Formar ingenieros en la era de la IA: usos, límites y responsabilidades
Este artículo se basa en una entrevista realizada para Usine Nouvelle sobre la formación de ingenieros frente al auge de la inteligencia artificial generativa. Lo que sigue es una reformulación y reflexión personal de las ideas desarrolladas durante ese intercambio.
La IA: una palabra que fascina... y confunde
La "inteligencia artificial" es un término profundamente polisémico. Fascina, inquieta, pero explica poco lo que realmente designa. Históricamente, lo que se llamaba IA en los años cincuenta se basaba en sistemas simbólicos y lógicos. Más tarde llegaron los sistemas expertos y los enfoques estadísticos. Hoy, los modelos de lenguaje de gran tamaño (LLM) ocupan el centro del debate público.
En cada etapa se repite la misma frase: «esto no es verdadera IA». Como la magia, la IA parece designar aquello que aún no comprendemos. En cuanto los mecanismos se vuelven explícitos, el término pierde fuerza.
Por eso, tanto en mi docencia como en la divulgación científica, insisto en una idea sencilla: la IA no es una entidad autónoma con intenciones, sino un conjunto de herramientas estadísticas potentes cuyo impacto depende enteramente de su uso.
Enseñar prompt engineering: entrar por los usos
En 3iL hemos optado por introducir el prompt engineering muy temprano en el ciclo de ingeniería, desde el primer año. El objetivo no es formar especialistas en el diseño de modelos, sino enseñar a utilizar inteligentemente las herramientas existentes.
El curso se estructura en varios ejes:
- comprender qué es una red neuronal y cómo un LLM genera texto;
- aprender a formular instrucciones eficaces (contexto, rol asignado, documentos proporcionados, formato de salida esperado);
- explorar los límites, errores y vulnerabilidades de los modelos;
- abordar las cuestiones éticas, sociales y medioambientales asociadas a estas tecnologías.
También trabajamos con ejemplos concretos de ataques por inyección de prompts, alucinaciones y usos profesionales indebidos.
Costes, ecología y ética: cuestiones centrales
Formar en IA sin hablar de sus impactos sería un error. Los modelos actuales tienen un coste energético real, plantean serios problemas ecológicos y suelen apoyarse en trabajo humano invisible, precario y mal remunerado en regiones económicamente vulnerables.
A esto se suma una cuestión fundamental: la responsabilidad. La IA generativa permite producir textos, imágenes y vídeos falsos pero verosímiles a gran escala. Aprender a usar estas herramientas implica también aprender cuándo no usarlas.
Talleres prácticos: experimentar, no delegar el pensamiento
Los estudiantes participan en varios talleres prácticos: revisión asistida por IA, preparación de exámenes, análisis crítico de documentos y diálogo con agentes diseñados para resistir peticiones prohibidas (como revelar una contraseña).
El objetivo nunca es delegar el razonamiento en la máquina, sino hacer visibles sus límites. La IA es una herramienta. Como toda herramienta potente, exige dominio; de lo contrario, resulta engañosa.
La IA no sustituye al ingeniero, transforma su papel
Se oye con frecuencia que la IA reemplazará a los desarrolladores o ingenieros. La experiencia demuestra que esta visión es simplista. La generación de código es solo una pequeña parte del oficio. Comprender necesidades, dialogar con clientes, arbitrar restricciones y asumir responsabilidades legales y éticas siguen siendo tareas profundamente humanas.
La historia industrial ofrece un paralelismo claro: el telar automático no eliminó el sector textil, sino que transformó sus competencias. La IA actúa del mismo modo. Acelera ciertas tareas, pero vuelve aún más crucial la comprensión global.
Una ventaja inicial... con condiciones
Los estudiantes que ya saben lo que buscan obtienen enormes beneficios de la IA. Quienes no entienden el problema de partida producen trabajos mediocres, con o sin IA. En este sentido, la IA actúa como acelerador, pero también como revelador de desigualdades.
Permite ir más lejos y más rápido, siempre que existan bases sólidas. Por eso es esencial formar hoy a los futuros ingenieros dentro de un marco crítico y estructurado.
Documentación, explicabilidad y accesibilidad
Más allá del código, la IA resulta especialmente útil para tareas a menudo descuidadas: documentación, reformulación, divulgación y traducción. Estos usos conectan con preocupaciones que me son muy cercanas, como la explicabilidad y la accesibilidad.
En contextos de discapacidad, dificultades cognitivas o barreras lingüísticas, los agentes conversacionales pueden convertirse en herramientas de apoyo valiosas, siempre que no se les atribuya una autoridad indebida.
Formar también a los docentes
Integrar la IA en los planes de estudio implica que los propios docentes se apropien de estas herramientas. Utilizo la IA a diario para mejorar mis cursos, diseñar exámenes, verificar la claridad de mis explicaciones y proponer proyectos más ambiciosos.
Esto me permite elevar el nivel de exigencia en las presentaciones y evaluaciones: explicar, justificar y argumentar. Las herramientas cambian, pero el rigor intelectual permanece.
Una cuestión abierta
La IA ha llegado para quedarse. La verdadera cuestión no es si desaparecerá, sino cómo aprenderemos a vivir y trabajar con ella, sin renunciar al pensamiento crítico, a la responsabilidad ni a la inteligencia humana.
Ese es, en el fondo, el gran desafío de la formación en ingeniería hoy.