Policy Fragmentation or Institutional Alignment? Institutional Governance of AI in Universities and Business Schools
Este estudio analiza las políticas de IA en las instituciones de educación superior de EE. UU. y encuentra un desalineamiento significativo donde las directrices a nivel universitario priorizan la mitigación de riesgos mientras que las políticas a nivel de facultad se centran en la pedagogía, una brecha que es particularmente pronunciada en las escuelas de negocios y que obstaculiza la integración de los objetivos de aprendizaje específicos de cada disciplina.
Artículo original bajo licencia CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina el mundo de la educación superior como una ciudad enorme y bulliciosa. Durante décadas, esta ciudad ha tenido que decidir cómo manejar las nuevas herramientas: primero llegó la calculadora, luego la hoja de cálculo y ahora, la herramienta más poderosa hasta la fecha: la Inteligencia Artificial (IA). Piensa en la IA como un asistente súper inteligente y omnisciente que puede escribir ensayos, resolver problemas matemáticos complejos y analizar datos en segundos. Pero, al igual que un nuevo superpoder, viene con un inconveniente. Las escuelas están tratando de determinar las reglas del camino: ¿Deberían permitirse los estudiantes usar este asistente? Si es así, ¿cómo? ¿Y quién dicta las reglas? Esta es la gran pregunta que aborda el artículo. Examina cómo las universidades (el gobierno de la ciudad) y las escuelas específicas dentro de ellas, como las escuelas de negocios (vecindarios especializados), están redactando sus propios libros de reglas para la IA. El objetivo es ver si todos están cantando la misma partitura o si la ciudad y los vecindarios están discutiendo por la letra.
Las autoras, Lydia Manikonda y Dominique Outlaw, decidieron jugar a ser detectives. No se limitaron a suponer; utilizaron un programa informático (una especie de lupa digital) para leer y analizar 130 políticas de IA diferentes de universidades en 34 estados de EE. UU. Querían ver si las reglas generales de la universidad coincidían con las reglas específicas creadas por las escuelas de negocios. Trataron el texto de estas políticas como un rompecabezas, utilizando las matemáticas para medir qué tan "felices" o "asustadas" sonaban las reglas (sentimiento), qué tan claras eran y qué tan similares eran los diferentes libros de reglas entre sí.
Aquí está lo que encontraron, y es un poco como descubrir que el gobierno de la ciudad y la vigilancia vecinal local están hablando dos idiomas diferentes.
Primero, observaron el panorama general: las políticas de toda la universidad. Estas resultaron ser muy cautelosas, como un padre diciéndole a un niño: "Ten cuidado con ese juguete nuevo". El lenguaje era mayormente neutral y suave, usando palabras como "puede" o "podría" en lugar de mandatos estrictos como "debe" o "prohibido". El enfoque principal de estas grandes políticas era la seguridad y el riesgo. Les preocupaba la seguridad de los datos (mantener los secretos a salvo) y asegurarse de que nadie hiciera un mal uso de la tecnología. Básicamente estaban diciendo: "No rompas nada y no subas tu información privada a Internet".
Luego, las autoras hicieron zoom en las escuelas de negocios. Encontraron que solo ocho de las 130 universidades tenían una política separada y específica solo para su escuela de negocios. Pero aquí está el giro: cuando compararon estas ocho políticas de las escuelas de negocios con las reglas de su universidad matriz, no coincidían muy bien. Era como si la ciudad dijera: "No toques los cables", pero la escuela de negocios dijera: "Aquí te explico cómo usar los cables para construir un robot genial".
Las políticas de las escuelas de negocios estaban mucho más enfocadas en cómo usar la IA para el aprendizaje. Hablaban de herramientas específicas, de cómo redactar tareas que utilicen la IA y de cómo enseñar a los estudiantes a ser buenos usando estas herramientas. Estaban menos preocupadas por los "no hacer" y más preocupadas por los "cómo hacer". Las políticas universitarias se trataban de proteger el castillo (gestión de riesgos), mientras que las políticas de las escuelas de negocios se trataban de enseñar a los caballeros cómo luchar (pedagogía y habilidades).
El artículo sugiere que este desajuste es un problema. Si la universidad dice: "Ten cuidado", pero la escuela de negocios dice: "Usa esta herramienta para conseguir un trabajo", los estudiantes y profesores se confunden. No saben si deben tenerle miedo a la IA o estar emocionados por ella. Las autoras argumentan que necesitamos corregir esta brecha. Proponen una nueva forma de pensar donde la universidad establece los límites de seguridad (como "no subas secretos"), pero las escuelas de negocios son libres de construir las rutas de aprendizaje dentro de esos límites.
Las autoras son cuidadosas al no decir que este es un problema resuelto. Sugieren que, en este momento, las cosas están un poco desordenadas y fragmentadas. Encontraron que la mayoría de las universidades todavía están en la fase de "descifrarlo", utilizando un lenguaje suave porque la tecnología cambia muy rápido. Recomiendan que las escuelas trabajen juntas para asegurar que las reglas grandes y las reglas pequeñas se comuniquen entre sí, de modo que los estudiantes se gradúen listos para el mundo real, donde la IA ya es una parte normal del trabajo.
En resumen, el artículo muestra que mientras las universidades intentan mantener a todos a salvo de la IA, las escuelas de negocios intentan enseñar a los estudiantes cómo usarla. El desafío es lograr que estos dos objetivos no tropiecen entre sí, sino que trabajen juntos para crear un futuro donde los estudiantes sean tanto seguros como hábiles.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.