Diagnóstico por asignatura
Estado actual de cada sílabo frente a competencias de IA · 7 semestres · 13 asignaturas
| Asignatura | Sem. | Estado IA | Fortalezas detectadas | Ausencias críticas |
|---|---|---|---|---|
| Fundamentos de Programación | 1° | Neutro | Algoritmos, pseudocódigo, estructuras de control | PSeInt obsoleto vs. Python; sin contexto IA |
| Programación I | 2° | Neutro | POO completo, estructuras de datos, herencia, polimorfismo | Sin pair programming con IA; sin testing unitario automatizado |
| Ing. de Requerimientos | 3° | Sin IA | JAD, SRS/IEEE 830, levantamiento de requisitos | Bibliografía 2005–2015; sin requisitos con IA; sin historias de usuario ágiles |
| Programación II | 3° | Sólido | Estructuras lineales, hashing, complejidad O(n) | Sin aplicación en contexto ML/datos |
| Programación III | 4° | Sólido | Árboles, grafos, backtracking, algoritmos voraces | Sin bibliografía; sin conexión con algoritmos de IA |
| Desarrollo de Software | 4° | Parcial | UML completo, pruebas caja blanca/negra | Sin CI/CD; StarUML 5.0 (2015); sin asistentes IA en flujo de desarrollo |
| Arquitectura de Software | 5° | Sin IA | Estilos arquitectónicos, vistas RUP, IEEE 1471 | Sin microservicios; sin arquitectura para sistemas IA/LLM; sin patrones cloud |
| Bases de Datos I | 5° | Neutro | Modelo relacional, SQL DDL/DML, normalización, CRUD web | Sin bases vectoriales; sin datos para ML; sin observabilidad |
| Programación IV | 5° | Emergente | React, SPA/PWA, REST, Google Cloud mencionado | Sin integración APIs de IA; sin deploy real con CI/CD |
| Sistemas Operativos I | 6° | Neutro | Linux/Windows, bash, servicios de red, VMs | Sin contenedores (Docker); sin orquestación; sin IaC |
| Bases de Datos II | 6° | Emergente | SQL avanzado, NoSQL/MongoDB, administración | Sin pipelines ETL; sin pgvector; sin analytics para IA |
| Ingeniería del Software | 7° | Emergente | DevOps, CI/CD, Agile, cloud, ética de software | Sin IA en SDLC; sin MLOps; sin OWASP LLM Top 10; sin NIST AI RMF |
| Sistemas Operativos II | 7° | Emergente | AWS/Azure/GCP, IoT, cloud computing | Sin IaC; sin SRE/SLO; sin despliegue de modelos ML |
Matriz de brechas
Demanda industria vs. cobertura curricular · CENISOFT Talento Digital 2025 · Stack Overflow Dev Survey 2025
| Área de brecha | Demanda | Cobertura | Urgencia | Acción mínima viable |
|---|---|---|---|---|
| IA / ML aplicado al SDLC | Crítica | Módulo transversal IA en SDLC en Ing. del Software y Desarrollo SW | ||
| Big Data / Analítica de datos | Crítica | Proyecto integrador en BD II: pipeline ETL + calidad + observabilidad | ||
| CI/CD + testing automatizado | Crítica | Lab obligatorio GitHub Actions en Ing. del Software y Desarrollo SW | ||
| Cloud-native + IaC | Crítica | Ampliar SO II + Prog IV: deploy real en cloud con IaC básico (Terraform) | ||
| Ciberseguridad by-design + OWASP LLM | Crítica | Hilo transversal seguridad; OWASP LLM Top 10 en Ing. del Software | ||
| DevOps / SRE (SLO, observabilidad) | Alta | Expandir SO II: SRE, monitoreo, dashboards, post-mortems | ||
| Arquitectura moderna (microservicios) | Alta | Renovar Arquitectura SW: unidad de microservicios y cloud patterns | ||
| Gobernanza IA / ética digital | Media | Unidad gobernanza IA en Ing. del Software (NIST AI RMF, sesgo, responsabilidad) |
Enfoque recomendado
La IA como capa transversal, no como asignatura aislada · Principio rector del modelo de adopción
⚠ El error a evitar: el "módulo de IA" en semestre 8
Crear una asignatura de IA sin reformar el resto produce egresados que saben usar ChatGPT pero no pueden verificar ni desplegar lo que produce. La evidencia (RCT 2025, DORA 2024) muestra que la IA beneficia solo a quienes tienen fundamentos sólidos y verificación rigurosa.
Modelo de tres capas
3
Capa IA transversal — inyectar desde sem. 3
Asistentes IA (Copilot, Cursor), prompt engineering, evaluación de outputs, MLOps básico, gobernanza (NIST AI RMF), OWASP LLM Top 10. Sin nuevas asignaturas: se integra como labs, casos de uso y rúbricas en las asignaturas existentes.
2
Ingeniería moderna — actualizar sem. 4–7
CI/CD práctico, cloud-native, testing automatizado, microservicios, seguridad by-design. Los "guardrails" que hacen la IA útil en producción y previenen deuda técnica acelerada.
1
Núcleo CS — mantener y no reducir
Algoritmos, estructuras de datos, OOP, BD relacional, SO. El marco crítico para evaluar lo que la IA propone. Sin fundamentos sólidos, el egresado no puede detectar código incorrecto o inseguro.
↑
Soporte: CS2023 (ACM/IEEE/AAAI)
Estándar internacional que integra IA y ética como componente elevado. Ancla de acreditación ante ACOFI.
Usar IA como herramienta
El estudiante usa Copilot/Cursor para generar un primer borrador. Aprende que la IA es un punto de partida, no un entregable.
Verificar el output
La rúbrica incluye: ¿detectaste el error lógico? ¿identificaste la vulnerabilidad? ¿pasan las pruebas automatizadas? Verificar es la competencia diferenciadora.
Gobernar el uso
¿Qué datos no enviar a un LLM? ¿Cómo documentas el código generado? ¿Qué responsabilidades tienes como ingeniero firmante? NIST AI RMF como marco.
Diseñar, no solo generar
La IA puede generar código pero NO puede decidir qué sistema construir ni cómo estructurarlo. El diseño arquitectónico sigue siendo tarea del ingeniero.
Hoja de ruta 18–24 meses
Resultados de aprendizaje → pilotos → actualización → integración → formalización
0–3 m
Comité + mapeo RA ↔ demanda CENISOFT
Definir qué Resultados de Aprendizaje nuevos se añaden en cada asignatura. Revisar y actualizar bibliografías (Ing. de Requerimientos tiene referencias de 2005–2015). Documentar brechas priorizadas. Validar con comité curricular.
Ing. Requerimientos ↑ bibliografíaProg III ↑ bibliografía faltante
3–6 m
Pilotos en 2 asignaturas puente
Ing. del Software: lab GitHub Actions (CI/CD real), unidad OWASP LLM Top 10, ejercicio con Copilot + verificación.
Desarrollo de Software: migrar de StarUML 5.0 a herramienta actual + pruebas automatizadas como requisito de entrega.
Desarrollo de Software: migrar de StarUML 5.0 a herramienta actual + pruebas automatizadas como requisito de entrega.
6–12 m
Actualización de sílabos, rúbricas y labs en 5 asignaturas
Arquitectura SW: Unidad V microservicios y cloud patterns, arquitectura para sistemas IA.
Ing. Requerimientos: metodologías ágiles modernas, requisitos con IA.
BD II: pipeline ETL + pgvector.
SO II: IaC básico, contenedores, SRE.
Prog IV: deploy real con CI/CD, APIs de IA desde React.
Ing. Requerimientos: metodologías ágiles modernas, requisitos con IA.
BD II: pipeline ETL + pgvector.
SO II: IaC básico, contenedores, SRE.
Prog IV: deploy real con CI/CD, APIs de IA desde React.
12–18 m
Capstone transversal IA + alianzas empresa
Proyecto integrador sem. 6–7 que combine: requisitos ágiles → diseño microservicios → CI/CD → cloud deploy → pruebas automatizadas → monitoreo. Revisión de código generado por IA como parte obligatoria de rúbrica.
FEDESOFT · CENISOFT · empresas TI Manizales
18–24 m
Formalización curricular y acreditación
Presentar ante comité con evidencia de pilotos. Alinear RA con CS2023 (ACM/IEEE/AAAI). Documentar para ACOFI. Indicadores: % proyectos con CI/CD, % capstone cloud, empleabilidad en roles tech.
Acciones por asignatura
Cambios concretos y accionables · Clasificados por urgencia · Sin eliminar fundamentos
Ing. de Requerimientos · Sem. 3 Urgente
Actualizar bibliografía completa (2005→2024+). Añadir: historias de usuario en Agile, validación automatizada, levantamiento con IA. Incorporar herramientas actuales (Jira, Notion, Linear). Caso práctico: SRS clásico vs. backlog ágil.
Desarrollo de Software · Sem. 4 Urgente
Migrar de StarUML 5.0 (2015, discontinuado) a herramienta vigente (PlantUML, Lucidchart). Lab: TDD básico — escribir pruebas antes de codificar. Añadir: pair programming con asistente IA + review con rúbrica de seguridad. Caso: detectar errores en código generado por IA.
Arquitectura de Software · Sem. 5 Urgente
Añadir Unidad V: microservicios, event-driven, serverless y arquitecturas para IA/ML. Patrones cloud (12-factor app, CQRS, saga). Caso central: diseñar arquitectura para un sistema que consuma un LLM — decisiones de latencia, costo, seguridad, fallback, rate limiting.
Ingeniería del Software · Sem. 7 Urgente · Mayor potencial
(1) Lab GitHub Actions: pipeline CI/CD completo con pruebas, linting y deploy.
(2) Unidad OWASP LLM Top 10 + NIST AI RMF.
(3) Ejercicio: Copilot/Cursor → generar → auditar con rúbrica → iterar.
(4) MLOps básico: despliegue y monitoreo de modelo en cloud.
(5) Ética de IA: sesgo algorítmico, responsabilidad del ingeniero firmante.
(2) Unidad OWASP LLM Top 10 + NIST AI RMF.
(3) Ejercicio: Copilot/Cursor → generar → auditar con rúbrica → iterar.
(4) MLOps básico: despliegue y monitoreo de modelo en cloud.
(5) Ética de IA: sesgo algorítmico, responsabilidad del ingeniero firmante.
Programación IV · Sem. 5 Alta
Hacer real lo teórico: deploy con GitHub Actions → Vercel/Railway. Añadir: consumo de APIs de IA (OpenAI, Anthropic, Gemini) desde React. Lab: integrar asistente en la app capstone. Seguridad en APIs: manejo de claves, CORS, rate limiting.
Bases de Datos II · Sem. 6 Alta
Añadir unidad datos para IA: pipelines ETL básicos (Python + pandas/dbt), calidad de datos, bases vectoriales (pgvector en PostgreSQL). Proyecto: pipeline que alimente un modelo de clasificación simple. Observabilidad de datos y data lineage.
Sistemas Operativos II · Sem. 7 Alta
Ampliar cloud: IaC básico (Terraform/Pulumi). Contenedores: Docker + orquestación básica (ECS o Cloud Run). Añadir SRE: SLO/SLI, alertas, dashboards, post-mortem estructurado. Caso: desplegar y monitorear app con integración IA en cloud pública.
Fundamentos + Prog. I–III · Sem. 1–4 Mantener núcleo
No modificar estructura central — estos cursos son el activo más valioso del programa. Cambio mínimo sugerido: evaluar migración de PSeInt a Python en Fundamentos. En Prog. I añadir ejercicio optativo: "este código fue generado por IA — encuentra los errores". El objetivo es criterio crítico, no habilidad de generación.
Glosario de términos
54 siglas y términos técnicos identificados en las presentaciones de análisis curricular