La trampa de la IA en la formación de arquitectos

Recuerdo muy bien cómo me sorprendió la IA en las aulas del taller de Gestión de Riesgos de Desastres en la UNPHU: apareció como entregas muy parecidas entre sí.  Claro, no había mucho trabajo de parte de los chicos.  Y además, la materia premiaba productos finales homogéneos: textos, diagnósticos y conclusiones que podían obtenerse con un prompt bien armado o no.

Mi reacción inicial fue de rechazo. Prohibí su uso y, para hacerlo efectivo, empecé a usar verificadores de IA. Señalaba en las entregas los fragmentos marcados por los detectores, les mostraba porcentajes de probabilidad y les discutía en clase de lo mal que hacían de usar esta herramienta. La estrategia que usé tenía la intención pedagógica de mostrar que entregar “eso” no equivalía a “tener criterio”. Pero poco tiempo después me di cuenta de que estos límites querían ignorar los avances tecnológicos, que la prohibición era quizás un reflejo de mi propia ignorancia, de mi necesidad de adaptarme como docente..

La siguiente fase fue de transición: en lugar de confrontar sólo el producto, pedí los prompts. Les solicité que entregaran los comandos que usaron y que documentaran cómo habían ajustado la respuesta de la IA. Empecé a evaluar un porcentaje del trabajo —no el total— con base en esos prompts y en la reflexión sobre su uso. Aquello cambió la conversación y ya no se trataba de ocultar, sino de transparentar el proceso.

Con el tiempo mi práctica evolucionó. Dejé de concentrarme en “detectar” y empecé a guiarles a generar mejores prompts. No para que la IA hiciera el trabajo, sino para que los estudiantes transparentaran sus decisiones, las fuentes que la IA debía priorizar, las restricciones territoriales y las preguntas críticas que la herramienta no respondería por sí sola.  Indicarles qué su contribución personal es lo que más vale. Los ejercicios que antes pedían un mapa o una propuesta en una semana se transformaron en trabajos de proceso: generación de encuestas, identificación de datos, comprobación de fuentes, generación de tablas, ejercicios de valoración y decisiones sobre prioridades y registro de ajustes.  Todo esto se hacía en varias semanas.

Un caso concreto fue el diagnóstico de daños en edificaciones y cálculo de escombros tras un huracán. La IA generaba rápidamente listados de daños por tipología de edificación y facilitaba hacer ciertos cálculos de escombros. Lo valioso aquí era el registro de decisiones como por qué priorizar ciertas manzanas (materiales constructivos, antigüedad, densidad), qué datos faltan, cómo integrar actores clave (alcaldías, juntas de vecinos, brigadas de respuesta a emergencia) y qué hacer realmente con los escombros clasificados en el contexto local y nacional. Allí aparecía el criterio —o la ausencia del mismo— con nitidez.

Hoy veo la IA como un espejo pedagógico. Habilita productos pero evidencia falta de juicio e ideas, la responsabilidad es curricular y en la forma en que facilito. En República Dominicana, donde el territorio y la vulnerabilidad son reales, debemos instituir procesos que produzcan profesionales capaces de decidir con responsabilidad y seriedad.

--

Uno de los productos que trabajé con mis estudiantes fue este: Catálogo de Riesgos en edificaciones en altura cerca de zonas excavadas

#RepúblicaDominicana #DominicanRepublic #Arquitectura #Architecture #Disaster #ESG #DisasterResilience #UrbanPlanning #ClimateAdaptation #AI #AIAssessments #DataDrivenDecisions #ArchitectureEducation #FutureOfArchitecture