ADA: la apuesta de la UNAB por democratizar la inteligencia artificial en la investigación científica chilena

Mientras las grandes universidades del mundo invierten millones en infraestructura de inteligencia artificial, Chile enfrenta una paradoja: sus investigadores tienen las ideas, el talento y las preguntas científicas relevantes, pero carecen del acceso equitativo a las herramientas computacionales que podrían convertir esas preguntas en descubrimientos. La Universidad Andrés Bello (UNAB) acaba de lanzar ADA, una plataforma pionera de inteligencia artificial diseñada específicamente para cerrar esa brecha y acelerar la investigación científica en el país, ofreciendo a su comunidad académica acceso a tecnologías que hasta ahora estaban reservadas para instituciones con presupuestos millonarios o corporaciones tecnológicas.

Una plataforma que nace de la necesidad real

ADA no es simplemente otro proyecto tecnológico universitario. Su nombre rinde homenaje a Ada Lovelace, considerada la primera programadora de la historia, y su diseño responde a una necesidad concreta: democratizar el acceso a herramientas de inteligencia artificial para investigadores de todas las disciplinas, no solo para expertos en ciencias de la computación. La plataforma permite a científicos de áreas tan diversas como biología molecular, ciencias sociales, ingeniería o medicina utilizar algoritmos de aprendizaje automático, procesamiento de lenguaje natural y análisis de grandes volúmenes de datos sin necesidad de conocimientos profundos en programación o infraestructura tecnológica especializada.

La iniciativa surge en un momento crítico para la ciencia chilena. Según datos del Ministerio de Ciencia, Tecnología, Conocimiento e Innovación, Chile invierte apenas un 0,35% de su PIB en investigación y desarrollo, muy por debajo del promedio de la OCDE que supera el 2,5%. En este contexto de recursos limitados, optimizar el trabajo de los investigadores mediante herramientas de IA no es un lujo sino una necesidad estratégica. ADA promete multiplicar la capacidad de análisis de los equipos de investigación sin multiplicar proporcionalmente los costos o la necesidad de especialización técnica.

La plataforma integra múltiples capacidades: desde el análisis automatizado de literatura científica que puede revisar miles de papers en minutos, hasta modelos predictivos que identifican patrones en datos experimentales que podrían pasar desapercibidos para el ojo humano. Para un investigador en genómica, por ejemplo, ADA puede procesar secuencias de ADN y detectar variaciones genéticas asociadas a enfermedades; para un sociólogo, puede analizar grandes corpus de texto para identificar tendencias en discursos públicos o políticas sociales.

Tecnología de punta al servicio de la comunidad académica

Lo que distingue a ADA de otras iniciativas similares es su enfoque en la usabilidad y la accesibilidad. La plataforma ha sido diseñada con interfaces intuitivas que permiten a investigadores sin formación técnica avanzada configurar experimentos, entrenar modelos de machine learning y visualizar resultados complejos. Esto representa un cambio de paradigma: tradicionalmente, utilizar IA en investigación requería colaboraciones con departamentos de informática o la contratación de especialistas en ciencia de datos, procesos que podían tomar meses y consumir presupuestos limitados.

La infraestructura técnica de ADA incluye acceso a clusters de computación de alto rendimiento, almacenamiento escalable para grandes conjuntos de datos y bibliotecas pre-entrenadas de modelos de IA que los investigadores pueden adaptar a sus necesidades específicas. La UNAB ha invertido en servidores con procesadores GPU especializados en cálculos paralelos, esenciales para entrenar redes neuronales profundas y procesar imágenes médicas o satelitales con resolución detallada. Esta capacidad computacional, que normalmente requeriría inversiones individuales prohibitivas, se pone ahora a disposición de toda la comunidad investigadora de la universidad mediante un sistema de acceso compartido y priorizado según necesidades de proyectos.

La verdadera innovación de ADA no está solo en la tecnología que ofrece, sino en su capacidad para transformar investigadores de cualquier disciplina en usuarios efectivos de inteligencia artificial, eliminando barreras técnicas que históricamente han limitado la adopción de estas herramientas en la ciencia latinoamericana.

Además, la plataforma incorpora medidas de seguridad y privacidad robustas, fundamentales cuando se trabaja con datos sensibles como información médica de pacientes o datos personales en estudios sociales. Los protocolos de encriptación y las políticas de gobernanza de datos aseguran que la investigación pueda avanzar sin comprometer la ética o la confidencialidad, cumpliendo con estándares internacionales y regulaciones locales sobre protección de información.

El contexto latinoamericano y la brecha tecnológica

La iniciativa de la UNAB se inscribe en un esfuerzo regional más amplio por reducir la brecha tecnológica que separa a las instituciones latinoamericanas de sus pares en América del Norte, Europa o Asia. Mientras universidades como MIT, Stanford o Cambridge cuentan con centros de IA dotados de cientos de millones de dólares, las instituciones latinoamericanas deben ser creativas y estratégicas en cómo asignan recursos limitados. ADA representa precisamente esa creatividad: en lugar de intentar competir directamente en volumen de inversión, se enfoca en maximizar el impacto mediante la democratización del acceso y la optimización del uso compartido de recursos.

En Chile, otras universidades han desarrollado iniciativas similares, pero generalmente limitadas a departamentos específicos o proyectos puntuales. Lo distintivo de ADA es su alcance institucional y su diseño explícito para la interdisciplinariedad. Un proyecto de investigación sobre cambio climático, por ejemplo, puede combinar análisis de imágenes satelitales mediante redes neuronales convolucionales, procesamiento de datos meteorológicos históricos con algoritmos de series temporales, y análisis de políticas públicas mediante procesamiento de lenguaje natural, todo dentro de la misma plataforma integrada.

La plataforma también contempla un componente formativo crucial: talleres, tutoriales y documentación que capacitan a los investigadores en el uso efectivo de las herramientas disponibles. Esta inversión en capital humano es tan importante como la infraestructura tecnológica misma, porque asegura que la adopción de IA en investigación sea sostenible y se profundice con el tiempo, creando una cultura institucional de alfabetización en inteligencia artificial que trasciende disciplinas individuales.

Contexto clave

Aprendizaje automático en investigación científica: El machine learning permite a los computadores identificar patrones en datos sin ser explícitamente programados para cada caso específico. En investigación, esto significa que un algoritmo puede aprender a reconocer células cancerosas en imágenes microscópicas después de analizar miles de ejemplos, o predecir la estructura tridimensional de proteínas a partir de su secuencia genética. La ventaja es doble: velocidad (procesa en horas lo que tomaría meses manualmente) y capacidad de detectar relaciones sutiles que podrían escapar al análisis humano tradicional.

Computación de alto rendimiento (HPC): Los procesadores GPU (unidades de procesamiento gráfico) que ADA pone a disposición fueron originalmente diseñados para renderizar gráficos en videojuegos, pero resultan extraordinariamente eficientes para los cálculos matemáticos repetitivos que requiere entrenar modelos de IA. Un solo servidor GPU puede realizar en días cálculos que a un computador convencional le tomarían meses. Esta aceleración es lo que hace viable aplicar deep learning a problemas científicos complejos con grandes volúmenes de datos, desde secuenciación genómica hasta simulaciones climáticas.

Democratización del acceso a IA: Históricamente, la investigación con IA ha estado concentrada en pocas instituciones con recursos excepcionales, creando una brecha de capacidades que se traduce en brecha de descubrimientos. Plataformas como ADA intentan nivelar el campo de juego permitiendo que investigadores en instituciones con presupuestos más modestos accedan a tecnologías comparables. Esto no solo es una cuestión de equidad, sino de eficiencia científica global: buenos investigadores con acceso limitado a herramientas representan talento y potencial de descubrimiento desperdiciado.

Para profundizar

• IA y reproducibilidad científica — Una pregunta abierta es cómo plataformas como ADA pueden contribuir a resolver la crisis de reproducibilidad en ciencia, donde muchos estudios no pueden ser replicados. ¿Pueden los entornos estandarizados de IA facilitar la documentación automática de metodologías y la compartición de pipelines de análisis completos?
• Colaboración inter-institucional en IA científica — El siguiente paso lógico sería conectar plataformas como ADA entre diferentes universidades chilenas y latinoamericanas, creando una red regional de recursos computacionales compartidos. Esto plantea desafíos técnicos de interoperabilidad pero también oportunidades para proyectos de investigación colaborativos a escala continental.
• Sesgos algorítmicos en investigación — A medida que más investigadores adoptan herramientas de IA, crece la importancia de entender cómo los sesgos en datos de entrenamiento pueden perpetuarse o amplificarse en conclusiones científicas. ¿Qué mecanismos de auditoría y validación deben incorporar plataformas como ADA para asegurar que la IA acelera la ciencia sin comprometer su rigor?