Este evento anual, organizado por la IEEE Education Society para la Región 9 (América Latina) en conjunto con Science and Education Research Organization (COPEC), se llevó a cabo entre el 22 al 26 de marzo de manera online y presencial.
La evolución de la inteligencia artificial
Mangarelli recordó que una de sus primeras experiencias con un sistema de IA fue en 2011, cuando una startup de Silicon Valley usaba sensores para monitorear la salud de adultos mayores. Desde entonces, explicó, la disciplina evolucionó gracias a tres factores principales: el aumento en la capacidad de cómputo, la disponibilidad masiva de datos y avances como el deep learning y la arquitectura Transformer.
“Lo que sucedió en este tiempo es el incremento significativo de la capacidad de cómputo para hacer procesamiento de datos a partir del cloud, la evolución del hardware (GPUs), la masiva disponibilidad de datos que permiten entrenar sistemas en diferentes ámbitos y contextos, y el surgimiento de arquitecturas como los Transformers”.
Seis meses de grandes cambios
El decano destacó que la velocidad de evolución tecnológica ha sido particularmente acelerada. En enero de 2025, el modelo de razonamiento de la empresa china DeepSeek propuso una evolución de arquitectura que transformó la forma de modelar y mejorar la eficiencia de los language models.
“La evolución que hemos visto en los últimos seis meses ha sido fenomenal. La velocidad de cambio ha sido remarcable y eso nos pone a todos, como ingenieros, ingenieras y educadores, en la obligación de estar actualizados para saber cómo incorporar y cómo reaccionar a la evolución de la tecnología”.
“Para entender qué hacer, cómo proceder y qué estrategias tomar, necesitamos tener un profundo entendimiento de cómo funcionan y operan estos sistemas”.
¿Qué hizo tan disruptiva a la IA generativa?
El punto de inflexión llegó cuando los modelos comenzaron a dominar el lenguaje, generando una asociación directa con la inteligencia. Según Mangarelli, esta capacidad permitió que la IA se convirtiera en una herramienta para procesar conocimiento, incentivar la creatividad y que está comenzando a ser una herramienta de razonamiento.
“La afirmación relevante no es si son sistemas creativos o no, sino cómo el efecto de estos sistemas impacta en nuestra creatividad, cómo desarrollan, incentivan o acompañan nuestra creatividad.”
Modelos que razonan
Los modelos actuales no solo responden, también razonan. Esto es posible gracias a dos técnicas: chain of thought (cadena de pensamiento), que enseña a los modelos a resolver problemas paso a paso, y reinforcement learning.
“Lo fenomenal es cómo estos sistemas son capaces de aprender en base a mostrarles miles de ejemplos de cómo razonar”.
“En la combinación de los ejemplos de cadena de pensamiento y la modificación de la función de recompensa, comenzamos a desarrollar sistemas que son capaces de razonar”.
Eficiencia y sostenibilidad
Mangarelli llamó a reflexionar sobre el impacto ambiental del uso de IA. Explicó que tanto el entrenamiento como la inferencia son procesos altamente costosos en términos de energía.
“Una respuesta de un modelo como GPT-4o consume 20 veces más energía que una consulta en el buscador de Google. Debemos pensar cómo lograr eficiencia y cómo ser responsables con el medioambiente”.
Ventanas de contexto y herramientas
El decano subrayó la importancia de entender qué modelo y qué herramientas se están utilizando en cada caso y cuál es el que mejor aplica para una situación en particular. Explicó cómo herramientas como Notebook LM permiten trabajar con grandes volúmenes de información y reducir el riesgo de respuestas incorrectas.
“Hoy citar ‘usé ChatGPT’ no quiere decir absolutamente nada, porque detrás puedo haber usado 4o, 4o-mini u o1. Son modelos completamente distintos con capacidades distintas”.
Educación: el rol de los docentes
Frente a los desafíos que presenta la IA generativa, la Universidad ORT Uruguay impulsó una formación continua para docentes de toda la universidad, promoviendo la adopción temprana y el uso responsable de estas tecnologías.
“Esto parte por los docentes. Para poder formar a los estudiantes, primero debemos entender profundamente estas tecnologías, sus capacidades, limitaciones y riesgos”.
Mangarelli definió tres pilares clave para una educación en ingeniería alineada con el contexto actual:
- Formar en los conceptos fundamentales de la inteligencia artificial y la inteligencia artificial generativa, incluyendo otras disciplinas clave.
- Proveer herramientas concretas que permitan un desempeño profesional acorde al nuevo entorno.
- Integrar activamente la IA generativa en el proceso de formación, como parte habitual del aula y del aprendizaje.
“Nuestra responsabilidad es formar ingenieros capaces de entender y aplicar estas herramientas con profundidad y criterio”.
Incentivar y desarrollar habilidades para los ingenieros
Además del conocimiento técnico, Mangarelli subrayó la importancia de desarrollar nuevas competencias:
- Curiosidad, como motor del aprendizaje.
- Sentido crítico, para evaluar resultados, fuentes y respuestas de los sistemas de IA.
- Prompt engineering, como habilidad clave para comunicarse de manera precisa con los modelos.
- Capacidad de resolver problemas, objetivo final de toda formación en ingeniería.
“Estas herramientas pueden ser puertas fenomenales hacia el ejercicio de la curiosidad o pueden ser agujeros muy pequeños que limiten el acceso al conocimiento. Depende de cómo las usemos”.
Evaluación y uso ético
Mangarelli planteó que el uso de IA en el aprendizaje requiere repensar también las formas de evaluación. Desde ensayos y proyectos hasta evaluaciones orales o escritas, el objetivo es fomentar el uso correcto de la IA, no prohibirla.
“El desafío es diseñar tareas cuya complejidad implique necesariamente el uso de IA generativa y que solo puedan resolverse usándola de forma correcta”.
Intuición tecnológica
En su reflexión final, el decano propuso un concepto clave: incorporar la IA en nuestra intuición profesional, del mismo modo que usamos Google Maps sin pensarlo.
“Si alguien tiene que ir de un punto a otro de la ciudad, ni se lo cuestiona: abre Google Maps o Waze. Es una reacción automática. Con la IA todavía estamos lejos de incorporar sus capacidades, qué es capaz de resolver, con esa reacción intuitiva”.
“No tenemos suficientemente interiorizado cómo conectar rápidamente diversos escenarios y tecnologías para resolver problemas. Esta habilidad es una consecuencia directa de la educación".
