Elon University enseña a sus alumnos de analítica a desconfiar de la IA: plantear bien el problema es la habilidad que cuenta

Por Elon University · 2 de noviembre de 2026.

La Martha and Spencer Love School of Business de Elon University (Carolina del Norte) celebró el 29 de octubre su Business Analytics Summit, con el lema «Futuro de la analítica: impulsar el éxito profesional mediante IA y analítica responsables». Reunió a estudiantes, profesores y profesionales de la industria en sesiones, un reto de datos, un concurso de pósteres y un panel sectorial, según la crónica de la propia universidad.

En la sesión sobre IA responsable, el antiguo alumno Peyton Pesavento, consultor de estrategia de IA empresarial en Accenture, pidió a los estudiantes entender el problema antes de pedir ayuda a una IA. «Frame the real problem», dijo, y desaconsejó limitarse a decirle al modelo «estoy intentando hacer esto, ayúdame». Él y su colega Jared Skinner recomendaron verificar la información que se entrega a la IA, cuestionar sus respuestas y llevar ejemplos de trabajo reales a las entrevistas. Beca Mayr, vicepresidenta de captación de talento en Sedgwick, explicó cómo combinó su experiencia en recursos humanos con habilidades técnicas para construir agentes de IA que apoyan la selección de personal.

En el reto de datos, los equipos analizaron datos públicos de vivienda y desarrollo urbano del condado de Alamance (permisos de obra, parcelas fiscales, límites municipales y otras fuentes). El equipo ganador, formado por Takoda Moore, Sebastian Zucker-Malone y Shayne Goldstein, intentó primero predecir dónde habría desarrollo. Cuando sus modelos no superaron una línea base simple, según la universidad, cambiaron la pregunta y estudiaron dónde era menos probable. Otro proyecto premiado en la sesión de pósteres examinó el uso de IA en hospitales.

El panel de la tarde incluyó a responsables de Franzy, Wells Fargo, The Link Group, la ciudad de Charlotte y Lenovo. April Frazer, de Wells Fargo, contó que la IA podría ahorrar a su equipo tiempo de recopilación de datos financieros para dedicarlo a interpretar los números, y que tuvo que corregir a una herramienta que dio información errónea sobre los resultados del banco. «Tienes que estar probándola y empezar a cuestionarla», dijo. Elin Walton, de Franzy, resumió: «Son los humanos que usan la tecnología quienes crean el valor», lo que a su vez impone una responsabilidad distinta al usuario: aportar el contexto y los datos adecuados. Brandon Richard, de The Link Group, habló de ayudar a los nuevos empleados a usar IA sin dejar de desarrollar pensamiento crítico y relación con el cliente.

Nuestra lectura: es una noticia pequeña, pero retrata bien hacia dónde se desplaza la formación. Cuando la IA hace el cálculo, la ventaja del analista junior ya no es ejecutar, sino formular la pregunta correcta y detectar cuándo la respuesta no se sostiene. La anécdota del equipo ganador es el mejor ejemplo: un modelo que no bate a una línea base trivial no es un fracaso, es una señal para replantear el problema. Esa disciplina escéptica es exactamente lo que ninguna herramienta aporta por sí sola.

En general, el riesgo a corto plazo para el empleo de nivel de entrada en analítica es real: si la IA absorbe la recopilación y el primer análisis, los puestos de aprendizaje tradicionales se estrechan, y de ahí la insistencia de los ponentes en el portafolio de ejemplos y en el criterio propio. Que una universidad lo trabaje ya en el aula es buena señal. A largo plazo, liberar al analista de la tarea mecánica para dedicarse a interpretar y decidir apunta justo a la dirección que defendemos: menos trabajo repetitivo, más trabajo que requiere juicio. Conviene, eso sí, no sobrerrepresentar el alcance: se trata de una crónica institucional de un evento, sin datos de resultados laborales que demuestren aún que este enfoque funcione.