Quiénes somos

Un equipo de investigadores internacionales con base en Estados Unidos, que nos fuimos encontrando durante nuestros programas de doctorado. Eso compartimos: la pregunta de qué pasa cuando el sistema de aprendizaje empieza a evaluarse a sí mismo más que al problema que decía estar resolviendo.

Desde ahí nace LeDesign — un intento por construir herramientas que no asuman que el aprendizaje es un recorrido lineal, encapsulado, ni que el rendimiento dentro del sistema equivale a contribución real fuera de él.

LeDefense es la primera plataforma que hacemos pública. Esperamos que les sea útil — y que aporte, aunque sea un poco, a abrir el silo del modelo lineal de enseñanza. Los sistemas actuales tienden a ser altamente lineales y cerrados sobre sí mismos, midiendo el desempeño en sus propios términos más que la contribución al problema que originalmente buscaban resolver. Eso, creemos, instala un sesgo profundo en la educación moderna y occidental, que termina favoreciendo a quienes ya tienen más "libertad" o privilegios dentro del propio sistema.

Si esto te resuena, estamos del mismo lado.

Que LeDefense parta en Chile no es coincidencia. Parte del equipo fundador es chileno, y Chile reúne una combinación poco común: un país pequeño y moderno, con una geografía nítida y un sistema educativo lo bastante centralizado como para que un cambio se note rápido. Para preguntas sobre cómo aprende una sociedad — qué se mide, qué se valora, qué se deja fuera — Chile funciona como un laboratorio honesto.

Hay un precedente incómodo. Durante la dictadura, Chile fue el laboratorio donde la escuela de Chicago — Milton Friedman, los "Chicago Boys" — probó, midió y exportó el neoliberalismo en su versión más pura. De esa historia dos cosas quedan claras: un país pequeño puede convertirse en muestra de algo enorme, y las ideas que entran a ese laboratorio importan, porque después salen al mundo.

Queremos usar esa misma capacidad de Chile como laboratorio, pero en la dirección opuesta: probar si un sistema de aprendizaje puede dejar de premiar a quienes ya entraron con ventaja, y empezar a medirse por la contribución al problema que decía estar resolviendo. Si funciona acá, se puede mostrar a otros.

Usamos modelos de machine learning para que LeDefense funcione — para generar preguntas, comparar respuestas con doctrina, organizar el corpus. No los llamamos “AI” porque esa palabra ya no señala algo preciso: el mismo término cubre un termostato, un modelo de regresión y ChatGPT, dependiendo de quién esté regulando, publicando o vendiendo. Decimos modelos cuando son modelos, LLMs cuando son LLMs, embeddings cuando son embeddings — no por purismo, sino porque la singularización detrás de “la AI” termina favoreciendo a las empresas que la venden y desplazando los problemas concretos que esos modelos sí producen.

Nuestra postura completa, con datos y fuentes, vive en LeResearch · investigaciones sobre AI.