- 🤖 Columbia prueba una IA que “guía” debates y reescribe frases tensas
- 🕵️♂️ Privacidad en la mira: datos, puntuaciones y financiamiento sensible
- 🧠 Funciona a ratos: mejora el tono, pero puede “blanquear” conflictos
¿IA en Columbia para calmar tensiones? Te cuento cómo Sway empareja estudiantes con posturas opuestas, qué mide de verdad y por qué puede ser útil… o peligrosamente superficial. Con datos, experiencias y sin fanfarrias.
¿Sabías que ya hay una IA mediando debates en campus de élite?
Columbia está probando Sway, una IA que empareja estudiantes con posturas opuestas y “guía” conversaciones sobre temas delicados: aborto, racismo, inmigración o Israel–Palestina. La promesa suena bonita: menos odio, más argumentos. Pero el contexto es pesado: tras años de tensiones, expulsiones y operativos policiales, la universidad aceptó un acuerdo millonario para reforzar reglas y abrir espacios de “diálogo constructivo”. En ese paquete encaja Sway.
Según reportes de prensa, Sway ya fue usada por unos 3.000 estudiantes de más de 30 instituciones. En cada chat aparece un “AI Guide” que lanza preguntas difíciles y sugiere reformular frases consideradas irrespetuosas. ¿Objetivo? Que la discusión sea más clara y menos hiriente. Suena razonable, pero hay preguntas incómodas: ¿quién decide qué es “respetuoso”? ¿Qué pasa cuando una postura está basada en información falsa? ¿La IA “suaviza” o termina diluyendo la política y la historia detrás del conflicto?
Como ingeniero y creador de productos (Medellín de origen, formado en el Tec de Monterrey), me gusta la innovación con propósito. Pero he visto demasiados “parches” tecnológicos usados para apagar incendios culturales. Por eso aquí voy con lupa, datos y experiencia práctica.
Así funciona Sway (y qué mide realmente)
El mecanismo es directo: Sway empareja a dos personas con visiones opuestas para conversar uno a uno. La IA interviene con preguntas que buscan mejorar el razonamiento, propone reescrituras menos agresivas y, al final, aplica un “quiz de comprensión” de cinco preguntas. Ese cuestionario evalúa si la charla fue valiosa, si mejoró la opinión sobre la otra parte, si subió la valoración de sus argumentos y si la conversación cambió la postura del estudiante, entre otros puntos.
Los desarrolladores han dicho algo llamativo: cerca de la mitad reporta cambiar de opinión “sobre algo” durante la charla. Ojo: ellos mismos aclaran que eso no es sinónimo de éxito, porque el cambio podría ir “en dirección a lo falso” y no a la verdad. Lo que sí notan es mayor “maleabilidad”: menos confianza absoluta en lo propio y más apertura a escuchar.
La idea es interesante: favorecer la humildad intelectual, no forzar consensos. Pero hay límites. Una métrica de “acercamiento” puede premiar el centrismo por defecto, incluso cuando la evidencia pesa de un lado. En productos que he evaluado, la optimización ciega por “sentirse mejor” tiende a reducir fricción… y contexto. Y sin contexto no hay aprendizaje serio.
Red flags: privacidad, datos y gobernanza (sí, importa mucho)
Otro tema delicado: gobernanza de datos. Los creadores de Sway señalan que comparten datos anonimizados a nivel agregado (incluida, en general, la comunidad de inteligencia que financia parte de la investigación posdoctoral), y no publican transcripciones ni respuestas específicas. Aun así, los instructores reciben el puntaje del “quiz de comprensión” por estudiante. ¿Suficiente anonimización? Depende del entorno, del cruce con otros datos y de las políticas internas.
En paralelo, se reporta que Columbia explora “Schoolhouse Dialogues”, una herramienta que empareja a futuros candidatos con posturas opuestas y les asigna una “puntuación de civilidad”, potencialmente útil para admisiones. Eso incendia alertas: medir “civismo” con IA puede penalizar a quienes vienen de contextos de activismo, trauma o simplemente culturas comunicativas distintas. Y en campus, la privacidad estudiantil no es opcional: pide consentimiento claro, minimización, auditorías y límites de uso.
Mi checklist de higiene de datos para estos casos:
- Consentimiento explícito y granular, opt-in real.
- Propósito limitado: nada de usos secundarios (ej. admisiones) sin nuevo consentimiento.
- Auditorías externas con informes públicos.
- Data minimization y borrado programado.
- Botón humano: acceso a mediadores reales y derecho a retirar datos.
Sin eso, todo “diálogo” digital puede volverse vigilancia con buenas intenciones.
¿Sirve de verdad? Lo que dice la psicología… y lo que he vivido construyendo productos
La teoría respalda partes del enfoque. La hipótesis del contacto (Allport) sugiere que el encuentro estructurado entre grupos opuestos reduce prejuicios, especialmente con reglas claras y metas compartidas. Técnicas de entrevista motivacional y escucha activa también ayudan a bajar defensas. Bien aplicado, un “AI Guide” puede funcionar como espejo: hace preguntas, regula tono y devuelve razones, no insultos.
Pero hay trampas. El “falso equilibrio” da la misma relevancia a posturas sustentadas y a desinformación con la excusa de la neutralidad. Si el sistema puntúa más el “sentirse bien” que el aprender con evidencia, termina aplanando la conversación. En mis consultorías, vi mejoras genuinas cuando la IA se usaba como asistente de proceso, nunca como árbitro de verdad: por ejemplo, un “reflexionador” que te obliga a explicar la lógica de tu postura antes de publicarla redujo la toxicidad visible en una comunidad que yo ayudé a moderar. En cambio, los correctores “polite-by-default” generaban frustración; la gente sentía que el sistema censuraba su contexto.
La conclusión práctica: la IA puede mejorar el clima y la claridad, pero necesita criterios de calidad epistémica (razones, evidencia) y anclaje contextual (historia, poder, desigualdad). Sin eso, es espuma.
Si yo diseñara este piloto para campus (y para la región)
No todo es crítica. Aquí va cómo lo implementaría, basado en lo que me funcionó construyendo productos educativos y cívicos:
- Híbrido humano–IA: la IA facilita; mediadores humanos formados evalúan calidad argumentativa y sesgos.
- Rubricas claras: premiar evidencia, escucha y precisión factual, no “centrismo simpático”.
- Contexto curricular: módulos previos con historia y fuentes contrastadas; no es terapia exprés.
- Consentimiento fuerte y uso acotado: nada de empalmar con admisiones salvo nuevo consentimiento.
- Transparencia radical: publicar auditorías, datasets de evaluación y tasas de error de las sugerencias.
- Controles de sesgo: red teams diversos que prueben casos sensibles (minorías, internacionalización, activismo).
- Métricas multicapas: clima percibido, aprendizaje factual, cambio de actitud y capacidad de razonar desacuerdos.
- Adaptación local: en LATAM y Europa, incorporar marcos culturales y ejemplos propios; nadie conecta con casos “made in PowerPoint”.
Si Columbia —o cualquier uni— quiere diálogo real, esto no puede ser un “plugin” para calmar Twitter. Es trabajo pedagógico, con tecnología al servicio, no al mando.
Al final, la pregunta no es “¿la IA puede apagar incendios?”, sino “¿queremos formar ciudadanos críticos que sepan manejar fuego sin quemar derechos?”. Eso exige menos magia y más método.
Únete a la conversación: ¿usarías un “AI Guide” en tu clase o comunidad? Cuéntame en comentarios cómo debería evaluarse el buen desacuerdo. Y si te animas, súmate al debate en Threads.
Preguntas frecuentes
¿Qué es Sway y cómo funciona la IA en los debates?
Es una herramienta que empareja a dos personas con posturas opuestas y agrega un “AI Guide” que pregunta, sugiere reescrituras menos agresivas y aplica un quiz de comprensión al final. Busca mejorar el clima y la claridad del intercambio, no forzar consensos.
¿Qué pasa con mi privacidad si participo en estas charlas?
Los creadores afirman compartir solo datos agregados y no transcripciones. Aun así, instructores reciben puntuaciones individuales del quiz. Lo responsable es exigir consentimiento explícito, límites de uso y auditorías externas. Si no hay eso, mejor no participar.
¿La IA puede terminar sesgando admisiones con “puntuaciones de civismo”?
Si se usan sin contexto y sin consentimiento, sí: pueden penalizar estilos comunicativos, activismo o traumas. Si alguna institución lo implementa, debe ser opt-in, con rubricas transparentes y revisión humana diversa. Sin eso, es un riesgo ético serio.
¿Sirve para universidades de Latinoamérica o Europa?
Puede servir, pero adaptado. Recomiendo un modelo híbrido humano–IA, contenidos contextuales (historia local, desigualdad, derechos), métricas que valoren evidencia y controles de sesgo. Importar el software sin cambiar el marco cultural es receta para el fracaso.
