comprender el significado de los problemas y desarrollar razonamientos propios.
Un segundo acontecimiento que permite observar otra dimensión del uso de esta tecnología ocurrió durante la aplicación del examen de admisión a licenciatura de la Universidad Nacional Autónoma de México (UNAM). Entre las irregularidades que llamaron la atención apareció la existencia de resultados atípicos, incluidos exámenes con puntajes perfectos. Las investigaciones posteriores plantearon interrogantes sobre la utilización de tecnologías y asistencia externa para vulnerar los mecanismos establecidos para evaluar los conocimientos de los aspirantes.
Los dos casos tienen en común la utilización de nuevas tecnologías para resolver problemas; sin embargo, la intencionalidad es muy diferente. En el primero, la IA se utiliza para ampliar la capacidad de investigación y contribuir al desarrollo del conocimiento; en el segundo, su utilización indebida puede vulnerar un mecanismo diseñado para evaluar conocimientos y capacidades individuales.
En el caso de las ecuaciones de Navier-Stokes estamos ante una aplicación potencialmente productiva de la IA para abordar un problema científico de extraordinaria complejidad. Sin embargo, es necesario mantener prudencia en la interpretación de este acontecimiento. Que un sistema de IA produzca una demostración matemática no significa que esta deba aceptarse automáticamente como conocimiento científico establecido. La propuesta requiere ser examinada, reproducida y validada por especialistas. La IA puede convertirse en una poderosa herramienta para generar resultados y ampliar la frontera del conocimiento, pero los procedimientos de validación científica continúan siendo indispensables.
El caso de la UNAM muestra la otra cara del problema. Cuando estas herramientas son utilizadas clandestinamente para responder una evaluación que pretende medir los conocimientos individuales de un estudiante, dejan de funcionar como auxiliares del aprendizaje y comprometen la validez del ejercicio de evaluación. Hacer trampa en los exámenes no es un fenómeno nuevo, pero las tecnologías digitales y la IA han ampliado las posibilidades para realizar estas prácticas y, al mismo tiempo, han hecho más complejos los mecanismos institucionales para detectarlas y prevenirlas.
La IA es una tecnología que ya se incorporó a la academia. Quienes participamos en este ámbito tenemos la obligación de aprender a utilizarla adecuadamente para convertirla en una herramienta de apoyo a la enseñanza, el aprendizaje y la investigación.
Puede funcionar como un tutor eficiente al cual estudiantes y profesores recurran para buscar información, aclarar conceptos y mejorar escritos. También permite desarrollar ejercicios de aprendizaje activo, consultar estructuras de modelos de escritura, analizar artículos y ensayos y mejorar la presentación de resultados. Es, además, un auxiliar valioso en labores de traducción e interpretación de esquemas, mapas y figuras. En investigación puede contribuir a la exploración bibliográfica, la organización de información y su presentación mediante tablas y figuras; asimismo, puede apoyar la revisión de textos, el análisis estadístico y el examen e interpretación de resultados. Por ello, el académico necesita capacitarse en el uso responsable y crítico de estos nuevos instrumentos tecnológicos.
Sin embargo, esta tecnología también plantea dificultades importantes para la educación. En primer lugar, puede ser utilizada para no aprender. Un estudiante que le encarga sus trabajos y tareas a la IA, pero no analiza ni comprende los resultados obtenidos, difícilmente fortalece su proceso de aprendizaje. Asimismo, la IA puede debilitar la efectividad de los exámenes en línea y dificultar los procesos de evaluación académica en sus diferentes modalidades.
También puede contribuir a profundizar desigualdades entre los estudiantes, ya que no todos tienen acceso en condiciones similares a las tecnologías, los dispositivos, la conectividad o los modelos más avanzados. A la tradicional brecha digital puede agregarse una nueva desigualdad: la brecha en las capacidades para utilizar de manera eficiente y crítica la inteligencia artificial.
En la investigación científica existe, además, un principio que no debe perderse de vista: la utilización de IA no traslada la responsabilidad intelectual a la tecnología. Los autores continúan siendo responsables de la información, los argumentos, las citas, los resultados y las conclusiones que aparecen en sus trabajos. Los errores producidos por una herramienta de IA son, finalmente, responsabilidad de quien decide incorporarlos a un producto académico.
Sin duda, la presencia de estas nuevas tecnologías coloca a los académicos ante la necesidad de una mayor formación intelectual, porque aumenta la importancia del juicio crítico. El manejo de nuevas tecnologías siempre ha requerido capacidades humanas para dirigirlas y utilizarlas adecuadamente. La inteligencia artificial no elimina esa necesidad; por el contrario, la incrementa. Cuanto mayor sea la capacidad de estas herramientas para producir respuestas, resolver problemas y generar conocimiento, mayor deberá ser nuestra capacidad para formular buenas preguntas, comprender sus resultados, verificar su validez y decidir responsablemente cómo utilizarlos en beneficio de la sociedad.