Puede que dentro de unos años miremos atrás y descubramos que éste fue el momento exacto en el que cambió la naturaleza de la generación y transmisión del conocimiento. No porque las máquinas empezaran a pensar, sino porque empezaron a “colaborar” potenciando nuestra productividad y amplificando nuestras capacidades. Esa es, quizá, la verdadera disrupción. La inteligencia artificial no está simplemente automatizando tareas; está ya inmersa en el propio proceso de creación intelectual. Y cuando eso ocurre, la universidad —que es, ante todo, una institución dedicada a generar y transmitir conocimiento— no puede permanecer igual. A esto ya me referí en un post posterior.
Sin embargo, en la “India–Spain Conference on Higher Education”, celebrada recientemente en Nueva Delhi y en la que he tenido el placer de participar, esta reflexión me ha hecho profundizar sobre el tema, adquiriendo una dimensión especial. India no es un actor periférico en el desarrollo de la IA; es uno de sus grandes motores globales, tanto por la formación de talento como por la capacidad tecnológica y el ecosistema de datos que ha construido.
En ese contexto, hablar del futuro de la universidad obliga a ir más allá de los lugares comunes. No se trata solo de que la IA transforme la educación, la investigación o la industria. Se trata de que está transformando la forma en que el conocimiento se produce, se valida y se transmite.
Durante décadas, el gran límite de la ciencia fue la capacidad de cálculo. El procesamiento de datos, la simulación compleja, la potencia computacional marcaban el ritmo del avance. Hoy ese límite se desplaza. Sistemas capaces de revisar literatura científica en minutos, generar hipótesis plausibles o analizar volúmenes masivos de información en segundos están alterando la estructura misma del ciclo investigador.
El cuello de botella ya no es la computación; empieza a ser la formulación de preguntas relevantes, la calidad de los datos disponibles, la integración entre disciplinas y, sobre todo, la imaginación conceptual. La IA no elimina la excelencia científica; eleva su umbral.
Los datos respaldan esta transformación. El “Stanford AI Index Report 2024”, elaborado por el “Stanford Institute for Human-Centered Artificial Intelligence”, señala incrementos significativos de productividad en tareas intensivas en conocimiento gracias a herramientas de IA generativa.
Por su parte, el informe “The Economic Potential of Generative AI” (McKinsey, 2023) estima que esta tecnología podría añadir entre 2,6 y 4,4 billones de dólares anuales a la economía global. Más allá de las cifras exactas, el mensaje es claro: la capacidad de amplificar inteligencia mediante sistemas inteligentes se está convirtiendo en un factor estructural de competitividad.
También la transferencia de conocimiento cambia de lógica. Durante años la transferencia obedecía generalmente a un proceso o recorrido (simplificando) relativamente lineal: investigación, patente, licencia, producto. Con la IA el modelo adquiere otras formas como: datos, modelo, plataforma, iteración continua. Es evidente que la distancia entre laboratorio y mercado se acorta porque los prototipos pueden simularse antes de construirse, los gemelos digitales reducen el riesgo tecnológico y los algoritmos se convierten en activos transferibles.
Pero al mismo tiempo surgen preguntas institucionales complejas: ¿quién es propietario de una invención asistida por IA?, ¿cómo se protege la propiedad intelectual de un modelo entrenado con múltiples fuentes?, ¿cómo se regulan resultados co-creados por humanos y sistemas autónomos? Las universidades deberán gestionar la gobernanza de datos y las licencias algorítmicas con la misma naturalidad con la que han gestionado patentes tradicionales. Nuestras oficinas de transferencia tienen por delante el reto de adaptación y reconversión a una nueva realidad.
Y este nuevo escenario abre oportunidades estratégicas. Los centros de investigación pueden convertirse en nodos de amplificación de inteligencia, ofreciendo capacidades avanzadas de IA a sectores productivos y articulando ecosistemas de datos sectoriales. Los datos, adecuadamente “curados” y gobernados éticamente, pasan a ser infraestructuras estratégicas.
Y los laboratorios pueden evolucionar hacia espacios híbridos humano–máquina, donde investigadores y agentes autónomos trabajen en paralelo en entornos de simulación continua.
Este factor puede multiplicar la productividad científica y reducir tiempos y costes, siempre que exista la infraestructura necesaria. De lo contrario, la IA puede generar una nueva desigualdad entre universidades que tengan capacidades computacionales y aquellas que no la tengan, una brecha que sería tecnológica pero también geopolítica. En eso necesitamos trabajar en alianzas con el soporte de nuestras administraciones públicas y autoridades.
En este contexto hay una idea que resume bien el momento: nuestros egresados no competirán contra la IA sino que competirán contra quienes sepan utilizarla mejor. La automatización ya afecta a tareas como la redacción técnica más convencional de informes o documentos, el análisis repetitivo o ciertos procesos de programación. Pero la IA no puede sustituir - aunque sí ayudar - a los procesos de cambio conceptuales, la síntesis interdisciplinar, el juicio ético - algo crítico - o el imprescindible liderazgo científico. Es muy posible que investigadores con capacidades medias, potenciados por IA, alcancen niveles de productividad antes reservados a élites muy reducidas. Eso democratiza herramientas, pero elevará los estándares actuales.
La universidad debe responder con estrategia y evitar las inercias. Hay cambios de paradigma en marcha. Es imprescindible invertir en infraestructuras digitales potentes o compartirlas con otras instituciones, reformar los sistemas de evaluación para valorar el impacto de la investigación más allá del simple recuento de publicaciones, rediseñar la formación doctoral incorporando metodologías asistidas por IA y colaboración humano–máquina, e impulsar una total alfabetización transversal en inteligencia artificial que alcance a toda la comunidad universitaria.
No sabemos cómo será el ecosistema tecnológico dentro de diez años. Pero sí sabemos que la universidad que ignore esta transformación perderá relevancia. La que la integre con visión y responsabilidad reforzará su papel como motor de conocimiento, innovación y cohesión social. La inteligencia artificial no acelera simplemente lo que ya hacíamos; nos obliga a decidir qué universidad queremos ser.
Prof. José E. Capilla
