Docentes de distintas carreras de la Universidad Nacional de los Comechingones participaron en noviembre de la capacitación “Enseñar en épocas de Inteligencia Artificial”, dictada por el físico teórico Ezequiel Álvarez, que propuso un cambio de mirada: la IA no como reemplazo del trabajo docente, sino como un piso nuevo desde el cual enseñar más alto.
Durante cuatro encuentros de una hora y media, los docentes trabajaron con ejemplos concretos de IA generativa, análisis de datos y diseño de materiales de clase con IA. Exploraron cómo funcionan herramientas como ChatGPT, cómo se construyen buenos prompts y de qué manera se puede pedir a la IA que genere ejercicios, variantes de consignas o resúmenes de apuntes sin perder el criterio pedagógico ni ético. La pregunta de fondo atravesó todo el curso: cómo enseñar cuando el mundo cuenta con herramientas “superpoderosas” para resolver problemas en segundos.
La capacitación combinó explicación teórica, contexto histórico y trabajo práctico. Álvarez repasó hitos del campo —desde las primeras neuronas artificiales de los años 40 hasta el salto que implicó el paper Attention is All You Need— y mostró cómo se pasó de la inteligencia artificial clásica al machine learning y al deep learning, con grandes volúmenes de datos, poder de cómputo y algoritmos capaces de reconocer patrones complejos.
En paralelo, se trabajó sobre el uso pedagógico de estas herramientas. Los participantes practicaron diferentes estructuras de prompts (rol, tarea, contexto, formato, criterios de evaluación) y construyeron “compañeros de estudio” capaces de resumir PDFs breves, generar preguntas tipo cuestionario y explicar errores. También se discutió cómo pedir a la IA que explicite su razonamiento para fortalecer el pensamiento crítico de quienes aprenden.
Otro eje fuerte fue el de los datos. A partir de planillas de cálculo, se abordó qué es un dataset, qué significa tener muchas variables por fila, cómo aparecen los clusters y por qué esto es útil para segmentar o descubrir patrones que a simple vista no se ven. Con Google Colab y Python, se generaron datos sintéticos con información “escondida”, pensados como material para que el estudiantado de distintas disciplinas —desde ingeniería hídrica y meteorología hasta administración, contabilidad, artes visuales o ciencias sociales— los analice y encuentre relaciones. La consigna constante fue no aprender programación en abstracto, sino lo suficiente para saber qué se puede pedirle a la máquina.
En la parte final del curso, el foco estuvo puesto en la generación sistemática de materiales: a través de la API de ChatGPT y Colab, se trabajó en la creación en serie de textos y ejercicios con distintos niveles de dificultad y con “señales ocultas” definidas desde el diseño, para que el desafío no sea solo responder, sino también detectar criterios, justificar decisiones y hacer trazable el proceso de resolución.
La experiencia dejó instalada una idea que se repitió en las discusiones: la IA ya forma parte del mundo profesional y académico, y la pregunta para las universidades públicas no es si la usan o no, sino cómo la integran de manera responsable, situada y crítica en sus aulas. Esta capacitación fue un paso en esa dirección dentro de la UNLC.
