Verónica Bolón Canedo lleva más de 15 años dedicándose a enseñar a las máquinas cómo aprender. Pero su objetivo va mucho más allá del reto técnico: busca que la inteligencia artificial sirva para resolver problemas reales —de salud, de sostenibilidad, de educación— y que lo haga de forma justa, eficiente y con impacto social.
Doctora en Informática y profesora titular en la Universidade da Coruña, Bolón es referente en aprendizaje automático y en inteligencia artificial sostenible. Ha trabajado en proyectos que van desde el diagnóstico médico hasta la detección de vertidos en el mar o la corrección automática de exámenes. Sus investigaciones han sido reconocidas por instituciones como la Fundación BBVA, la Real Academia de Ingeniería y la Generalitat de Catalunya.
Pero además de su labor científica, Verónica es una de las voces que defiende la necesidad de sumar diversidad —y en especial referentes femeninos— en los equipos que diseñan el futuro tecnológico. Desde su participación en Inspira STEAM, impulsa vocaciones entre niñas y adolescentes, convencida de que “una IA más justa necesita más mujeres desarrollándola”.
En esta entrevista, comparte su experiencia entrenando algoritmos, colaborando con otros perfiles técnicos y apostando por una inteligencia artificial con conciencia social.
Verónica Bolón Canedo: «Es clave estar abiertos a nuevas ideas y saber trabajar en equipo»
¿Puedes explicar en qué consiste exactamente el trabajo de “entrenar” un algoritmo y cuál es tu papel dentro de ese proceso?
Entrenar un algoritmo significa enseñarle a reconocer patrones a partir de datos. Igual que una persona aprende a distinguir gatos y perros viendo muchos ejemplos, un algoritmo necesita “ver” muchos datos etiquetados para aprender a tomar decisiones o hacer predicciones.
Mi trabajo se centra en el desarrollo de técnicas de aprendizaje automático, especialmente en cómo seleccionar las variables más relevantes —lo que llamamos selección de características— para que el modelo aprenda de forma más eficiente. En este caso, mi papel es el de probar distintas variantes de los modelos existentes para ver cuál es el más adecuado para el problema a resolver o, por ejemplo, desarrollar modelos nuevos que sean más eficientes que los existentes.
Desde tu experiencia, ¿cómo se articula la colaboración entre distintos perfiles profesionales (científicos de datos, médicos, ingenieros, etc.) para desarrollar soluciones de IA aplicadas a problemas reales?
La colaboración interdisciplinar es fundamental para que la inteligencia artificial tenga impacto real. Un modelo de IA no sirve de mucho si no se entiende bien el contexto del problema. Por ejemplo, cuando he trabajado con médicos, ellos aportan el conocimiento clínico y los matices del dominio; nosotros, desde la parte técnica, traducimos eso en datos y modelos que puedan aprender. Lo mismo ocurre con ingenieros o especialistas de empresa. Es un diálogo constante donde todos aprendemos del otro, y donde la comunicación clara es tan importante como la capacidad técnica.
Trabajas en temas como la inteligencia artificial sostenible y la selección de características. ¿Qué habilidades técnicas y personales consideras imprescindibles para quien quiera dedicarse hoy a entrenar algoritmos con impacto?
A nivel técnico, es importante tener una base sólida en matemáticas, estadística y programación. Pero tan importantes como eso son las habilidades personales: la investigación en inteligencia artificial requiere mucha perseverancia y tolerancia a la frustración, porque no siempre se obtienen buenos resultados a la primera. También es clave estar abiertos a nuevas ideas, aprender constantemente y, sobre todo, saber trabajar en equipo. Los proyectos con impacto real casi nunca se hacen en solitario: requieren colaboración, empatía y capacidad de escuchar a profesionales de otros ámbitos.
Has participado en proyectos muy diversos, desde medicina hasta educación o medio ambiente. ¿Cuál ha sido para ti el mayor desafío —y también la mayor satisfacción— en el proceso de entrenar un sistema de IA?
Elegir un único proyecto es casi imposible —es como escoger a tu hijo favorito—, pero si tengo que destacar uno, diría que mis inicios en la investigación en inteligencia artificial sostenible fueron especialmente significativos. Era un área aún muy incipiente y casi nadie hablaba de eficiencia o sostenibilidad en los algoritmos. Recuerdo ir a congresos y que muchos se sorprendían con este enfoque. Aunque suponía un reto abrir camino en un tema tan nuevo, también era muy gratificante volver a casa pensando que quizás había conseguido que algunos investigadores empezasen a plantearse el impacto ambiental de su trabajo. Esa sensación de estar sembrando algo nuevo fue muy especial.
Además de tu trabajo investigador, impulsas vocaciones científico-tecnológicas entre niñas a través de iniciativas como Inspira STEAM. ¿Por qué crees que es clave incorporar más diversidad —y especialmente referentes femeninos— en los equipos que entrenan los algoritmos del futuro?
La diversidad en los equipos que desarrollan inteligencia artificial no es solo una cuestión de justicia, sino también de calidad e impacto. Hoy en día, todos somos usuarios de sistemas de IA —hombres y mujeres prácticamente por igual—, pero el desarrollo de esos sistemas sigue estando dominado por hombres. Eso implica que, aunque sea de forma inconsciente, los algoritmos tenderán a reflejar mejor sus necesidades y a perpetuar sus sesgos.
Si queremos una IA más justa, más inclusiva y que funcione bien para toda la sociedad, necesitamos que haya más mujeres —y más diversidad en general— participando en su diseño. Además, no podemos permitirnos desaprovechar la mitad del talento disponible. Por eso me implico en iniciativas como Inspira STEAM: para que las niñas se vean capaces, se sientan con derecho a estar ahí, y puedan ser protagonistas de esta nueva revolución tecnológica.
