Cómo MIT prepara a docentes para enseñar IA más allá del 'caja negra'

Un enfoque colaborativo para expandir la enseñanza de IA

El Schwarzman College of Computing del MIT puso en marcha un piloto que busca fortalecer la capacidad de los docentes para enseñar inteligencia artificial (IA) en contextos disciplinarios variados. Más que transmitir herramientas o algoritmos, el programa se diseñó para conectar conceptos técnicos con problemas reales de distintas áreas —desde finanzas hasta sostenibilidad— y para ofrecer materiales didácticos que puedan adaptarse a distintos niveles y formatos de clase.

La iniciativa requirió un trabajo amplio y transversal dentro del college: apoyo de la dirección, personal administrativo y la participación de más de media docena de instructores provenientes de campos tan diversos como finanzas, ciencias de la computación y sostenibilidad. Ese conjunto de voces ayudó a estructurar un taller donde se combinan fundamentos técnicos con ejemplos y recursos pedagógicos flexibles.

Saurabh Amin, profesor en ingeniería civil y director académico del piloto, resumió la novedad del esfuerzo: “No he visto un esfuerzo igual —tantos instructores dedicados reuniendo materiales de esta riqueza—, todo para capacitar a los educadores que atienden a sus estudiantes.” Amin también es codirector del Operations Research Center, una unidad conjunta entre el Schwarzman College y la Sloan School of Management del MIT.

El taller: modelos, pedagogía y actividades prácticas

Con apoyo de Jake y Robin Reynolds, el piloto reunió en julio a 19 participantes de instituciones como Allen University, Babson College, Brandeis University, Marshall University, University of Massachusetts at Lowell, University of North Texas y Wentworth Institute of Technology. Trabajaron junto a profesores e instructores del MIT en el curso “Modeling with Machine Learning”, usando demostraciones, videos y ejercicios.

El objetivo no fue solo explicar modelos, sino explorar la pedagogía detrás de cómo enseñar modelado con aprendizaje automático: cómo presentar ideas para que estudiantes de distintas disciplinas comprendan no solo el “qué” sino el “por qué” y el “cómo”. Las sesiones incluyeron actividades prácticas destinadas a traducir los materiales del curso a los contextos y necesidades específicas de cada participante.

Wenjin Zhou, profesora asistente de ciencias de la computación en UMass Lowell, destacó la pertinencia del taller para programas emergentes: “Esta oportunidad ha sido muy oportuna porque estamos iniciando un programa de IA y ciencia de datos en mi departamento. Ya nos preguntamos: ¿Cómo enseñamos a la próxima generación de informáticos en el área de IA? ¿Cómo integramos la IA en la enseñanza?” Zhou añadió que el taller le permitió reflexionar sobre el papel de los científicos de la computación en un panorama donde la IA crea herramientas accesibles para muchos.

Moverse más allá de la “caja negra”

Uno de los puntos centrales del piloto fue combatir la concepción de la IA como una caja negra o una suerte de magia tecnológica. Amin subraya que no falta material de calidad sobre IA; lo que escasea es el contexto: espacios donde docentes y estudiantes puedan conectar conceptos con problemas y modos de pensar propios de cada disciplina. Esos puentes se construyen a través del diálogo, el razonamiento y la experiencia práctica.

“Lo que escasea son educadores preparados para enseñar IA como algo más que un conjunto fijo de conceptos y herramientas: que la sitúen en su propio campo, ayuden a los estudiantes a usarla con juicio, y la desmitifiquen”, explica Amin. El propósito es que los alumnos no solo apliquen modelos, sino que aprendan a cuestionarlos, adaptarlos y construir sobre ellos.

Shen Shen, docente de EECS y uno de los instructores del taller, resume la intención pedagógica: “¿Cómo nos aseguramos de que el aprendizaje automático no sea solo una caja negra, ni una pieza mágica de nueva tecnología? Pueden verlo como una herramienta o un nuevo marco que les ayuda a resolver problemas en su dominio específico.”

De un taller piloto a una red de educadores

Al cierre del taller, los participantes compartieron qué materiales y métodos planeaban adaptar a sus cursos y disciplinas. Esa retroalimentación será clave para iterar futuras ediciones del piloto y para construir una red más amplia de docentes comprometidos con la expansión de la educación en IA en distintos entornos de aprendizaje.

Weijie Pang, profesora asistente en Wentworth Institute of Technology, destacó el valor del intercambio entre facultades: “Es una oportunidad muy valiosa para comunicarnos con otros profesores de diferentes carreras. Puedo ver qué hacen otras universidades y qué podemos aprender mutuamente.”

Dylan Cashman, profesor asistente en Brandeis University, añadió: “Es útil saber que, dentro de disciplinas distintas y en universidades diferentes, todos estamos lidiando con las mismas preguntas sobre cómo servir mejor a nuestros estudiantes ante el cambio tecnológico. Con suerte, podemos prepararlos para el éxito siendo un poco más previsores respecto a cómo se usará la IA.”

Relevancia para América Latina: lecciones aplicables

Aunque el piloto se desarrolló en el MIT y reunió universidades estadounidenses, las lecciones son relevantes para las instituciones latinoamericanas. Muchas universidades en la región están ampliando ofertas en IA y ciencia de datos, y enfrentan desafíos similares: docentes que necesitan herramientas pedagógicas, cursos que deben vincularse con problemas locales (salud, agricultura, gestión pública) y la urgencia de formar profesionales que comprendan las implicaciones éticas y sociales de la tecnología.

El énfasis del piloto en materiales adaptables y en pedagogía activa puede ser especialmente útil en contextos con diversidad de recursos y perfiles estudiantiles. Compartir casos, modular contenidos y promover redes de docentes son estrategias transferibles que pueden acelerar la incorporación responsable y efectiva de la IA en los planes de estudio latinoamericanos.

Conclusión

El piloto del MIT ejemplifica un enfoque para escalar la educación en IA: no se trata solo de difundir conceptos técnicos, sino de construir capacidades docentes que permitan contextualizar, criticar y aplicar la tecnología en distintos dominios. Para las universidades que buscan formar estudiantes preparados para un mundo donde la IA es ubicua, invertir en la formación de educadores y en comunidades de práctica puede ser tan importante como actualizar los contenidos de los cursos.

La iniciativa muestra además que la enseñanza de IA gana cuando se combina expertise disciplinar, materiales ricos y espacios colaborativos donde los educadores aprenden unos de otros. Ese modelo —adaptado a realidades locales— puede ayudar a América Latina a cerrar la brecha entre el despliegue tecnológico y la formación crítica y práctica que demanda el mercado y la sociedad.