LearnAI: Just-in-Time AI Co-Creation Across Disciplines at a University

En el mundo moderno, la inteligencia artificial ha pasado de ser ciencia ficción a una utilidad cotidiana, transformando la manera en que las personas resuelven problemas en oficinas, aulas y hogares. Sin embargo, persiste una brecha significativa en cómo la sociedad aprende a utilizar estas herramientas. La mayoría de los esfuerzos educativos caen en uno de dos campos: talleres teóricos generales que explican qué es la IA sin enseñar cómo usarla, o cursos técnicos avanzados diseñados para expertos en ciencias de la computación que dejan atrás a todos los demás. Esta división deja a un vasto grupo de estudiantes —aquellos que necesitan crear un sitio web, automatizar una hoja de cálculo o organizar un flujo de trabajo, pero carecen de habilidades de programación— sin un camino a seguir. Se enfrentan a la elección entre hacerlo todo manualmente o entregar su trabajo por completo a una máquina, a menudo sin comprender el proceso. La pregunta que enfrentan los educadores hoy en día no es solo cómo enseñar a la gente a programar, sino cómo ayudar a diversos grupos de personas a colaborar con la IA para construir soluciones reales y funcionales que se ajusten a sus necesidades específicas.

En la Universidad de Monmouth, un equipo de investigadores y educadores probó un nuevo enfoque para cerrar esta brecha, creando un programa llamado LearnAI. En lugar de obligar a los estudiantes a aprender lenguajes de programación complejos primero, construyeron un servicio que encuentra a las personas exactamente donde están, ofreciendo ayuda inmediata con tareas del mundo real. El programa opera en dos niveles. El primero es una red amplia lanzada a través de dieciocho cursos universitarios diferentes, que van desde enfermería y negocios hasta ciencias de la computación. En estas clases, tutores de pregrado ofrecieron charlas cortas de quince minutos mostrando cómo la IA podía resolver problemas inmediatos, como crear una guía de estudio o diseñar un sitio web de portafolio. Estas sesiones fueron diseñadas para despertar el interés y desmitificar la tecnología, invitando a cualquiera que tuviera curiosidad a inscribirse para recibir ayuda más profunda.

Para aquellos que dieron el siguiente paso, comenzó la segunda capa del programa: una serie de sesiones individuales donde los clientes trabajaban directamente con un estudiante tutor capacitado. Estas reuniones no eran lecciones; eran talleres donde el cliente traía un objetivo específico, como construir un boletín departamental o automatizar una tarea de entrada de datos. Los tutores seguían una guía estructurada de cinco pasos para ayudar al cliente a convertir ese objetivo en un producto terminado. Primero, ayudaban al cliente a definir el problema claramente, pasando de ideas vagas como "quiero un sitio web" a requisitos específicos como "necesito un sitio donde los profesores puedan iniciar sesión para publicar actualizaciones". Luego, emparejaban la herramienta adecuada con la tarea, eligiendo entre diferentes plataformas de IA basadas en lo que el cliente ya sabía y las limitaciones que enfrentaba, como el acceso limitado a la computadora.

El núcleo del proceso consistía en que el cliente y el tutor trabajaran juntos para escribir instrucciones para la IA, una práctica que los investigadores llaman "el prompting como especificación". En lugar de pedirle a la IA simplemente que "lo haga", el cliente aprendía a escribir solicitudes detalladas que actuaban como un plano. El tutor demostraba cómo escribir estas instrucciones, luego retrocedía gradualmente, dejando que el cliente tomara el mando mientras ofrecía orientación. Una vez que la IA generaba un resultado, la pareja pasaba a la fase más crítica: la verificación. Probaban el resultado para asegurar que realmente funcionara, comprobando errores o funciones que la IA pudiera haber inventado y que no existían. Finalmente, discutían las implicaciones éticas, decidiendo cómo debería usarse la herramienta, qué datos podría manejar y cómo dar crédito al esfuerzo humano detrás de la creación.

A lo largo de dos semestres, este modelo apoyó a treinta y cinco clientes, incluyendo estudiantes, miembros de la facultad y personal administrativo. Los resultados fueron tangibles y diversos. El grupo co-creó treinta y seis sitios web de portafolio y más de veinte aplicaciones web desplegadas. Estos no eran ejercicios de práctica; eran herramientas funcionales utilizadas en la vida real. Una profesora de enfermería construyó un sistema seguro para el seguimiento de la asistencia de estudiantes que fue utilizado por más de cincuenta alumnos. Una estudiante de educación sin formación en programación creó un sitio web personal y una herramienta de refinamiento de correos electrónicos, que más tarde utilizó para preparar materiales para una conferencia profesional. Una empleada administrativa con una computadora restringida aprendió a automatizar tareas repetitivas de limpieza de datos utilizando herramientas disponibles en su escritorio bloqueado.

El hallazgo más significativo, sin embargo, no fue solo el número de sitios web construidos, sino un cambio en cómo los clientes pensaban sobre la tecnología. Antes del programa, muchos participantes veían a la IA como un "oráculo": una máquina pasiva que simplemente proporcionaba respuestas cuando se le preguntaba. Después de trabajar en el proceso, su perspectiva cambió. Comenzaron a ver a la IA como un "compañero de proceso", una herramienta colaborativa que requiere dirección humana, supervisión y verificación. Una profesora de ciencias de la computación señaló que la IA comenzó a hacerle preguntas que la hacían pensar en ángulos que no había considerado, transformando la interacción de una simple consulta en una colaboración genuina. Otro miembro del personal, inicialmente abrumado por los pasos técnicos, aprendió a desglosar tareas y eventualmente enseñó a sus colegas cómo usar los mismos métodos.

Los investigadores observaron que este cambio no ocurría automáticamente; requería el elemento humano de un tutor para guiar al cliente a través de la frustración del aprendizaje. Los tutores, que eran todos estudiantes de ciencias de la computación, descubrieron que su habilidad más importante no era la experiencia técnica, sino la capacidad de comunicarse y adaptar su estilo de enseñanza al nivel de comodidad del cliente. Aprendieron a ir más despacio para aquellos que se sentían abrumados por la cantidad de herramientas y a acelerar para aquellos que ya estaban familiarizados con la tecnología. El programa también reveló límites importantes. Algunos clientes sintieron que el esfuerzo requerido para realizar el prompting a la IA superaba los beneficios, y otros optaron por rechazar el uso de la IA para ciertos tipos de trabajo, como la escritura académica, prefiriendo mantener el control total personal. Estas reacciones no fueron vistas como fracasos, sino como elecciones válidas que resaltaban la importancia de dejar que los individuos decidan cuándo y cómo usar estas herramientas.

Si bien el programa mostró resultados prometedores, los investigadores fueron cuidadosos al señalar los límites de su estudio. Los datos provienen de un grupo pequeño de personas que se ofrecieron voluntariamente para el programa, por lo que no se puede asumir que todos los estudiantes o profesores tendrían la misma experiencia. Las mediciones del aprendizaje fueron preliminares y basadas en un número pequeño de participantes, lo que sugiere la necesidad de más estudios para confirmar los efectos a largo plazo. Sin embargo, la colección de artefactos del mundo real —los sitios web y aplicaciones funcionales— proporcionó evidencia concreta de que este enfoque funciona. El proyecto demostró que, con el apoyo adecuado, personas de todos los trasfondos pueden pasar de ser consumidores pasivos de tecnología a creadores activos que utilizan la IA para resolver sus propios problemas. El marco de LearnAI ofrece un modelo práctico para las instituciones que buscan integrar la inteligencia artificial en la educación no como una materia separada, sino como una herramienta tejida en el tejido del trabajo diario y el aprendizaje.