Estudiantes de ingeniería afrontan una creciente dependencia de la inteligencia artificial generativa

LAUSANNE, Suiza — Dos años después de que la introducción pública de la inteligencia artificial conversacional transformara el panorama educativo, los estudiantes de la École polytechnique fédérale de Lausanne (EPFL) se encuentran gestionando una compleja relación con herramientas automatizadas que han penetrado profundamente en sus rutinas académicas. Tras el lanzamiento generalizado de ChatGPT de OpenAI a finales de 2022, las aplicaciones de aprendizaje automático generativo arraigaron rápidamente en los ordenadores portátiles y dispositivos móviles de los futuros ingenieros de este instituto técnico suizo. Esta rápida adopción, impulsada por métodos de estudio en evolución y un ecosistema en expansión de modelos comerciales y de código abierto, ha generado tanto notables aumentos de productividad como persistentes inquietudes sobre la retención de competencias, la autonomía técnica y la dependencia cognitiva, según informa Phys.org.

## Datos clave

- Las herramientas de inteligencia artificial generativa penetraron con rapidez en los entornos informáticos de los estudiantes de la École polytechnique fédérale de Lausanne (EPFL) a los dos años de su aparición a finales de 2022. - La acelerada adopción entre los futuros ingenieros se ha visto impulsada por hábitos de estudio adaptables y una marcada proliferación de modelos fundacionales competidores. - Los estudiantes universitarios y de posgrado de ingeniería reportan una relación conflictiva con las herramientas automatizadas, sopesando las ventajas de eficiencia frente a la preocupación por la dependencia. - Las universidades técnicas de toda Europa, regidas por diversos estatutos institucionales, continúan adaptando sus marcos de evaluación y exámenes para asimilar el acceso omnipresente a generadores automatizados de código y texto. - La integración institucional refleja dilemas pedagógicos más amplios en las facultades de ciencia, tecnología, ingeniería y matemáticas (STEM) a escala global.

## Qué ocurrió

Cuando OpenAI lanzó ChatGPT en noviembre de 2022, las instituciones de educación superior anticiparon inicialmente alteraciones en los cursos de humanidades y lenguas, donde la generación de lenguaje natural representaba un desafío inmediato para las evaluaciones tradicionales basadas en ensayos. Sin embargo, en universidades técnicas como la EPFL, ubicada a orillas del Lake Geneva, el impacto se desplazó con rapidez hacia las disciplinas cuantitativas, algorítmicas y de software. Los estudiantes de ingeniería, al contar con rutinas de estudio flexibles, integraron rápidamente los algoritmos generativos en sus dinámicas diarias de resolución de problemas, según un informe de Phys.org.

Durante los veinticuatro meses posteriores, el software generativo se expandió más allá de las interfaces conversacionales hacia la compleción especializada de código, las matemáticas simbólicas y las herramientas de depuración. Los estudiantes se encontraron en un entorno donde los asistentes automatizados podían redactar secuencias de comandos funcionales en Python, explicar conceptos avanzados de cálculo o resumir artículos técnicos complejos en cuestión de segundos. Esta accesibilidad generó un escenario en el que la frontera entre el estudio independiente y los resultados asistidos por algoritmos se volvió cada vez más difusa.

Esta rápida difusión ha producido lo que los observadores describen como una dinámica de amor y odio entre el alumnado. Si bien los aspirantes a ingenieros aprecian la velocidad con la que la inteligencia artificial puede solucionar errores de sintaxis persistentes o esclarecer literatura científica abstracta, muchos también señalan una creciente inquietud. La tensión se deriva del temor a que depender de instrucciones automatizadas amenace con erosionar la intuición computacional básica, la capacidad creativa para resolver problemas y la rigurosa disciplina históricamente requerida para dominar planes de estudio técnicos complejos.

## Por qué es importante

La normalización generalizada de la inteligencia artificial generativa entre los futuros especialistas técnicos conlleva importantes repercusiones para el mercado laboral de la ingeniería, los estándares de acreditación y la pedagogía universitaria. La formación en ingeniería se fundamenta en el principio de que los estudiantes deben dominar los principios básicos antes de aplicar abstracciones de alto nivel. Si los alumnos recurren habitualmente a modelos predictivos para eludir la fricción cognitiva en etapas tempranas —como depurar software de forma manual o derivar fórmulas físicas desde cero—, los pedagogos advierten de que los futuros ingenieros podrían carecer de la sólida base conceptual necesaria para diagnosticar fallos sistémicos en infraestructuras críticas del mundo real.

Además, este fenómeno repercute directamente en los mercados laborales profesionales. Las industrias globales dependen de graduados politécnicos de primer nivel procedentes de instituciones como la EPFL y su institución hermana, el Swiss Federal Institute of Technology Zurich (ETH Zurich), para diseñar sistemas de misión crítica en los campos aeroespacial, de infraestructuras civiles, telecomunicaciones y robótica biomédica. Si los graduados se incorporan al mercado laboral con muletas automatizadas en lugar de una probada autonomía para la resolución de problemas, los marcos industriales de control de calidad afrontarán retos de verificación sin precedentes. Por el contrario, prohibir por completo estas herramientas entraña el riesgo de formar graduados mal preparados para los procesos modernos de desarrollo, en los que la programación asistida por IA se está convirtiendo con rapidez en un referente del sector. Por consiguiente, las universidades deben rediseñar los regímenes de evaluación, abandonando las series de ejercicios para llevar a casa y las entregas de código en favor de exámenes supervisados, orales o de laboratorio físico aplicado que midan con fiabilidad la comprensión real.

## Contexto

La EPFL remonta sus orígenes a la École spéciale de Lausanne, fundada en 1853, y obtuvo el estatus oficial de instituto federal bajo la legislación suiza en 1969. Junto con la ETH Zurich, constituye el núcleo del ámbito de los Swiss Federal Institutes of Technology, reportando directamente al Swiss Federal Council a través del ETH Board. La institución es reconocida por su rigurosa formación técnica en ciencias de la computación, microingeniería, ciencia de materiales e ingeniería civil, y atrae a una comunidad estudiantil internacional que supera los 12.000 alumnos matriculados.

El sector educativo mundial se vio ampliamente desprevenido cuando los grandes modelos lingüísticos irrumpieron a gran escala a finales de 2022. Construidos sobre arquitecturas de redes neuronales de tipo transformador conceptualizadas por primera vez en 2017, estos modelos procesan amplios corpus de texto, código fuente y notación matemática para predecir los tokens subsiguientes más probables. Aunque las universidades abordaron inicialmente la tecnología con recelo —algunos distritos escolares de primaria y secundaria en Estados Unidos y Europa aplicaron prohibiciones efímeras—, las facultades técnicas reconocieron con rapidez que la prohibición total era inviable y contraproducente desde el punto de vista intelectual.

A lo largo de 2023 y 2024, las respuestas institucionales difirieron notablemente. Algunas universidades adoptaron códigos de honor que exigían a los estudiantes citar fragmentos de texto o segmentos de código generados por máquinas, mientras que otras hicieron obligatorio el uso de software especializado para detectar redacciones generadas por máquinas. Estas herramientas de supervisión arrojaron frecuentes falsos positivos y tuvieron dificultades para evaluar el código informático. En Suiza, donde la gobernanza académica federal hace hincapié en la libertad de investigación y la responsabilidad del estudiante, las instituciones han evitado en gran medida las prohibiciones punitivas y generalizadas. En su lugar, los consejos académicos han procurado integrar las competencias computacionales directamente en los planes de estudio, reconociendo que la viabilidad a largo plazo de la educación en ingeniería depende de adaptar el diseño de las evaluaciones antes que de intentar filtrar el tráfico de red.

## Reacciones

Las experiencias documentadas de los estudiantes de la EPFL reflejan debates más amplios en curso en los departamentos universitarios, senados docentes y órganos de representación estudiantil de toda Europa. El personal académico ha manifestado opiniones dispares en los claustros; los profesores de ciencias de la computación reconocen las ventajas prácticas del autocompletado de código, al tiempo que expresan preocupación por aquellos alumnos de cursos iniciales que se saltan las fases formativas fundamentales.

Los organismos oficiales universitarios, incluidas las asociaciones de estudiantes y los rectorados académicos, han centrado cada vez más su atención en establecer directrices pedagógicas equilibradas. Los colectivos estudiantiles han reclamado rúbricas de evaluación más claras, señalando que las políticas universitarias ambiguas dejan a los estudiantes expuestos a una aplicación dispar de la integridad académica entre los distintos departamentos. Se prevé que los responsables institucionales aborden estos desafíos en los próximos ciclos de revisión curricular, en los que los consejos académicos evaluarán cómo deben ajustarse los requisitos formales de titulación para garantizar que las competencias básicas sigan evaluándose con rigor.

## Lo que aún se desconoce

Aún existen importantes vacíos en cuanto a las consecuencias educativas mensurables y a largo plazo del uso intensivo de la inteligencia artificial entre las cohortes universitarias. Los informes actuales no aportan datos longitudinales que sigan las diferencias de rendimiento académico entre los usuarios asiduos de la IA y los estudiantes que minimizan deliberadamente la interacción con estos modelos. Sigue sin confirmarse si una elevada dependencia de las herramientas generativas se correlaciona con un peor desempeño en exámenes seguros y no asistidos, o si los estudiantes que recurren a esta ayuda alcanzan realmente una comprensión holística superior al delegar la sintaxis mecánica y rutinaria.

Asimismo, los testimonios disponibles no especifican cómo difieren las tasas de adopción o las normativas institucionales entre los distintos departamentos de la EPFL —como física teórica frente a ingeniería mecánica—. También persisten interrogantes sobre cómo las normas europeas de privacidad de datos, en particular el cumplimiento del General Data Protection Regulation (GDPR) de la Unión Europea y la revisada Federal Act on Data Protection (FADP) de Suiza, limitarán la implantación institucional de plataformas propietarias de aprendizaje automático alojadas en la nube en cursos universitarios obligatorios.

## Aspectos a seguir

Los analistas de las políticas de educación superior deberán seguir de cerca varios acontecimientos clave en los próximos semestres académicos. En primer lugar, habrá que observar si la EPFL y otras universidades politécnicas europeas equiparables modifican formalmente sus normativas de exámenes para ampliar las pruebas orales, las evaluaciones supervisadas en papel y lápiz o los entornos de evaluación computacional seguros y sin conexión a internet.

En segundo lugar, prestar atención a las directrices oficiales que emitan los organismos nacionales de acreditación y los colegios profesionales de ingeniería, tales como la Swiss Society of Engineers and Architects (SIA) o la European Federation of National Engineering Associations (FEANI), respecto al uso permitido de la IA en proyectos de fin de carrera acreditados y tesis doctorales. Por último, vigilar si los encargados de selección de personal corporativo y los empleadores del sector tecnológico modifican sus procedimientos de evaluación de graduados, incorporando incluso entrevistas técnicas presenciales y no asistidas para verificar de forma independiente las competencias básicas de ingeniería de los candidatos.

Este artículo se basa en información publicada por Phys.org.