2.1. Conceptos Clave: IA, Aprendizaje Automático y Procesamiento del Lenguaje Natural
La Inteligencia Artificial (IA) puede entenderse ampliamente como una inteligencia artificial desarrollada con la ayuda de la tecnología moderna, diseñada para ofrecer soluciones a diversos problemas humanos y naturales con un esfuerzo humano reducido o nulo.18 Esto abarca una gama de capacidades computacionales avanzadas.
En su esencia, la IA aprovecha tecnologías clave como el aprendizaje automático (ML), las redes neuronales y el procesamiento del lenguaje natural (NLP).12 El aprendizaje automático permite que los sistemas aprendan de los datos sin una programación explícita, mientras que las redes neuronales, inspiradas en el cerebro humano, son particularmente efectivas para el reconocimiento de patrones.
El Procesamiento del Lenguaje Natural (NLP) es un componente crítico de la IA, diseñado específicamente para permitir que las computadoras procesen, comprendan y generen el lenguaje humano.19 Esta capacidad es fundamental para los modelos de lenguaje grandes (LLM), que son un tipo de IA que a menudo se presenta como chatbots. Los LLM sobresalen en tareas como la recuperación de información de vastos conjuntos de datos, el análisis de datos complejos y la exploración de nuevas ideas.2 La importancia del NLP radica en su capacidad para escalar tareas relacionadas con el lenguaje, interpretar el habla, medir el sentimiento y extraer información importante de grandes volúmenes de datos textuales no estructurados.19
La comprensión fundamental de los componentes centrales de la IA (ML, NLP, LLM) revela que su potencial transformador en la educación superior no solo proviene de la automatización, sino crucialmente de su capacidad para procesar y obtener información de datos no estructurados, particularmente texto, a gran escala. Si bien la capacidad de la IA para automatizar tareas estructuradas es valiosa, su poder único en la educación, como lo demuestran las capacidades del NLP, reside en su capacidad para analizar y extraer significado de datos cualitativos y textuales. Esto incluye ensayos de estudiantes, formularios de retroalimentación, documentos de políticas, trabajos de investigación y foros de discusión, tipos de datos que tradicionalmente son laboriosos y difíciles de procesar de manera exhaustiva para los humanos a gran escala. Esta capacidad de obtener información de datos no estructurados previamente intratables es lo que realmente libera el potencial transformador de la IA más allá de la mera automatización numérica o administrativa, permitiendo una comprensión más profunda de los procesos de aprendizaje y las dinámicas institucionales.