• El uso irreflexivo de la Inteligencia Artificial Generativa en la educación profundiza dos brechas anteriores a esta tecnología, una pedagógica y otra de objetivos. Así lo advierten en un artículo científico Thomas Wachter, investigador del Centro Nacional de Inteligencia Artificial (CENIA), y los académicos de la Universidad de Sussex Laura Desirée Di Paolo y Andy Clark.

En el artículo Educating minds with generative AI, publicado en Communications Psychology, del grupo Nature Portfolio, Thomas Wachter, investigador de la línea de Inteligencia Artificial centrada en las personas (RL5) del Centro Nacional de Inteligencia Artificial (CENIA), y los académicos de la Universidad de Sussex (Reino Unido) Laura Desirée Di Paolo y Andy Clark plantean que la irrupción de la Inteligencia Artificial Generativa (IAGen) en las escuelas no debe resolverse con la adaptación de la tecnología a los sistemas educativos actuales, sino con el aprovechamiento de su llegada como oportunidad para rediseñarlos. El texto sostiene que el uso irreflexivo de IAGen para tareas de enseñanza y aprendizaje refuerza dos problemas que ya existían antes de esta tecnología.

Los autores llaman al primero “brecha pedagógica”: mientras que la evidencia muestra la importancia del movimiento, la interacción social y el contacto con materiales físicos para el aprendizaje, los sistemas de IAGen actuales están diseñados para la optimización del aprendizaje individual, basado principalmente en texto desplegado en pantallas.

Al segundo lo llaman “brecha de objetivos”: la IAGen tiende a reforzar la medición de resultados, la estandarización y la eficiencia, y deja en segundo plano otros fines de la educación, como la socialización y el desarrollo de la capacidad de decidir por uno mismo.

“La mayor parte de la discusión sobre IA en educación tiende a poner el foco en lo tecnológico: beneficios y riesgos de la tecnología o cómo implementarla”, comentó Wachter. Según argumentan en el artículo, este foco en lo tecnológico deja en segundo plano lo pedagógico. Por tanto, los autores proponen pasar de las preguntas sobre cómo incorporar la IAGen en la escuela tal y como existe hoy a preguntarse por cómo rediseñarla a partir de lo que se sabe sobre cómo piensan y aprenden las personas.

Para eso, los autores conversan con las ciencias cognitivas contemporáneas, que comprenden el aprendizaje no solo como transmisión de información entre cerebros, sino como un proceso relacional y corporizado que ocurre en entornos compartidos con otros y mediado por tecnologías. A esta visión, que mezcla ciencias cognitivas, IA y educación, la llaman “ecología cognitiva multitecnológica”: un modelo en que herramientas digitales, materiales simples y trabajo colaborativo se combinan según criterios pedagógicos, y no tan solo por lo que ofrece la tecnología. Para los autores, la pregunta sobre IA y educación tiene más que ver con educación que con IA.

Como caso paradigmático, el artículo menciona Alpha School, una institución que afirma reducir el currículo académico tradicional a unas pocas horas diarias mediante un uso intensivo de sistemas de IAGen. Según los autores, lo que este caso demuestra no es tanto la efectividad de la tecnología como el hecho de que algo en el sistema educativo no funciona bien. Ese sistema ha destinado gran parte de su tiempo a contenidos académicos sin reconocer que la escuela cumple funciones que las mediciones de rendimiento no siempre logran captar.

A lo pedagógico se suman lo ético y lo medioambiental. En el artículo se le da gran importancia al problema de los sesgos, que no solo reproducen las limitaciones de los datos de entrenamiento, sino también las decisiones que sus desarrolladores toman después, durante el despliegue y uso de estos sistemas. Estos sesgos, dicen los autores, tienen una relación directa con lo que se enseña y se aprende, ya que definen, muchas veces sin que se note, qué forma de conocimiento es válida y, al mismo tiempo, cuál no.

El artículo concluye que “la IA no es ni salvadora ni amenaza”, la describe como una prueba de estrés para la educación, que expone los límites de los modelos actuales y obliga a replantear sus objetivos, fundamentos y responsabilidades ecológicas. Por tanto, el artículo propone que la forma de responder a la IA en educación no es la adopción de una única tecnología, sino el diseño deliberado de ecologías tecnológicas plurales, las cuales solo en conjunto son capaces de sustentar el espectro completo del aprendizaje y las diferentes formas de desarrollo humano.

Communications Psychology es una revista especializada en psicología, con revisión por pares, que forma parte de Nature Portfolio, el conjunto de revistas científicas del grupo editorial Springer Nature. El artículo, de acceso abierto, corresponde al número 128 del volumen 4 (2026), con DOI 10.1038/s44271-026-00522-8.

The post Investigadores de CENIA y la Universidad de Sussex plantean en una revista de Nature Portfolio usar la IA Generativa como oportunidad para repensar el diseño de la escuela appeared first on CENIA.

• Junto a la empresa chilena Techvial, el Centro desarrollará una capa de software basada en Inteligencia Artificial que mejora la precisión con que las cámaras de fiscalización leen las placas patentes, sugiere completaciones cuando la lectura es parcial y habilita búsquedas avanzadas en grandes bases de datos de video. La iniciativa se enmarca en la implementación de la Ley CATI.

El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó un proyecto en el concurso FONDEF IDeA I+D 2026 de ANID, convocatoria que este año recibió 871 postulaciones y seleccionó 102 iniciativas a nivel nacional —cerca del 12% de las propuestas presentadas—, orientadas a desarrollar tecnologías con potencial de transferencia al sector productivo, público o social.

El proyecto adjudicado, “Plataforma Inteligente de Fiscalización Vial: Módulos de IA para Robustecer la Lectura y Búsqueda de Patentes Vehiculares”, será ejecutado por CENIA como entidad beneficiaria en colaboración con Techvial Chile SpA como entidad asociada, durante un plazo de 24 meses.

Un problema público: fiscalizar mejor para salvar vidas

Cerca del 30% de las víctimas fatales en siniestros viales en Chile se asocia a velocidad imprudente o pérdida de control, y hasta hace poco la fiscalización se realizaba de forma prácticamente manual, con una cobertura muy limitada. La Ley N°21.549, que crea el Centro Automatizado de Tratamiento de Infracciones (CATI), cambió ese escenario al habilitar la detección, notificación y tramitación electrónica de infracciones mediante dispositivos señalizados en los puntos de mayor riesgo.

Ese salto normativo trae consigo una exigencia técnica: la evidencia debe ser confiable y trazable. Y ahí persisten dos cuellos de botella. El primero es la precisión del reconocimiento automático de patentes vehiculares (ALPR) en condiciones reales: de noche, con lluvia, reflejos, ángulos oblicuos o placas sucias y deterioradas, los sistemas pueden producir errores que debilitan la validez probatoria de una infracción. El segundo es la capacidad de consulta: las plataformas actuales suelen permitir búsquedas solo por coincidencia exacta de patente, mientras que en la práctica las autoridades trabajan con información parcial: algunos caracteres, el color o la marca del vehículo, una ventana de tiempo y lugar.

“El dato base de todo el sistema es simple: que la patente esté bien leída. Si ese dato falla, falla la notificación, falla la evidencia y falla la confianza de la ciudadanía en el sistema. Nuestro aporte es una capa de Inteligencia Artificial que verifica, corrige y aprende de sus propios errores en condiciones reales chilenas”, explica Francesca Lucchini, directora del proyecto y líder tecnológica de CENIA.

Una capa de software, tres módulos

La propuesta no reemplaza el hardware ya instalado: trabaja sobre los mismos insumos que las cámaras ya generan —foto infrarroja de la placa, imágenes a color y video de contexto— y agrega sobre ellos una capa de software agnóstica de cámara, que se integrará en la plataforma web de movilidad de Techvial (www.techvial.cl). El desarrollo contempla tres módulos:

1. Verificación avanzada o “double-check”. Una segunda capa de verificación que combina distintos algoritmos de reconocimiento óptico de caracteres (OCR) y concilia sus resultados, bajo la hipótesis de que sus errores no están correlacionados. Incorpora además un flujo de etiquetado continuo con aprendizaje activo: los casos difíciles —lecturas de baja confianza o discrepancias entre motores— se priorizan para revisión y reentrenamiento, de modo que el sistema se adapte a las condiciones visuales del país en lugar de quedar congelado en una versión inicial.

2. Sugerencia inteligente para placas parciales. Cuando la lectura queda incompleta, este módulo propone completaciones plausibles combinando los caracteres disponibles con atributos visuales del vehículo (por ejemplo: marca, modelo, color, tipo), ordenadas por probabilidad.

3. Búsqueda avanzada en bases de video. Un índice unificado que permite consultar grandes volúmenes de datos mediante texto libre, atributos vehiculares, imágenes de referencia y filtros espacio-temporales, para localizar vehículos de interés aun con información incierta o fragmentaria.

Del laboratorio a la validación en entorno real: TRL 7

El proyecto parte de prototipos ya funcionales en laboratorio (TRL 4-5) y se propone llevar el sistema completo a TRL 7, es decir, validado en entorno operacional real. El plan de trabajo contempla una primera etapa de consolidación y validación en laboratorio con datasets nacionales, y una segunda de integración en la plataforma de Techvial y pilotos en terreno con al menos siete cámaras certificadas, lo que permitirá evaluar el desempeño de día y de noche y bajo condiciones meteorológicas adversas.

El desempeño se medirá con métricas verificables —por ejemplo, tasa de error por carácter (CER) y métricas TopK—, junto con un pipeline de datos con anonimización y control de calidad, alineado con los resguardos de privacidad que exige la normativa vigente.

Colaboración con Techvial

Techvial es una empresa chilena fundada en 2014, especializada en seguridad vial y en sistemas de gestión del proceso de fiscalización a partir de cámaras inteligentes, con experiencia en pilotos de fiscalización automatizada desarrollados junto al Ministerio de Transportes y Telecomunicaciones en distintas comunas del país.

En este proyecto, Techvial aporta la plataforma base, el entorno de integración y el acceso a escenarios operacionales reales, mientras CENIA lidera el desarrollo de los modelos de Inteligencia Artificial, el diseño experimental y la validación científica.

“Llevamos años trabajando en terreno con la operación real de la fiscalización automatizada. Sumar la capacidad científica de CENIA nos permite abordar los problemas más difíciles —los casos límite, las lecturas que hoy se pierden— con investigación aplicada de frontera y validación rigurosa”, señala Luis Cerda, Chief Executive Officer de Techvial.

Formación de capital humano y proyección

El proyecto contempla la incorporación de estudiantes que desarrollarán sus tesis en el marco de la iniciativa, en temas de mejora de precisión en OCR mediante ensambles y aprendizaje activo, y de recuperación multimodal de vehículos en video, con supervisión de CENIA y co-tutoría técnica del equipo de ingeniería de Techvial.

Al ser una solución agnóstica de hardware, la tecnología puede integrarse sobre infraestructura ya instalada, reduciendo costos de adopción y evitando la dependencia de un único proveedor. Su validación en el contexto chileno abre además una proyección regional, en países que enfrentan desafíos equivalentes de precisión y adaptación local en sus sistemas de fiscalización.

El equipo del proyecto está conformado por Francesca Lucchini, directora del proyecto y líder tecnológica de CENIA, y Hans Lobel, investigador de CENIA y académico de la Pontificia Universidad Católica de Chile. Por parte de Techvial participan Luis Cerda y Gabriel Barreto. El equipo se completa con profesionales de investigación e ingeniería de Machine Learning de CENIA.

Sitio web de Techvial: https://www.techvial.cl/

The post CENIA se adjudica proyecto FONDEF IDeA I+D 2026 para robustecer con IA la lectura de patentes en la fiscalización vial appeared first on CENIA.

• Ambas iniciativas se desarrollarán en alianza con empresas —Techvial y CMPC Pulp— y buscan llevar la investigación en Inteligencia Artificial a entornos operacionales reales: la lectura confiable de placas patentes en la fiscalización de tránsito y la mejora automatizada de la calidad de los datos en industrias intensivas en activos.

El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó dos proyectos en el concurso FONDEF IDeA I+D 2026 de ANID, convocatoria que este año recibió 871 postulaciones y seleccionó 102 iniciativas a nivel nacional (cerca del 12% de las propuestas presentadas), orientadas a desarrollar tecnologías con potencial de transferencia al sector productivo, público o social.

Los proyectos adjudicados tienen una duración de 24 meses y comparten el enfoque de desarrollar investigación aplicada junto a socios industriales y validar los resultados en condiciones reales de operación.

Inteligencia Artificial para una fiscalización vial más confiable

El proyecto “Plataforma Inteligente de Fiscalización Vial: Módulos de IA para Robustecer la Lectura y Búsqueda de Patentes Vehiculares”, dirigido por la tech lead de CENIA, Francesca Lucchini, se desarrollará junto a la empresa chilena Techvial como entidad asociada.

La Ley N°21.549, que crea el Centro Automatizado de Tratamiento de Infracciones (CATI), permitió pasar de una fiscalización prácticamente manual a la detección y notificación electrónica de infracciones. Ese salto trae una exigencia técnica: la evidencia debe ser confiable. Sin embargo, de noche, con lluvia, reflejos o placas deterioradas, los sistemas de reconocimiento automático de patentes todavía cometen errores que debilitan la validez de una infracción. A ello se suma que las plataformas actuales solo permiten buscar por coincidencia exacta, mientras las autoridades suelen trabajar con información parcial.

La iniciativa desarrollará una capa de software que trabaja sobre las imágenes que las cámaras ya generan, con tres módulos: verificación avanzada, que combina distintos algoritmos de reconocimiento óptico y aprende de sus errores; sugerencia inteligente de patentes cuando la lectura es parcial, apoyándose en atributos visuales del vehículo; y búsqueda avanzada en grandes bases de video mediante texto, imágenes y filtros de tiempo y lugar. El objetivo es llevar la tecnología desde prototipos de laboratorio hasta su validación en entorno operacional real (TRL 7), con pilotos en al menos siete cámaras certificadas.

Calidad de datos para que la IA funcione en la industria

El segundo proyecto es DAQU (Data Quality Improvement Platform Through LLMs), dirigido por la investigadora Yamisleydi Salgueiro Sicilia y desarrollado junto a CMPC Pulp como entidad asociada.

En minería, celulosa, manufactura y energía, el volumen de datos ha crecido mucho más rápido que su calidad: millones de códigos de productos sin normalizar, registros duplicados de proveedores, errores sistemáticos de codificación y señales de sensores con vacíos y ruido. La consultora Gartner estima que los problemas de calidad de datos cuestan a las organizaciones cerca del 15% de sus ingresos anuales, y McKinsey reporta que más del 60% de las iniciativas de IA en manufactura fracasan principalmente por esta causa.

DAQU desarrollará una plataforma que usa modelos de lenguaje de gran escala (LLMs) para automatizar el ciclo completo de preparación de datos —normalización, deduplicación, validación, enriquecimiento y extracción de reglas—, con trazabilidad completa de cada transformación y manteniendo la validación de expertos en el proceso.

Investigación aplicada con socios industriales

Ambos proyectos contemplan la formación de capital humano avanzado, con estudiantes de pregrado y postgrado que desarrollarán sus tesis en el marco de las iniciativas, así como la publicación de resultados científicos y la formalización de acuerdos de transferencia tecnológica con las empresas asociadas.

The post CENIA se adjudica dos proyectos FONDEF IDeA I+D 2026 para avanzar en IA aplicada a la fiscalización vial y a la calidad de los datos industriales appeared first on CENIA.

• La plataforma DAQU usará modelos de lenguaje de gran escala (LLMs) para normalizar, depurar, validar y enriquecer los datos maestros y señales de sensores industriales, con trazabilidad completa. El proyecto se desarrollará junto a CMPC Pulp como entidad asociada y busca resolver el principal cuello de botella de la adopción de la IA en minería, celulosa, manufactura y energía: la baja calidad de los datos.

El Centro Nacional de Inteligencia Artificial (CENIA) se adjudicó un proyecto en el concurso FONDEF IDeA I+D 2026 de ANID, convocatoria que este año recibió 871 postulaciones y seleccionó 102 iniciativas a nivel nacional —cerca del 12% de las propuestas presentadas—, orientadas a desarrollar tecnologías con potencial de transferencia al sector productivo, público o social.

La iniciativa adjudicada es DAQU (Data Quality Improvement Platform Through LLMs), una plataforma de mejora de la calidad de datos industriales que CENIA desarrollará durante 24 meses en colaboración con CMPC Pulp como entidad asociada.

El problema: más datos, peores decisiones

La transformación digital de las industrias intensivas en activos —minería, celulosa y papel, manufactura, energía, petróleo y gas— ha multiplicado el volumen de datos disponibles, pero no su calidad. La consultora Gartner estima que los problemas de calidad de los datos cuestan a las organizaciones cerca del 15% de sus ingresos anuales, y McKinsey reporta que más del 60% de las iniciativas de IA en manufactura fracasan principalmente por esta causa.

En minería se estima que entre 10% y 20% de los ítems de bodega está duplicado o mal clasificado, y más de la mitad de las organizaciones reporta detenciones relevantes de mantenimiento originadas en problemas de datos de MRO. A ello se suman millones de SKU no normalizados, registros duplicados de proveedores, una criticidad de repuestos no definida y errores sistemáticos de codificación. En el plano de los sensores industriales, las brechas de disponibilidad, el ruido, los valores atípicos y la falta de trazabilidad degradan directamente los sistemas de mantenimiento predictivo y de control basados en IA.

La paradoja es conocida en la industria: mientras más datos se acumulan, menos confiables se vuelven los modelos que se alimentan de ellos.

“Hoy, el mayor obstáculo para que la Inteligencia Artificial funcione en la industria no está en los modelos, sino en los datos que los alimentan. DAQU ataca ese problema de raíz: automatiza la limpieza y el enriquecimiento con LLMs, pero mantiene al experto en el circuito y deja registrada la trazabilidad de cada transformación”, explica Yamisleydi Salgueiro, directora del proyecto e investigadora asociada de CENIA.

Qué es DAQU

DAQU es una plataforma que abarca todo el ciclo de preparación de datos: normalización, deduplicación, validación, enriquecimiento y extracción automática de reglas, tanto para datos maestros (SKU, proveedores, repuestos) como para flujos de datos de sensores industriales, manteniendo la trazabilidad completa de cada transformación.

Su arquitectura contempla dos modalidades de uso: SaaS, que se integra mediante APIs y conectores con sistemas ERP, MES, SCADA y data lakes existentes, permitiendo el procesamiento por lotes o en tiempo real, y DaaS, en la que la organización accede a datos ya procesados y enriquecidos mediante integraciones seguras. La plataforma está diseñada para tres perfiles de usuario: los equipos de mantenimiento y operaciones, que necesitan catálogos de repuestos confiables y señales de sensores sin brechas para sostener sus planes de mantenimiento; los equipos de compras y abastecimiento, que trabajan con SKU no normalizados, proveedores duplicados y una criticidad de repuestos no definida; y los equipos de ciencia de datos e IA, que hoy pasan la mayor parte de su tiempo preparando datos en vez de construir modelos.

Lo que distingue a DAQU de las herramientas comerciales de calidad de datos, basadas mayoritariamente en reglas configuradas manualmente, es la combinación de enriquecimiento semántico asistido por LLMs, generación automática de reglas, conocimiento específico del dominio industrial y validación humana experta, todo ello sobre una capa de trazabilidad auditable.

El proyecto contempla el desarrollo del MVP mediante co-creación con el socio industrial, pilotos en entornos productivos reales y un mecanismo de transferencia que permita escalar la solución a otras empresas del sector.

El punto de partida

El proyecto se apoya en trabajo previo desarrollado con CMPC Pulp sobre datos maestros industriales, que verificó la factibilidad de combinar modelos de lenguaje, fuentes web y documentación técnica para normalizar y enriquecer registros. De ahí surge una definición de diseño que atraviesa toda la plataforma: la validación del experto de dominio sobre las propuestas del sistema eleva la calidad del resultado sin sacrificar la escala de la automatización.

Colaboración con CMPC Pulp

CMPC Pulp participa como entidad asociada aportando experticia de dominio, conjuntos de datos históricos anonimizados (inventarios, SKU, sensores de proceso), criterios de validación basados en requerimientos operacionales y el alojamiento de los pilotos en sus instalaciones. CENIA lidera la dirección científica, el rigor metodológico y la validación experimental.

El modelo de trabajo es de co-creación continua: equipos mixtos de académicos, científicos de datos, ingenieros de software, expertos de dominio y personal de operaciones, con revisiones técnicas semanales y sesiones de alineamiento estratégico mensuales. Entre los resultados comprometidos están la formalización de un acuerdo específico de transferencia de conocimiento entre CENIA y CMPC Pulp, y la construcción de un marco de colaboración de largo plazo con una red ampliada de empresas intensivas en activos en Chile y América Latina.

“Trabajamos con millones de registros y miles de sensores; cada mejora en la confiabilidad de esos datos se traduce en mejores decisiones de mantenimiento, abastecimiento y planificación. Colaborar con CENIA nos permite abordar ese desafío mediante investigación aplicada y validación rigurosa en nuestras propias operaciones”, señala Salvador Flores, Head of AI & Advanced Analytics de CMPC.

Formación de capital humano y producción científica

El proyecto incorpora estudiantes que desarrollarán sus tesis en temas de pipelines de normalización y limpieza, prototipado de la interfaz de la plataforma, enriquecimiento semántico y ontologías para datos industriales, y evaluación de métodos de extracción de reglas basados en LLMs. Se suman ingenieros e ingenieras de Machine Learning que se especializarán en el diseño, implementación y validación de modelos avanzados de calidad de datos, bajo mentoría de investigadores senior y expertos de la industria.

La iniciativa se enmarca en la Estrategia Nacional de Inteligencia Artificial y en los objetivos de transformación digital del país.

El equipo del proyecto está conformado por Yamisleydi Salgueiro Sicilia, directora del proyecto e investigadora principal de CENIA; Diego Rios, director alterno y líder técnico; Gonzalo Nápoles, investigador y consultor internacional de la Universidad de Tilburg (Países Bajos); Cristián Tamblay y Patricio Espinoza, responsables de los componentes de IA y despliegue de la solución; Juan Ignacio Stark, a cargo de innovación y transferencia; Jorge Pedro Castillo Carrillo, encargado de desarrollo de negocios internacional, y Matías Sánchez Cabeza, asesor técnico en minería y gestión de activos.

The post CENIA se adjudica proyecto FONDEF IDeA I+D 2026 para mejorar con Inteligencia Artificial la calidad de los datos en industrias intensivas en activos appeared first on CENIA.

CENIA busca poner la Inteligencia Artificial al servicio de las personas y contribuir a que Chile se consolide como un referente en el desarrollo científico y tecnológico de la IA en Latinoamérica y el mundo.

“Esta oferta laboral se enmarca en la Ley N° 21.015, promoviendo la inclusión de personas con discapacidad al mundo laboral. Somos una empresa comprometida con la igualdad de oportunidades, la diversidad y la no discriminación”.

Descripción

Hoy estamos en busca de dos Ingenieros/as de Machine Learning (MLE) para integrarse al proyecto LatamGPT. Las personas seleccionadas participarán en la implementación, experimentación y mejora de procesos de pre-entrenamiento, entrenamiento continuo y post-training de modelos de lenguaje, con foco en su adaptación lingüística y cultural, alineación, calidad de datos y eficiencia computacional. Buscamos personas con buenos fundamentos técnicos, curiosidad, rigurosidad y motivación por aprender y desarrollarse en un proyecto de inteligencia artificial de gran escala, trabajando colaborativamente con equipos interdisciplinarios.

Tus funciones a desempeñar serán las siguientes:

• Implementar y ejecutar experimentos de pre-training, Continual Pre-Training (CPT) y post-training de modelos de lenguaje, siguiendo los lineamientos definidos por el equipo técnico.
• Apoyar la preparación, limpieza, análisis y validación de los conjuntos de datos utilizados en los procesos de entrenamiento.
• Participar en la implementación y prueba de técnicas de alineación, adaptación lingüística y optimización de modelos.
• Ejecutar cargas de entrenamiento y evaluación en ambientes con GPU, adquiriendo progresivamente experiencia en infraestructura distribuida y clústeres.
• Utilizar herramientas como Python, PyTorch y Hugging Face para el entrenamiento, ajuste, evaluación e inferencia de modelos.
• Analizar los resultados de los experimentos, identificar posibles problemas y proponer mejoras con el apoyo del equipo.
• Documentar configuraciones, código, resultados y aprendizajes, asegurando la trazabilidad y reproducibilidad del trabajo.
• Colaborar con los equipos de Datos, Benchmarks, Investigación e Ingeniería en las distintas etapas del desarrollo de LatamGPT.

La renta a ofrecer es de $2.000.000 brutos mensuales.

Requerimientos

Al momento de seleccionar a nuestr@s candidat@s, nos fijamos en su experiencia en:

• Formación en Ingeniería Informática, Computación, Ciencia de Datos, Matemáticas o carreras afines.
• Conocimientos de Python, programación y fundamentos de Machine Learning y Deep Learning.
• Experiencia académica, personal o laboral utilizando PyTorch u otro framework similar.
• Conocimientos básicos de procesamiento de datos, evaluación de modelos, Git y ambientes Linux.
• Interés por desarrollarse en modelos de lenguaje y entrenamiento de modelos a gran escala.
• Capacidad para aprender nuevas herramientas, trabajar colaborativamente y solicitar apoyo oportunamente.
• Se valorará experiencia académica o práctica con NLP, Transformers, Hugging Face, ajuste fino, uso de GPU, cloud, Slurm, Ray, Weights & Biases, DuckDB o vLLM (deseable).

¿Cómo son nuestros procesos de selección?

1.- Completa el formulario de postulación que te enviaremos y adjunta tu CV actualizado.
2.- Si cumples con los requisitos base, te contactaremos para profundizar en tu experiencia y motivación por el proyecto LatamGPT.
3.- Si cumples con el perfil requerido, coordinaremos una entrevista técnica con el equipo del proyecto.
4.- En caso de avanzar, podrás participar en una segunda entrevista con la jefatura o liderazgo correspondiente.
5.- La terna final podrá pasar por una última entrevista con la contraparte que CENIA defina.

Valoramos mucho tu interés y las ganas de ser parte de una organización que impulsa la ciencia y la IA con propósito

Independiente del resultado, gracias por dar el paso y confiar en nosotr@s.

¡Seguimos construyendo futuro!

Postula aquí hasta el 20 de septiembre en https://cenia.buk.cl/s/v5c1osfwMFwwHf9G

The post ¡TRABAJA CON NOSOTROS! Ingenieros/as de Machine Learning LatamGPT appeared first on CENIA.

El Centro Nacional de Inteligencia Artificial (CENIA) es un centro dedicado a la investigación, desarrollo y transferencia tecnológica en inteligencia artificial, con el propósito de fortalecer el ecosistema científico y tecnológico del país.

CENIA busca poner la Inteligencia Artificial al servicio de las personas y contribuir a que Chile se consolide como un referente en el desarrollo científico y tecnológico de la IA en Latinoamérica y el mundo.

“Esta oferta laboral se enmarca en la Ley N° 21.015, promoviendo la inclusión de personas con discapacidad al mundo laboral. Somos una empresa comprometida con la igualdad de oportunidades, la diversidad y la no discriminación”.

Descripción

Buscamos a un/a Ingeniero/a Machine Learning Senior para nuestra área de Transferencia Tecnológica, que se encargará de diseñar, desarrollar y optimizar soluciones avanzadas de Machine Learning que respondan a desafíos complejos del negocio o de investigación, liderando técnicamente el desarrollo de modelos, asegurando la calidad y escalabilidad de las soluciones implementadas, y aportando guía técnica al equipo mediante buenas prácticas, revisión de trabajo y apoyo a ingenieros de menor experiencia.

Tus funciones a desempeñar serán las siguientes:

• Diseñar, desarrollar y optimizar modelos avanzados de Machine Learning para resolver problemas complejos de datos y apoyar los objetivos de los proyectos.
• Liderar técnicamente el diseño de soluciones de ML, definiendo arquitecturas, metodologías y enfoques de modelamiento adecuados.
• Implementar, entrenar y ajustar modelos complejos, asegurando su rendimiento, robustez y escalabilidad.
• Coordinar y ejecutar ciclos de experimentación, validación y mejora continua de modelos, utilizando métricas apropiadas de evaluación.
• Revisar código, modelos y metodologías desarrolladas por otros miembros del equipo, promoviendo buenas prácticas de desarrollo y ciencia de datos.
• Generar y mantener documentación técnica clara sobre modelos, experimentos, decisiones de diseño y resultados obtenidos.
• Participar activamente en revisiones técnicas, discusiones de arquitectura y toma de decisiones dentro de los proyectos.
• Presentar avances técnicos, resultados y recomendaciones al equipo del proyecto u otras áreas involucradas.
• Guiar y apoyar técnicamente a Machine Learning Engineers y trainees, facilitando su desarrollo y resolución de desafíos técnicos.
• Contribuir a la mejora continua de las prácticas del equipo, proponiendo nuevas metodologías, herramientas o enfoques basados en avances del área.

La renta a ofrecer va desde $2.600.000 hasta $3.800.000 brutos mensuales, según experiencia y perfil.

Requerimientos

Al momento de seleccionar a nuestr@s candidat@s, nos fijamos en su experiencia en:

• Licenciatura en Ciencias de la Computación, Matemáticas, Estadística, Ingeniería o un campo relacionado.
• Entre 3 y 4 años de experiencia en desarrollo avanzado de modelos de Machine Learning.
• Diseño de soluciones de Machine Learning e ingeniería de datos aplicada a ML.
• Evaluación, mejora, implementación y despliegue de modelos.
• Buenas prácticas de desarrollo y análisis y resolución de problemas complejos.
• Liderazgo técnico, autonomía en la toma de decisiones y experiencia mentoreando a otros profesionales (deseable).

¿Cómo son nuestros procesos de selección?

1.- Completa el formulario de postulación que te enviaremos y adjunta tu CV actualizado.
2.- Si cumples con los requisitos base, te contactaremos para levantar información en detalle de tu postulación.
3.- Si cumples con el perfil requerido, agendaremos una entrevista con nuestro Gestor de Talento.
4.- En caso de presentar la experiencia necesaria, coordinaremos una entrevista técnica con la jefatura correspondiente.
5.- La terna final podría pasar por una última entrevista con el/la Project Leader.

Valoramos mucho tu interés y las ganas de ser parte de una organización que impulsa la ciencia y la IA con propósito

Independiente del resultado, gracias por dar el paso y confiar en nosotr@s.

¡Seguimos construyendo futuro!

Postula aquí hasta el 20 de septiembre: https://cenia.buk.cl/s/3D3anbfLYauidu67

The post ¡TRABAJA CON NOSOTROS! Ingeniero/a Machine Learning Senior appeared first on CENIA.

• Con más de 100 asistentes y transmisión vía streaming, se lanzó PRISMA IA, programa que desarrolla soluciones de inteligencia artificial para abordar desafíos del sistema de salud chileno. PRISMA IA desarrollará ocho tecnologías para mejorar la atención de las personas, fortalecer el trabajo de los equipos clínicos y contribuir a un sistema de salud más eficiente, seguro y conectado.

Santiago, 2 de septiembre de 2026. Autoridades, representantes de instituciones de salud, academia y empresas tecnológicas participaron en el lanzamiento de PRISMA IA, realizado en el Auditorio Rencoret del Hospital Clínico UC CHRISTUS, el miércoles 2 de septiembre.

Con una alta convocatoria presencial que superó los 100 asistentes y transmisión vía streaming, PRISMA IA tuvo su debut. Se trata de una iniciativa estratégica para impulsar la incorporación responsable de la inteligencia artificial en el sistema de salud chileno.

Financiado por CORFO y liderado por UC CHRISTUS, el programa desarrollará y validará, durante cinco años, ocho soluciones tecnológicas destinadas a mejorar la atención de las personas, fortalecer el trabajo de los equipos clínicos y contribuir a un sistema de salud más eficiente, seguro y conectado.

El lanzamiento contó con la presencia de autoridades de diversos sectores, como el gerente general de UC CHRISTUS, Cristián de la Fuente; el director de PRISMA IA, Dr. Sebastián Valderrama; y su directora alterna, Helen Sotomayor. Ellos recibieron a la ministra de Salud, May Chomali; el director de Asuntos Corporativos de Corfo, Santiago Marín; la vicerrectora de Inteligencia Digital de la Pontificia Universidad Católica, Paula Aguirre; y el decano de la Facultad de Medicina UC, Bruno Nervi. 

La actividad reunió también a representantes de las instituciones co-ejecutoras del programa -Pontificia Universidad Católica, CENIA, CENS, InterSystems Chile, Lanek y OnLab -, además de Claro Chile, hospitales y prestadores públicos y privados, y actores del ámbito científico, tecnológico y de la innovación en salud.

El gerente general de UC CHRISTUS, Cristián de la Fuente, afirmó que “nos llena de orgullo liderar este consorcio que nos permitirá avanzar hacia una medicina más personalizada, precisa y preventiva, donde los datos ayudan a anticiparnos para cuidar mejor. Este programa es parte del camino que debemos recorrer para hacer los cambios que nuestro país necesita, y en ese contexto UC CHRISTUS como la Red Clínica Académica de Chile quiere tener un rol protagónico”.

Durante su intervención, la ministra de Salud, May Chomali, indicó que “los que están en este consorcio no pueden olvidarse de que esto no es un mero ejercicio académico. El Estado está invirtiendo en ustedes, creyó en ustedes, para efectivamente ser un aporte a la transformación de la salud de Chile, y por eso están inmersos en el Programa Transforma”.

El vicepresidente ejecutivo de Corfo, José Ignacio Mujica, destacó el valor de avanzar desde las posibilidades que ofrece la inteligencia artificial, hacia aplicaciones capaces de generar impacto en el sistema de salud en beneficio de la calidad de atención que reciben las personas. 

“Estamos impulsando esta colaboración entre empresas, centros tecnológicos, universidades nacionales y extranjeras, y el sistema de salud para desarrollar y validar herramientas que puedan generar evidencia y escalarse. Buscamos innovar para mejorar la productividad, pero al mismo tiempo, poner esa mayor capacidad al servicio de la salud de las personas y del país”, indicó José Ignacio Mujica.
Desde el mundo académico, la vicerrectora de Inteligencia Digital de la Pontificia Universidad Católica, Paula Aguirre, señaló que PRIMA IA “conjuga la mirada que como Universidad Católica queremos tener de la inteligencia artificial: la concebimos desde una perspectiva centrada en las personas, como una herramienta poderosa que nos ayuda a acelerar la creación del conocimiento, pero mirándola como un complemento que no reemplaza roles esenciales como la empatía, el cuidado y la confianza, entre otros”,

Ocho soluciones para transformar la atención de salud en Chile

Durante el lanzamiento, Sebastián Valderrama y Helen Sotomayor -director y directora alterna de PRISMA IA, respectivamente-, presentaron el alcance de la iniciativa. Esto, a través de un recorrido por la experiencia de atención de las personas y las ocho soluciones tecnológicas que desarrolla el programa.

Estas abarcan orientación antes de ingresar al sistema de salud, apoyo durante la consulta, síntesis de historias clínicas, herramientas para hospitalizaciones, prescripción farmacológica, cuidado en el hogar y monitoreo remoto de pacientes crónicos. Lo anterior, apoyado por capacidades para el uso seguro de datos clínicos.

Sebastián Valderra explicó que la IA toma información clínica relevante y ayuda a los equipos de salud hoy sobrecargados. “Usando patrones en exámenes, señales tempranas de deterioro, antecedentes dispersos en distintas fichas nos ayudan a hacer una mejor salud. El criterio sigue siendo clínico; la IA aporta ordenando y priorizando datos para que el médico decida con una mejor base cómo cuidar mejor”.

“Ninguna institución tiene hoy, por sí sola, todas las piezas para transformar la salud chilena a través de herramientas digitales”, afirmó Helen Sotomayor. En la misma línea, añadió que “PRISMA IA reúne a la academia, empresas tecnológicas y equipos de salud pública y privada, cada uno aportando una parte del sistema que estamos construyendo juntos”.

Tras el lanzamiento, PRISMA IA será desarrollada y validada en UC CHRISTUS con una mirada de alcance nacional, buscando aportar tanto a la salud pública como privada, y mantener a las personas en el centro de la innovación.

Sobre PRISMA IA

El programa es liderado por UC CHRISTUS, en su calidad de gestor tecnológico beneficiario, y reúne a un consorcio integrado por la Pontificia Universidad Católica de Chile, el Centro Nacional de Inteligencia Artificial (CENIA), el Centro Nacional en Sistemas de Información en Salud (CENS), InterSystems, Lanek y OnLab, 

Además, cuenta con la colaboración de Claro, el Centro de Excelencia e Innovación de Christus Health (EE.UU.), el Departamento de Salud Digital del Ministerio de Salud, el Servicio de Salud de Coquimbo, el Servicio de Salud de Talcahuano, Fundación ANCORA UC, y una red internacional conformada por la Universidad de Dundee (Escocia), Universidad de Leeds (Inglaterra) y Universidad de Melbourne (Australia).

Juntos combinan capacidades clínicas, científicas y tecnológicas para desarrollar soluciones con impacto real en la salud pública y privada del país.

RECUADRO:

Ocho miradas del ecosistema PRISMA IA 

Dr. Bruno Nervi, decano Medicina UC: “Qué valiosas son las alianzas público-privadas, donde está la universidad, con lo que sabemos hacer; con Corfo, con todo su aporte para el país; y que esté la industria, que sabe moverse con estrategias que nos hacen correr. Qué valioso cómo se genera un espacio de confianza donde nos atrevemos a conversar juntos”.   

Gonzalo Villanueva, jefe División Desarrollo Productivo Sostenible del Ministerio de Economía: “Valoramos este tipo de iniciativas que articulan capacidades del sector público, académico, clínico y tecnológico para avanzar en soluciones con impacto en las personas y fortalecer las capacidades de innovación y desarrollo productivo del país”.

Rodrigo Durán, gerente de CENIA: “En CENIA creemos que el verdadero potencial de la tecnología se despliega al servicio de las personas. Ser parte de PRISMA IA, además de ser un privilegio para CENIA, es un hito histórico para la innovación en salud en Chile”. 

Alejandra García, directora ejecutiva (i) del Centro Nacional de Sistemas de Información en Salud (CENS): “PRISMA IA demuestra que cuando la colaboración se une a la inteligencia artificial, es posible transformar desafíos complejos del sistema de salud en nuevas formas de innovar, resolver y avanzar hacia una mejor calidad en la atención para las personas”.

Rolando Martínez, director ejecutivo de OnLab: “Para que la innovación salga del laboratorio, necesita capacidades tecnológicas que permitan adaptarse a distintos contextos. PRISMA IA convierte ideas en herramientas que funcionan en todo el territorio, en cada rincón de Chile”.

Francisco Guzmán, vicepresidente de Mercado Empresas de Claro Chile: “Aportamos a PRISMA IA la conectividad y el manejo seguro de datos que hacen posible la inteligencia artificial en salud. Nos sumamos porque la transformación digital tiene sentido cuando resuelve algo concreto: en este caso, apoyar a los equipos clínicos y mejorar el seguimiento de pacientes crónicos”.

Martín Kozak, Country Manager de InterSystems Chile: “La inteligencia artificial transformará la salud cuando se implemente sobre datos confiables, interoperables y con foco en las personas. PRISMA IA es una iniciativa que contribuye a avanzar en esa dirección para Chile”.

Iver Cristi, director de Salud de Lanek: “Prisma IA articula a la gran industria, al estado y a las startups con un sólo foco: el paciente. A través de ciencia y tecnología se busca lograr nuevas soluciones que tengan un impacto en las personas a nivel nacional”.

Más información: 

Comunicaciones PRISMA IA

Paulina Lara Alfonso

Contacto.prismaia@ucchristus.cl 

+56 9 9319 5964

The post UC CHRISTUS  y Corfo lanzan PRISMA IA, el programa que incorporará la inteligencia artificial a la atención de salud en Chile appeared first on CENIA.

“Esta oferta laboral se enmarcen la Ley N° 21.015, promoviendo la inclusión de personas con discapacidad al mundo laboral. Somos una empresa comprometida con la igualdad de oportunidades, la diversidad y la no discriminación”.

Descripción

Tus funciones a desempeñar serán las siguientes:

– Mantener y actualizar las planillas presupuestarias de cada área interna.
– Apoyar la elaboración y actualización del flujo financiero del Centro.
– Gestionar el proceso de facturación a clientes y contrapartes, corroborando la correcta emisión, envío y registro de facturas, notas de crédito y demás documentos tributarios.
– Verificar los estados de pago y ejecutar las gestiones administrativas de cobranza, manteniendo comunicación con clientes internos, externos y contrapartes, y realizando seguimiento hasta la regularización de los pagos.
– Consolidar la información relacionada con los ingresos provenientes de ventas, convenios, proyectos, fondos públicos y privados, subsidios u otras fuentes de financiamiento, relacionándose directamente con las contrapartes encargadas del seguimiento de proyectos.
– Mantener actualizada la planificación de ingresos y el flujo de caja, incorporando los pagos proyectados y efectivamente recibidos.
– Verificar la información de convenios, contratos, adendas y otros documentos, resguardando el cumplimiento de los términos, condiciones e hitos de pago pactados.
– Elaborar y mantener reportes periódicos sobre facturación, ingresos, cuentas por cobrar, antigüedad de saldos, proyección de pagos y flujo de caja, dejando disponible la información para la toma de decisiones de la Dirección Operativa y del Liderazgo de Administración y Finanzas.
– Proponer mejoras en los procedimientos de registro, seguimiento y control de ingresos, contribuyendo a la eficiencia y confiabilidad de los procesos financieros.
– Ejecutar otras tareas administrativas y financieras relacionadas con el cargo, de acuerdo con las necesidades del área y de la organización.

La renta a ofrecer es de 1.000.000 brutos mensuales.

Requerimientos

Al momento de seleccionar a nuestr@s candidat@s, nos fijamos en su experiencia en:

– Manejo de Google Workspace, especialmente Google Sheets, Forms y Gmail (deseable).
– Experiencia comprobable en análisis de datos, elaboración de reportes y monitoreo de información financiera (deseable).
– Conocimientos de facturación, cobranza, flujo de caja y seguimiento de ingresos (deseable).
– Gestión documental y organización de archivos digitales y físicos (deseable).
– Manejo de Excel o Google Sheets para consolidación, validación y visualización de información (deseable).

Como son nuestros procesos de selección?

1.- Completa el formulario de postulación que te enviaremos y adjunta tu CV actualizado.

2.- Si cumples con los requisitos base, te contactaremos para levantar información en detalle de tu postulación.

3.- Si cumples con el perfil requerido, agendaremos una entrevista con nuestro Gestor de Talento.

4.- En caso de presentar la experiencia y competencias necesarias, coordinaremos una entrevista técnica con la jefatura correspondiente.

Valoramos mucho tu interés y las ganas de ser parte de una organización que impulsa la ciencia y la IA con propósito

Independiente del resultado, gracias por dar el paso y confiar en nosotr@s.

¡Seguimos construyendo futuro!

Postula aquí hasta el 9 de septiembre

The post ¡Trabaja con nosotros! appeared first on CENIA.

El equipo de investigadores publicó una auditoría de equidad sobre el uso de Modelos de Lenguaje de Gran Escala (LLM) para simular el comportamiento social. El estudio utilizó encuestas como la CEP en Chile y la ANES en Estados Unidos para evaluar si herramientas como GPT-4 y Llama-13B pueden simular opiniones de los seres humanos en estudios.

Este trabajo es relevante porque las herramientas de IA se usan cada vez más para simular opinión pública como complemento —no reemplazo— de las encuestas tradicionales. Según explica Andrés Abeliuk, investigador de CENIA y uno de los autores del estudio, “el objetivo fue determinar si estas herramientas podrían servir como métodos de predicción confiables para eventos políticos locales”. Los propios autores plantean que estos modelos pueden ser útiles para explorar tendencias generales o generar hipótesis previas a una encuesta, pero advierten que no deberían usarse para predecir el comportamiento de personas o grupos específicos sin antes calibrarlos localmente.

Los hallazgos confirman la existencia de una “injusticia epistémica”: como los modelos se entrenan mayoritariamente con datos del norte global, tienden a representar con menos fidelidad el conocimiento y las opiniones de poblaciones subrepresentadas, como la chilena, replicando desigualdades ya existentes en lugar de corregirlas. El hallazgo más relevante para el contexto local es que los sesgos de la IA no son universales, sino que se manifiestan de forma distinta según la estructura sociopolítica de cada país. Mientras que en Estados Unidos las disparidades de precisión del algoritmo se vinculan principalmente a la raza y la identidad política, en Chile los ejes de desigualdad son el género, el nivel educativo y la religión.

“Los modelos tuvieron más dificultad para predecir las opiniones de las mujeres, a las personas mayores, las personas religiosas y a aquellas con un nivel educativo más bajo. El efecto combinado de estos factores, por ejemplo de ser mujer e identificarse como persona religiosa, agrava aún más las imprecisiones en las predicciones”, detalla Abeliuk. El análisis estadístico muestra que esta combinación reduce la precisión más de lo que se esperaría sumando el efecto de cada factor por separado. A través de un análisis de regresión logística, los autores identificaron que el grupo cuyas opiniones son más difíciles de capturar para la IA en Chile es el de las mujeres de la tercera edad, religiosas y con bajo nivel educativo.

Este patrón —una precisión que disminuye a medida que aumenta la edad de las personas encuestadas, mucho más marcado en Chile que en Estados Unidos— sugiere que los modelos actuales tienen dificultades para interpretar el contexto cultural y los matices de la sociedad chilena. Otro punto crítico del estudio es la diferencia entre la utilidad de la IA a nivel macro y micro: los investigadores determinaron que los LLM son herramientas eficaces para predecir patrones agregados de la población (tendencias generales), pero fallan significativamente al intentar predecir la opinión de un individuo específico. Además, se detectó que el rendimiento de la IA en Chile disminuye incluso cuando se utilizan instrucciones en español, obteniendo mejores resultados con el inglés debido a la dominancia de este idioma en los materiales con los que fueron entrenados los modelos.

Ante este escenario, Abeliuk y su equipo advierten que el uso de estas tecnologías para informar decisiones de política pública en regiones subrepresentadas requiere de calibraciones locales urgentes. “En ese sentido, los resultados evidencian que, aunque la Inteligencia Artificial promete transformar la investigación en ciencias sociales, su aplicabilidad fuera del contexto estadounidense sigue siendo limitada. Por lo tanto, es necesario desarrollar modelos y metodologías más inclusivos y contextualizados a la diversidad cultural y social antes de confiarles la tarea de predecir el pulso político de nuestras sociedades”, concluye el investigador de CENIA.

“Si estas diferencias no se evalúan, existe el riesgo de obtener una representación distorsionada de ciertos grupos de la población y de tomar decisiones basadas en evidencia sesgada”, señala el reporte. Los expertos sugieren que cualquier aplicación futura de “muestreo de silicio” o encuestas sintéticas debe incluir auditorías por subgrupos para evitar que la Inteligencia Artificial perpetúe las desigualdades sociales ya existentes en el país.

The post Estudio revela que modelos predictivos discriminan a las mujeres y sectores con menos educación en Chile appeared first on CENIA.

La iniciativa es impulsada por el Centro de Aprendizaje UAI, la Dirección de Investigación e Innovación y el Hub de Inteligencia Artificial UAI, en conjunto con CENIA, y busca promover el uso de estas tecnologías con sentido crítico, ética y propósito en la docencia, la investigación y la gestión académica.

Durante la jornada, realizada el 30 de julio, autoridades, académicos y equipos estratégicos conocieron los principales objetivos de esta nueva versión, construidos a partir de los aprendizajes y resultados obtenidos durante 2025.

Rocío Vélez, del Centro de Aprendizaje UAI, estuvo a cargo de la bienvenida, mientras que Víctor Morales, jefe de Upskilling de CENIA, abordó el impacto y las proyecciones del programa.

Por su parte, Rodrigo Vizcarra, de Innovación y Tecnología Educativa UAI, presentó a los académicos que liderarán las 15 Comunidades de Práctica (CoP) de este año, organizadas en cuatro ámbitos: innovación curricular, investigación aumentada, docencia personalizada y gestión académica.

Experiencias y desafíos de la IA en la academia

El encuentro contempló además un panel de conversación moderado por Nicole Campos, en el que participaron Marcial González Besa, académico de la Escuela de Negocios y líder de una Comunidad de Práctica, y David Rueda, docente de la Escuela de Diseño y participante de ConectIA. Ambos compartieron los principales aprendizajes y experiencias desarrollados durante la versión 2025.

La jornada finalizó con la charla magistral “Evaluar en tiempos de IA”, dictada por Cristian Buc, Research Head de CENIA, que abordó los desafíos que plantea la inteligencia artificial para los procesos de evaluación.

Tras este encuentro inaugural, ConectIA 2026 inicia este 11 de agosto su etapa de Formación General, con un ciclo de talleres prácticos e interactivos en formato online. Esta fase entregará herramientas y criterios para la aplicación de la inteligencia artificial en ámbitos como desarrollo curricular, investigación aumentada, evaluación y gestión académica, preparando a los participantes para el posterior trabajo en las Comunidades de Práctica.

The post UAI y CENIA dan inicio a ConectIA 2026 para potenciar el uso de la IA en la academia appeared first on CENIA.