Con B de BiologíaNº 5
La IA y el miedo a la informática en ciencias
Palabras clave: Inteligencia artificial, Carrera científica

En una carrera de ciencias te enseñan a hacer preguntas, a leer artículos, a trabajar con datos y a desconfiar de un resultado demasiado bonito. Pero cuando aparece la informática, a veces parece que hay una puerta con un cartel: «si no sabes programar, esto no es para ti».
A mí me ha pasado. Ves a alguien hacer una aplicación o automatizar un análisis y piensas que primero tendrías que aprender un lenguaje entero, entender mil herramientas y, solo entonces, atreverte a probar. Mientras tanto, las ideas se quedan en una libreta.
Y ahora llega la inteligencia artificial. De repente nos dicen que hay que usarla para no quedarse atrás, pero otra vez falta la parte más importante: por dónde empezar y para qué nos sirve de verdad.
No hace falta empezar por el código
Piensa en una tarea concreta que ya conozcas bien. Quizá cada semana lees decenas de ofertas de empleo para encontrar dos que encajen contigo. O tienes datos que ordenas a mano, un protocolo larguísimo que querrías explicar mejor, o una idea para una web que nunca has sabido construir.
Ahí es donde la IA puede ser útil. Puede ayudarte a plantear una estructura, escribir un primer borrador, organizar información, generar código o convertir una tarea repetitiva en un proceso más llevadero. Hay herramientas que te sugieren qué hacer y otras capaces de ejecutar parte del trabajo. No son lo mismo, y ninguna convierte una idea vaga en un buen proyecto por arte de magia.
Lo que sí cambia es el punto de partida: no necesitas saber programar para decir «esto es lo que quiero conseguir; vamos paso a paso». Tu conocimiento de ciencia deja de ser algo que tienes que traducir sola a un lenguaje técnico. Es lo que permite explicar el problema y juzgar si el resultado tiene sentido.
Una idea que llevaba tiempo siendo «demasiado técnica»
Yo estoy intentando desarrollar mi primera aplicación. La idea es traducir protocolos de ensayos clínicos a algo que una persona que participa en el estudio pueda entender: qué visitas tendrá, qué pruebas le harán y cuánto tiempo le puede ocupar. Yo aporto la parte científica y reviso las decisiones; un agente de IA me ayuda con la construcción técnica.
No os cuento esto porque la aplicación ya esté terminada ni porque la IA haga ciencia sola. Precisamente al revés: si interpreta mal una visita o confunde una prueba obligatoria con una opcional, hay que detectarlo antes de dar esa información por buena. El trabajo no desaparece; cambia la parte en la que puedo concentrarme.
También estoy usando la IA para la parte técnica de este blog. Por ejemplo, quise saber cuánta gente lo leía, pero no sabía cómo instalar un contador de visitas. Pregunté, comparé opciones y elegí la que me parecía más sencilla; la parte de código la hizo el agente.
También le pido que me tome notas y me organice la planificación en Notion. Y, en mi búsqueda de trabajo, uso mi currículum y mi LinkedIn para que encuentre ofertas de investigación clínica que puedan encajar conmigo. Así puedo dedicar más tiempo a decidir cuáles me interesan y a preparar las candidaturas.
Son cosas distintas, pero tienen algo en común: me quitan tiempo de tareas mecánicas y me dejan más espacio para decidir qué quiero hacer con lo que encuentro.
La parte que no podemos delegar
Que una herramienta te devuelva una respuesta convincente no significa que sea correcta. Puede inventar una referencia, resumir mal un estudio, interpretar un dato fuera de contexto o presentar como actual una oferta que ya ha cerrado. Si hablamos de salud, pacientes o empleo, esos errores importan.
Por eso no usaría la IA como «hazlo todo y no miro nada». Le pediría que enseñe de dónde sale cada dato, separaría lo que sabe de lo que supone y comprobaría lo importante en la fuente original. Y antes de subir datos de pacientes, resultados sin publicar o documentos confidenciales a cualquier herramienta, miraría qué permite el centro o proyecto y cómo trata esos datos.
La UNESCO habla de aprender a usar la IA con criterio humano, conocimiento técnico y atención a sus consecuencias éticas. Y el marco europeo DigComp incluye el uso crítico y responsable de las tecnologías digitales. Me gusta esa idea más que la de «o aprendes a programar ya o te quedas atrás». No se trata de pulsar un botón y confiar, sino de aprender a hacer mejores preguntas y revisar mejor las respuestas.
Si te da miedo, empieza pequeño
No empezaría por «voy a crear una aplicación». Empezaría por una tarea que conozcas: ordenar tus apuntes, comparar dos versiones de un texto, preparar una tabla de datos ficticios o pedir que te explique un concepto de programación con un ejemplo de tu campo. Luego miraría qué ha hecho bien, qué no y qué necesita que yo aclare.
Si funciona, das el siguiente paso. Si falla, también has aprendido algo: qué parte necesita tu criterio y qué no conviene delegar. Saber de ciencia no es una desventaja frente a la IA. Es lo que te permite usarla con cabeza.
A mí todavía me intimida la informática a veces. Pero ya no creo que tenga que esperar a ser programadora para empezar a construir cosas que me importan.
Comisión Europea, Centro Común de Investigación. DigComp 2.2: The Digital Competence Framework for Citizens (2022): joint-research-centre.ec.europa.eu.