Dos proyectos de estudiantes en Saravena muestran la IA aplicada a lo local, aunque su validación aún es incipiente

Por Comunicaciones UIS · 16 de octubre de 2026.

Estudiantes de Ingeniería en Inteligencia Artificial de la Universidad Industrial de Santander (UIS), sede Saravena, presentaron dos investigaciones en la jornada «IA & Ciencia: Investigar con máquinas», organizada por la Facultad de Ciencias. Ambos trabajos parten de problemas del departamento de Arauca, en Colombia.

El primero, de Yazid Esteban Ramírez Arévalo, clasifica el riesgo de crecidas del río Cravo Norte. Según la universidad, el equipo reunió unos 289.929 datos en bruto de estaciones de medición (caudales, precipitaciones y niveles) y los depuró con ayuda de IA. Analizó 3.906 días entre 2016 y 2026. De ellos, el 15 % quedó clasificado como de alto riesgo, según un umbral estadístico definido en la propia investigación.

El segundo, de Juan Sebastián Mateus Mateus, busca estimar el riesgo de abandono de un estudiante nuevo comparándolo con alumnos que antes desertaron o continuaron. Esta primera fase usó datos sintéticos generados con IA, es decir, artificiales, para probar el modelo antes de trabajar con información real. El estudiante cita el trabajo, el transporte, la conectividad y factores familiares y motivacionales como condiciones asociadas a la deserción. Su meta es un proyecto de grado con datos reales en la sede.

Nuestra lectura: lo más interesante no es la sofisticación técnica, que la fuente no detalla, sino el punto de partida. Son alumnos de tercer semestre que formulan preguntas sobre su propio territorio en lugar de repetir ejercicios genéricos. Eso es lo que hace útil una formación en IA fuera de las grandes capitales.

También conviene ser prudentes. De la fuente no se desprende que el modelo de crecidas haya sido validado como sistema de alerta. Identificar el 15 % de días de riesgo sobre datos históricos es un primer paso, no una herramienta operativa. El de deserción, por ahora, se ha probado solo con datos sintéticos, que no demuestran que funcione con estudiantes reales. En general, la distancia entre un prototipo académico y un sistema fiable exige validar con datos reales y contar con las instituciones que deben actuar.

Aun así, la tendencia importa. Con herramientas de IA al alcance de cualquier estudiante, el cuello de botella deja de ser programar y pasa a ser formular buenas preguntas y conocer el terreno. Si esa capacidad se extiende a las regiones, la IA puede ayudar a anticipar desastres y a retener talento. Es un paso pequeño, pero va en la dirección correcta a largo plazo.