Dr. Anthony Lee, Presidente y CEO de Westcliff University – Serie de Entrevistas

Dr. Anthony M. Lee es el Presidente de Westcliff University en Irvine, California, una de las universidades de más rápido crecimiento en EE. UU., que ha pasado de tener menos de unos cientos de estudiantes a más de 3.000 estudiantes en la última década. Dr. Lee ha ocupado puestos de liderazgo en numerosas universidades y escuelas en EE. UU. y a nivel internacional. Con experiencia en programas híbridos y en línea innovadores, Dr. Lee ha lanzado nuevos programas que infunden y integran tecnología con clases tradicionales en campus para una experiencia de aprendizaje mejorada. Ha liderado con éxito escuelas a través del proceso de acreditación a nivel universitario y de K-12. Su experiencia lo ha demostrado como un líder en muchas áreas críticas dentro de la educación superior, incluyendo marketing, finanzas, operaciones, cumplimiento y acreditación.

¿Cómo ha evolucionado su definición de preparación para el trabajo en la era de la inteligencia artificial generativa y la automatización?

La preparación para el trabajo solía significar competencia técnica y la capacidad de contribuir de inmediato dentro de un rol definido. En la era de la inteligencia artificial generativa, esa definición ya no es suficiente porque la naturaleza del trabajo en sí está cambiando.

Hoy en día, la preparación significa operar de manera efectiva en entornos donde la inteligencia se distribuye entre humanos y máquinas, donde las herramientas evolucionan continuamente y donde la ejecución es cada vez más aumentada. La ventaja competitiva ya no es solo saber cómo realizar una tarea, sino saber cómo plantear problemas, supervisar las salidas de la IA, interrogar suposiciones y aplicar juicio bajo restricciones del mundo real.

Estamos presenciando un cambio de la ejecución de tareas a la supervisión cognitiva. El trabajo de entrada está siendo redefinido. La producción rutinaria puede ser automatizada, pero la responsabilidad no. Eso pone un mayor énfasis en el pensamiento crítico, el razonamiento ético, la conciencia contextual y la capacidad de traducir las salidas generadas por la IA en decisiones responsables.

En Westcliff, consideramos la preparación para el trabajo como la integración de la experiencia en el dominio, la fluidez en la IA y el juicio humano disciplinado. Los estudiantes deben entender cómo funcionan los sistemas generativos, dónde crean ventajas y dónde introducen riesgos. Más importante aún, deben aprender a colaborar con estos sistemas sin subcontratar la responsabilidad intelectual.

Nuestro modelo de aprendizaje aplicado está diseñado alrededor de la participación estructurada con tecnologías emergentes en contextos auténticos. El objetivo no es solo la competencia en herramientas, sino la capacidad adaptativa, la capacidad de seguir siendo efectivos a medida que las herramientas cambian.

En esta era, los profesionales que destacarán no serán aquellos que compitan con la IA, sino aquellos que puedan dirigirla de manera reflexiva, cuestionarla rigurosamente y seguir siendo responsables de los resultados que influye. Eso es lo que ahora requiere la preparación para el trabajo.

¿Qué significa para una institución tomar la IA en serio a nivel curricular e institucional en lugar de tratarla como algo agregado?

La IA no es solo otra herramienta instructiva. Altera la arquitectura de la educación en sí.

Tomar la IA en serio comienza con el rediseño. Cada disciplina debe examinar cómo los sistemas generativos están cambiando las expectativas profesionales y definir qué requiere la competencia aumentada por la IA. La evaluación debe medir el razonamiento y la competencia aplicada, no solo la producción.

Pero la seriedad también exige coherencia institucional. La alfabetización en IA no puede estar en cursos aislados. El desarrollo de la facultad, la gobernanza, la estrategia de evaluación y la supervisión de los proveedores deben alinearse alrededor de un principio claro de que la tecnología debe fortalecer la calidad académica, no diluirla.

En ese punto, la IA se convierte en parte de la infraestructura intelectual de la universidad. Da forma a cómo se estructura el aprendizaje, cómo se demuestra la maestría y cómo se mantiene la credibilidad institucional en un entorno laboral donde el juicio humano y la capacidad de la máquina operan lado a lado. Esa es la forma de pensar con la que estamos avanzando en Westcliff.

¿Cómo equilibra las habilidades humanas fundamentales con la enseñanza de los estudiantes para que trabajen de manera efectiva junto con la IA?

No lo veo como un intercambio. Si algo, la IA generativa aumenta el valor de las capacidades humanas fundamentales.

Cuando la producción cognitiva rutinaria se vuelve barata, el diferenciador se convierte en razonamiento de alto nivel. El pensamiento crítico significa plantear mejores preguntas e interrogar las salidas generadas por la máquina. El juicio significa saber cuándo confiar en un sistema y cuándo pausar. La ética se convierte en práctica y se trata de entender las consecuencias de desplegar sistemas inteligentes a gran escala.

Los estudiantes deben aprender a pensar en entornos donde la IA está presente. La iniciación es un punto de partida, pero la supervisión cognitiva es la habilidad más profunda. Los graduados deben poder articular y defender conclusiones informadas, pero no determinadas por sistemas inteligentes.

En Westcliff, tratamos la fluidez en IA como un amplificador de las habilidades fundamentales. Los estudiantes interactúan con herramientas inteligentes mientras siguen siendo responsables de la claridad, la credibilidad y la consecuencia. A largo plazo, los profesionales que destacarán combinarán la profundidad intelectual con la agilidad tecnológica. La IA proporciona velocidad y escala. Los humanos deben proporcionar discernimiento, responsabilidad y liderazgo.

¿Qué partes de la educación superior son más vulnerables a la disruptión por la IA y la automatización, y qué áreas son más resilientes de lo que la gente espera?

Las áreas más vulnerables son aquellas que se basan en la transferencia de información y la producción estandarizada. Si un modelo se basa principalmente en la entrega de conferencias o evaluaciones que miden la producción, la IA lo desafiará rápidamente.

La educación superior es más resistente donde se centra en el desarrollo estructurado, la tutoría, la práctica aplicada, el trabajo en equipo, el aprendizaje clínico y la formación de la identidad profesional. La IA puede apoyar estas experiencias, pero no puede reemplazar el crecimiento construido a través de la retroalimentación y la responsabilidad.

La línea divisoria es el diseño. Las instituciones que se ven a sí mismas principalmente como proveedores de contenido están expuestas. Aquellas que operan como sistemas de aprendizaje intencionales, centrados en el razonamiento, la competencia aplicada y el crecimiento medible, siguen siendo muy relevantes.

La IA está elevando el estándar para lo que debe representar un título.

¿Cómo deben replantear las universidades el diseño de los títulos mientras la IA comprime el tiempo para adquirir habilidades y reduce las barreras de entrada?

Como la IA comprime el tiempo necesario para adquirir habilidades técnicas, las universidades deben aclarar dónde un título agrega valor.

Si las herramientas aceleran la competencia en tareas, la educación superior debe centrarse en lo que no puede ser automatizado: la profundidad conceptual, la resolución de problemas estructurada, el juicio ético y el desempeño sostenido bajo restricciones.

El diseño de los títulos debe ser modular y aplicado, pero coherente. El objetivo es la competencia acumulativa, integrando la fluidez técnica con el razonamiento y la adaptabilidad.

La IA reduce las barreras de entrada. Las universidades deben responder elevando el umbral para la integración, el juicio y la capacidad demostrada. Un título debe señalarizar una competencia duradera, no solo exposición.

En Westcliff, consideramos los títulos como ecosistemas dinámicos en lugar de progresiones lineales fijas. Las credenciales apilables y las vías escalonadas permiten a los aprendices volver a comprometerse a medida que las industrias cambian, manteniendo la coherencia y el rigor. La flexibilidad es importante, pero la progresión intelectual es más importante.

¿Qué papel ve para la IA en la evaluación y la concesión de títulos?

La IA está obligando a la educación superior a enfrentar una realidad que precede a la tecnología en sí. Muchas evaluaciones tradicionales estaban midiendo la producción en lugar de la comprensión. Si una tarea ahora puede ser automatizada con mínimo esfuerzo, debemos cuestionar si alguna vez capturó el razonamiento.

La evaluación debe cambiar hacia la demostración auténtica de la competencia, la defensa oral, la resolución de problemas basada en escenarios, la iteración y la mejora, las simulaciones aplicadas y la evidencia de portafolio que hace visible el pensamiento. En un entorno habilitado por la IA, lo que importa no es solo el artefacto, sino el proceso cognitivo detrás de él.

En Westcliff, hemos pasado a modelos de evaluación oral e iterativa que requieren que los estudiantes articulen y defiendan su razonamiento en tiempo real. La IA puede asistir generando iniciativas adaptativas y apoyando una retroalimentación escalable, pero la responsabilidad del diseño sigue siendo humana. Las instituciones deben asegurarse de que están evaluando la cognición del aprendiz, no la salida del modelo.

La concesión de títulos es cada vez más sobre la capacidad verificada en lugar del tiempo de asiento acumulado. Los empleadores quieren evidencia de competencia aplicada y juicio responsable. Las instituciones que rediseñan la evaluación de manera proactiva fortalecerán la credibilidad de sus títulos.

Cuando se implementa de manera reflexiva, la IA expone dónde los estándares académicos deben ser elevados.

¿Cómo aborda la gobernanza y la supervisión al introducir la IA en la enseñanza y la administración?

Abordamos la IA como cualquier sistema que afecta materialmente la calidad académica y la credibilidad institucional. La gobernanza comienza con la claridad de propósito, los límites definidos y las líneas claras de responsabilidad.

La supervisión efectiva asegura que la innovación fortalezca la confianza en lugar de erosionarla. Eso significa estándares rigurosos de privacidad y seguridad de los datos, revisión de sesgo y equidad cuando los sistemas influyen en los resultados de los estudiantes, y transparencia sobre qué herramientas se utilizan y cómo se manejan los datos.

También requiere actualizar los marcos de integridad para reflejar las realidades presentes en lugar de las suposiciones heredadas. El desarrollo de la facultad es crucial para que la adopción sea intencional y esté alineada con los objetivos de aprendizaje, en lugar de ser fragmentada o reactiva.

Cuando introdujimos modelos de evaluación apoyados por la IA en Westcliff, la supervisión se integró en el diseño. La facultad monitoreó la implementación, evaluó el impacto y refinó los procesos basados en la evidencia. La evaluación del proveedor es continua, no episódica. Las instituciones deben evaluar regularmente el alineamiento con los estándares académicos y la protección del estudiante.

El objetivo es la innovación responsable.

¿Qué conceptos erróneos tienen los educadores más comúnmente sobre la IA, y qué cambio de mentalidad es necesario?

Dos conceptos erróneos surgen repetidamente. El primero es que la IA es principalmente un problema de fraude. El segundo es que es solo una herramienta de productividad. Ni lo uno ni lo otro en aislamiento. Más fundamentalmente, refleja un cambio en cómo se genera, evalúa y aplica el conocimiento.

Cuando las instituciones enmarcan la IA solo como un problema de integridad, recurren a la restricción. Cuando la enmarcan solo como eficiencia, subestiman sus implicaciones. La pregunta más importante es cómo diseñar el aprendizaje para que el razonamiento siga siendo visible y responsable en un entorno habilitado por la IA.

El cambio de mentalidad necesario es de control a diseño. Esto permite a la facultad convertirse en arquitectos aún más centrales de experiencias de aprendizaje que enfatizan el juicio, la síntesis y la competencia aplicada.

Con el apoyo institucional, prácticas compartidas y gobernanza coherente, los educadores pueden realmente avanzar hacia donde la IA eleva la barra para la pedagogía reflexiva y hace que el diseño académico sea más importante que nunca.

¿Cómo deben preparar las universidades a los estudiantes para un mercado laboral donde los roles son fluidos y la IA redefine el trabajo de entrada?

Los roles de entrada tradicionalmente han servido como terrenos de entrenamiento para tareas de producción rutinarias. En muchos campos, la IA ahora absorbe gran parte de ese trabajo temprano. Como resultado, se espera que los graduados operen a un nivel más alto más pronto.

La preparación debe centrarse en capacidades que son difíciles de automatizar: enmarcar problemas, comunicación, toma de decisiones y supervisión responsable de sistemas inteligentes. Los estudiantes necesitan estar cómodos trabajando en ambigüedad, donde las herramientas evolucionan y los roles son fluidos.

Las universidades deben enfatizar competencias adaptables que viajan a través de contextos en lugar de especialización estrecha sola. El aprendizaje basado en proyectos estructurados con restricciones reales es esencial. Cuando los estudiantes resuelven problemas complejos y defienden sus recomendaciones, practican el tipo de pensamiento responsable que los empleadores valoran cada vez más.

La alfabetización en IA debe convertirse en una base. No todos necesitan construir modelos, pero todos deben entender cómo los sistemas inteligentes influyen en las decisiones dentro de su profesión.

El mercado laboral seguirá cambiando. La responsabilidad de la educación superior es no predecir cada rol, sino graduar a individuos que puedan moverse a través de roles, aprender continuamente y contribuir de manera significativa en entornos moldeados por la tecnología acelerada.

¿Qué señalaría que una universidad ha adaptado con éxito el cambio impulsado por la IA en lugar de simplemente sobrevivir?

El éxito se medirá por los resultados y no por la posición pública o las métricas de vanidad.

Una universidad ha adaptado realmente cuando sus modelos curriculares y de evaluación están rediseñados alrededor de la competencia basada en el mundo real en lugar de la entrega de contenido. La facultad puede demostrar un diseño de aprendizaje reflexivo en lugar de ser adoptadores rezagados, y los estudiantes pueden articular y defender claramente su razonamiento de maneras que no pueden ser generadas a demanda.

La adaptación institucional también es visible en la gobernanza. El uso de la IA es transparente, la supervisión está integrada y podemos demostrar que la confianza en los resultados académicos se fortalece en lugar de erosionarse.

El indicador más confiable, sin embargo, es la validación externa. Los empleadores reconocen que los graduados demuestran un juicio maduro, capacidad aplicada, toma de decisiones y fluidez en entornos habilitados por la IA.

La adaptación significa agilidad sin compromiso. La institución evoluciona a medida que avanza la tecnología mientras mantiene rigurosos estándares y claridad ética. En Westcliff, creemos que estamos produciendo un modelo de aprendizaje que sigue siendo creíble, resistente y valioso a medida que la IA sigue cambiando el panorama.

Gracias por la gran entrevista, los lectores que deseen aprender más sobre esta facultad deben visitar Westcliff University.