Stony Brook, entre el miedo a quedar «reemplazados» y la IA como colaboradora: la universidad se reinventa sin respuestas

Por SBU News · 19 de octubre de 2026.

La Universidad de Stony Brook (Nueva York) celebró el 16 de octubre un panel presidencial sobre cómo despliega la inteligencia artificial en docencia, investigación y atención sanitaria. Lo moderó su presidenta, Andrea Goldsmith, con cuatro expertos de educación, ingeniería y medicina. Según la propia universidad, los participantes se mostraron entusiastas, pero admitieron que no tienen todas las respuestas.

El caso más ilustrativo lo contó el cardiólogo On Chen. Tardó cinco años en escribir un manual de electrocardiogramas; un estudiante de grado le llevó, al día siguiente de preguntarle por un modelo 3D del corazón, uno creado con IA. Es interactivo: permite simular una arteria bloqueada o administrar un fármaco y ver cómo cambian el electrocardiograma y las constantes del paciente. Chen reconoció que, si el método del alumno es mejor, adelante.

En el aula, Rose Tirotta-Esposito, responsable de transformación educativa, describió dos reacciones opuestas entre el profesorado: quienes usan chatbots para simulaciones y juegos de rol, y quienes rediseñan tareas en torno al trabajo en grupo y el debate sin IA. Goldsmith expresó su temor a que los estudiantes, con respuestas inmediatas, dejen de acudir a tutorías o de trabajar con compañeros. Tirotta-Esposito sugirió lo contrario: que la IA absorba las dudas básicas y deje las conversaciones difíciles para el tiempo con el profesor.

En medicina, Cindy Lee, jefa de imagen mamaria, explicó que el programa de Stony Brook usa IA desde 2018 para marcar hallazgos sospechosos en mamografías, como «segundo par de ojos» del radiólogo. El médico sigue valorando historial, antecedentes familiares y otros factores de riesgo. Su equipo estudia además si la IA rinde igual entre grupos raciales y étnicos, mediante un programa móvil de cribado en comunidades desfavorecidas. Lee advirtió, con una frase que conviene recordar, que «la respuesta más segura de sí misma no siempre es la correcta».

El decano de Ingeniería, Andrew Singer, planteó que enseñar solo a usar la herramienta de hoy es «prepararlos para el fracaso»; hay que enseñar a pensar. También señaló un problema de fondo para la ciencia: si producir un artículo es cada vez más fácil, las universidades tendrán que decidir cómo evaluar qué es investigación original.

**Nuestra lectura.** Este panel es una nota de prensa institucional, no un estudio: no hay datos de resultados, solo testimonios. Aun así, es un buen termómetro del clima en la academia, y de él sacamos tres ideas.

Primera: el miedo a ser sustituido ya no es solo de los administrativos. Lee, recién ascendida a catedrática tras años de artículos y subvenciones, confesó sentirse «reemplazada» al ver a la IA hacer tareas que antes le llevaban meses. Y a la vez la llama su «mejor colaboradora». Esa tensión resume el corto plazo: el valor del trabajo intelectual rutinario cae deprisa, y quien no se reposicione lo notará. Es una transición incómoda y conviene decirlo así.

Segunda: el riesgo más serio no es el que suele citarse. Más que el plagio, preocupa que desaparezcan las tareas introductorias con las que un doctorando aprende el oficio, justo cuando la financiación de la investigación está bajo presión. Si la IA hace el trabajo de base, ¿cómo se forma al experto? La respuesta de Lee, que seguirán necesitándose estudiantes de posgrado y mentoría, es la correcta, pero exige rediseñar el aprendizaje de forma deliberada, no esperar a que ocurra solo.

Tercera: la medicina muestra el modelo sano. IA que señala, humano que decide, y auditoría explícita de sesgos entre poblaciones. Es la forma de ganar confianza, y la ventaja de que funcione es enorme: atención personalizada y más tiempo humano con el paciente. En general, esa combinación es el camino más realista hacia la medicina que, a largo plazo, puede prevenir y curar enfermedades que hoy nos superan.

La tesis es sencilla: la universidad que prospere no será la que prohíba ni la que adopte sin criterio, sino la que proteja lo insustituible, la relación con quien te enseña y el juicio propio, mientras delega lo mecánico. Que los propios expertos digan «tenemos que equivocarnos y probar cosas nuevas» es, paradójicamente, una señal de madurez.