Mientras muchos estábamos fuera de la rutina académica, la inteligencia artificial siguió entrenando, aprendiendo, diseñando moléculas, escribiendo código y optimizando procesos. No se tomó descanso. Y ese simple hecho altera el punto de partida de este año.

El cambio no radica en que hoy podamos generar imágenes o textos que se confunden con los humanos. Lo más relevante es que comenzamos a trabajar con sistemas capaces de proponer hipótesis, priorizar alternativas y diseñar soluciones con un grado creciente de autonomía. Ya no son solo herramientas. Empiezan a convertirse en colaboradores operativos.

En ciencia, el giro es profundo. Los avances asociados a AlphaFold y a los nuevos modelos fundacionales aplicados a química y biomedicina están reduciendo tiempos que antes parecían inamovibles. Procesos dominados por ensayo y error ahora pueden explorarse en simulación antes de entrar al laboratorio. Se amplía la frontera de lo posible y se acelera la generación de conocimiento. La inteligencia artificial no sustituye al investigador; expande su capacidad para formular mejores preguntas y evaluar más caminos en menos tiempo.

En el mundo empresarial ocurre algo similar. Los agentes autónomos dejaron de ser una curiosidad tecnológica para convertirse en una capa operativa que ejecuta tareas, gestiona información y optimiza decisiones en tiempo real. En algunos procesos, el interlocutor ya no es una persona, sino otro sistema. Empieza a consolidarse una economía donde máquinas interactúan con máquinas, bajo reglas diseñadas por humanos.

Para las universidades y los ecosistemas de innovación, esto no es un fenómeno externo. Modifica la manera de investigar, transferir tecnología y formar talento. También transforma la creación de emprendimientos de base científica y tecnológica, que hoy pueden nacer con inteligencia artificial en su núcleo, reducir costos iniciales, validar más rápido y escalar desde etapas tempranas.

En este contexto surge una pregunta inevitable: ¿estamos preparando a nuestros estudiantes, investigadores y líderes para desenvolverse en este entorno?

Aprender a usar herramientas es apenas el comienzo. El desafío mayor es desarrollar criterio. Integrar inteligencia artificial con ciencia rigurosa, con responsabilidad ética y con una visión estratégica que oriente su impacto. La tecnología amplifica capacidades, pero también amplifica errores cuando no existe dirección.

Si miramos nuestro entorno, el desafío es aún más concreto. Países que desarrollen capacidades propias — modelos entrenados con datos locales, aplicaciones en sectores productivos estratégicos, marcos regulatorios modernos — tendrán ventajas estructurales. Los demás dependerán de soluciones diseñadas en otros contextos. La diferencia no será solo tecnológica, sino económica y cultural.

Este año no comienza en el mismo escenario que dejamos en diciembre. La conversación cambió. Las reglas de competencia evolucionaron. Las herramientas disponibles son otras.

La pregunta ya no es si la inteligencia artificial transformará la ciencia, la empresa o la educación. La pregunta es más incómoda y más directa: cuando nuestros nuevos colegas —que no siempre serán humanos— participen en las decisiones relevantes, ¿estaremos preparados para liderar ese diálogo o solo para adaptarnos a él?


Anil Sadarangani
Director de Innovación
Universidad de Los Andes