El artículo de investigación presentado, titulado "Inteligencia Artificial en el Deporte", explora cómo los estudiantes de deportes en Alemania utilizan y perciben las herramientas de IA generativa, como ChatGPT, en su vida académica. Mediante una encuesta cuantitativa a 262 participantes, los investigadores identificaron que, si bien los estudiantes utilizan con frecuencia estas tecnologías para ahorrar tiempo y aclarar temas complejos, les preocupa el plagio y la fiabilidad de la información generada por IA. El estudio destaca una notable brecha de género en la autoevaluación de la competencia, ya que los estudiantes varones reportan mayor confianza en sus habilidades técnicas que sus compañeras. A pesar de diversas incertidumbres, los participantes generalmente apoyan la integración de la IA en los planes de estudio universitarios y creen que no disminuirá su capacidad de pensamiento crítico. En última instancia, los autores instan a las instituciones de educación superior a brindar capacitación práctica y ética para ayudar a los estudiantes a afrontar los riesgos de la desinformación. Esta fuente ofrece una perspectiva fundamental sobre el clima social y la alfabetización digital de los futuros profesionales del deporte en un entorno académico cada vez más automatizado.
Enlace al artículo científico, para aquellos interesados en profundizar en el tema: "Artificial Intelligence in Sports", por Dennis Krämer y colegas. Publicado el 30 de Junio de 2026.
El resumen, la transcripción, y la traducción fueron hechas usando herramientas de software de Inteligencia Artificial.
El resumen se presenta en la forma de un diálogo entre dos personajes sintéticos que llamaremos Alicia y Beto.
Resumen
Alicia
Imagina que estás trazando la compleja cadena cinética de un servicio de tenis de 120 millas por hora.
Beto
Correcto.
Alicia
Necesitas entender la secuencia exacta de activaciones musculares, desde el gemelo empujando el suelo hasta la rotación del tronco, hasta la pronación de la muñeca.
Beto
Mucha mecánica.
Alicia
Sí, exactamente. Pero no estás en un laboratorio de biomecánica y no estás en una cancha de tenis. Estás sentado en una cafetería tecleando una solicitud en ChatGPT pidiéndole a un algoritmo digital que explique la realidad física de un cuerpo humano en movimiento.
Beto
Lo cual es bastante salvaje cuando lo piensas.
Alicia
Correcto. Así que hoy exploramos esta fascinante intersección, una paradoja realmente salvaje, que es la colisión de la educación corporal altamente física, con el atajo digital definitivo.
Bienvenidos a un nuevo análisis profundo.
Beto
Me encanta estar aquí. Y para realmente fundamentar esta exploración, estamos viendo un riguroso estudio de 2023 realizado por investigadores, incluido Dennis Krämer.
Alicia
Correcto. Desde Alemania.
Beto
Sí, representando a varias universidades alemanas como Münster y Göttingen. El artículo se titula "Inteligencia Artificial en los Deportes". Y básicamente presenta una encuesta cuantitativa de 262 estudiantes deportivos alemanes.
Alicia
Okay.
Beto
Sí, aislando sus patrones de uso, sus miedos subyacentes y sus expectativas con respecto a las herramientas de inteligencia artificial y, sus vidas académicas.
Alicia
Así que para ti que estás escuchando, ya sea que estés preparando una presentación en una sala de juntas, tratando de ponerte al día con las tendencias tecnológicas, o simplemente increíblemente curioso sobre cómo cambia el comportamiento humano cuando entra una nueva tecnología, este es el gancho.
Beto
Absolutamente.
Alicia
Quiero decir, es fácil asumir que la IA está transformando principalmente cosas como la informática o la ingeniería de software. Pero, ¿qué sucede cuando los estudiantes que estudian el movimiento humano, la pedagogía física y el entrenamiento tienen acceso a la IA generativa?
Beto
Esa es la verdadera pregunta.
Alicia
Vamos a descubrir datos realmente sorprendentes sobre el comportamiento humano, nuestro deseo interminable de ahorrar tiempo y los riesgos ocultos y, honestamente, a veces peligrosos de depender de una máquina para pensar por nosotros.
IA en la arena: Cómo los estudiantes alemanes de deportes navegan la nueva frontera digital
Alicia
Okay, desglosémoslo.
Beto
Así que antes de que podamos entender realmente cómo los estudiantes de deportes están utilizando estas herramientas para escribir trabajos o procesar investigaciones, primero necesitamos establecer exactamente qué son estas herramientas.
Alicia
Correcto. Y qué no son.
Beto
Exacto.
El estudio de Kramer se centra específicamente en la IA generativa o GAI, que es fundamentalmente diferente de la IA analítica más antigua que simplemente podría ordenar datos o, ejecutar una simulación de ajedrez.
Alicia
Como la vieja IBM Deep Blue.
Beto
Sí, exactamente. La IA generativa crea contenido totalmente nuevo y se divide ampliamente en dos categorías: Tienes modelos unimodales y multimodales.
Alicia
Unimodal significa que opera solo en un carril, ¿correcto? Texto entrara y texto sale.
Beto
Correcto. Esa fue la ola inicial. Escribes una pregunta. Genera una respuesta escrita.
Pero los modelos multimodales, que ahora son prácticamente el estándar, procesan y generan a través de diferentes tipos de medios a la vez.
Alicia
Oh, correcto. Así que no estás limitado a solo con texto.
Beto
Exacto. Un estudiante deportivo podría subir teóricamente un archivo de video de ese servicio de tenis del que hablamos o una imagen de un ángulo de articulación y pedirle a la IA que genere un texto basado en un análisis mecánico de esos datos visuales y el motor traduciendo la intención humana en esos escenarios se basa en gran medida en el "procesamiento del lenguaje natural", ("Natural Language Processing" o NLP).
Alicia
Que es lo que le permite analizar y simular nuestros patrones conversacionales.
Beto
Sí.
Alicia
Y siento que ese aspecto de simulación es lo que hace que estas herramientas se sientan tan mágicas para la gente. Pero, despojar esa magia es crucial aquí.
Beto
Oh, absolutamente.
Alicia
Porque debajo de esa interfaz conversacional hay "modelos de lenguaje grandes" ("Large Language Models", LLMs), como GPT y ChatGPT, y entender el mecanismo de un LLM cambia la forma en que ves cada resultado que te da.
Beto
Lo fascinante aquí es que la idea central que tenemos que llevar a lo largo de toda esta discusión es que los LLMs construyen oraciones basadas en la probabilidad estadística, no en la verdad.
Alicia
Correcto. En realidad no saben nada.
Beto
Exacto. No poseen una base de datos centralizada de hechos científicos verificados que simplemente busquen. Son fundamentalmente motores de predicción.
Alicia
Así que es solo matemática.
Beto
Solo matemática. Si le das a un LLM una solicitud sobre fisiología del ejercicio, esencialmente está ejecutando matemática de probabilidad increíblemente compleja para adivinar cuál debería ser la siguiente palabra más probable.
Alicia
Basándose en los miles de millones de fragmentos de texto que absorbió de internet.
Beto
Exacto.
Alicia
Así que si empiezas una oración con algo como "la acumulación de ácido láctico en los músculos causa ...", la máquina no entiende realmente la biología humana.
Beto
No, para nada.
Alicia
Simplemente reconoce que la palabra "fatiga" o "quemazón" tiene una probabilidad matemática alta de seguir esa secuencia específica de palabras.
Beto
Correcto.
Alicia
Honestamente, me recuerda a un actor de improvisación muy confiado, como uno que básicamente completa automáticamente con una dosis masiva de esteroides.
Beto
Esta es una gran manera de decirlo.
Alicia
No tienen un título en biología, pero han visto suficientes documentales para conocer la jerga. Saben qué palabras suelen estar juntas y simplemente se pararán en el escenario y ofrecerán una conferencia completamente fabricada y articulada con absoluta convicción.
Beto
Sí. Toma a ese actor de improvisación, pero quita su deseo humano de complacer a una audiencia o su conciencia de que están en un escenario. Es pura matemática estructural fría.
Alicia
Correcto.
Beto
Ahora, para evitar que estos motores de predicción matemáticos simplemente encadenen jerga inútil u ofensiva, los desarrolladores usan un mecanismo llamado "RLHF".
Alicia
"Reinforcement Learning from Human Feedback"), "Aprendizaje por refuerzo a partir de la retroalimentación humana".
Beto
Sí. Durante el desarrollo, se les dan a los evaluadores humanos múltiples respuestas generadas por IA a la misma solicitud. Los humanos clasifican esas respuestas basándose en la precisión, la utilidad y la seguridad.
Alicia
Okay. Así que básicamente, lo están calificando.
Beto
Básicamente, sí. Y luego el modelo ajusta sus algoritmos internos para favorecer los tipos de respuestas que prefirieron los humanos.
Alicia
Así que está enseñando al motor estadístico cómo se ve una buena respuesta castigando los resultados extraños y recompensando los útiles.
Beto
Exacto.
Alicia
Pero tengo que refutar esto por un segundo. Si esta tecnología está construida fundamentalmente desde cero para adivinar la siguiente palabra más probable, en lugar de verificar la verdad, ¿no estamos construyendo el futuro de la academia sobre un juego de adivinanzas altamente articulado?
Beto
Sí. Bueno, ese es exactamente el problema central. Los investigadores señalan explícitamente este mecanismo exacto como "la vulnerabilidad central de la IA generativa y las aplicaciones basadas en información".
Alicia
Porque sigue siendo solo adivinar.
Beto
Correcto. El RLHF actúa como una barrera de contención. Claro. Pero no cambia la arquitectura predictiva subyacente. Los modelos aún pueden exhibir un comportamiento inesperado. El estudio señala que estas herramientas pueden ser sometidas a "jailbreaks" ("rompedores de seguridad"), donde actores maliciosos usan solicitudes complejas para engañar a la IA y que evite por completo su entrenamiento de seguridad.
Alicia
Vaya. Así que estamos confiando en un predictor de texto estadístico para investigación académica rigurosa. Introduce una debilidad estructural bastante profunda en el proceso de aprendizaje.
Beto
Realmente lo hace.
Alicia
Así que si la tecnología subyacente es básicamente una matriz de probabilidad elaborada propensa a inventar cosas, esperarías que la academia la tratara como material radiactivo.
Beto
Genial. Gracias.
Alicia
Pero los datos muestran exactamente lo contrario. Veamos quién está adoptando esto, de hecho porque destroza el estereotipo del nerd de la computadora aislado escribiendo código en una habitación oscura del dormitorio.
Beto
Oh, completamente. El perfil demográfico en el estudio de Krämer pinta una imagen muy diferente. Los 262 estudiantes deportivos alemanes encuestados tienen un promedio de edad de alrededor de 24. Y fieles a su campo elegido, son intensamente activos. Más del 56% de ellos reporta participar en más de cuatro horas de deporte cada semana.
Alicia
Vaya, eso es mucho.
Beto
Sí, con otro 26% haciendo de una a cuatro horas. Estamos hablando de una cohorte que dedica una porción masiva de su tiempo anclada en la realidad física, moviendo sus cuerpos y operando en el espacio tridimensional.
Alicia
Espera, si están dedicando tanto tiempo en la pista, en la piscina o en el campo, su interacción con la computadora portátil debería ser teóricamente bastante mínima en comparación con un estudiante de informática, ¿verdad?
Beto
Correcto.
Alicia
Entonces, ¿por qué necesita un estudiante que dedica su vida al estudio del movimiento físico un chatbot conversacional?
Beto
Bueno, si conectamos esto con la imagen más grande, tenemos que deconstruir lo que realmente implica una carrera de ciencias deportivas moderna.
Alicia
Okay.
Beto
Es un campo académico intensamente multi-disciplinario. No solo están siendo calificados por su rendimiento físico.
Alicia
Correcto. No solo están haciendo flexiones.
Beto
Exacto. Están tomando cursos teóricos pesados en bio-mecánica, sociología deportiva, salud, economía, psicología deportiva, pedagogía. La carga de lectura es masiva.
Alicia
Ah.
Beto
Y la tasa de adopción de la IA para manejar esa carga es asombrosa. Los datos muestran que el 67.5% de los estudiantes encuestados utilizan activamente herramientas de IA.
Alicia
Espera, 67.5%. Más de dos tercios de la cohorte.
Beto
Sí.
Alicia
Eso no es solo un grupo marginal de adoptadores tempranos. Esa es la cultura académica principal.
Beto
Lo es. Y el desglose muestra que el 71.3% de los hombres y el 62.7% de las mujeres están utilizando estas herramientas.
Alicia
Vaya.
Beto
Y el dominio del mercado de una sola plataforma es absoluto. El 98% de todo el grupo de la encuesta sabe qué es ChatGPT y el 62.6% lo utiliza activamente en sus estudios.
Alicia
Eso es enorme. ¿Qué hay de las otras herramientas?
Beto
Bueno, para ponerlo en perspectiva, los competidores más cercanos en el momento del estudio eran Bing Chat (ahora, "Microsoft Copilot") con un 3.2% y Notion AI con un 2.6%.
Alicia
Simplemente los están dejando en el polvo. Y esto claramente no es solo un truco que prueban una vez antes de los exámenes parciales. Si dos tercios de ellos dependen de un predictor de texto, deben estar extrayendo enormes beneficios tangibles para justificar el hábito, ¿correcto?
Beto
La data de frecuencia lo confirma como un hábito. Casi el 15% de los estudiantes lo usan varias veces a la semana y un tercio lo usan una a tres veces al mes.
Alicia
Okay. Entonces, ¿para qué lo están usando realmente?
Beto
Cuando los investigadores profundizan en casos de uso específicos, el 40.6% de los estudiantes reportaron usar la IA para traducir textos.
Alicia
Oh, traducir.
Beto
Sí. Otro 37.5% lo usan para procesar literatura y formato de texto, y el 21.9% lo usan para prepararse para exámenes.
Alicia
Okay. El aspecto de traducción tiene todo el sentido cuando te das cuenta de lo globalizada que es la investigación deportiva.
Beto
Correcto.
Alicia
Quiero decir, si un estudiante alemán necesita analizar un artículo de kinesiología publicado en una revista médica japonesa o estadounidense, introducirlo en un LLM proporciona una traducción instantánea y muy legible.
Beto
Exacto.
Alicia
Están empleando esencialmente un asistente de investigación multilingüe instantáneo y gratuito.
Beto
Y ese deseo por la eficiencia es el principal motor psicológico aquí. Los estudiantes expresaron explícitamente que quieren ahorrar tiempo.
Alicia
¿Quién no?
Beto
Correcto. Quieren una herramienta que pueda tomar un enfoque científico muy complejo, digamos las vías neurológicas involucradas en la memoria muscular, simplemente desglosarlo en puntos clave digeribles.
Alicia
Eso tiene sentido.
Beto
Pero también hay una fascinante red de seguridad psicológica en juego aquí.
Alicia
Oh, ¿como qué?
Beto
Recibir instrucción personalizada de una máquina realmente aumenta su compromiso y confianza, en gran medida porque una IA no juzga.
Alicia
Oh, no lo había pensado.
Beto
Sí. Un estudiante puede pedirle a un chatbot que explique un concepto anatómico básico cinco veces seguidas sin la vergüenza que podría sentir al levantar la mano en una clase universitaria abarrotada.
Alicia
Aquí es donde se pone realmente interesante, sin embargo. Hemos establecido que el motor bajo el capó no sabe lo que es verdad. Solo sabe lo que es estadísticamente probable.
Beto
Sí.
Alicia
Así que este impulso increíble por la eficiencia tiene que estar atado a algunos riesgos académicos bastante aterradores.
Beto
Absolutamente.
Alicia
Y quiero desafiar esta idea de usar la IA para "entender", digamos, la complejidad.
Beto
Adelante.
Alicia
Porque si un estudiante introduce un denso artículo de investigación de 30 páginas sobre las cargas de estrés de los ligamentos de la rodilla en una IA y pide un resumen de una página, están externalizando completamente la lucha de aprender.
Beto
Lo están haciendo.
Alicia
¿No es la fricción mental como el proceso difícil real de leer, releer y lidiar con texto denso, no es ese el mecanismo exacto que construye el pensamiento crítico?
Beto
Lo es. Y el estudio reconoce esta tensión como un debate central en la pedagogía moderna.
Alicia
Okay. Así que vieron esto venir.
Beto
Sí. Los investigadores miran imparcialmente el espectro entre la andamiaje ("scaffolding") y la dependencia excesiva del andamiaje.
Alicia
¿Andamiaje?
Beto
Correcto. Por un lado, un estudiante podría usar la IA como un tutor secreto, una forma de andamiaje. Leen el artículo denso ellos mismos, forman una hipótesis y luego le hacen preguntas a la IA para probar su propio razonamiento o aclarar un párrafo específico.
Alicia
Okay. Eso suena positivo.
Beto
Lo es. Ese compromiso activo puede acelerar genuinamente el aprendizaje.
Alicia
Pero el resumen rápido y barato es el camino de menor resistencia.
Beto
Exacto. Lo que lleva al otro extremo del espectro, un entumecimiento cognitivo profundo.
Alicia
Vaya. Entumecimiento cognitivo.
Beto
Sí. Si la máquina está haciendo el trabajo pesado de síntesis y análisis, las facultades críticas y las habilidades lingüísticas especializadas de los estudiantes comienzan a atrofiar.
No están aprendiendo a pensar. Están aprendiendo a dar indicaciones a una máquina que piensa por ellos.
Alicia
Más allá del riesgo filosófico de volverse intelectualmente perezoso, el peligro concreto aquí es que el pensamiento de la máquina a menudo es solo estructuralmente defectuoso, ¿correcto? Estamos hablando del lado temible de la ecuación ahora.
Beto
Correcto. El temor.
Los propios estudiantes articularon varios miedos importantes, siendo los más prominentes las alucinaciones y las citas falsas.
Alicia
Ah, las alucinaciones.
Beto
Porque la IA está diseñada para predecir cómo debe verse un texto, sabe que un ensayo académico generalmente contiene citas. Así que generará una cita con confianza.
Alicia
Inventa una.
Beto
Literalmente inventa el nombre de un autor, fabrica el título de una revista y proporciona números de página para un estudio que simplemente no existe en la realidad.
Alicia
Eso es aterrador.
Beto
Y si un estudiante externaliza su revisión de literatura y no logra verificar manualmente cada fuente, está presentando investigación fabricada.
Alicia
Mira, entiendo la amenaza de una cita falsa en un trabajo de historia, como cuando te equivocas en la fecha de una batalla, fallas la tarea.
Beto
Claro.
Alicia
Pero en ciencias deportivas, estamos lidiando con la mecánica física del cuerpo humano. Si una IA alucina un estudio biomecánico falso sobre, no sé, los límites de carga seguros en un tendón de Aquiles en recuperación y un estudiante incorpora eso en su conocimiento fundamental, aquellos futuros fisioterapeutas puedan lesionar a una persona real.
Beto
Las apuestas aumentan absolutamente cuando la disciplina académica hace la transición a la aplicación física. Esta vulnerabilidad masiva es por qué el estudio señala que un tercio de las universidades del prestigioso Grupo Russell del Reino Unido, como Oxford y Cambridge, han clasificado el uso no aprobado de IA en tareas, como una categoría formal de mala conducta académica.
Alicia
Oh, vaya. No están jugando.
Beto
No. Y los investigadores también destacan el problema del "sesgo incrustado". Los LLMs se entrenan con grandes raspados de internet, lo que significa que absorben y reproducen los sesgos históricos y demográficos presentes en esos datos.
Alicia
Correcto.
Beto
El estudio señala específicamente instancias documentadas de sesgo de género en la generación de lenguaje de estos modelos, que los estudiantes podrían integrar sin saberlo en su propio trabajo.
Alicia
Simplemente heredando ciegamente los peores rasgos de internet.
Beto
Más o menos. Además, la información a menudo está desactualizada, ya que está limitada por la fecha de la última actualización de los datos de entrenamiento del modelo.
Alicia
Okay, así que tienes alucinaciones, sesgo invisible e información desactualizada. Pero ¿existe algún factor de temor que sea totalmente único para los estudiantes que estudian deportes y movimiento humano?
Beto
Sí. Y golpea la identidad central de la disciplina. Los estudiantes expresaron una profunda preocupación existencial sobre la erosión de la interacción cara a cara y cuerpo a cuerpo.
Alicia
Cuerpo a cuerpo. Eso es correcto.
Beto
Las ciencias deportivas, la fisioterapia y el entrenamiento son campos inherentemente táctiles y físicos. Dependen de observar sutiles cambios en la postura, guiar físicamente el movimiento de un cliente y construir confianza interpersonal.
Alicia
Sí. No puedes evaluar a un corredor solo leyendo textos. Tienes que ver al humano moverse en el espacio.
Beto
Exacto. Y el miedo articulado en el estudio es que una dependencia excesiva en las simulaciones de IA y el procesamiento de texto digital erosionará lentamente esas habilidades interpersonales físicas esenciales. Los estudiantes están realmente preocupados por perder el elemento humano en un campo dedicado enteramente a la forma humana.
Alicia
Es una paradoja asombrosa. Tienes toda una cohorte de estudiantes dependiendo de una mente digital descorporeada, un algoritmo hecho de matemática de probabilidad que no tiene forma física, para enseñarles sobre la realidad física del cuerpo humano.
Beto
Navegar por esa paradoja requiere un pensamiento crítico inmenso y guía formal.
Alicia
Lo que esperarías que estén recibiendo.
Beto
Bueno, eso hace que el siguiente punto de datos en el estudio de Krämer sea el hallazgo más alarmante de toda la encuesta. El punto ciego institucional.
Alicia
Así que, ¿qué significa todo esto? Tenemos a dos tercios del cuerpo estudiantil de ciencias deportivas utilizando un predictor de texto estadístico para ahorrar tiempo y procesar datos complejos. Saben que puede elucidar estudios médicos falsos y temen que esté erosionando sus habilidades de entrenamiento físico.
Beto
Correcto.
Alicia
Seguramente las universidades están tratando esto como una emergencia académica. Quiero decir, debe haber seminarios obligatorios, planes de estudio actualizados y marcos estrictos y claros sobre cómo navegar por estas herramientas.
Beto
Esperarías eso. Pero los datos empíricos revelan un vacío masivo en el apoyo universitario. Los investigadores preguntaron directamente a los estudiantes si su universidad ofrecía algún curso o módulo para ayudarlos a manejar las herramientas de IA de manera responsable. Solo el 11.1% de los estudiantes estaban al tanto de algún curso de este tipo.
Alicia
11%.
Beto
Sí. Un asombroso 64.9% no estaban totalmente seguros de si estos cursos existían en su campus, y el 19.1% afirmó definitivamente que su universidad no ofrecía ninguna guía en absoluto.
Alicia
Eso es un fracaso catastrófico de liderazgo. Es como si le dieras a un adolescente las llaves de un coche deportivo ridículamente rápido, pero olvidarte por completo de ofrecer la enseñanza para conductores.
Beto
Esa es una gran analogía.
Alicia
Como dejar a un colega atleta usar un suplemento experimental de mejora del rendimiento completamente no aprobado. Nadie sabe cuáles son los efectos secundarios a largo plazo, pero en lugar de intervenir o realizar pruebas, el personal de entrenamiento simplemente se encoge de hombros, mira para otro lado y dice, "bueno, veamos qué le pasa a su ritmo cardíaco durante la final".
Beto
Esto plantea una pregunta importante, sin embargo. ¿Por qué las instituciones académicas masivas, y bien financiadas, están rezagadas tanto a sus propios estudiantes?
Alicia
Burocracia.
Beto
Básicamente. La realidad estructural es que la tecnología de IA generativa está evolucionando exponencialmente más rápido de lo que las burocracias académicas pueden operar.
Alicia
Correcto.
Beto
Considera el cronograma. Cuando ChatGPT se lanzó al público por primera vez, era totalmente unimodal. Solo procesaba texto. En pocos meses, el modelo subyacente de GPT-4 introdujo capacidades multimodales, permitiendo repentinamente que la IA procesara imágenes, gráficos y diagramas.
Alicia
Y el sistema universitario se mueve a un ritmo glacial.
Beto
Exacto. Diseñar un plan de estudios, enviarlo a un comité curricular, obtener su aprobación por parte de varios jefes de departamento y finalmente integrarlo en un entorno de clase en vivo, puede tardar un año, o más.
Alicia
Vaya.
Beto
Para cuando una universidad finaliza una política rígida sobre cómo se permite a los estudiantes interactuar con una herramienta de IA específica, esa herramienta probablemente haya pasado por tres actualizaciones importantes, cambiando por completo sus capacidades y su perfil de riesgo.
Alicia
Pero la velocidad exponencial del desarrollo tecnológico no significa que la universidad simplemente pueda tirar la toalla y abdicar su responsabilidad.
Beto
Los autores del estudio de Krämer trazan una línea muy firme en este punto. Concluyen que las universidades deben abordar agresivamente esta situación ambivalente.
Alicia
Porque no se va a disipar.
Beto
Exacto. Ya no es suficiente solo enseñar la mecánica fisiológica de las ciencias deportivas. La alfabetización digital debe actualizarse radicalmente.
Alicia
¿Cómo se ve eso en la práctica?
Beto
Las instituciones necesitan entrenar activamente a los estudiantes en la mecánica práctica de la IA, cómo estructurar indicaciones para generar información confiable, cómo auditar críticamente el resultado en busca de alucinaciones y sesgos, y, fundamentalmente, cómo reconocer las limitaciones estrictas de los predictores de texto estadísticos. Los autores argumentan que esta tecnología solo puede entenderse de manera segura a través de una aplicación práctica, crítica y guiada.
Alicia
Lo que nos trae todo este viaje de vuelta a ti, el que está escuchando ahora mismo.
Comenzamos despojando la magia de la IA, mirando bajo el capó para entender que estas herramientas no son bases de datos omniscientes de la verdad, sino brillantes ilusiones estadísticas que adivinan la siguiente palabra.
Exploramos la adopción masiva, quizás contraintuitiva, de estas herramientas digitales por parte de estudiantes altamente físicos en campos deportivos multidisciplinarios. Nos adentramos en el impulso por la eficiencia que los empuja a usarlas, los graves riesgos de datos fabricados y el entumecimiento cognitivo, y finalmente, la peligrosa falta de guía formal por parte de las propias instituciones académicas.
Beto
Y la conclusión general de estos datos es un mandato de responsabilidad personal extrema.
Puesto que la política institucional se está quedando años atrás con las actualizaciones de software, la carga de verificación recae totalmente en el usuario.
Alicia
En ti.
Beto
Exacto. Si estuvieras desplegando un LLM para resumir un informe de mercado para una reunión del martes, para redactar un correo electrónico importante, o para explorar un tema nuevo y complejo, no puedes tratar a la máquina como un colega autorizado y confiable.
Alicia
Correcto, no es un experto.
Beto
Es un asistente altamente articulado y tremendamente confiado que requiere una supervisión crítica incesante. La responsabilidad del control de calidad recae totalmente sobre tus hombros.
Alicia
Así que, ya sea que seas un estudiante de biomecánica tratando de analizar un denso artículo de kinesiología, un profesional preparando una presentación, o simplemente alguien que le pide a un chatbot que optimice tu rutina de entrenamiento semanal, tienes que recordar al actor de improvisación (el LLM) en el escenario. No importa cuán convincentemente usen la jerga, pueden simplemente estar haciendo la matemática e inventándola a medida que van.
Beto
A medida que continuamos integrando la IA generativa más profundamente en campos que impactan directamente en el mundo físico, debemos proteger ferozmente el elemento humano. El pensamiento crítico riguroso requerido para verificar hechos, la empatía incrustada en la pedagogía, el matiz táctil de la interacción cuerpo a cuerpo, estas son responsabilidades humanas fundamentales que no pueden, ni deben, externalizarse a un algoritmo predictivo.
Alicia
Lo que nos deja con una reflexión final para meditar mientras pasas tu día. Hemos trazado la realidad actual y los riesgos ocultos, pero veamos la trayectoria en la que estamos.
Si estos modelos continúan avanzando a este ritmo vertiginoso, y si permitimos que dependamos, más y más, de ellos para análisis complejos sin priorizar la interacción humana, ¿a dónde nos llevará esto realmente?
Beto
Es una pregunta difícil.
Alicia
¿Podremos llegar eventualmente a una realidad donde los mejores planes tácticos y los deportes profesionales, los regímenes de entrenamiento físico más optimizados y las perspectivas más profundas sobre la biomecánica humana, sean generados completamente por una máquina? Una máquina que nunca poseyó un cuerpo físico, nunca sintió la quemazón del ácido láctico, y nunca se rompió con una sola gota de sudor. Y si ese día llega, ¿qué significa eso realmente para el futuro del entrenamiento humano y nuestra conexión con nuestra propia fisicalidad?
Gracias por acompañarnos en este análisis profundo.
Entradas
