De “Programación de Computadores” a “Soluciones de Ingeniería con IA”
Mi sugerencia inicial de eliminar la asignatura “Programación de Computadores” partió de una observación correcta: herramientas como GitHub Copilot han transformado radicalmente la tarea de escribir código, que antes era el núcleo de la materia. Sin embargo, esa sugerencia estaba incompleta. La solución no es eliminar la asignatura, sino transformarla para enseñar la habilidad más crucial para el ingeniero del siglo XXI: dirigir, validar y aplicar éticamente la inteligencia artificial para resolver problemas reales.
Propongo reemplazar la asignatura por una nueva, basada en tres realidades ineludibles:
Estas tecnologías ya son una herramienta estándar en la industria. Nuestra labor no es prohibirlas, sino enseñar a usarlas de manera experta y responsable.
El valor del ingeniero ya no reside en su capacidad de recordar sintaxis, sino en su habilidad para definir un problema, guiar a la IA en la búsqueda de soluciones y, lo más importante, usar su conocimiento teórico para validar que la solución sea correcta y segura.
Lejos de “embrutecer”, este nuevo enfoque exige una mayor actividad cognitiva. El estudiante debe pensar a un nivel estratégico, supervisando a la IA como un “revisor responsable” y asumiendo la responsabilidad final por el resultado.
Formar a un ingeniero que utiliza de manera ética y efectiva las herramientas de IA para aplicarlas en las soluciones de las distintas situaciones de las ingenierías (Agrícola, Agroindustrial y Civil) que encontrará en su desempeño profesional.
Las guías de trabajo incluirán código generado por IA que es sintácticamente correcto pero contiene errores conceptuales (como el ejemplo del pH que discutimos). La tarea del estudiante será detectar, documentar y corregir estos errores basándose en la teoría de su campo.
Desde el primer día, se establecerá que toda solución debe citar el uso de herramientas de IA. Se enseñará que la transparencia y la honestidad son pilares de la confianza profesional.
La evaluación se desplazará del producto final (el código) al proceso de pensamiento crítico.
La herramienta principal serán los videos de sustentación y los informes técnicos, donde el estudiante deberá explicar el problema de ingeniería, justificar su solución, defender las correcciones que le hizo a la IA y documentar la base teórica de sus decisiones.
Esta no es una asignatura solo sobre programación. Es el curso fundamental que enseña a los estudiantes a aprender a aprender en la era de la IA. Les proporciona un marco ético y metodológico que aplicarán en todas sus demás asignaturas y a lo largo de toda su carrera profesional.
A continuación presento los detalles semanales del plan de asignatura para “Soluciones de Ingeniería con IA”, estructurados para 16 semanas, alineados con el calendario académico aprobado en la Resolución 150 de 2025 (inicio de clases: 9 de febrero de 2026, asignatura de 16 semanas).
La propuesta mantiene coherencia con tu enfoque central: el ingeniero como revisor responsable, el uso ético y transparente de IA, y la evaluación basada en razonamiento, validación y sustentación, no en la mera escritura de código.
Duración: 16 semanas Modalidad: Presencial con apoyo intensivo de IA Programas: Ingeniería Agrícola, Agroindustrial y Civil
Propósito: Introducir el cambio de paradigma y el rol del ingeniero en la era de la IA.
Actividad: Análisis crítico de un caso real donde una solución automática genera un error técnico con consecuencias de ingeniería.
Evidencia: Reflexión escrita corta (ética y responsabilidad profesional).
Propósito: Fortalecer la habilidad clave: definir correctamente un problema antes de usar IA.
Actividad: Redacción de un brief técnico para que una IA genere una solución.
Evidencia: Documento técnico breve con formulación del problema.
Propósito: Aprender a guiar a la IA de forma precisa y verificable.
Actividad: Comparación de resultados generados por distintos prompts para un mismo problema.
Evidencia: Informe comparativo con análisis crítico.
Propósito: Capacitar al estudiante para leer código como ingeniero, no como programador mecánico.
Actividad: Auditoría de un código generado por IA con errores conceptuales.
Evidencia: Informe técnico de revisión y correcciones justificadas.
Propósito: Relacionar teoría básica de ingeniería con modelos computacionales simples.
Actividad: Validación de un modelo generado por IA frente a la teoría conocida.
Evidencia: Informe técnico con respaldo teórico.
Propósito: Evaluar críticamente datos antes de aceptar resultados automáticos.
Actividad: Análisis de un dataset donde la IA produce conclusiones incorrectas.
Evidencia: Informe de diagnóstico y corrección.
Propósito: Integrar problema, datos, modelo y validación.
Actividad: Desarrollo del Caso I.
Evidencia: Informe técnico + sustentación corta en video.
Propósito: Evaluar pensamiento crítico y capacidad de validación.
Evidencia: Video de sustentación + informe final corregido.
Propósito: Usar IA para explorar escenarios, no para decidir automáticamente.
Actividad: Evaluación de escenarios propuestos por IA.
Evidencia: Informe de análisis de sensibilidad.
Propósito: Comprender límites de la optimización automática.
Actividad: Corrección de una propuesta “óptima” pero inviable generada por IA.
Evidencia: Informe técnico argumentado.
Propósito: Introducir criterios de seguridad y responsabilidad social.
Actividad: Análisis de un fallo de ingeniería asociado a decisiones automatizadas.
Evidencia: Informe de análisis de riesgo.
Propósito: Enseñar a documentar soluciones asistidas por IA.
Actividad: Reescritura profesional de un informe generado parcialmente por IA.
Evidencia: Informe técnico final mejorado.
Propósito: Aplicar todo el enfoque del curso.
Actividad: Presentación del anteproyecto.
Evidencia: Documento de planteamiento aprobado.
Propósito: Ejecutar, revisar y corregir la solución.
Actividad: Desarrollo completo del proyecto.
Evidencia: Informe técnico en borrador.
Propósito: Defender la solución como ingeniero responsable.
Evidencia: Video de sustentación + informe final.
Propósito: Consolidar el aprendizaje transversal.
Actividad: Ensayo reflexivo final.
Evidencia: Ensayo individual.
Este plan no elimina la programación, sino que la reubica como medio, no como fin, alineándose plenamente con la Resolución 150, con los tiempos institucionales y con las competencias que hoy exige la ingeniería profesional.
A continuación se presenta la rúbrica por competencias para la asignatura “Soluciones de Ingeniería con IA”, diseñada conforme a un enfoque pedagógico y evaluativo:
La rúbrica está pensada para aplicarse a informes técnicos, proyectos integradores y videos de sustentación.
| Nivel | Descripción | Rango |
|---|---|---|
| 5 – Excelente | Dominio sólido, crítico y autónomo | 90–100 |
| 4 – Alto | Buen desempeño con leves debilidades | 80–89 |
| 3 – Básico | Cumple mínimamente, con vacíos conceptuales | 70–79 |
| 2 – Bajo | Comprensión parcial e insegura | 60–69 |
| 1 – Insuficiente | No demuestra la competencia | < 60 |
Peso: 15 %
Evalúa la capacidad de identificar, delimitar y formular correctamente un problema real de ingeniería antes del uso de IA.
| Nivel | Descripción |
|---|---|
| 5 | El problema está claramente formulado, con variables, restricciones y supuestos bien definidos y técnicamente correctos. |
| 4 | El problema está bien planteado, aunque presenta supuestos poco justificados. |
| 3 | El problema es comprensible, pero incompleto o ambiguo en variables o restricciones. |
| 2 | El problema está mal delimitado y presenta confusión conceptual. |
| 1 | No hay una formulación clara del problema de ingeniería. |
Peso: 15 %
Evalúa cómo el estudiante guía, controla y limita el uso de la IA.
| Nivel | Descripción |
|---|---|
| 5 | Utiliza la IA de forma estratégica, consciente de sus límites, con prompts técnicos y controlados. |
| 4 | Usa la IA adecuadamente, aunque con menor refinamiento en la interacción. |
| 3 | Usa la IA de forma básica y reactiva. |
| 2 | Uso acrítico o dependiente de la IA. |
| 1 | Uso inadecuado o no justificado de la IA. |
Peso: 25 % (criterio central)
Evalúa la capacidad de contrastar los resultados generados por IA con la teoría de ingeniería.
| Nivel | Descripción |
|---|---|
| 5 | La solución es rigurosamente validada con teoría, principios físicos/matemáticos y juicio ingenieril. |
| 4 | La validación es correcta, aunque limitada en profundidad. |
| 3 | La validación es superficial o incompleta. |
| 2 | Se aceptan resultados sin validación suficiente. |
| 1 | No hay validación técnica ni teórica. |
Peso: 15 %
Evalúa la capacidad de identificar errores conceptuales en soluciones generadas por IA.
| Nivel | Descripción |
|---|---|
| 5 | Identifica, explica y corrige errores conceptuales con claridad y rigor. |
| 4 | Identifica errores relevantes, aunque con correcciones parciales. |
| 3 | Detecta algunos errores, pero sin comprensión profunda. |
| 2 | Dificultad notable para identificar errores conceptuales. |
| 1 | Acepta la solución de la IA sin cuestionamiento. |
Peso: 15 %
Evalúa la claridad, estructura y calidad del informe técnico y/o sustentación.
| Nivel | Descripción |
|---|---|
| 5 | Comunicación clara, técnica, bien estructurada y profesional. |
| 4 | Comunicación adecuada con leves problemas de claridad. |
| 3 | Comunicación comprensible, pero desorganizada. |
| 2 | Comunicación deficiente y poco técnica. |
| 1 | Comunicación confusa o inexistente. |
Peso: 15 %
Evalúa la honestidad académica y el reconocimiento explícito del uso de IA.
| Nivel | Descripción |
|---|---|
| 5 | Uso de IA claramente declarado, reflexionado y éticamente justificado. |
| 4 | Uso de IA declarado, con reflexión básica. |
| 3 | Declaración mínima del uso de IA. |
| 2 | Declaración ambigua o incompleta. |
| 1 | Oculta o niega el uso de IA. |
| Criterio | Peso |
|---|---|
| Formulación del problema | 15 % |
| Uso estratégico de IA | 15 % |
| Validación técnica y teórica | 25 % |
| Corrección de errores conceptuales | 15 % |
| Comunicación técnica | 15 % |
| Ética y responsabilidad | 15 % |
| Total | 100 % |
Esta rúbrica: