Recientemente, Ariel Rosenfeld, profesor asociado de la Universidad Bar-Ilan en Israel, concibió una nueva idea de investigación. El camino de la investigación es claro, pero su implementación requiere un esfuerzo considerable: revisar la literatura, escribir código, entrenar modelos y realizar análisis estadísticos.

Hace unos años, probablemente lo habría hecho sin dudarlo: reclutar a un estudiante de posgrado para que se uniera al laboratorio, dejar que el estudiante liderara el proyecto y brindarle orientación tras bambalinas. Pero ahora, surge una idea algo inquietante: ¿debería simplemente delegar este trabajo a la inteligencia artificial (IA) en lugar de arriesgarlo con un estudiante?.

La inquietud de Rosenfeld proviene de su convicción de que priorizar los algoritmos sobre los estudiantes es una traición a su misión académica. Recientemente publicó un artículo en *Science* donde describe el entorno cambiante y sus propias impresiones al respecto.

A continuación, su relato.

Recordé las habilidades de investigación que adquirí hace más de diez años, cuando comencé mis estudios de posgrado, y la gran cantidad de orientación y formación que recibí para llegar a mi puesto actual. Cuando les escribí a los profesores expresando mi interés en hacer un doctorado en Ciencias de la Computación, mi experiencia en investigación era prácticamente nula.

Me esforcé por comprender sus áreas de investigación, incluso las más básicas. Pero sentado en sus despachos, escuchándolos hablar de robótica, algoritmos y procesamiento del lenguaje natural, no entendía casi nada del verdadero significado de estos conceptos.

Un profesor, sin importarle mi ignorancia, aceptó mi solicitud. Estaba increíblemente agradecido por esta oportunidad. Sin embargo, los primeros meses fueron un duro golpe de realidad: estudiaba frenéticamente, leía bibliografía, escribía resúmenes y generaba ideas, intentando comprenderlo todo.

Sin embargo, cada vez que presentaba mi trabajo a mi directora de tesis, su opinión, al ver mis resultados inconexos, era siempre la misma: tenía que empezar de cero.

Consideré abandonar porque sentía que constantemente decepcionaba a mi directora de tesis. Pero ella nunca se dio por vencida conmigo. Quizás creyó en mi potencial, quizás vio que lo había dado todo, o quizás simplemente creyó que guiar a investigadores era inherentemente difícil.

Tras aproximadamente un año de dedicación sumamente paciente, finalmente obtuve algunos resultados que me permitieron profundizar en la investigación. Solo entonces pasé de ser un novato sin experiencia a un joven investigador que había dejado su huella.

Años después, me convertí en profesor y vi a mis estudiantes luchar con sus investigaciones, tal como yo lo había hecho en su momento. Mi agenda estaba repleta de reuniones, cuyo objetivo principal era ayudarlos a aclarar sus dificultades. En última instancia, esta inversión valió la pena: verlos convertirse en jóvenes colaboradores capaces me produjo una indescriptible sensación de logro.

Ahora, la IA me ofrece una nueva opción. Si bien puede que no sea un socio académico excepcional, sobresale en la enorme cantidad de trabajo que necesito realizar con urgencia.

La IA no requiere periodo de adaptación, ni reuniones interminables, ni apoyo emocional. Ha provocado un cambio silencioso, aunque inquietante, en mi forma de pensar. La cuestión no es si mis estudiantes son valiosos. A largo plazo, su valor es irremplazable.

El verdadero problema es que el valor de los estudiantes tarda en manifestarse, mientras que la IA ofrece resultados inmediatos. Me avergüenza admitir lo tentadora que resulta esta recompensa inmediata. De hecho, en nuestra cultura académica, priorizar los algoritmos sobre los estudiantes se siente como una traición a nuestra misión académica.

El dilema.

Pero he notado que se están haciendo concesiones similares en los laboratorios que me rodean. Algunos colegas cercanos están reduciendo discretamente el número de estudiantes que reclutan; incluso cuando lo hacen, son notablemente más selectivos.

Mi primera impresión es que, en este nuevo entorno, cualquier estudiante que reclute debe contribuir a un nivel superior desde el principio. Pero para cumplir con estas mayores expectativas, es probable que los estudiantes dependan en gran medida de las herramientas de IA que yo mismo utilizo.

Esto podría significar perderse experiencias valiosas: afrontar los desafíos iniciales de la investigación y aprender de sus errores. Me preocupa que los estudiantes se conviertan en meros intermediarios entre las ideas originales y los resultados de la IA.

Mientras tanto, para el profesorado universitario, la presión por generar resultados de investigación nunca ha disminuido, y el ritmo de la investigación sigue siendo implacable, lo que hace que la IA eficiente y sin fricciones resulte cada vez más atractiva.

El verdadero peligro que veo no es que la IA reemplace por completo a los estudiantes de posgrado en un futuro próximo, sino que la arraigada idea de que «admitir estudiantes es una parte natural de la carrera académica de un profesor» se desmorone silenciosamente. En algunas situaciones, usar la IA se convertirá en la opción más pragmática.

Desconozco en qué situación se encontrarán los estudiantes de posgrado sin experiencia en investigación. Personalmente, me siento muy tentado a no arriesgarme a contratar a novatos en nuevos proyectos; es decir, si fuera hoy, probablemente no reclutaría a mi yo ingenuo de entonces.