Tabla de contenido
Investigación en IA en la universidad: el caso Morgan State
Morgan State construye un campus de investigación en IA con Google. Los umbrales de la clasificación R1 vuelven verificable la meta, y son muy concretos.
Se está construyendo un campus de investigación en IA en la universidad Morgan State, en Baltimore, y el dato más útil es un número que casi nadie cita. El 23 de septiembre de 2026 se anunció una alianza con Google Public Sector para construir ese campus, dando a profesores y estudiantes cómputo GPU de alto desempeño a través del Programa de Investigación Acelerada de Google, con la meta declarada de alcanzar la clasificación Carnegie R1. R1 no es reputación. Es un umbral publicado: $50 millones de gasto en investigación y desarrollo y al menos 70 doctorados de investigación otorgados. Eso vuelve verificable un anuncio.
Puntos clave
- R1 exige $50 millones de gasto en I+D y al menos 70 doctorados de investigación. R2 exige $5 millones y 20. Son umbrales publicados, no juicios de prestigio.
- La alianza aporta cómputo GPU, que es el cuello de botella de arriba. Sin cómputo, una universidad no puede producir la investigación que genera el gasto que califica para R1.
- El cómputo donado o con descuento no es automáticamente gasto en investigación. Si cuenta para los $50 millones es una pregunta contable que vale hacer.
- La clasificación de investigación determina si los estudiantes de licenciatura pueden tener plazas pagadas de investigación, y eso es lo que le llega a un chico de 15 eligiendo universidad.
- Montar un programa de investigación sobre la nube de una sola empresa crea dependencia. Es un intercambio, no un escándalo, y vale nombrarlo.
Qué se anunció
Un campus de investigación, en este contexto, es capacidad institucional más que edificios: cómputo, plazas académicas, financiamiento de posgrado y el aparato administrativo para ganar y gestionar fondos.
La entrada del 23 de septiembre de 2026 del rastreador de políticas de IA en educación reporta que Morgan State University se alió con Google Public Sector para construir un campus de investigación en IA, con la colaboración dando a profesores y estudiantes cómputo GPU de alto desempeño a través del Programa de Investigación Acelerada de Google, y anota que la universidad aspira a alcanzar la clasificación Carnegie R1.
La propia sala de prensa de Morgan State no traía esa nota en la página servida al momento de revisarla, lo normal semanas después en la portada de una universidad. Sí listaba entre sus eventos un Google HBCU RISE Summit para el 5 de octubre de 2026, lo que corrobora de forma independiente una relación activa con Google.
Por qué R1 es el número que importa
Acá está la parte que convierte un anuncio en una afirmación medible.
La Clasificación Carnegie de Instituciones de Educación Superior publica designaciones de actividad de investigación con umbrales explícitos para 2025. R1, etiquetada “Research 1: muy alto gasto y producción de doctorados”, exige gastar al menos “$50 millones en investigación y desarrollo” y otorgar “al menos 70 doctorados de investigación”. R2 exige al menos $5 millones y al menos 20 doctorados.
De ahí salen dos cosas de inmediato. Primero, “aspira a R1” es una afirmación falsable con tablero de resultados, que es más de lo que ofrece la mayoría de los anuncios universitarios. Segundo, la distancia entre R2 y R1 es un orden de magnitud en gasto y más del triple en doctorados. Es un proyecto institucional de una década, no un empujón de dos años.
| Designación | Umbral de gasto en I+D | Doctorados de investigación | Qué significa para un estudiante de licenciatura |
|---|---|---|---|
| R1 | Al menos $50 millones | Al menos 70 | Muchos laboratorios con fondos; hay plazas pagadas para licenciatura |
| R2 | Al menos $5 millones | Al menos 20 | Algunos laboratorios con fondos; la experiencia existe pero compite con la carga docente |
| Research Colleges and Universities | Por debajo del umbral de R2 | Pocos o ninguno | La investigación es iniciativa del profesor y suele no tener fondos |
Esa columna de la derecha es la razón por la que un papá debería mirar esto. Una plaza pagada de investigación en licenciatura suele ser lo que convierte a un chico interesado de 19 años en estudiante de posgrado, y que esas plazas existan depende en gran medida de cuánto financiamiento externo entra a la institución.
Por qué el cómputo GPU es el cuello de botella, mecánicamente
Este es el núcleo técnico, y es más interesante que el lenguaje del comunicado.
Entrenar o ajustar un modelo moderno requiere grandes cantidades de cómputo en paralelo, lo que en la práctica significa racimos de GPU. Los chips son caros, hay escasez y se depregian rápido. Una universidad que no puede ofrecer cómputo no puede albergar investigadores de IA, porque un investigador sin cómputo no produce resultados, y sin resultados no gana los fondos que cuentan como gasto en investigación.
Entonces la cadena causal va así: el cómputo habilita investigación, la investigación gana fondos, los fondos cuentan como gasto en I+D, y el gasto más los doctorados producen clasificación. El cómputo está en la cabeza de esa cadena. Una alianza que entrega acceso a GPU está atacando el cuello de botella de arriba en lugar de la métrica de abajo, que es el orden correcto.
Ahora la complicación honesta. El cómputo donado o con descuento puede no contar como gasto institucional en investigación de la misma forma que un fondo federal, porque la contabilidad de gasto suele seguir el dinero que la institución eroga. Si un socio aporta cómputo en especie, la investigación se hace y la línea de gasto puede no moverse en proporción. Esa es una pregunta contable con respuesta real, y es exactamente lo que una oficina de investigación puede aclarar.
¿Y en América Latina?
Acá la pregunta no es si hay un campus de IA. Es la misma de fondo, y por suerte la región también tiene umbrales publicados y verificables, solo que casi ningún papá sabe que existen.
En México, el Sistema Nacional de Investigadoras e Investigadores del CONAHCYT clasifica a los investigadores por nivel. En Colombia, Minciencias clasifica grupos de investigación por categoría y a los investigadores como junior, asociado o sénior. En Argentina, el CONICET tiene categorías de carrera de investigador. En Chile, la ANID financia la investigación competitiva. En Perú, el registro RENACYT ordena a los investigadores por niveles. Todo eso es público.
Por lo tanto, el equivalente latinoamericano de “revisa la clasificación Carnegie” es: revisa cuántos investigadores reconocidos tiene el departamento y en qué nivel. Es una búsqueda de diez minutos, es gratis y predice mucho mejor que cualquier ranking si tu hijo va a poder hacer investigación de verdad en esa carrera. Si una facultad presume un “laboratorio de inteligencia artificial” y no tiene investigadores en el sistema nacional, el laboratorio es un salón con computadoras.
Dos cosas más que cambian el cálculo en la región:
El cómputo también es el cuello de botella, y existe más de lo que parece. Hay infraestructura real de cómputo de alto desempeño en universidades públicas de la región, como la supercomputadora de la UNAM en México y el laboratorio nacional de computación de alto rendimiento alojado en la Universidad de Chile. No está al nivel de un racimo de GPU moderno para entrenar modelos grandes, y sirve para muchísima investigación. La pregunta concreta para una carrera es si los estudiantes tienen acceso y por qué vía.
La dependencia de la nube comercial es más aguda acá, no menos. Para un laboratorio en Bogotá, Lima o Guadalajara, la ruta realista al cómputo son los programas de créditos de investigación de Google, AWS o Microsoft, igual que para Morgan State, pero sin alternativa pública comparable. Eso no es razón para rechazarlos: es razón para preguntar por el plazo, por quién es dueño del trabajo resultante y qué pasa con una investigación en curso si cambian las condiciones. Lo mismo aplica al becario que publica su tesis con esos créditos.
El argumento de acceso, dicho con cuidado
El caso de equidad acá es estructural más que estadístico, y es más fuerte por ser específico.
La clasificación de investigación moldea tres cosas que determinan quién se vuelve investigador: a qué profesores puede atraer y retener una institución, a cuántos estudiantes de posgrado puede financiar, y qué tan competitiva es para fondos. Cambia la clasificación y cambia quién recibe un salario por hacer ciencia.
Hay un patrón relacionado en cómo los jóvenes ya llegan a estas herramientas, y complica la historia simple. La encuesta del Pew Research Center a 1,391 adolescentes estadounidenses, levantada entre el 18 de septiembre y el 10 de octubre de 2024, encontró un 26% de uso de ChatGPT para tareas escolares, con 31% entre adolescentes negros y 31% entre hispanos contra 22% entre blancos. El uso no es el recurso escaso. Lo escaso es el camino de usar un modelo a construir uno, y ese camino pasa por plazas pagadas de investigación en instituciones con cómputo. Lo vemos desde el lado escolar en la brecha de acceso a la IA.
Qué hacer en casa
Revisa la clasificación antes del ranking
Para una universidad estadounidense, la designación Carnegie. Para una de la región, cuántos investigadores en el sistema nacional tiene el departamento y en qué nivel. Las dos búsquedas toman minutos y predicen oportunidad de investigación mejor que el prestigio.
Haz una sola pregunta sobre cómputo en admisiones
“¿Los estudiantes de licenciatura tienen acceso a cómputo GPU, y por qué vía?” Cualquier institución seria con educación en IA responde con especificidad. Una respuesta vaga significa que tu hijo va a aprender sobre modelos en lugar de entrenarlos.
Separa “usar IA” de “construir IA” en tu planeación
Lo primero ya es universal y no es una carrera por sí mismo. Lo segundo requiere matemáticas, programación y acceso a cómputo, más o menos en ese orden. En carrera IA global y el futuro competitivo de tus hijos desarrollamos cómo se ve ese camino desde la región.
Sigue capacidad, no anuncios
Las alianzas se anuncian todo el tiempo. La capacidad aparece en gasto de investigación publicado, en doctorados otorgados y en investigadores registrados. Seguir la segunda lista es más lento y mucho más informativo.
Lo que no debes hacer
No leas una meta de clasificación como una clasificación. Morgan State aspira a R1; no ha sido designada R1, y los umbrales involucrados hacen de la meta un proyecto largo. Tratar una aspiración como un logro no le hace ningún favor a la institución.
Qué observar en los próximos 3 meses
- Semana 4: fíjate en los detalles de la asignación del programa de investigación acelerada. Lo útil es cuánto cómputo, por cuánto tiempo, y si incluye a estudiantes de licenciatura o solo a profesores y posgrado.
- Señales de alerta en el mes 2: cobertura que describa a la universidad como “ya R1”. Cualquier anuncio donde el acceso a cómputo se describa sin plazo. Alianzas anunciadas sin preguntas de investigación nombradas.
- Autoevaluación del mes 3: ¿puedes nombrar la clasificación de investigación, o el número de investigadores registrados, de las tres universidades que más le interesan a tu hijo? Tres datos públicos, más predictivos que cualquier ranking.
Preguntas frecuentes
¿Cuáles son los requisitos de Carnegie R1?
Las designaciones de 2025 exigen al menos $50 millones de gasto en investigación y desarrollo y al menos 70 doctorados de investigación otorgados para R1. R2 exige al menos $5 millones y al menos 20 doctorados.
¿Morgan State ya es R1?
No. El anuncio del 23 de septiembre de 2026 describe la alianza con Google Public Sector y declara que la universidad aspira a alcanzar R1. Dados los umbrales, es una meta institucional de largo plazo y no una designación inminente.
¿Por qué importa tanto el acceso a GPU?
Porque la investigación moderna en IA requiere mucho cómputo en paralelo. Sin cómputo no hay resultados; sin resultados no hay fondos; y el gasto más los doctorados son lo que determina la clasificación.
¿El cómputo donado cuenta para los $50 millones?
Esa es la pregunta contable que vale hacer. El gasto en investigación normalmente sigue el dinero que eroga la institución, así que el cómputo en especie puede hacer avanzar la investigación sin mover la cifra de gasto en proporción.
¿Existe un equivalente verificable en mi país?
Sí. Los sistemas nacionales de investigadores y las clasificaciones de grupos de investigación son públicos: el sistema nacional del CONAHCYT en México, las categorías de Minciencias en Colombia, las carreras del CONICET en Argentina y el registro RENACYT en Perú. Revisar cuántos investigadores registrados tiene un departamento es el equivalente práctico.
¿Es un problema depender de la nube de una sola empresa?
Es un intercambio que casi todas las universidades aceptan hoy, y en América Latina es más agudo porque no hay alternativa pública comparable. Lo que importa es el plazo, de quién es el trabajo resultante y qué pasa con una investigación en curso si cambian las condiciones.
Sobre el autor
Ricky Flores es el fundador de HiWave Makers e ingeniero eléctrico con más de 15 años de experiencia desarrollando tecnología de consumo en Apple, Samsung y Texas Instruments. Escribe sobre cómo los niños aprenden a construir, pensar y crear en un mundo saturado de tecnología. Lee más en hiwavemakers.com.
Fuentes
- Pursuit. (2026). “AI in Education: News, Policies, Innovations” (entrada del 23 de septiembre de 2026). https://www.pursuit.us/news/ai-in-education-news-policies-innovations
- American Council on Education. (2025). “2025 Research Activity Designations.” Carnegie Classification of Institutions of Higher Education. https://carnegieclassifications.acenet.edu/carnegie-classification/classification-methodology/2025-research-activity-designations/
- Morgan State University. (2026). “Morgan In The News” y listado de eventos, incluido el Google HBCU RISE Summit del 5 de octubre de 2026. https://www.morgan.edu/news
- Sidoti, O., Park, E., y Gottfried, J. (15 de enero de 2025). “About a quarter of U.S. teens have used ChatGPT for schoolwork — double the share in 2023.” Pew Research Center. https://www.pewresearch.org/short-reads/2025/01/15/about-a-quarter-of-us-teens-have-used-chatgpt-for-schoolwork-double-the-share-in-2023/
- Nickow, A., Oreopoulos, P., y Quan, V. (julio de 2020). “The Impressive Effects of Tutoring on PreK-12 Learning: A Systematic Review and Meta-Analysis of the Experimental Evidence.” NBER Working Paper 27476. https://www.nber.org/papers/w27476
- UNESCO. (2024). “AI Competency Framework for Students.” https://www.unesco.org/en/articles/ai-competency-framework-students
- National Center for Education Statistics. (2025). Resultados de la evaluación de tendencia a largo plazo de NAEP. The Nation’s Report Card. https://www.nationsreportcard.gov/
