La Inteligencia Artificial como Eje Transformador de la Ingeniería de Sistemas

Autor: Daniela Valentina Cubides Vega

Pensamiento Computacional

Universidad Central
Facultad de ingeniería y ciencias básicas

Ingeniería de Sistemas
27 de febrero de 2026

La Inteligencia Artificial como Eje Transformador de la Ingeniería de Sistemas

La Cuarta Revolución Industrial ha transformado profundamente la forma en que las sociedades producen, gestionan información y toman decisiones estratégicas, este nuevo modelo tecnológico se caracteriza por la convergencia entre sistemas digitales y físicos, dando lugar a entornos interconectados capaces de autoorganizarse y adaptarse dinámicamente; en este contexto, la inteligencia artificial (IA) emerge como uno de los pilares fundamentales del cambio estructural que atraviesan las organizaciones modernas.

La IA puede definirse como la capacidad de una máquina para ejecutar funciones cognitivas asociadas a la inteligencia humana, tales como el razonamiento lógico, el aprendizaje autónomo, la percepción de patrones y la toma de decisiones basada en datos.

Dentro de este escenario, la ingeniería de sistemas adquiere una gran relevancia estratégica, esta disciplina no solo se encarga de diseñar y desarrollar el software, sino también de la integración de infraestructuras complejas, la administración de datos masivos y la implementación de arquitecturas tecnológicas escalables. La inteligencia artificial no opera de manera aislada; esta requiere entornos computacionales robustos, modelos estructurados de información y sistemas interoperables que permitan su correcto funcionamiento. Por tanto, el ingeniero de sistemas se convierte en el arquitecto que posibilita la existencia y el crecimiento sostenible de soluciones inteligentes.

Uno de los elementos que explica el auge de la IA es el crecimiento exponencial del Big Data; las organizaciones generan diariamente volúmenes masivos de información provenientes de dispositivos móviles, sensores, redes sociales, transacciones digitales y sistemas empresariales, estos datos, caracterizados por su volumen, velocidad, variedad, veracidad y valor, constituyen la materia prima para entrenar modelos de aprendizaje automático, sin datos estructurados y de calidad, los algoritmos carecen de precisión y confiabilidad. Por ello, la ingeniería de sistemas debe diseñar arquitecturas distribuidas que permitan almacenar, procesar y analizar información en tiempo real, garantizando eficiencia y seguridad.

En la práctica, la IA se manifiesta principalmente como inteligencia artificial estrecha, diseñada para resolver tareas específicas. Ejemplos de ello incluyen sistemas de recomendación en plataformas digitales, reconocimiento facial, asistentes virtuales y análisis predictivo en entornos industriales, estos sistemas han demostrado una capacidad notable para optimizar procesos y reducir costos operativos. Sin embargo, su funcionamiento depende de una infraestructura tecnológica sólida que soporte grandes volúmenes de procesamiento, redes neuronales profundas y almacenamiento masivo en la nube.

Un desarrollo reciente dentro de la IA estrecha es la inteligencia artificial generativa, la cual no solo analiza información existente, sino que también es capaz de producir contenido nuevo, como texto, imágenes, código o música, esta capacidad ha transformado sectores como la educación, el marketing, la programación y la investigación científica. No obstante, su implementación plantea desafíos técnicos significativos, incluyendo la necesidad de potencia computacional avanzada y mecanismos de control ético para evitar la desinformación o el uso indebido de contenidos generados automáticamente.

La ingeniería de sistemas también se beneficia del uso de la IA para optimizar sus propios procesos. En el ámbito de la ingeniería basada en modelos, diversas organizaciones han implementado asistentes digitales capaces de interpretar requisitos en lenguaje natural y transformarlos en modelos estructurados, estas soluciones reducen errores humanos, aceleran la documentación técnica y mejoran la trazabilidad de los proyectos. De esta manera, se evidencia una relación bidireccional donde la ingeniería de sistemas impulsa la IA, y la IA fortalece los procesos de ingeniería.

A pesar de sus beneficios, la adopción de inteligencia artificial implica retos éticos y sociales, el sesgo algorítmico, la privacidad de los datos y la seguridad informática son aspectos críticos que deben abordarse desde el diseño del sistema. Los ingenieros de sistemas tienen la responsabilidad de implementar mecanismos de protección que garanticen transparencia, equidad y confiabilidad en el uso de tecnologías inteligentes, así como deben asegurar la resiliencia de las infraestructuras frente a ciberataques y fallos operativos.

En términos laborales, la automatización impulsada por la IA puede desplazar tareas repetitivas, pero también genera nuevas oportunidades profesionales relacionadas con el análisis de datos, la arquitectura de sistemas inteligentes y la gestión de infraestructuras tecnológicas. La formación del ingeniero de sistemas debe adaptarse a estas nuevas demandas, incorporando competencias en ciencia de datos, aprendizaje automático y ciberseguridad avanzada.

La evolución hacia la Industria 5.0 introduce un enfoque centrado en el ser humano, donde la tecnología se orienta a la colaboración entre personas y máquinas. Este patrón promueve sostenibilidad, personalización y bienestar social.

En consecuencia, la ingeniería de sistemas debe integrar principios éticos y ambientales en el diseño de soluciones tecnológicas, asegurando que la inteligencia artificial contribuya al desarrollo sostenible y no amplifique desigualdades existentes.

En conclusión, la inteligencia artificial representa uno de los motores principales de la transformación digital contemporánea, su desarrollo y aplicación dependen directamente de la ingeniería de sistemas, disciplina que proporciona la infraestructura, los modelos y la gestión necesarios para su funcionamiento eficiente.

Más allá de la innovación tecnológica, el desafío radica en construir sistemas responsables, seguros y orientados al beneficio social, en un entorno cada vez más digitalizado, el ingeniero de sistemas se consolida como un actor clave en la construcción de un futuro donde la inteligencia artificial y la humanidad colaboren de manera equilibrada y sostenible.

Referencias

Elastic Blog. (2025). Traditional AI vs. generative AI: A guide for IT leaders.

EngineerIT. (2024). Weak AI vs strong AI.

FAU Videoportal. (2020). Strong vs. narrow AI.

Forbes Technology Council. (2024). Smart, smarter, smartest: The stages of AI maturity.

IBM News. (2025). IBM announces new AI automations for model-based systems engineering.

IEEE Systems Council. (2025). Role of AI-ML in systems engineering to support human decision making.

NASA TechPort. (2024). AISE: AI for systems engineering, a digital design assistant.

Solix Technologies. (2025). Narrow AI vs generative AI: What’s the difference?

Wiley. (2025). Advances in artificial intelligence applications in industrial and systems engineering.