Pablo Groisman “Las empresas están contratando cada vez más físicos, científicos de datos y científicos de computación”

“Cuando una empresa tiene un problema que requiere ir más allá de lo conocido, algo que ahora pasa todo el tiempo, no se puede limitar a aplicar herramientas. La formación científica es un diferencial en general”, afirma. “Hoy se habla mucho de IA, de las redes neuronales que están detrás, y las redes neuronales profundas: todas estas cosas están basadas en principios que vienen de la física, de la matemática”, señala. “Si uno quiere entender lo que está pasando ahí, necesita la formación en física, la formación matemática y la formación en computación: es fundamental”, dice. “Las posiciones de científicos de datos requieren pensar y entender a nivel global qué es lo que está pasando. Cuando se necesita ir más allá y no limitarse a comprar un paquete y usarlo como una caja negra, la formación científica es lo requerido”, analiza. “Me cuesta mucho pensar en una industria que no pueda nutrirse de la ciencia de datos para agregar valor, pero para eso hay que tener todo un ecosistema funcionando: desde las personas que están en las industrias hasta gente que forma a esas personas”, precisa. “Estamos hablando de una formación bastante elevada. Hay que tener gente que forme a esas personas. La investigación es clave. Si uno quiere tener un Maradona, no puede decir “voy a hacer un Maradona” a partir de una sola persona. Para que haya un Maradona, tiene que haber cientos de miles de chicos jugando al fútbol durante muchos años, y entonces sí, en esas condiciones, surge un Maradona”, compara. “En un momento dejamos de necesitar gente que se dedique a sumar porque tenemos la calculadora. Ahora es lo mismo: hay un montón de tareas que se pueden hacer con IA. Nos sube la vara de qué cosas podemos hacer y en dónde empieza a jugar un rol importante lo nuestro”, reflexiona. “Un agente de IA resuelve los problemas que resolvía un estudiante de doctorado de física. No es que resuelve todos los problemas. Los estudiantes de doctorado de física pueden hacer otras cosas que todavía la IA no hace”, sostiene. “Sobre el tema de programación, subió la vara porque antes se necesitaba un programador y ahora la IA lo hace automáticamente, pero no es que no necesitemos gente experta en programación”, plantea. “Si uno quiere que el país se desarrolle, a los recursos naturales, hay que producir y exportar cosas que tengan muchísimo valor. Es fundamental tener un científico integrado con el sistema productivo: científicos, tecnólogos e industria, todo eso tiene que estar integrado para poder entender y producir y estar en la frontera de las cosas que se producen y competir con otros países”, concluye.

El respetado matemático Pablo Groisman estuvo en La Repregunta. Groisman es investigador principal del Conicet y profesor en la Facultad de Ciencias Exactas de la UBA. Es Doctor en Matemática por la Universidad de Buenos Aires. Fue uno de los impulsores de la creación de la carrera de Ciencia de Datos y su primer director. Fue profesor asociado visitante de la Universidad de Nueva York en Shanghai. Recibió el respetado premio Manuel Sadosky que entrega la Academia Nacional de Ciencias Físicas, Exactas y Naturales. Es autor de varios libros de divulgación de la matemática. El último título es La pelota no se ensancha. 11 historia de fútbol y matemática para brillar en asados.

La Argentina de Milei y la economía de agentes de IA: ¿tiene sentido estudiar y financiar Ciencias de Datos y Ciencias de la Computación? En medio de la baja salarial de los docentes universitarios que impacta especialmente en la Facultad de Ciencias Exactas de la UBA, ¿hay un rol estratégico para esas disciplinas “made in Argentina”? Economía de enclave y data centers v economía de valor agregado: ¿qué aportan los científicos de datos y de computación argentinos en el mundo IA? Método científico: ¿por qué es el perfil que necesitan las empresas? ¿Por qué las empresas contratan cada vez más físicos y científicos de datos y computación? Groisman hizo su análisis.

Aquí, la entrevista completa.

-En la Facultad de Ciencias Exactas, hay dos carreras, Ciencias de la Computación y Ciencia de Datos, que protagonizan la crisis que está atravesando en este momento el ecosistema universitario con la caída de los salarios. También hay una imprecisión de la subsecretaría de Políticas Universitarias sobre la naturaleza de esas disciplinas y su relevancia. ¿Cómo definiría el perfil profesional y el campo de aplicación de una ciencia como la Ciencia de la Computación y la Ciencia de Datos?

-Primero, una pequeña aclaración: la crisis actual no se limita al tema salarial, que es muy importante. Hay un desfinanciamiento general del sistema científico y universitario. Respecto de tu pregunta, te puedo hablar un poco más de Ciencia de Datos que de Ciencias de la Computación, que no es mi especialidad porque yo soy matemático, pero espero que los colegas de computación no se enojen si me entrometo un poco en eso. Ciencia de Datos es una disciplina esencialmente nueva, bastante más nueva que Computación, que ya tiene sus años y es una disciplina del siglo pasado. Ciencia de Datos emergió muy fuerte. Hay mucha gente que dice que es lo que antes se llamaba “estadística”. Hay algo de cierto en esa frase, pero es una disciplina que emergió de una revolución de los últimos años: la enorme capacidad que tenemos de recolectar datos, procesarlos, sacar información y encontrar patrones. Así surge una disciplina que tiene mucho de estadística, mucho de matemática, pero también mucho de computación y también mucho de apuntar a propósitos o problemas específicos de diferentes áreas, por ejemplo, un negocio en particular o una disciplina científica que enfrenta un problema. Cuando se conjugan esas tres cosas, uno está frente a un problema de ciencia de datos: quiere usar esa enorme capacidad de recolectar datos para sacarle provecho y tomar decisiones más informadas, pero también, a veces, para poder predecir un fenómeno y, en el mejor de los casos, entenderlo.

-La Facultad de Ciencias Exactas tiene unos 7 mil alumnos en sus carreras de grado. A Ciencias de la Computación ingresan anualmente entre 250 y 300 estudiantes. En Ciencia de Datos, la que más ingresantes tiene, entran entre 300 y 450 alumnos por año. Cuando ustedes decidieron lanzar la carrera de ciencia de datos en 2020, habrán hecho un análisis comparativo respecto de lo que ofrecía Ciencias de la Computación. ¿Ciencias de la Computación es una ciencia más básica y después viene Ciencia de Datos como una ciencia más aplicada? ¿O es un error pensarlo de esa manera?

-No lo pensaría de esa manera. Son disciplinas distintas. Ciencia de Datos es un mix de varias disciplinas. Ciencias de la Computación también, pero tiene sus problemas específicos y viene muy fuerte desde la década del ‘50 del siglo pasado, antes de que existiera esta revolución de los datos. Su problemática específica tiene que ver con computar, de ahí viene el concepto de “computación”, con calcular, con computar y con los algoritmos. Estamos muy acostumbrados a los algoritmos que se nutren de datos, pero hay muchos algoritmos que no se nutren de datos, que resuelven otro tipo de cosas. Hay algoritmos que resuelven problemas específicos como los que están detrás de muchas máquinas automatizadas. En todas las fábricas, hay algoritmos que no necesariamente se nutren de datos. Ciencia de Datos irrumpió muy fuerte. Hay un área que se llama “machine learning”, o de aprendizaje automático: es esta mezcla de estadística, aprendizaje basado en datos y se junta con la computación. Entonces, Computación tiene problemas propios de su disciplina. En Ciencia de Datos, computación es una pata importante, pero se centra en estadística, en matemática y en tratar de resolver un problema. En la medida en que tiene un propósito específico, se la puede pensar como aplicada.

-Por ejemplo, una empresa petrolera que quiere calcular la productividad de un territorio usa datos históricos y combina todo eso con la ciencia de datos para obtener una proyección. ¿Algo así podría ser una aplicación?

-Sí, hacer proyección a futuro. En general, el uso más frecuente es la predicción. A veces uno no se conforma con predecir, pero predecir es súper importante. El objetivo es entender el fenómeno en general. En Computación también puede haber problemas aplicados. Tanto Computación como Ciencia de Datos tienen los problemas intrínsecos de su propia disciplina. En Exactas, tratamos no sólo de resolver problemas sino también de entender lo que está pasando. Para resolver esos problemas, para poder predecir, la ciencia de datos usa determinados algoritmos y métodos matemáticos. También queremos ser parte del desarrollo de esos métodos: entender cómo funcionan para conocer cuáles son sus limitaciones, cuándo es correcto usarlos, cuándo no y no usarlos simplemente como una caja negra, como si compraras un paquete, lo pongo acá y lo uso. Si se hace eso, uno no sabe lo que está pasando, y eso implica un montón de limitaciones.

-Es decir, no solamente usar la herramienta, sino también mejorarla y crearla o co crearla.

-Y entenderla y, sobre todo, conocer las limitaciones. Estamos viendo un problema muy grande: usamos herramientas sin conocer sus limitaciones. Es como usar un medicamento: si uno usa un medicamento sin conocer sus limitaciones, se torna peligroso.

-¿Cuál es la diferencia con una carrera como Ingeniería en Informática, que pertenece a la Facultad de Ingeniería?

-Espero que no se enojen los amigos ingenieros. La diferencia pasa por esta dicotomía que te planteaba: en general, porque después hay diferentes personas que hacen diferentes cosas, el problema de los ingenieros es resolver. Por ejemplo, el problema de encontrar petróleo que vos mencionaste: una empresa quiere saber si acá hay petróleo o no, quiere la respuesta, no le importa cómo la respondas; sólo que sea una respuesta certera. Los ingenieros están más volcados a las aplicaciones, pero de esa manera muchos ingenieros también terminan desarrollando ciencia. En cambio, cuando hablamos de ciencia de datos, es algo más científico que ingeniería: estamos tratando de entender cuál es el proceso por el cual llegás a esa respuesta.

-En algunas de las visiones que tiene el Gobierno, la ciencia básica, por ejemplo, la física, es poesía que hay que enfocarse más en las ingenierías. En el contexto del avance de la IA, ¿cuál es el sentido de sostener y financiar carreras como Ciencias de la Computación y Ciencia de Datos? ¿Y qué sentido tienen para un estudiante que decide que ahí empieza su recorrido profesional, que ese es su camino profesional?

-Tratar de entender es la clave. Con los números de inscriptos en la carrera de Física está pasando algo muy parecido a lo que pasa con las carreras de Computación y de Ciencia de Datos en Exactas, que mencionaste. En Física, aumentó muchísimo la matrícula en los últimos años. Eso pasa porque las empresas están contratando cada vez más físicos, científicos de datos y científicos de computación. Cuando una empresa tiene un problema que requiere ir más allá de lo conocido, algo que ahora pasa todo el tiempo porque todo el tiempo aparecen cosas nuevas, las empresas no se pueden limitar a aplicar herramientas; necesitan ir más allá. La formación científica es un diferencial en general. Las empresas contratan científicos de datos con perfil en ciencias exactas, físicos o científicos de computación para los puestos propios del científico de datos, a diferencia del ingeniero de datos. Las posiciones de científicos de datos requieren pensar y entender a nivel global qué es lo que está pasando. Por supuesto que en una empresa los perfiles se mezclan: hay ingenieros, físicos, computadores y todas las formaciones posibles. Pero cuando se necesita ir más allá y no limitarse a comprar un paquete y usarlo como una caja negra, cuando se necesita entender, saber las limitaciones…

-Cuando se necesita anticipar qué está pasando, anticiparse a las dificultades, ¿estos campos más sofisticados, y más enfocados en la formación científica son los más requeridos?

-Sobre todo, la formación científica, que es el diferencial de la formación que da la Facultad de Ciencias Exactas, que es común a todas las carreras, ya sea física, datos, computación, incluso biología, porque muchas empresas están tomando biólogos para el rol de científico de datos. Y el diferencial que da Exactas es la formación científica, que es toda una forma de pararse frente a los problemas. Después, cada disciplina tiene su foco. Los físicos, por supuesto, tienen más formación en física. Hoy se habla mucho de IA, que detrás de la IA están las redes neuronales, y las redes neuronales profundas: todas estas cosas están basadas en principios que vienen de la física y de la matemática.

-Geoffrey Hinton, el premio Nobel reciente.

-Fue el pionero de las redes neuronales. Fue uno de los pioneros. En 2018, Hinton, Yoshua Bengio y Yiann LeCun recibieron juntos el Premio Turing. Investigaron las redes neuronales desde hace muchos años.

-Desde los años 60.

-O un poco más también, pero ´60s está bien. Durante muchos años no daban los resultados esperados.

-No daban pie con bola.

-Yo digo que les dieron el Premio Turing por haber hecho el aguante. Cuando todo el mundo decía “eso está muerto”, siguieron en esa línea de trabajo y después, increíblemente, emergió con la escala que vemos hoy. Pero las ideas detrás de todo ese desarrollo vienen de la física y la matemática. Si uno quiere entender lo que está pasando ahí, necesita la formación en física, la formación matemática y la formación en computación: es fundamental.

-Esas tres áreas de la Facultad de Ciencias Exactas se entrecruzan para darle sentido a estas dos disciplinas, Ciencias de Computación y Ciencia de Datos.

-Más que a computación, a Ciencia de Datos. En Exactas, tenemos una estructura departamental. El Departamento de Computación es un departamento y tiene su carrera de Ciencia de la Computación, de muchos años. Ciencia de Datos es una carrera nueva. No es del Departamento de Computación. Es una carrera nueva que se armó entre los tres departamentos: Matemática, Física y Computación prestando atención a la intersección de esas tres disciplinas, además del Instituto de Cálculo, un instituto de Exactas que también se dedica a cuestiones de matemática aplicada y de interacción con otras disciplinas. Tomando nota de que es una disciplina netamente interdisciplinaria, que requiere el aportes de los físicos, de los computadores y de los matemáticos, creamos la carrera entre todos los departamentos.

-Es muy interesante el tema de las redes neuronales, el esfuerzo de Hinton y las décadas que tomó que ese conocimiento tan abstracto y teórico se convirtiera en una revolución de la vida cotidiana. Es muy interesante para entender el proceso de la ciencia básica y de cómo termina repercutiendo en la vida más cotidiana y pedestre de todos nosotros: para poder responder cuánto de la ciencia básica es aplicable. ¿Cuánto sentido tiene invertir en ciencia básica si tarda tanto en llegar a la realidad? Y la pregunta es sobre cuánto sentido tiene desde un país como la Argentina: la formación científica en ciencias de datos o ciencias de la computación, aún en un país periférico, por lo menos hasta ahora, como Argentina, ¿tiene sentido?

-Sí, pero para responder esa pregunta hay que hacerse la pregunta de si queremos que la Argentina sea un país desarrollado o si queremos que sea una economía de enclave.

-¿Cuál es la diferencia entre desarrollado y economía de enclave?

-En una economía de enclave, vienen de afuera, extraen recursos naturales, se los llevan, fin. Si ése es el modelo, la respuesta es que no tiene sentido. Ahora, si uno quiere que el país se desarrolle, ¿qué significa eso? A los recursos naturales, hay que agregarles valor, producir cosas que tengan valor y exportar cosas con muchísimo valor. Es fundamental tener un científico integrado con el sistema productivo: científicos, tecnólogos e industria, todo eso tiene que estar integrado para poder entender y producir y estar en la frontera de las cosas que se producen y competir con otros países.

-Hay una visión del Gobierno que plantea que la Argentina puede ser la plataforma de despegue de esta economía de conocimiento centrada en la IA, con data centers instalados en la Patagonia, por ejemplo. ¿El desarrollo de ese tipo, infraestructura para producir IA, para sostener el poder computacional de la IA, es un campo de aplicación interesante para ciencias de la computación o ciencia de datos?

-La pregunta es qué se va a generar alrededor de todo eso. Si es un data center de economía de enclave, va estar ahí instalado y va a ser sólo el data center, con gente que viene a trabajar contratada de afuera y sin interacción con el medio local, no parece muy interesante. No soy economista; no sé cómo cerrarán los números de eso. Lo interesante es pensar la instalación de data centers como una oportunidad de desarrollo local, donde haya una economía argentina que interactúe con esas inversiones y tenga para aportar ahí.

-¿Qué sería? ¿Podrían ser startups vinculadas con ciencia de datos aplicados a la medicina o al agro que aprovechen esos data centers? ¿Qué se imagina?

-Ésa es una parte: que haya startups aplicadas a infinitas industrias. Me cuesta mucho pensar en una industria que no pueda nutrirse de la ciencia de datos para agregar valor a lo que hace, pero para eso hay que tener todo un ecosistema funcionando: desde las personas que están en las industrias hasta gente que forma a esas personas. Estamos hablando de una formación bastante elevada. Hay que tener gente que forme a esas personas. La investigación es clave. Si uno quiere tener un Maradona, no puede decir “voy a hacer un Maradona” a partir de una sola persona. Para que haya un Maradona, tiene que…

-Tiene que haber muchos potreros diseminados por el país.

-Sí, exactamente. Cientos de miles de chicos jugando al fútbol durante muchos años, y entonces sí, en esas condiciones, surge un Maradona.

-Es interesante y la idea es que no solamente surja un Maradona, sino que surjan muchos Maradona de un financiamiento sostenido.

-Sí. Uno puede proponerse tener un Maradona, pero en realidad lo interesante no es el Maradona, sino el efecto colateral. Uno puede usar a Maradona como símbolo: lo interesante son miles de grandes jugadores de fútbol que son los que hacen la diferencia. En la Argentina, nos jactamos de nuestros Premios Nobel. El Premio Nobel es el Maradona de la ciencia, pero lo que hace que un país se desarrolles todo lo que viene abajo de eso. Eso es lo importante y eso es en lo que hay que trabajar: en desarrollar todo lo que está debajo de esos casos únicos, que va asociado después a tener figuras muy destacadas.

-En los últimos meses, se empezó a hablar de los agentes IA. Desde el Gobierno, hay proyectos de ley que intentan imaginar cómo sería una economía basada ya no en persona sino en agentes de IA. En ese contexto de vanguardia de la economía del conocimiento, ¿qué cosas puede hacer la IA mejor que los humanos? Mejor que un humano como usted, Doctor en Matemática de un nivel de conocimiento altísimo, premiado con el Premio Manuel Sadowski, que además creó una carrera como Ciencia de Datos y tiene un poder de conceptualización enorme. ¿Qué aporta la IA mejor que lo que usted podría aportar?

-Hoy, la IA me sirve a mí para discutir de matemática. Muchas veces tengo una idea y me pregunto si funcionará o no: lo discuto con un modelo de lenguaje Chat GPT o Cloud. Me ahorra muchísimo tiempo: me resuelve problemas básicos diez veces más rápido. Hay problemas cuya respuesta no se sabe, no se sabe cómo resolverlos. Pero hay otro tipo de problemas: esos que si yo supiera hacer algo, podría resolver lo que me interesa. Eso que no sé hacer es un problema más chiquito, con una resolución más estándar. En vez de hacerlo yo mismo, o de pedirle a un estudiante de doctorado que lo resuelva, al que le tomaría una semana, ahora lo resuelvo en quince minutos charlando con un modelo de lenguaje.

-En ese ejemplo, la pregunta relevante la hace el humano, usted, y la IA es una especie de colega asistente que resuelve lo más simple, entre comillas, de ese dilema que usted está planteando. ¿Podría ser al revés, que la IA detecte preguntas relevantes que usted, con su capacidad de cómputo mental tan especializada, no logre terminar de ver?

-Hoy todavía no veo esa posibilidad, pero no lo puedo descartar. No me animo a descartarlo después de todas las cosas que venimos viendo. En los últimos tres o cuatro años, decimos: esta posibilidad está lejos y, sin embargo, aparece. Hay mucha gente que sostiene que estos modelos de IA sólo basados en lenguaje tienen un tope. El argumento es que nosotros aprendemos no sólo con el lenguaje. En nuestro aprendizaje, está todo el mundo: vemos, escuchamos, olemos. Pero los grandes modelos de lenguaje, que están generando toda esta revolución, sólo se involucran a través del lenguaje, por eso tendrían un tope. Pero si tienen un tope, está muy lejos porque cada nuevo modelo de lenguaje que va saliendo sorprende mucho respecto del anterior, de las cosas que puede hacer. En este momento estoy en esa etapa en que digo: la pregunta grande la tengo yo, pero también me sirve discutir con la IA para tener ideas. También me ayuda a la generación de ideas. No sé si me trae el problema directamente, pero la discusión me sirve.

-Para un científico de datos, la capacidad de cómputo de la IA para responder a una pregunta relevante que ese científico puede hacer, ¿es el mejor input posible para ese cientista o científico de datos? Imagino un graduado y doctor en Ciencia de Datos que está en un campo de aplicación en un sector económico de la matriz productiva de un país o está en un laboratorio, no importa en qué situación del mercado laboral está: para ese cientistas de datos, ¿el aporte de la IA es la capacidad de la IA de procesar una escala colosal de datos?

-No. Es al revés. Lo que hoy denominamos IA son estos grandes modelos de lenguaje, pero en realidad está en todo lados a nuestro alrededor. La IA descansa en la gran capacidad de cómputo. Esa gran capacidad de cómputo se puede usar para eso, o para otras cosas. No es que la IA da capacidad de cómputo; la capacidad de cómputo está detrás de la IA y uno la puede usar para charlar con un gran modelo de lenguaje o para otro tipo de cómputos. Y sí, esa gran capacidad de cómputo sirve.

-¿Un científico de datos es mejor científico de datos porque cuenta con el accesorio de la IA?

-Sí, usa las dos cosas. Por un lado, la IA en el sentido de los grandes modelos de lenguaje que sirven para charlar, nos sirve a casi todos, en todas las disciplinas. En cada disciplina tiene aportes distintos. Para un científico de datos, tiene aportes muy importantes, por ejemplo, para programar. Facilita mucho la tarea de programación. También en el caso de que tenga una idea y quiera hacer un prototipo para ver si funciona. Ahora no tiene que ponerse a hacerlo. Y también sirve la enorme capacidad de cómputo. Pero contar con más capacidad de cómputo viene desde hace muchos años. Es un tema que atraviesa mucho a la ciencia de la computación. Una de las grandes preguntas de ciencias de la computación es qué cosas se pueden computar y cuáles no. Hay un montón de cosas que nos encantaría poder computar y sabemos que hoy no es posible.

-¿Por ejemplo?

-Hay una serie de problemas para los que uno sabe que podría escribir el algoritmo para resolverlo, pero si yo quisiera resolverlo, necesitaría la edad del universo. Con la capacidad de cómputo que tenemos hoy, con todas las computadoras juntas del mundo, ¿cuánto tiempo me llevaría resolver este problema? Me llevaría la edad del universo: aunque teóricamente es computable, sabemos que no lo vamos a poder hacer. Pero la frontera de las cosas que son computables y las que no lo son se va corriendo todo el tiempo y exponencialmente. Por eso la enorme capacidad de cómputo siempre viene bien y siempre nos permite resolver nuevos problemas.

-En los últimos años, uno de los horizontes posibles que se planteó para los adolescentes y jóvenes que están pensando una carrera universitaria, casi como una especie de nuevo sueño de ascenso social, era el coding, convertirse en programadores. Con la llegada de la IA, el gran debate es si esa veta queda anulada por las capacidades que tiene la IA. ¿Hay más futuro para los doctores en ciencia de datos o ciencia de la computación que para la programación básica, específica y aplicada? Pensaba en el caso de Ken Griffin, un súper millonario americano, el dueño y fundador de Citadel, un fondo de inversión muy conocido y muy poderoso. Fue a su compañía, que calcula datos complejísimos del mundo de las finanzas y volvió deprimido a su casa porque vio que lo que los PhD en física que tiene contratados lo que podían calcular en semanas, la IA lo estaba haciendo casi inmediatamente, en muy poco tiempo. Lo contó hace algunas semanas. El coding se planteó como camino de empleabilidad y de ascenso social al futuro y está en riesgo. ¿Pero también está en riesgo el camino del doctor en ciencia de datos?

-Lo que pasa es que se sube la vara. Un agente de IA resuelve los problemas que resolvía un estudiante de doctorado de física. No es que resuelve todos los problemas. Una de las cosas que solían hacer ellos ahora la hace la IA, pero los estudiantes de doctorado de física pueden hacer otras cosas que todavía la IA no hace. En ese sentido, lo que está pasando ahora es mucho más explosivos y más rápido, pero lo mismo ha pasado con muchas tecnologías nuevas: suben la vara. Las cosas que uno hacía manualmente, ahora se automatizan y eso permite que uno se ocupe de otras cosas, y sube la vara constantemente. Sobre el tema de programación, subió la vara porque para lo que antes se necesitaba un programador, ahora la IA las hace automáticamente. Eso sube la vara. No es que no necesitamos gente experta en programación. En un momento dejamos de necesitar gente dedicada a sumar porque tenemos la calculadora. Ahora es lo mismo: hay un montón de tareas que se pueden hacer automáticamente. Nos sube la vara de qué cosas podemos hacer y en dónde empieza a jugar un rol importante lo nuestro. Por eso pasa a ser tan importante la formación profunda, porque la vara está cada vez más arriba. Entonces necesitamos formar gente que pueda dar cuenta de esa subida de la vara, estar ahí arriba de la vara.

-Hay que formar cerebros muy sofisticados para poder encontrar un lugar de realización profesional y poder resolver cuestiones muy sofisticadas. Y ahí va la última pregunta: usted es profesor de en el Departamento de Matemática de la Facultad de Ciencias Exactas. Cada vez más alumnos quieren estudiar en esa facultad: entre 2020 y 2024, la inscripción aumentó 80 por ciento en las carreras de Ciencia de la Computación, de Ciencia de Datos. ¿Hay chances de que los estudiantes que intentan seguir adelante con esas carreras, y de que la Argentina se sume agresivamente a esas posibilidades científico tecnológicas, dado el bajo nivel de matemática con el que están llegando los alumnos a la carrera universitaria, por ejemplo, de Ciencia de Datos?

-La respuesta breve es sí. El sistema científico argentino y universitario y educativo en general siempre ha dado muestras de que cuando recibe los recursos y el apoyo necesarios, está a la altura de las circunstancias. Eso ha pasado siempre a lo largo de nuestra historia. Necesitamos el apoyo que hace falta, los recursos. Por supuesto, somos parte de un ecosistema, que es el sistema educativo. Trabajar en secundaria y en primaria es fundamental, pero somos un país que tiene un potencial enorme en términos de recursos humanos y cada vez que tuvimos apoyo, lo hemos demostrado. Hemos producido cosas muy buenas. Dependiendo del nivel de ese apoyo y de cuánto perdura en el tiempo, se puede producir más masa.

-Ahora, en la Argentina, el problema del aprendizaje de la matemática es casi endémico. Hace unos veinte años que está estancada la capacidad del sistema educativo, de educación primaria y secundaria, de generar aprendizaje matemático. No importa la cantidad de recursos que se han dado, ahí hay un cuello de botella.

-Tenemos muchas cosas para resolver, sí. Hay cosas para resolver: en matemática necesitamos mejorar el nivel secundario.

-¿Ustedes ven ese problema cuando entra un estudiante a la carrera?

-Trato de evitar esas afirmaciones. Hay una clásica afirmación: el nivel ha bajado cada vez más. Hay un libro en Francia, cien años de informes de los inspectores que van a las escuelas secundarias. Dice: “Cien años de informe: el nivel ha bajado”. La revisión de los inspectores siempre es ésa. Se debería hacer un estudio más global para sostenerlo. Antes los chicos sabían hacer esto y ahora no lo saben hacer, claro, pero saben hacer otras cosas. Es muy sutil si el nivel ha bajado o no. Además, si uno trata de que la facultad sea más abierta y no tan elitista, es natural que venga gente con menor formación. Por eso es muy delicado afirmar eso. Nosotros seguimos produciendo muchos alumnos brillantes. Me siento un privilegiado de estar ahí, de los chicos y las chicas que llegan. Se podría decir que Exactas es una isla, un pedacito muy chiquitito, que no refleja la realidad del país.

-Hay una preselección personal.

-Todo puede ser. Pero en nuestra micro burbuja, siguen llegando chicos y chicas brillantes. Por eso digo que el potencial está. Hay cosas para resolver en la universidad y a nivel secundario, sin dudas hay cosas para resolver. Pero si me preguntás si la Argentina puede, yo digo sí, puede.

Por Luciana Vázquez

• Conversaciones

---

Conforme a

Proyecto 122. Marcelo Rinesi: El mito de la longevidad extrema y una tecnología que desinforma

El crack de El Talar. Otamendi: el defensor que hizo de la convicción su mayor fortaleza

Bancarse la que venga. Gabo Nazar habla con Delfina Campos sobre la inspiración que los llevó a crear la canción

A 40 años. Las historias que nunca se contaron del Mundial de México 86

A cuatro años. El “mini Dibu” de Haedo que fue viral durante los festejos del Mundial de Qatar 2022

Bienestar Longevidad saludable: por qué los hábitos básicos vencen a la tecnología sofisticada

De Embalse al mundo. Nahuel Molina, el pibe que se fue de casa a los 11 años para cumplir su sueño

Lo de Funes. Patricia Della Giovampaola: de ícono social de la Argentina de los 80 a princesa europea, la historia detrás del glamour

Juana Aguirre: el arte de componer desde la intuición y el caos cotidiano