Siobahn Day Grady afronta la brecha de financiación en la educación sobre IA

Siobahn Day Grady ha creado el primer instituto de investigación sobre IA en una HBCU, pese a un sistema de financiación que concede a estas instituciones menos del uno por ciento. Un perfil de IEEE Spectrum presenta su trabajo como un ambicioso esfuerzo para hacer accesible la inteligencia artificial en toda North Carolina Central University. La cuestión más incisiva es si ese modelo puede sobrevivir al desequilibrio financiero que busca superar.

Grady puso en marcha el Institute for Artificial Intelligence and Emerging Research de NCCU, o IAIER, en enero de 2025. Desde entonces, ha involucrado a más de 2.800 estudiantes, docentes y residentes de la comunidad, según el perfil sobre alfabetización en IA. Sus programas llegan más allá de la informática e incluyen trabajo social, atención sanitaria, archivos digitales y otros ámbitos.

El alcance inicial del instituto respalda la idea de tratar la alfabetización en IA como educación general. Sin embargo, su dependencia de subvenciones y empresas tecnológicas revela una limitación más difícil. Las universidades con menos fondos para investigación deben preparar a sus estudiantes para un mercado laboral marcado por la IA mientras compiten con instituciones que cuentan con mayores recursos docentes, computacionales y de recaudación.

Ese es el conflicto central del trabajo de Grady. Una universidad puede universalizar la educación en IA dentro del aula, pero el acceso a la infraestructura que la sostiene sigue siendo profundamente desigual.

Grady transformó un laboratorio de IA en un instituto para todo el campus

IAIER transformó la estrategia de IA de NCCU, pasando de un proyecto de investigación especializado a un programa universitario de formación y preparación laboral.

El plan de Grady no comenzó con el instituto. En 2020 creó el Laboratory for Artificial Intelligence and Emerging Research en NCCU. El laboratorio brindó a los estudiantes oportunidades para trabajar en proyectos relacionados con aprendizaje automático, interacción persona-computadora, atención sanitaria y sistemas autónomos.

Esa estructura seguía centrada en un grupo de investigación. Podía atender a estudiantes participantes y respaldar proyectos seleccionados, pero no alcanzar a todos los departamentos. Grady empezó a considerar un modelo más amplio cuando surgió una oportunidad de subvención de Google en 2024.

El instituto resultante recibió 1 millón de dólares de Google.org. NCCU describe IAIER como un centro de educación interdisciplinaria, investigación y desarrollo responsable de IA. Su descripción general del instituto también lo identifica como el primer instituto de IA con sede en una HBCU de Estados Unidos.

Los fideicomisarios de la universidad aprobaron formalmente IAIER el 17 de diciembre de 2025, tras una revisión institucional. Esa aprobación otorgó a la organización una posición que iba más allá del laboratorio original de la facultad. También situó al instituto para coordinar programas académicos, alianzas, subvenciones de investigación y formación comunitaria.

Esta distinción importa porque la alfabetización en IA no es lo mismo que formar informáticos. La alfabetización en IA supone entender qué pueden hacer los sistemas de IA, dónde fallan y cómo sus resultados afectan a las decisiones. También incluye la capacidad de cuestionar las fuentes de datos, identificar riesgos y utilizar herramientas adecuadas dentro de una disciplina específica.

Una estudiante de enfermería y un estudiante de ciencias de la información no utilizarán la IA de maneras idénticas. Tampoco lo harán un trabajador social, un archivero, un docente o un analista de negocios. Un instituto para todo el campus puede conectar fundamentos compartidos con los estándares profesionales de cada campo.

El programa de subvenciones semilla de IAIER ilustra ese enfoque. El instituto otorgó subvenciones de hasta 10.000 dólares a 11 proyectos en su primera cohorte reportada. Esos proyectos abarcaron trabajo social, atención sanitaria, archivado digital, ciencias de la información y otras áreas.

Uno de los proyectos está desarrollando un laboratorio de simulación asistido por IA para estudiantes de trabajo social. Los estudiantes pueden practicar interacciones con clientes sin tratar el sistema como un sustituto de la experiencia de campo supervisada. El escenario convierte la educación en IA en una cuestión de juicio profesional, no solo de elaboración de prompts.

Es un objetivo más exigente que mostrar a los estudiantes cómo operar un chatbot. Requiere que los docentes decidan cuándo la IA mejora el aprendizaje, cuándo introduce una incertidumbre inaceptable y cómo deben documentar los estudiantes su uso.

IAIER también organiza eventos con empresas como Deloitte, FICO, Anthropic, IBM y Google. Estas conexiones exponen a los estudiantes a las expectativas actuales del lugar de trabajo y ofrecen al profesorado una visión de las prácticas cambiantes fuera del ámbito académico.

La participación de la industria trae su propia tensión. Las empresas desarrollan productos de IA más rápido de lo que las universidades pueden revisar planes de estudio, aprobar programas y formar a instructores. Por tanto, las universidades necesitan conocimiento externo, pero no pueden permitir que los proveedores definan por completo la alfabetización en IA en torno a sus propias plataformas.

El instituto de Grady se sitúa directamente dentro de esa tensión. Utiliza el apoyo corporativo para ampliar la participación, al tiempo que presenta la educación en IA como una responsabilidad académica interdisciplinaria. La próxima prueba del instituto será comprobar si ese equilibrio puede mantenerse a medida que se amplíen los programas y la demanda.

IEEE Spectrum muestra por qué la alfabetización en IA se está convirtiendo en educación general

El relato de IEEE Spectrum sostiene claramente que la alfabetización en IA ya debe formar parte de todo el plan de estudios, no de un único departamento técnico.

NCCU aún no cuenta con un programa específico de informática, aunque la universidad está desarrollando una licenciatura en informática y una especialización secundaria en IA. Esa ausencia podría parecer una desventaja. También ha impulsado a IAIER hacia un modelo que no utiliza la matrícula de informática como filtro de acceso.

Ahora, todos los estudiantes de primer año de NCCU reciben formación introductoria en IA a través de UNIV 1100, una asignatura obligatoria de educación universitaria. El programa comenzó con una promoción de primer año de casi 1.700 estudiantes durante el otoño de 2025, según el módulo obligatorio de IA de NCCU.

El módulo utiliza IBM SkillsBuild, una plataforma de aprendizaje en línea que ofrece formación y credenciales tecnológicas básicas. Los estudiantes completan el material independientemente de la carrera que pretendan cursar. NCCU afirma que también pueden acceder a mentorías y vías de prácticas profesionales con IBM y otros socios.

Incorporar el módulo en una asignatura obligatoria cambia quién recibe la formación. Un taller opcional suele atraer a estudiantes que ya se sienten cómodos con la tecnología. Un requisito universal llega a quienes, de otro modo, podrían concluir que la IA es irrelevante para su trabajo.

Ese diseño refleja el argumento de Grady de que las personas ya no pueden separar los sistemas digitales de la vida profesional cotidiana. Los responsables de contratación esperan cada vez más que los graduados evalúen trabajos asistidos por IA, se comuniquen con sistemas automatizados y reconozcan resultados poco fiables. Esas expectativas se extienden ahora mucho más allá del desarrollo de software.

Sin embargo, el prompting básico no puede ser el punto final. Un estudiante que sabe pedir un resumen no comprende automáticamente las alucinaciones, la privacidad, los derechos de autor ni los sesgos incorporados. Una alucinación es la producción de información plausible pero sin respaldo por parte de un modelo generativo.

Por tanto, la alfabetización en IA debe incluir verificación. Los estudiantes necesitan comparar los resultados con los materiales originales, revelar una asistencia significativa de IA y entender cuándo la información confidencial debe mantenerse fuera de sistemas de terceros.

Este trabajo también tiene una dimensión de gestión del conocimiento. Los estudiantes e investigadores necesitan formas fiables de organizar el material fuente antes de pedir a la IA que lo interprete. Una base de conocimiento de IA personal puede respaldar ese proceso cuando conserva las citas y mantiene las afirmaciones conectadas con la evidencia.

El desarrollo docente adquiere la misma importancia. Una institución no puede establecer expectativas comunes sobre IA si los instructores no reciben tiempo ni orientación para rediseñar las evaluaciones. IAIER ha trabajado con equipos de desarrollo docente para ayudar a los educadores a integrar la IA en sus cursos.

Integración no significa utilizar la misma herramienta en todas las aulas. Un docente de historia podría centrarse en la verificación de fuentes. Un docente de trabajo social podría examinar el consentimiento y los límites profesionales. Un investigador sanitario podría concentrarse en la privacidad, la validación y las consecuencias de predicciones falsas.

Este enfoque disciplinario ofrece a IAIER una justificación más sólida que la de un centro tecnológico genérico. Trata la IA como una capa que atraviesa muchas formas de trabajo, al tiempo que reconoce que cada profesión enfrenta riesgos distintos.

El modelo también ejerce presión sobre otras universidades. Las instituciones que limitan la enseñanza de IA a asignaturas optativas técnicas corren el riesgo de graduar estudiantes con una preparación desigual. Las universidades más ricas pueden responder contratando profesorado y creando centros especializados, pero las instituciones más pequeñas afrontan decisiones más difíciles.

NCCU ha elegido primero la amplitud. Está ofreciendo a cada estudiante de primer año una base común mientras desarrolla opciones avanzadas de investigación y titulaciones sobre ese fundamento. El enfoque es práctico, pero su calidad dependerá de un apoyo continuo al profesorado y de actualizaciones periódicas del plan de estudios.

El acceso universal a la IA se enfrenta a un sistema de investigación desigual

El modelo de Grady cuestiona un desajuste estructural: se espera que las HBCU formen talento en IA sin recibir una proporción equivalente de inversión en investigación.

Los colegios y universidades históricamente negros representan el 3,2 por ciento de las instituciones que otorgan títulos de cuatro años. Sin embargo, recibieron solo el 0,91 por ciento del gasto federal en investigación y desarrollo de educación superior en el ejercicio fiscal de 2023.

La brecha no se limita a un solo año. Desde 2018, las HBCU han recibido una media del 0,87 por ciento de la financiación federal para investigación académica, según los datos federales de I+D publicados.

La distribución entre agencias añade otra capa. Diecisiete de las 43 agencias federales que proporcionaron fondos universitarios para investigación en 2023 no otorgaron nada a las HBCU. Eso significa que el 40 por ciento de las agencias participantes no realizó ninguna asignación de investigación a HBCU.

Dos importantes fuentes de financiación también distribuyeron proporciones desproporcionadamente pequeñas. El Department of Health and Human Services destinó el 0,54 por ciento de su financiación para investigación académica a las HBCU. El Department of Defense destinó el 0,40 por ciento.

Estas cifras importan para la IA porque la capacidad de investigación se acumula. Una subvención federal puede financiar investigadores de posgrado, acceso a recursos computacionales, personal administrativo y estudios piloto. Esos activos ayudan a una institución a competir por la siguiente subvención y atraer socios adicionales.

Una financiación limitada produce el efecto inverso. Los docentes dedican más tiempo a preparar propuestas con menos apoyo administrativo. Las instituciones tienen dificultades para mantener laboratorios entre subvenciones. Los estudiantes reciben menos oportunidades de investigación remunerada que pueden conducir a estudios de posgrado o empleo técnico.

El problema no es la falta de talento relevante. Las HBCU han atendido durante mucho tiempo a estudiantes que siguen estando subrepresentados en las profesiones de ciencia e ingeniería. Su participación es especialmente importante cuando los sistemas de IA afectan a comunidades históricamente excluidas del diseño tecnológico.

El origen de un investigador no garantiza una tecnología justa. Sin embargo, excluir a instituciones y comunidades de la investigación reduce la variedad de preguntas que se plantean. También reduce el grupo de personas en posición de cuestionar supuestos problemáticos.

Las subvenciones interdisciplinarias de IAIER muestran cómo una participación más amplia puede cambiar la agenda de investigación. Un miembro del profesorado de trabajo social aborda la IA de manera distinta a un desarrollador de modelos. Un archivero detecta problemas de preservación, procedencia y representación que un equipo de producto comercial podría pasar por alto.

El instituto también ofrece a los estudiantes un espacio para investigar esas preguntas antes de incorporarse al mercado laboral. La experiencia de investigación puede enseñarles a plantear problemas, manejar evidencia, poner a prueba afirmaciones y comunicar la incertidumbre. Esas capacidades siguen siendo valiosas incluso cuando cambian las herramientas específicas de IA.

Las subvenciones corporativas pueden ayudar a cubrir brechas inmediatas, pero no sustituyen la inversión pública sostenida. Una empresa puede cambiar sus prioridades filantrópicas, reorganizar un programa o terminar una colaboración. Las universidades deben apoyar a estudiantes y profesores a lo largo de ciclos más prolongados.

La financiación pública también puede cambiar. Los presupuestos federales de investigación están sujetos a negociación política, mientras que los programas centrados en la diversidad afrontan un escrutinio adicional. Una asignación única puede generar actividad sin garantizar personal ni operaciones una vez que finaliza la ayuda.

El gobierno federal anunció una inversión única de 500 millones de dólares en HBCUs e instituciones creadas por gobiernos tribales nativos americanos en septiembre de 2025. Ese compromiso ofreció apoyo a corto plazo, pero su carácter puntual no resolvió la brecha recurrente en investigación.

Para IAIER, la división en la financiación convierte el crecimiento en un riesgo. El éxito atrae a más estudiantes, proyectos docentes, solicitudes de la comunidad y posibles colaboradores. Cada nuevo programa añade necesidades de coordinación y apoyo que una subvención temporal quizá no cubra.

Grady ha identificado la financiación como la mayor barrera para la sostenibilidad del instituto. Esa valoración complica la historia optimista generada por la elevada participación. Llegar a miles de personas demuestra demanda, pero no demuestra que el modelo operativo pueda financiarse por sí mismo.

Por tanto, el principal adversario no es otra universidad ni un laboratorio de IA. Es la brecha entre el acceso universal como promesa y la capacidad desigual de investigación como realidad.

Las alianzas con la industria amplían el acceso, pero no pueden definir el plan de estudios

Las alianzas tecnológicas aportan recursos valiosos a NCCU, pero la universidad debe conservar el control sobre lo que significa una educación responsable en IA.

IAIER ha colaborado con Google e IBM en formación y credenciales. También ha organizado sesiones con empleadores y empresas de IA. Estas relaciones conectan a los estudiantes con herramientas, investigadores, redes profesionales y posibles trayectorias profesionales.

El instituto organizó la primera OpenAI Academy Summit celebrada en una HBCU. El evento reunió a 444 participantes de más de 40 instituciones en NCCU, según el informe de IEEE Spectrum. La cumbre HBCU oficial incluyó conversaciones sobre educación, preparación para el mercado laboral, emprendimiento y adopción responsable.

El valor de esa red es significativo. Los estudiantes de universidades con buena financiación a menudo obtienen acceso informal a investigadores visitantes, exalumnos y reclutadores. Los eventos organizados en NCCU pueden reducir la distancia entre los estudiantes de HBCUs y las organizaciones que dan forma al empleo en IA.

Las credenciales también pueden hacer visibles las habilidades recién adquiridas. Un estudiante sin una especialización técnica puede beneficiarse de un certificado reconocido que indique formación básica. Sin embargo, las credenciales solo son útiles cuando los empleadores entienden qué miden.

Existe el riesgo de que la alfabetización en IA se convierta en una colección de insignias de proveedores. Una insignia puede verificar la finalización de un curso sin demostrar si un estudiante puede cuestionar un resultado, proteger datos sensibles o identificar una aplicación inadecuada.

La educación centrada en proveedores también puede quedarse obsoleta rápidamente. Las interfaces de los productos, los nombres de los modelos y las condiciones de suscripción cambian. Los estudiantes necesitan conceptos transferibles que sigan siendo útiles cuando cambie la herramienta preferida.

Por ello, las universidades deben distinguir la familiaridad con productos de la alfabetización duradera. La familiaridad con productos ayuda a los estudiantes a ser productivos con los sistemas actuales. La alfabetización duradera les ayuda a evaluar sistemas futuros y reconocer problemas recurrentes.

El mismo principio se aplica a la investigación del profesorado. El apoyo corporativo puede financiar experimentos y ofrecer acceso técnico, pero las preguntas de investigación no deberían depender por completo de la hoja de ruta comercial de una empresa. La investigación independiente es esencial cuando los académicos estudian sesgos, efectos laborales, privacidad o fallos de los sistemas.

La estructura interdisciplinaria de IAIER ofrece cierta protección frente a una visión estrecha centrada en proveedores. Sus proyectos comienzan con problemas dentro de campos como el trabajo social y la archivística. La tecnología sirve a la pregunta de investigación, en lugar de definirla.

Aun así, la dependencia del instituto de alianzas externas genera una incertidumbre legítima. Las cifras de participación comunicadas públicamente no revelan cuántos estudiantes completan una formación sostenida. Tampoco muestran si los graduados aplican estas habilidades de forma eficaz después de salir de NCCU.

Hay poca evidencia longitudinal publicada sobre resultados de empleo, productividad investigadora o cambios en la práctica docente. Esa ausencia es comprensible en un instituto joven, pero limita las afirmaciones amplias sobre la eficacia del modelo.

La pregunta pertinente no es si IAIER ya ha resuelto el acceso desigual a la IA. No ha tenido suficiente tiempo, financiación ni datos de resultados publicados para respaldar esa conclusión. La cuestión es si su diseño inicial genera avances medibles que otras instituciones puedan reproducir.

Una evaluación útil separaría la asistencia a eventos de una participación más profunda. Haría seguimiento de la finalización de cursos, participación en investigación, prácticas, credenciales, inserción en posgrados y confianza de los estudiantes al verificar resultados de IA.

También debería examinar quién se beneficia dentro de la universidad. La formación universal para estudiantes de primer año crea un punto de partida amplio, pero las oportunidades avanzadas aún pueden concentrarse entre estudiantes con más tiempo, experiencia previa o conexiones con el profesorado.

La capacidad del profesorado presenta otra limitación. Las subvenciones semilla pueden poner en marcha proyectos prometedores, pero los investigadores necesitan tiempo, apoyo técnico y financiación posterior. De lo contrario, los programas piloto desaparecen después de producir una demostración inicial.

Ninguna de estas preocupaciones invalida la estrategia de Grady. Definen qué evidencia sigue siendo necesaria. El instituto ha demostrado que una HBCU puede organizar una iniciativa de IA visible y transversal a todo el campus. Aún no ha demostrado si el modelo se mantiene estable después de que terminen las subvenciones iniciales.

Tres señales mostrarán si el modelo puede perdurar

El futuro de IAIER dependerá de una infraestructura sostenida, resultados estudiantiles medibles y la replicación más allá de un campus.

La primera señal es el espacio físico dedicado de NCCU para el instituto. Grady dijo a IEEE Spectrum que IAIER planeaba abrir su primera instalación exclusiva en el campus en el otoño de 2026. NCCU ha descrito un edificio de aproximadamente 5.000 pies cuadrados brutos para aprendizaje e investigación.

Un centro físico ofrecería a estudiantes y profesores un lugar constante para proyectos, mentoría, formación y colaboración. También demostraría que la universidad está integrando IAIER en sus operaciones en lugar de tratarlo como un programa temporal de subvenciones.

La instalación por sí sola no establecerá la sostenibilidad. Los detalles importantes incluirán personal, equipamiento, acceso a recursos informáticos, fondos operativos y la cantidad de programas que pueda respaldar. Un edificio sin recursos recurrentes debilitaría la afirmación más amplia del instituto.

La segunda señal es el lanzamiento y la adopción de la prevista especialización en ciencias de la computación y la materia secundaria en IA de NCCU. Estos programas conectarían la formación introductoria universal con itinerarios académicos más profundos.

Los datos de matriculación y finalización importarán más que el anuncio. Una demanda sólida mostraría que la exposición amplia a la IA anima a los estudiantes a continuar estudios avanzados. Una progresión débil podría indicar que la formación introductoria necesita una orientación, requisitos previos o apoyo financiero más sólidos.

Los resultados deberían extenderse más allá de las especializaciones técnicas. La propuesta distintiva de IAIER es que la IA pertenece a todas las disciplinas. Por tanto, los investigadores deberían observar cuántos departamentos crean cursos relacionados con IA, cómo utiliza el profesorado las subvenciones semilla y si los proyectos interdisciplinarios continúan más allá de las fases piloto.

La tercera señal es si el enfoque de NCCU se vuelve reutilizable en otros lugares. Grady ha dicho que quiere crear un marco que pueda ayudar a las HBCUs y otras universidades a establecer programas similares.

La replicación reforzaría el argumento de que IAIER representa más que una única líder o subvención exitosa. También pondría a prueba qué elementos se transfieren entre instituciones con distintos planes de estudios, poblaciones estudiantiles y relaciones con la industria.

Un marco repetible necesitaría requisitos mínimos claros. Las universidades requerirían orientación sobre desarrollo docente, políticas de uso responsable, evaluación estudiantil, gobernanza de la investigación, participación de empleadores y financiación sostenible.

También necesitaría espacio para las prioridades locales. Una institución rural podría centrarse en la agricultura o el acceso a la salud. Una universidad urbana podría hacer hincapié en la administración pública, el transporte o el emprendimiento comunitario.

Durante los próximos meses, estas tres señales deberían aclarar la trayectoria del instituto. Una instalación con personal reforzaría su base institucional. El crecimiento de los itinerarios académicos demostraría una demanda estudiantil más profunda. La adopción por parte de otras universidades respaldaría la afirmación de Grady de que el modelo puede trasladarse.

El fracaso en cualquiera de estas señales no borraría el trabajo inicial del instituto. Sin embargo, instalaciones retrasadas, una progresión débil o la ausencia de replicación mostrarían dónde el entusiasmo respaldado por subvenciones se encuentra con los límites organizativos.

El perfil de IEEE Spectrum retrata a una líder que impulsa la educación superior hacia una definición más amplia de preparación para la IA. La idea más trascendental de Grady no es que todos los estudiantes deban convertirse en programadores. Es que todos los estudiantes necesitan suficiente comprensión para cuestionar, dirigir y verificar sistemas automatizados.

Esa idea tiene consecuencias prácticas para estudiantes, empleadores y universidades. Los empleadores deberían mirar más allá de las insignias específicas de herramientas y preguntar a los candidatos cómo evalúan el trabajo asistido por IA. Las universidades deberían medir el aprendizaje sostenido, no solo la asistencia. Los estudiantes deberían tratar la verificación y el criterio propio de su ámbito como habilidades fundamentales.

La historia también sitúa la responsabilidad en los financiadores. Es difícil exigir una fuerza laboral de IA más representativa mientras se mantiene un sistema de investigación que dirige menos del uno por ciento de la financiación federal de I+D académica a las HBCUs.

Los lectores deberían observar qué ocurre después de que se desvanezca la atención inicial. ¿Obtiene IAIER apoyo recurrente, publica resultados significativos y ayuda a otros campus a crear programas comparables? Esos resultados determinarán si la alfabetización universal en IA se convierte en un compromiso institucional o sigue dependiendo de líderes excepcionales que persiguen fondos temporales.

Grady ya ha demostrado la demanda. El siguiente paso corresponde a universidades, empleadores, organismos públicos y empresas tecnológicas. Deben decidir si la alfabetización en IA es una prioridad educativa compartida y financiarla en consecuencia.