Los estudiantes de ingeniería e informática tienen más probabilidades de integrar la inteligencia artificial en sus cursos que los estudiantes de humanidades y ciencias sociales. Pero a pesar de sus grandes intenciones, muchos estudiantes expresan una falta de comprensión sobre cuándo y cómo se debe utilizar la IA. Estos y otros hallazgos que tenemos estudiar cómo los estudiantes de Virginia Tech utilizan herramientas de inteligencia artificial. La mayoría de las noticias giran en torno a experimentar con la IA, pero los casos de uso muestran la brecha en el dominio de la IA.
Esto plantea un desafío para las empresas: si las bases del conocimiento de la IA se establecen rápidamente en el nuevo lugar de trabajo, donde es muy importante saber utilizar hojas de cálculo y realizar investigaciones en línea, ¿seremos capaces de ubicar la competencia en las tareas principales, los docentes o las necesidades personales? Independientemente de su campo, nuestros estudiantes encontrarán la IA en la industria. Se ha incorporado a los sistemas de transporte, planificación urbana, gestión ambiental y salud pública. Nuestros graduados deben estar preparados.
Pero, ¿qué significa «me gusta la IA»?
Comencé a abordar esa pregunta después de asistir a una conferencia internacional de tecnología a la que asistieron 148.000 personas y más de 4.000 empresas en Las Vegas en enero. I CES (Consumer Electronics Show) 2026, líderes de Nvidia, AMD y OpenAI describieron el futuro de la IA. Vi robots jugando juegos de mesa y sistemas de inteligencia artificial en todo, desde plataformas móviles hasta dispositivos médicos.
Surgió una idea.
Hay tres componentes clave para el éxito de la IA
Un orador principal, Roland Busch, presidente y director ejecutivo de Siemens AG, describirlo Hay tres componentes clave para el éxito en la era de la IA: tecnología, conocimiento del dominio y colaboración. Ese marco cambió mi forma de pensar sobre el dominio de la IA y la forma en que diseño mis cursos.
La tecnología es el punto de partida. Los estudiantes deben comprender lo que los sistemas de IA pueden (y no pueden) hacer y cómo utilizarlos. Deben estar familiarizados con los modelos GenAI, los canales de datos y las herramientas emergentes. Pero el conocimiento técnico por sí solo no es suficiente.
Los conocimientos locales también son importantes.
Soy un científico de datos geoespaciales. Mi trabajo se centra en desafíos en áreas como sistemas de transporte, ciudades inteligentes y análisis ambiental. Los modelos de IA pueden ser poderosos, pero no «conocen» contextos geográficos específicos, patrones complejos de uso de la tierra y transporte, ni comportamiento humano en el espacio y el tiempo. De hecho, mi investigación muestra lo que estoy diciendo. sesgo geográfico: Los sistemas de IA funcionan mejor adentro zonas urbanas, los datos son abundantes en las zonas rurales, los datos son limitados. Sin experiencia en el dominio, las brechas pueden pasar desapercibidas y no abordadas.
Esta es la razón por la que la IA avanzada no puede simplemente «aprender la herramienta». Los estudiantes deben desarrollar un conocimiento profundo en sus campos y aprender cómo la IA interactúa con ese conocimiento. Los informáticos no pueden resolver todos los desafíos del transporte sin experiencia en transporte. Los científicos ambientales no pueden confiar en modelos sin comprender el contexto ecológico. La inteligencia de dominio no está siendo reemplazada por la IA; se hace cada vez más grande.
La tercera categoría, los enlaces, es quizás la más inusual.
Para abordar los desafíos globales, las universidades deben construir asociaciones efectivas en todo el plan de estudios y más allá del campus, incluido el trabajo con comunidades y empresas. En el pasado, la colaboración entre disciplinas era difícil. Cada campo tiene sus propios términos, conceptos y métodos. Pero la IA está reduciendo esas barreras de comunicación. Cuando encuentro conceptos técnicos desconocidos, puedo utilizar herramientas de inteligencia artificial para ayudarme a interpretarlos y explicarlos. De manera similar, los informáticos pueden utilizar la IA para comprender mejor los problemas locales.
Esto no reemplaza la cooperación humana. Se fortalecerá.
Los problemas importantes se resuelven cuando las personas trabajan juntas y para las personas. La IA puede gestionar esas relaciones, pero no puede reemplazarlas. En mi salón de clases, me concentro más en el trabajo colaborativo basado en proyectos que integra habilidades técnicas con desafíos de dominio y comunicación.
Acceso y uso ético de la IA
Al mismo tiempo, debemos pensar detenidamente sobre el uso ético de la IA, incluido el acceso a los servicios de IA. El acceso a las herramientas de IA será inigualable. Muchos sistemas avanzados requieren suscripciones pagas y las tarifas pueden acumularse rápidamente. Si bien $20 (£15) por mes puede parecer manejable para algunos, no es barato para todos los estudiantes. Se alienta a las universidades a ampliar el acceso institucional a la infraestructura avanzada de IA para que el avance no dependa de la capacidad financiera personal.
El lado ético del uso de la IA es muy importante. La investigación empírica (incluido el trabajo en mi propio campo) muestra que los resultados de la IA no son objetivos ni aleatorios. De todos modos. Puede expresarse política, social y geográficamente. Los estudiantes necesitan aprender no sólo cómo producir resultados sino también cómo hacer preguntas.
En última instancia, la inteligencia artificial no se trata de tener una nueva herramienta; se trata de desarrollar la capacidad de integrar tecnología, experiencia y relaciones humanas. Las universidades necesitan saber que están bien situadas para liderar. En Virginia Tech, nuestro lema corporativo «Ut Prosim (Para que pueda servir)” enfatiza la solución de los problemas del mundo a través de la cooperación y la acción.
La pregunta no es si deberíamos llevar la IA al aula (ya existe), sino cómo podemos preparar a los estudiantes para que le den sentido. La tecnología es importante. Pero sin comprensión local y conexiones sólidas, no es suficiente.
Junghwan Kim es profesor asistente en el departamento de geografía y director del grupo de investigación Smart Cities for Good en Virginia Tech.
Si desea recibir consejos y conocimientos de expertos y personal universitario directamente en su bandeja de entrada todas las semanas, suscríbete al boletín del campus.
