Julio/26 Jiménez, Doctor en Filosofía y profesor de EAFIT, resalta la necesidad de que las universidades sepan usar la información, con tecnología y oportunamente, para evitar pérdidas económicas y, sobre todo, salvar proyectos de vida estudiantiles.
Todas las noches, mientras el campus duerme, un sistema de inteligencia artificial de la Universidad Estatal de Georgia revisa los registros de más de 40.000 estudiantes de pregrado contra 800 factores de riesgo: una nota baja en un curso clave, una matrícula que no suma al plan de estudios, un saldo pendiente. Al día siguiente, un asesor humano llama al estudiante señalado. No es ciencia ficción ni un proyecto piloto: el sistema opera desde 2012 y ha generado más de 250 mil conversaciones individuales entre asesores y estudiantes. Los resultados de esa década hablan el idioma que entiende cualquier junta directiva: siete puntos porcentuales de mejora en la graduación a cuatro años y un retorno calculado por la propia institución de 3,18 millones de dólares por cada punto de retención. Y hablan también el idioma de la misión: las mayores ganancias se dieron entre estudiantes de bajos ingresos y de primera generación. El análisis de datos reveló, además, que cerca de mil estudiantes académicamente viables se retiraban cada semestre por deudas de 1.500 dólares o menos, y de ese hallazgo nació un programa de microbecas que los rescata a tiempo.
Ahora miremos la casa. En Colombia, el SPADIES solo confirma que un estudiante desertó cuando verifica dos o más periodos consecutivos sin matrícula, así que la foto oficial llega con años de rezago: el corte estadístico de 2024 reporta las cifras de 2023, cuando la tasa de deserción anual fue de 8,97% y la deserción por cohorte mostró que uno de cada tres estudiantes que entran al sistema no se gradúa. Son datos serios y necesarios para la política pública, pero cuentan la historia cuando el muchacho ya se fue. Ese es el punto ciego que la inteligencia artificial permite cerrar: pasar de confirmar la deserción dos años después a anticiparla semanas antes, adentro de cada institución, cuando todavía hay algo que hacer.
Para el tomador de decisiones, la buena noticia es triple. Primero, la materia prima ya está en casa: el registro académico, la actividad en las plataformas de aprendizaje y la cartera estudiantil contienen las señales que la evidencia internacional identifica entre las más predictivas del abandono, empezando por el desempeño en las primeras evaluaciones y las dificultades financieras. La Open University británica, pionera en este campo, demostró con datos de 32.593 estudiantes que combinar la información académica con la huella digital del estudiante en la plataforma permite anticipar quién necesita ayuda. Segundo, la tecnología dejó de ser el obstáculo: los modelos que funcionan son sobrios y probados, y la IA generativa actual abarata justo lo que antes frenaba estos proyectos, desde integrar fuentes dispersas hasta convertir los resultados en reportes que cualquier comité entiende. Tercero, y quizás lo más importante para quien teme deshumanizar la relación con el estudiante: la IA no reemplaza a nadie. Detecta patrones en volúmenes que ningún equipo humano alcanzaría a revisar, y son las personas quienes interpretan, deciden y llaman al estudiante. En Georgia el sistema no graduó a nadie; lo hicieron los asesores que llegaron a tiempo.
Esto convierte la permanencia en lo que siempre debió ser: un asunto estratégico y no un informe de fin de año. Cada punto de retención es matrícula que no se pierde, es un joven que no interrumpe su trayectoria y es cumplimiento verificable de la promesa institucional. Pocas inversiones en la universidad ofrecen ese triple dividendo financiero, social y reputacional con evidencia tan sólida detrás.
¿Por dónde arrancar? Mi sugerencia para quienes dirigen las instituciones es deliberadamente modesta: ordene un piloto de dos semestres sobre un programa de permanencia que ya exista. Confórmelo con un equipo pequeño, alguien de registro, alguien de tecnología, alguien de bienestar y alguien con poder de decisión. Pídales un tablero de alertas tempranas construido con los datos que la institución ya tiene, que se actualice cada semana y se revise cada mes en un comité que pueda actuar. Al cierre, compare la retención de los estudiantes acompañados contra la histórica. No hace falta una transformación digital de tres años ni un presupuesto millonario: hace falta decidir que la institución va a mirar sus propios datos a tiempo. Lo demás, como muestra la evidencia, viene por añadidura.
