Investigadores exponen metodologías y resultados del uso de Inteligencia Artificial en proyectos académicos

La Universidad de Santander (UDES), a través de la Vicerrectoría de Investigaciones, realizó el conversatorio “Proyecciones de la Inteligencia Artificial: retos y oportunidades para la investigación”. El evento tuvo como objetivo técnico analizar la integración de herramientas de Inteligencia Artificial (IA) en la generación, análisis de datos y resolución de problemas en el entorno académico, estableciendo parámetros para su aplicación ética y rigurosa.

De manera análoga a la adopción histórica de otras tecnologías digitales, como los dispositivos móviles y los sistemas operativos, la incorporación de la inteligencia artificial (IA) en la institución ha avanzado progresivamente en su ciclo de madurez, pasando de una fase inicial de asimilación hacia su integración formal en las metodologías de investigación. En este escenario, el propósito institucional es utilizar la tecnología como un medio para externalizar y optimizar la carga operativa, manteniendo siempre la herramienta subordinada a los objetivos, necesidades y dinámicas propias del sistema de actividad humana (personas, procesos, roles, relaciones y propósitos orientados al cumplimiento de las funciones misionales de la educación superior).

Optimización de bases de datos y análisis documental

En la práctica metodológica, la IA generativa y los sistemas de análisis de documentos se aplican para procesar volúmenes masivos de información en tiempos reducidos. Estas plataformas son utilizadas para sistematizar revisiones de literatura en bases de datos científicas, permitiendo identificar vacíos de conocimiento, definir categorías de análisis y cruzar variables teóricas.

Una de las aplicaciones operativas de mayor impacto es la extracción de datos desde documentos densos, como estados financieros, reportes gubernamentales o estadísticas de entidades oficiales que superan las 150 páginas. A través de instrucciones precisas (prompts), las herramientas de IA localizan partidas específicas, extraen indicadores y normalizan la información, construyendo matrices y bases de datos estructuradas a partir de formatos cerrados o de difícil descarga.

Para mitigar riesgos de seguridad y confidencialidad durante este procesamiento masivo, los procesos de investigación contemplan el uso de funciones de interacción temporal. Esta medida evita que la información sensible suministrada a las herramientas sea almacenada o utilizada posteriormente para el entrenamiento público de los modelos algorítmicos.

Limitaciones técnicas y sesgos del algoritmo

La adopción de estas tecnologías requiere comprender sus limitaciones estructurales. Los modelos de IA carecen de conciencia y de capacidad de análisis contextual. Su funcionamiento se basa en procesos de entrenamiento previos; por lo tanto, la herramienta asume como absolutos los datos con los que fue alimentada. Si el entrenamiento inicial contiene información sesgada o errónea, la IA replicará esos errores como si fueran verdades irrefutables.

Asimismo, existe el riesgo documentado de las "alucinaciones" computacionales. En la generación de contenidos académicos, las herramientas pueden inventar referencias bibliográficas, citar artículos inexistentes o alterar cifras estadísticas.

La validación obligatoria del investigador

Frente a las limitaciones técnicas de los algoritmos, el consenso metodológico establece que el trabajo operativo de la IA no reemplaza bajo ninguna circunstancia el criterio del investigador.

El modelo de investigación actual determina una división técnica: la tecnología ejecuta la recolección, depuración y estructuración masiva de los datos, mientras que el ser humano asume la validación estricta de la información. Es responsabilidad exclusiva del investigador contrastar los resultados arrojados por la IA con las fuentes primarias, evaluar la viabilidad técnica —ya sea en contextos biológicos, financieros o agrícolas— y aplicar el análisis crítico para garantizar el rigor y la transparencia de los descubrimientos científicos.