Los títulos en IA pueden envejecer demasiado rápido, según un análisis de GovTech

La pregunta en la oficina de orientación ha cambiado. Los estudiantes no están preguntando si la IA pertenece a su plan de carrera. Están preguntando si un título universitario nombrado en torno a la IA puede seguir siendo útil mientras el campo sigue cambiando por debajo. GovTech informa que la inteligencia artificial es cada vez más difícil de evitar en el mercado laboral, pero algunos estudiantes y educadores se preocupan de que los nuevos programas de grado en IA tengan dificultades para mantenerse al día con una tecnología que cambia rápidamente. Eso no es hostilidad hacia la educación superior. Es diligencia de compra por parte de estudiantes a quienes se les pide comprometer años, matrícula y costo de oportunidad en una credencial cuya etiqueta puede envejecer más rápido que los fundamentos que la sostienen.

La etiqueta de

la credencial no es toda la señal GovTech señala que algunos estudiantes están interpretando el momento en que se lanzan los grados en IA dentro de un contexto universitario difícil, que incluye caídas en la matrícula y metas de pregrado no alcanzadas. Eso importa porque una nueva carrera puede ser tanto una respuesta académica sincera como una herramienta de reclutamiento. Los estudiantes no deberían asumir que cualquiera de esos motivos hace débil a un programa, pero sí deberían preguntar qué seguirá siendo útil cuando los nombres de los modelos actuales se conviertan en herramientas comunes del lugar de trabajo.

Indeed Hiring Lab ofrece un contrapunto útil: la educación todavía tiene valor en el mercado laboral, incluso mientras se debate el valor de la universidad. Indeed informa que cualquier aumento en la educación se asocia con un aumento en el salario, incluida la educación fuera de un título de cuatro años, y que la recualificación en el trabajo y la exposición a la IA aumentan con la educación. La lección no es que los títulos estén muertos. Es que el nombre del título es solo una señal, y a menudo no la más fuerte.

Aquí es donde la inflación de credenciales de IA se vuelve complicada. “Ingeniero de IA” ya significa varios trabajos diferentes en currículums y ofertas laborales, desde trabajo con modelos hasta infraestructura de datos y automatización de flujos de trabajo. Un grado dedicado a la IA puede ayudar si enseña hábitos informáticos duraderos, criterio sobre datos, evaluación e implementación. Es más débil si principalmente envuelve un catálogo alrededor de nombres de herramientas que podrían quedar anticuados para la graduación.

Los estudiantes ya están ajustando sus apuestas

Gallup encontró que un poco más de cuatro de cada 10 estudiantes de licenciatura en EE. UU. dicen que la IA ha influido en su elección de carrera. CNBC también ha informado que los estudiantes están reconsiderando carreras, trayectorias profesionales e industrias debido a la IA. En conjunto, esas señales muestran que esto no es solo una conversación de departamentos de ciencias de la computación. La IA se está convirtiendo en una variable de planificación para estudiantes en muchos campos.

El Economic Innovation Group añade un riesgo profesional más agudo: es teóricamente plausible que los jóvenes graduados con grados expuestos a la IA enfrenten una menor demanda laboral en su campo y tengan que buscar trabajo en otro lugar. Eso no significa que los estudiantes deban evitar los programas con fuerte presencia de IA. Significa que deberían evitar suponer que una etiqueta de IA los protege automáticamente de los cambios del mercado laboral. Una credencial estrecha puede ser atractiva en un auge y complicada cuando los empleadores redefinen el trabajo.

Para una persona de 25 años, el riesgo puede ser tiempo y deuda. Para una persona de 45 años que regresa a estudiar, el riesgo puede ser el costo de oportunidad, la logística familiar y un margen más pequeño para recuperarse de una mala apuesta. La publicidad exagerada es la misma, pero las limitaciones no lo son. Ambos estudiantes necesitan la misma disciplina: preguntar qué les permite construir, demostrar y adaptar el programa.

El aula tiene que cambiar más rápido

que el catálogo Michael B. Horn, escribiendo después de testificar ante el Subcomité de Educación Superior y Desarrollo de la Fuerza Laboral de la Cámara de Representantes de EE. UU., compara la adopción de la IA en la educación superior con la adopción de la electricidad en las fábricas. Su punto es que las primeras fábricas no vieron grandes aumentos de productividad simplemente al cambiar a motores eléctricos mientras mantenían los procesos antiguos. Él sostiene que muchas universidades tradicionales ahora tienen docentes y estudiantes usando IA, pero la mayoría no está viendo mejoras porque no han rediseñado los procesos y prioridades subyacentes.

Esa crítica importa para los grados en IA porque la velocidad del currículo es solo parte del problema. Una institución puede agregar una carrera de IA y aun así enseñar como si el flujo de trabajo antiguo siguiera intacto. Los programas más sólidos probablemente serán aquellos que rediseñen tareas, evaluación, pasantías y trabajo de portafolio en torno a cómo se usa realmente la IA. Si los estudiantes se gradúan solo con vocabulario, los empleadores tratarán la credencial como vocabulario.

Los responsables de contratación rara vez evalúan solo el nombre de una carrera cuando el puesto toca la IA. Buscan evidencia de que una persona candidata puede trabajar con datos desordenados, evaluar resultados, explicar compensaciones y aprender una herramienta nueva sin convertir cada tarea en una demostración. Por eso importan los proyectos. No indicaciones de juguete, sino trabajo que muestre que el estudiante puede conectar un modelo o sistema de automatización con un flujo de trabajo real.

Una prueba práctica antes de elegir un grado en IA

Indeed Hiring Lab informa que el 40 por ciento de las personas con alguna experiencia universitaria pero sin título citó la falta de educación como una barrera para el empleo, en comparación con el 30 por ciento entre quienes solo tienen un diploma de secundaria. Ese hallazgo recuerda que la educación parcial puede traer su propio riesgo. Empezar un programa no es lo mismo que obtener una credencial que el mercado pueda interpretar. Los estudiantes que consideran un grado en IA deberían tener especial claridad sobre la ruta para completarlo, el valor de transferencia y qué pueden mostrar si hacen una pausa o cambian de dirección.

Una prueba útil es simple: si se quitaran las palabras “inteligencia artificial” de la página del programa, ¿el currículo seguiría pareciendo sólido? Busca fundamentos de computación, análisis de datos, proyectos aplicados, ética, comunicación y oportunidades para trabajar en problemas que vayan más allá de ejercicios de aula. Las certificaciones pueden ser útiles junto a esa base si producen una pieza de portafolio o enseñan un flujo de trabajo usado en equipos reales. Son mucho menos útiles cuando venden palabras de moda sin práctica.

El informe de GovTech capta la tensión correcta: la IA es más difícil de evitar, pero un grado en IA no es automáticamente la ruta más segura hacia trabajos relacionados con la IA. La próxima señal que hay que observar es si las universidades construyen programas que envejezcan bien, no solo programas que matriculen bien. Para los estudiantes, la pregunta no es si estudiar IA. Es si cada credencial que eliges te da habilidades duraderas, pruebas creíbles y espacio para seguir aprendiendo cuando el conjunto de herramientas vuelva a cambiar.