Saludo Inicial: Dra. Ania Cravero – Presidenta SCCC

Premios y reconocimientos
Trayectorias que dejan huella
Investigadores de nuestra comunidad distinguidos por sus contribuciones científicas.

• Premio ACM Luiz André Barroso Award 2025: Ricardo Yates
• Premio Test of Time Award y nombramiento como Fellow de la ISCB: Gonzalo Navarro
• Premio Alonzo Church 2026: Pablo Barceló, Juan Reutter, Domagoj Vrgoč y Miguel Romero
  • Pablo Barceló
  • Juan Reutter

Información destacada internacional
SCCC en perspectiva internacional
Vínculos, colaboraciones y temas que conectan nuestra comunidad con el escenario global.

• Entrevista a Cristina Cachero

Workshops JCC 2026
Espacios para las ideas que vienen
Los chairs de los workshops presentan sus objetivos, desafíos y aportes a JCC 2026.

• Workshop en Astroinformática (AstroInfo)
• II Workshop en Realidad Extendida y Videojuegos (WsVj)
• Avances en Algoritmos y Estructuras de Datos (AED)
• Ciberseguridad centrada en Personas e IA: Desafíos, Métodos y Aplicaciones (HCC-AI)
• Workshop Chileno de Computación Cuántica e Ingeniería de Software Cuántico (QCQSE-Chile)

Noticias de socios y socias
Nuestra comunidad en movimiento
Logros, actividades, proyectos y novedades de quienes integran la SCCC.

• Publicación del libro de Ricardo Barrientos

los objetivos y la relevancia de estos encuentros; y una selección de noticias de nuestros socios y socias, reflejo de una comunidad activa, colaborativa y con una creciente proyección nacional e internacional.

Como Sociedad, seguiremos promoviendo la colaboración, la difusión del conocimiento y la visibilidad de quienes contribuyen al desarrollo de nuestra disciplina. Esperamos que este boletín permita conocer nuevas iniciativas, fortalecer vínculos y reconocer los logros que continúan posicionando a nuestra comunidad.

Reciban un cordial saludo,

Ania Cravero
Presidenta
Sociedad Chilena de Ciencia de la Computación

Durante este año, un destacado grupo de investigadores chilenos y vinculados a la comunidad nacional de ciencia de la computación recibió importantes reconocimientos internacionales. Estas distinciones valoran la calidad, continuidad e impacto de sus contribuciones en áreas como algoritmos, recuperación de información, bioinformática, lógica computacional y bases de datos.

Cada uno de estos premios refleja una trayectoria construida a partir de la investigación rigurosa, la colaboración y la formación de nuevas generaciones. A continuación, presentamos a los investigadores reconocidos y los invitamos a conocer, a través de sus propios relatos, el trabajo, las experiencias y las ideas que han marcado sus carreras.

SCCC en perspectiva internacional

Vínculos, colaboraciones y temas que conectan nuestra comunidad con el escenario global.

En esta edición conversamos con Cristina Cachero, reconocida académica e investigadora española en el ámbito de la Ingeniería del Software e integrante de la comisión de SISTEDES. Su trayectoria se ha caracterizado por una sólida contribución a la investigación, la docencia y el desarrollo de soluciones orientadas a mejorar los procesos, métodos y herramientas de construcción de software.

En la entrevista, Cristina comparte su visión sobre los principales avances y desafíos que enfrenta actualmente la disciplina, con especial atención al impacto de la inteligencia artificial generativa en la Ingeniería del Software. Sus reflexiones permiten comprender cómo estas tecnologías están transformando la práctica profesional, la investigación y la formación de nuevas generaciones de especialistas.

Espacios para las ideas que vienen

Los chairs de los workshops presentan sus objetivos, desafíos y aportes a JCC 2026.

En el marco de las Jornadas Chilenas de Computación 2026, los workshops constituyen espacios especializados para abordar temas emergentes, compartir resultados de investigación y fortalecer la colaboración entre académicos, profesionales y estudiantes. Esta edición contempla encuentros dedicados a áreas como realidad extendida y videojuegos, astroinformática, inferencia causal, computación cuántica, reconocimiento de patrones, ciberseguridad y algoritmos.

Para conocer con mayor profundidad estas iniciativas, entrevistamos a los chairs principales de cada workshop. En sus testimonios, presentan los objetivos de estos encuentros, explican su relevancia para la comunidad científica y destacan la importancia de integrarlos en JCC 2026 como espacios de discusión, formación y generación de nuevas redes de colaboración.

Nuestra comunidad en movimiento

Logros, actividades, proyectos y novedades de quienes integran la SCCC.

En esta edición conversamos con Cristina Cachero, reconocida académica e investigadora española en el ámbito de la Ingeniería del Software e integrante de la comisión de SISTEDES. Su trayectoria se ha caracterizado por una sólida contribución a la investigación, la docencia y el desarrollo de soluciones orientadas a mejorar los procesos, métodos y herramientas de construcción de software.

En la entrevista, Cristina comparte su visión sobre los principales avances y desafíos que enfrenta actualmente la disciplina, con especial atención al impacto de la inteligencia artificial generativa en la Ingeniería del Software. Sus reflexiones permiten comprender cómo estas tecnologías están transformando la práctica profesional, la investigación y la formación de nuevas generaciones de especialistas.

El impacto de la inteligencia artificial generativa en la docencia universitaria es enorme y afecta a todos los niveles: al estudiantado, al profesorado, al diseño de las asignaturas, a la evaluación y, en última instancia, a la propia idea de qué significa aprender en la universidad.

En el caso del estudiantado, la IA generativa ya está transformando la manera en que estudian, resuelven dudas, se enfrentan al error y producen contenidos académicos.

Las encuestas recientes muestran un uso de estas herramientas entre estudiantes universitarios que supera el 90%.

Esta transformación tiene un potencial extraordinario. Por primera vez, muchos estudiantes tienen acceso a una especie de tutor permanente, disponible a cualquier hora, capaz de explicar conceptos, generar ejemplos, reformular contenidos, proponer ejercicios o ayudarles a revisar sus propias respuestas.

Bien utilizada, la IA generativa puede empoderar mucho al alumnado, especialmente cuando se usa para comprender mejor, contrastar ideas, recibir feedback o avanzar más allá de lo que el estudiante habría podido hacer solo.

Pero ese mismo potencial viene acompañado de riesgos importantes. La IA generativa reduce la fricción cognitiva: facilita empezar, continuar y terminar una tarea. Y eso, en educación, exige mucha cautela, porque una parte esencial del aprendizaje se produce precisamente en esa fricción: cuando el estudiante se bloquea, prueba una estrategia, se equivoca, corrige, compara alternativas y acaba construyendo conocimiento propio.

Cuando la IA se utiliza como atajo, y no como herramienta de aprendizaje, puede desplazar ese esfuerzo cognitivo y debilitar las competencias que sostienen el aprendizaje profundo.

El riesgo más preocupante es que genere una falsa sensación de competencia: el estudiante siente que domina una materia porque logra producir buenos resultados con ayuda de la IA, pero no siempre es consciente de hasta qué punto depende de ella. Esa distancia entre el rendimiento aparente y el aprendizaje real suele hacerse visible demasiado tarde, por ejemplo, el día del examen o ante una tarea sin asistencia. Muchos docentes nos estamos encontrando ya con estudiantes que han entregado ejercicios aparentemente correctos durante el curso, pero que, ante una hoja en blanco, no saben siquiera cómo empezar. El problema, por tanto, no es que usen IA. El problema es que la usen para sustituir el proceso de aprendizaje, en lugar de usarla para hacerlo más profundo, más crítico y más consciente.

Por eso la respuesta no puede ser simplemente prohibir ni tampoco aceptar cualquier uso sin criterio.

La respuesta pasa por enseñar explícitamente a usar la IA generativa de forma académica, ética y crítica. Tenemos que ayudar al alumnado a formular buenas preguntas, verificar respuestas, detectar errores, reconocer sesgos, contrastar fuentes y entender qué usos de la IA favorecen el aprendizaje y cuáles lo empobrecen.

Usar bien la IA no debería significar que haga por ti lo que ya podrías hacer solo, sino que te ayude a llegar más lejos: a pensar mejor, revisar mejor, argumentar mejor y aprender más.

Naturalmente, la forma de trabajar esto no puede ser igual en todas las asignaturas. Depende del área de conocimiento, del nivel del alumnado, de los objetivos de aprendizaje y del diseño instruccional de cada materia.

En mis clases, por ejemplo, he incorporado actividades que podríamos llamar “laboratorios sin asistencia digital”: sesiones en las que el alumnado trabaja sin acceso a Internet ni a herramientas de IA en tareas similares a las que ya ha realizado antes.

No las planteo como una sanción, sino como un ejercicio de autodiagnóstico. La idea es que cada estudiante pueda comprobar qué sabe hacer realmente, en qué momentos depende demasiado de la herramienta y qué competencias necesita reforzar. Ese contraste es muy valioso, porque convierte el uso de la IA en una oportunidad para aprender mejor, no en una forma de ocultar lagunas de aprendizaje.

El impacto sobre el profesorado es igualmente profundo. La IA generativa nos permite crear, adaptar y diversificar materiales docentes con una rapidez impensable hace pocos años: casos prácticos, ejercicios graduados, simulaciones, ejemplos personalizados, actividades de refuerzo o propuestas de evaluación. Un profesor con criterio pedagógico puede ahora llevar mucho más lejos sus ideas docentes.

Pero esto también cambia nuestro rol.

El profesorado universitario ya no puede limitarse a ser transmisor de información. Cada vez más, nuestro papel se parece al de un diseñador de experiencias de aprendizaje: alguien que decide qué debe hacer el estudiante, con qué apoyos, con qué restricciones, con qué evidencias y con qué criterios de evaluación.

También somos guías críticos y evaluadores del proceso, no solo del producto final.

Y aquí la palabra “proceso” es fundamental. Si evaluamos únicamente el resultado final —un texto, un programa, una presentación o un informe—, cada vez será más difícil saber qué ha aprendido realmente el estudiante y qué parte ha delegado en la IA.

Por eso ganan importancia las defensas orales, los borradores sucesivos, las reflexiones críticas, la justificación de decisiones, la trazabilidad del trabajo y las evidencias intermedias.

No se trata de controlar al alumnado de forma obsesiva, sino de desplazar la evaluación hacia aquello que verdaderamente importa: cómo piensa, cómo decide, cómo corrige y cómo aprende.

La IA generativa también abre una oportunidad importante para mejorar el seguimiento del aprendizaje. Combinada con datos del proceso educativo, puede ayudarnos a detectar dificultades, ofrecer feedback más personalizado y comprender mejor cómo progresa cada estudiante. Pero esto debe hacerse con garantías: con criterios pedagógicos claros, respeto a la privacidad, transparencia y supervisión humana.

En definitiva, creo que la IA generativa está actuando como un espejo incómodo: señala algo que ya estaba ahí, pero que nos costaba reconocer. Muchos de los problemas de la docencia y la evaluación universitaria no son nuevos: clases demasiado centradas en la transmisión, evaluaciones excesivamente superficiales, asignaturas que dependen casi por completo de un examen final, falta de feedback personalizado o trabajos académicos que a veces miden más la capacidad de producir un resultado que la profundidad del aprendizaje.

No se trata de culpar al profesorado. Muchas veces trabajamos con grupos numerosos, poco tiempo, una carga administrativa enorme y estudiantes con niveles de motivación muy distintos.

Pero la IA generativa ha hecho mucho más difícil mirar hacia otro lado. Nos está obligando a preguntarnos qué merece la pena enseñar, cómo se aprende de verdad y qué evidencias necesitamos para saber que un estudiante ha aprendido. Esa conversación puede ser incómoda, pero también es una oportunidad extraordinaria para mejorar la docencia universitaria.

Es fundamental. En todas las universidades hay profesorado con liderazgo tecnológico y pedagógico, pero muchas veces está disperso en departamentos, áreas o asignaturas que funcionan como silos. Si no existen espacios institucionales de encuentro, ese conocimiento queda aislado y se desaprovecha.

Las comisiones, los lineamientos y los espacios de reflexión permiten identificar y visibilizar a esas personas, compartir experiencias y crear comunidad. No se trata solo de transmitir pequeñas soluciones aplicables a otros contextos, sino de abrir debates, conectar disciplinas y aprender colectivamente de lo que funciona y también de lo que falla.

La IA generativa avanza tan rápido que es muy difícil mantenerse al día en solitario. Necesitamos comunidades académicas que acompañen, contrasten experiencias y generen criterios comunes.

Y necesitamos también apoyo institucional: el profesorado debe sentir que su esfuerzo de mejora docente se reconoce y se valora. Todo ello debe articularse dentro de un marco ético común, suficientemente claro para orientar la acción y suficientemente flexible para respetar la diversidad de titulaciones, disciplinas y sensibilidades.

Yo priorizaría cuatro líneas de trabajo. La primera es crear comunidades de práctica estables entre el profesorado.

La integración responsable de la IA generativa no puede depender solo del esfuerzo individual de cada docente. Necesitamos espacios periódicos, ágiles y cercanos donde compartir experiencias, herramientas, dudas y también fracasos.

En mis cursos suelo proponer una idea sencilla: comunidades de práctica en formato “cafeterIA”, es decir, encuentros semanales de no más de media hora en los que alguien presenta una herramienta, cuenta una experiencia, plantea una inquietud o abre un pequeño debate, mientras todos se toman un café. Pueden ser en formato presencial u online.

Este tipo de espacios no son solo encuentros informales; son mecanismos de aprendizaje entre iguales. Permiten que el conocimiento circule, que el profesorado aprenda a partir de situaciones reales y que las buenas prácticas no se queden encerradas en una asignatura, un departamento o una escuela. Además, cuando se organizan por área, titulación o disciplina, ayudan a responder una pregunta esencial:

cómo está afectando la IA a cada campo profesional concreto. Esa respuesta no puede ser igual en informática, medicina, derecho, educación, comunicación o ingeniería.

Este conocimiento debería trasladarse al alumnado desde el primer momento, porque forma parte de la realidad laboral que se va a encontrar al salir de la universidad.

En informática, por ejemplo, cada vez más ofertas y entornos profesionales esperan que los egresados sepan construir software con ayuda de herramientas de IA.

Sin embargo, esa competencia todavía no siempre se enseña de forma explícita en las asignaturas. Y aquí hay una cuestión de fondo: no basta con decir al alumnado que use o no use IA; tenemos que enseñarle cómo está transformando su disciplina, qué competencias nuevas exige y qué riesgos profesionales, éticos y técnicos debe saber gestionar.

El grado de impacto de la IA en cada disciplina debería ayudarnos a decidir cuál es el formato más adecuado para integrarla en la docencia. En algunos casos puede tener sentido una asignatura transversal; en otros, incorporar temas específicos dentro de determinadas asignaturas; en otros, diseñar actividades vinculadas a competencias concretas; y en otros, organizar charlas periódicas con profesionales del sector que expliquen cómo la IA está cambiando su trabajo. Lo importante es que la universidad no trate la IA como un añadido superficial, sino como una transformación que afecta a la formación profesional de su alumnado.

La segunda prioridad es que la universidad articule comunidades más amplias, capaces de conectar disciplinas.

Los espacios específicos por área son muy útiles, pero también necesitamos lugares donde se crucen miradas distintas: ingeniería, salud, humanidades, educación, derecho, ciencias sociales. La IA generativa plantea problemas comunes, pero sus usos y riesgos no son idénticos en todas las titulaciones.

Por eso hacen falta espacios institucionales que permitan compartir conocimiento, coordinar criterios y diseñar formación adaptada a necesidades reales.

La tercera prioridad es la transparencia. Debemos contar con guías comunes sobre cómo declarar, documentar y justificar el uso de la IA en los procesos formativos. Esto forma parte del uso ético y responsable de estas herramientas.

En mis asignaturas, por ejemplo, el primer día de clase planteo un debate con el alumnado sobre qué usos de la IA estarán permitidos, cuáles no y por qué. Evidentemente, no puedo controlar todo lo que harán después, pero ese no es el objetivo principal.

Lo importante es que entiendan que las normas no son arbitrarias: buscan proteger su proceso de aprendizaje y ayudarles a usar la IA con criterio.

La cuarta prioridad es avanzar hacia soluciones tecnológicas propias o compartidas dentro del sistema universitario.

Estamos llegando a un punto en el que empieza a ser viable utilizar modelos de pesos abiertos o infraestructuras controladas por las propias instituciones para muchos usos formativos. Esto permitiría adaptar mejor las herramientas a las necesidades docentes, proteger mejor los datos y reducir la dependencia de plataformas externas.

El reto es que estas iniciativas requieren agilidad, actualización constante y coordinación, y nuestras instituciones no siempre están preparadas para moverse a la velocidad a la que evoluciona la IA. Precisamente por eso conviene empezar cuanto antes.

La Sociedad Chilena de Ciencia de la Computación destaca la reciente publicación de Python y Computación Paralela, obra escrita por Ricardo J. Barrientos, académico de la Universidad Católica del Maule. El libro busca contribuir a la formación de estudiantes, docentes y profesionales interesados en programación paralela y computación de alto rendimiento. 

La publicación nació a partir de una dificultad concreta identificada por su autor: la escasez de documentación clara y suficientemente ejemplificada sobre computación paralela utilizando Python. Según explica Barrientos en el prefacio, incluso contando con experiencia en el área, debió desarrollar y probar numerosos ejercicios para verificar el funcionamiento correcto de distintos objetos, métodos, funciones y variables.

“Tengo la convicción de que este libro será un aporte para la docencia en el área de Computación de Alto Rendimiento, y un pequeño grano de arena más en este mundo de permanente crecimiento en información y conocimiento”, señala el autor en el prefacio.

El libro fue desarrollado con una orientación principalmente docente. Su propósito no es solo permitir que las personas lectoras aprendan los contenidos, sino también entregar una base que pueda ser utilizada por académicos y académicas para enseñar computación paralela mediante Python.

La obra incorpora explicaciones detalladas y ejemplos orientados a la implementación de programas multiproceso capaces de aprovechar los distintos núcleos de un procesador. Asimismo, aborda mecanismos para compartir datos, sincronizar procesos y establecer comunicación mediante el envío de mensajes.

Uno de sus elementos distintivos es el cuidado puesto en la presentación de los códigos. Las funciones, los métodos, las palabras reservadas del lenguaje y los comentarios aparecen diferenciados visualmente, con el propósito de facilitar su lectura y comprensión. Además, los ejemplos pueden descargarse para su ejecución y han sido probados utilizando Python 3.

La estructura del libro comienza con una introducción progresiva a la programación en Python, permitiendo que lectores con distintos niveles de experiencia puedan construir una base común antes de abordar los contenidos de paralelismo.

Entre los temas iniciales se incluyen:

• estructura de un programa y uso de módulos o bibliotecas;
• indentación, comentarios, variables y constantes;
• tipos de datos y operaciones;
• estructuras de control if-else, while y for;
• ciclos anidados y ejercicios de aplicación;
• cadenas de caracteres;
• medición de tiempos de ejecución;
• estructuras como listas, conjuntos y diccionarios;
• funciones y manejo de excepciones.

Esta organización refuerza el carácter formativo de la obra, ya que acompaña al lector desde los fundamentos del lenguaje hasta los conceptos necesarios para comprender y desarrollar soluciones de computación paralela.

El prólogo fue escrito por César Alejandro Astudillo Hernández, presidente de la Asociación Chilena de Reconocimiento de Patrones, ACHIRP. En él se destaca la relevancia de disponer de textos académicos de excelencia escritos en español y elaborados por integrantes de la comunidad científica nacional.

El prólogo también valora el enfoque pragmático del libro, la posibilidad de descargar y ejecutar los códigos, y el uso de tecnologías de código abierto. Estos elementos favorecen el acceso al conocimiento y fortalecen la formación de profesionales capaces de comprender las arquitecturas y mecanismos que sustentan el procesamiento paralelo de datos.

La publicación representa, además, una invitación a incorporar la experiencia de especialistas nacionales en la formación de nuevas generaciones y a fortalecer la enseñanza de la computación paralela en programas de pregrado y postgrado.

El libro se encuentra disponible en los siguientes sitios:

• Sitio oficial de Python y Computación Paralela
• Buscalibre
• Librería Antártica
• Bookhunters

Autor: Ricardo J. Barrientos
Afiliación: Universidad Católica del Maule
Título: Python y Computación Paralela
ISBN: 978-956-406-688-2

Mi línea de investigación no ha consistido en un solo tema, ha ido cambiando en el tiempo. Primero fue análisis de algoritmos y después diseño de algoritmos de búsqueda en texto, lo que naturalmente derivó en recuperación de información y búsqueda web. Fue natural, entonces, usar aprendizaje automático y minería de datos aplicada a tecnologías de búsqueda y a datos de la Web. Luego comencé a analizar sesgos algorítmicos en sistemas de búsqueda, lo que naturalmente derivó en sesgos de otros tipos (datos, interacción, etc.) y finalmente en IA responsable. En todas esas áreas he hecho aportes, pero los más relevantes fueron nuevas técnicas de búsqueda en texto y de búsqueda con información parcial, minería de consultas web, recomendación de consultas web y la caracterización de los sesgos presentes en la Web.
Estos cambios me han permitido mantenerme vigente pues he trabajado en problemas que al comienzo no eran tan importantes pero que después resultaron serlo como la tecnología de búsquedas, los sesgos en los sistemas computacionales (en 2007, mucho antes que este tema estuviera de moda) y la IA responsable. También he trabajado en otras áreas como biología computacional o procesamiento de lenguaje natural que me permiten aprender cosas nuevas y transferirlas a mis áreas principales.

Contestaré con respecto a la IA: métodos neuro-simbólicos y modelos del mundo en lugar de texto, imágenes o videos. Y todos los resultados que muestran las limitaciones que tienen los datos (representación parcial de problemas), los modelos (soluciones aproximadas usando datos parciales) y los malos usos que hacemos de la tecnología.

La famosa frase de George Box: “todos los modelos están errados, pero algunos son útiles” (1976) es más cierta cada día.

Chile podría ser un ejemplo de regulación sectorial con respecto a nuevas tecnologías sin copiar el modelo europeo de regular el uso de la IA (que además es un error pues se puede hacer daño con un sistema que no usa IA). Esta regulación podría ser muy pragmática a la hora de prohibir pseudociencia (por ejemplo, predicción del comportamiento o emociones en el caso de la IA) o cualquier sistema que reemplace personas (amplificarlas estaría permitido).

Hay muchas brechas, algunas de las cuales son estructurales y es difícil cambiarlas. Por ejemplo, en muchas áreas no tenemos una masa crítica de científicos ya que la población es pequeña y además casi no crece. Otras son culturales, como la inversión casi nula del sector privado en investigación, tanto básica como aplicada.

Los tigres asiáticos eran más pobres que Chile hace 65 años (Corea del Sur, Taiwan o Singapur). Pero ellos entendieron que había que invertir en ciencia y tecnología y cambiaron su futuro. Para esto necesitamos cambios culturales profundos o un líder como Lee Juan Yew.

El impacto de la IA generativa para mí es el problema más importante por todos los riesgos que tiene y el impacto que ya se está viendo a muchos niveles.  Los desafíos sociales más importantes son el mercado laboral, la desinformación y el medio ambiente, mientras que los más importantes en el individuo son la salud mental y la atrofia cognitiva. Y estos son problemas interdisciplinarios que necesitan soluciones humanas, no tecnológicas, combinando políticas públicas y regulación sectorial de largo plazo (es decir, independientes de las tecnologías, como los derechos humanos). Por supuesto que la tecnología puede ayudar, pero hoy en día en muchos casos es más parte del problema que de la solución.

Sin duda resolver algunas de las brechas mencionadas anteriormente. Y también priorizar la investigación en temas que no solo sirvan a Chile, sino a todo el planeta.

Imaginemos un mundo donde la IA hace todo lo que no queremos hacer y nos permite concentrarnos en nuestras habilidades humanas que hoy están postergadas para la mayoría de la gente que tiene que subsistir y cuidar de su familia. Tendríamos más cultura, más arte, más ciencia, más tecnología, más humanidad. Sería el verdadero Renacimiento.

Bueno, enfocándome en mi área más reciente, Estructuras de Datos Compactas, en lo que trabajo desde hace unos 25 años, la vigencia del problema se explica por el aumento sostenido en la cantidad de datos que estamos siendo capaces de capturar y de generar, y nuestra ambición de poderlos utilizar con fines útiles. Estamos hablando de aplicaciones por ejemplo en medicina personalizada, clima, astronomía, tránsito, finanzas, redes sociales, la web, y por supuesto de la IA.

En casi todos estos casos, el almacenamiento mismo no es un problema, pero almacenar los datos no basta: queremos realizar cómputos complejos sobre ellos. El hecho de que las memorias donde podemos almacenar esos datos (discos) son órdenes de magnitud más lentas que la memoria principal, nos enfrenta al doble problema de realizar cómputos complejos sobre datos de magnitud gigantesca que a la vez residen en memorias muy lentas.

Las estructuras compactas prometen comprimir los datos a su entropía, es decir al mínimo espacio necesario para representar la información que contienen, y dentro de ese espacio poder realizar las operaciones directamente en forma comprimida, ¡sin nunca volver a descomprimirlos! Representar y manipular los datos en esta forma permite ahorrar en hardware (ej. en sistemas que mantienen los datos en las memorias principales de un cluster), costo de comunicación (en sistemas distribuidos y también en celulares), y tiempo (al poder ejecutar en memorias más cercanas a la CPU).

A lo largo de estos años he contribuido en nuevas estructuras de datos compactas para problemas fundamentales, como representar árboles usando el óptimo de dos bits por nodo y que se puedan navegar en forma comprimida, secuencias que se pudieran representar en el mismo espacio de los mejores compresores y permitieran buscar rápidamente patrones, representaciones en espacio óptimo de conjuntos de puntos que responden eficientemente a consultas geométricas, o representaciones de grafos planares en espacio casi óptimo (4 bits por arista) que permiten navegación eficiente, por nombrar algunas de las más interesantes. También he trabajado en utilizar estas estructuras fundamentales en problemas de investigación más aplicados, como la representación de, y búsquedas complejas en, colecciones genómicas, grafos de conocimiento, y colecciones de texto en lenguaje natural. Estos avances han sido tomados por otros investigadores y han llevado a nuevos resultados, así como a aplicaciones reales en la industria. Tambien escribí un libro, “Compact Data Structures — A Practical Approach” que ha sido muy bien recibido y es
considerado la referencia en el área.

Creo que el avance importante más reciente es el de explotar la repetitividad en los datos. Los datos que están creciendo con mayor rapidez son altamente repetitivos, es decir, los nuevos elementos se parecen en mucho a otros. Pensemos en una colección de genomas humanos. Cada uno tiene unas 3 mil millones de bases, y hay proyectos de secuenciación masiva (ej. la UE planea secuenciar un millón de ellos en pocos años).

Almacenar y manejar ese volumen sería una pesadilla, pero nos salva el hecho de que dos genomas humanos se parecen en un 99.9%, lo que permite ahorrar 2 a 3 órdenes de magnitud en el almacenamiento. Ahora bien, las técnicas tradicionales de estructuras compactas basadas en compresión estadística no capturan la repetitividad, y no sirven para obtener estas reducciones de espacio.

Se necesitan técnicas distintas de compresión, por ejemplo la compresión Lempel-Ziv, la de Burrows-Wheeler, o la basada en gramáticas. Existen compresores basados en esas técnicas, pero llevarlos a tener estructuras compactas que permitan acceder y buscar en las secuencias sin descomprimirlas es mucho más desafiante que usando compresión estadística. Asimismo, no hay una teoría clara como la de Shannon que nos diga hasta dónde podemos comprimir explotando la repetitividad, o hasta dónde si queremos poder acceder directamente en forma comprimida. Este es un tema en el que trabajamos desde hace unos 20 años pero en este último tiempo ha empezado a tener un gran impacto y recibir mucha atención de la comunidad científica, impulsado más que nada por las aplicaciones bioinformáticas que están siendo desbordadas por los datos, y también por otras donde este problema aparece, como en los documentos versionados (ej. Wikidata, GitHub, Software Heritage Project, etc.)
.

Al desarrollo científico, mediante realizar investigación de nivel internacional, contribuyendo a poner a Chile en el mapa. También colaborando con colegas y grupos nacionales, como ocurre por ejemplo en el Centro de Biotecnología y Bioingenería (CeBiB) y en el Instituto Milenio Fundamentos de los Datos (IMFD), donde hacemos investigación fundamental y la aplicamos a problemas concretos. Finalmente, liderando grupos de estudiantes e investigadores jóvenes, que contribuirán con sus propios desarrollos.

Al desarrollo tecnológico o productivo, a través de las aplicaciones de la investigación. Un buen ejemplo son los grafos de conocimiento, muy relevantes en este momento en los ámbitos públicos y privados para manejar datos poco estructurados e inferir información relevante a partir de ellos. Manejar este tipo de grafos presenta desafíos algorítmicos importantes en los que hemos estado trabajando por varios años ya. Otro ejemplo son las bases de datos de secuencias genómicas que se pueden generar y mantener localmente, a menor costo gracias a tecnologías de manipulación en forma compacta.

La mayor brecha creo que es el poco enganche con la industria. No hay tanto interés de parte de la industria de invertir en desarrollo científico local, y eso hace que se desaproveche mucho de lo que hacemos, se pierdan oportunidades de financiamiento que beneficiarían a ambas partes, y que se pierdan incluso fuentes de problemas reales que sería interesante resolver.

La segunda brecha es el financiamiento estatal de la investigación. Si bien la situación es mejor que la de muchos países latinoamericanos, y si bien incluso muchos países desarrollados están pasando un mal momento en este sentido, se necesitan más recursos para poder tener una masa crítica que permita generar un ecosistema realmente fuerte. El pequeño tamaño de la comunidad y la lejanía geográfica al mundo desarrollado exacerban aún más este problema: es caro viajar, es caro traer gente, es caro intercambiar estudiantes.

Es una suerte que en Computación los insumos físicos al menos sean relativamente baratos, comparando con otras disciplinas. Para investigar en temas como IA, sin embargo, el acceso tanto a datos como a capacidades masivas de cómputo es una barrera que separa lo que se puede hacer desde la academia con lo que hacen las grandes compañías internacionales. Allí nuevamente se necesita inversión, al menos para acercarnos.

Ciertamente entender y potenciar la IA, con todos los posibles riesgos que traiga, porque esto no se va a detener, y con todos los posibles beneficios que también traerá. La IA va a cambiar el mundo y tenemos que estar ahí para hacerlo de la mejor forma posible.

También creo que habrá grandes desafíos en computación cuántica, en interfaces directas con el cerebro, en computación sustentable, en robótica… Y a su vez, más que nunca, estos desafíos científicos se entrelazarán con desafíos sociales como el uso ético del enorme poder que nos dará la IA. ¡vienen tiempos muy interesantes!

Chile ofrece oportunidad de formación de altísimo nivel y de dedicación a la investigación con una calidad que no se encuentra fácilmente en Latinoamérica. Tenemos la calidad. Creo que lo que más nos hace falta es la masa crítica: crecer, tener más alumnos de postgrado, más investigadores, y más financiamiento. Y una mejor conexión con el gobierno y la industria: eso nos permitirá crecer y realizar investigación con más impacto directo en el país. Sólo así podremos cerrar el círculo virtuoso de generar la riqueza que permita que se inviertan más recursos en la ciencia en forma sostenida.

Diría que el hilo conductor de mi trabajo ha sido comprender los fundamentos de los sistemas que procesan información: qué pueden expresar, qué problemas pueden resolver, y cuáles son sus límites. En particular, he buscado conectar la lógica y la teoría de la computación con áreas más recientes, como las bases de datos de grafos, las redes neuronales de grafos, y las arquitecturas detrás de los LLMs.

Estos aportes se han mantenido vigentes porque no dependen únicamente de una tecnología particular. Las herramientas cambian con rapidez, pero las preguntas fundamentales permanecen: cómo representar el conocimiento, cómo razonar sobre datos complejos y cómo distinguir entre lo que un sistema puede aprender y aquello que, por su diseño, no puede reconocer.

En muchos casos, conocer estos límites nos ayuda a encontrar las componentes fundamentales para diseñar nuevas arquitecturas más poderosas, robustas, y computacionalmente eficientes.

Uno de los avances más significativos es la convergencia entre el aprendizaje automático, el razonamiento simbólico y el manejo de grandes volúmenes de datos estructurados. Algo que se ha venido conociendo como “computación neuro-simbólica”. Durante mucho tiempo, estas áreas evolucionaron por caminos distintos: la primera se concentraba en aprender patrones a partir de datos y las otras dos en representar conocimiento y ofrecer garantías formales. Hoy comenzamos a entender que ambas perspectivas son complementarias.

Esto está transformando la disciplina porque ya no basta con que un sistema produzca una respuesta correcta la mayor parte del tiempo. También queremos saber por qué llegó a ella, cuándo puede fallar y si respeta determinadas reglas.

Chile genera una gran cantidad de datos complejos en áreas como minería, astronomía, salud, energía, medioambiente y gestión pública. Mi línea de investigación puede contribuir a desarrollar herramientas para organizar esos datos, descubrir relaciones relevantes y apoyar decisiones con mayor transparencia. Pero el aporte no es solamente tecnológico. La investigación fundamental permite formar personas capaces de comprender y crear nuevas herramientas, en lugar de limitarse a utilizar soluciones desarrolladas en otros países. Un país que entiende los fundamentos de una tecnología tiene mayor autonomía para adaptarla a sus necesidades y evaluar críticamente sus consecuencias.

Chile cuenta con investigadores y estudiantes de primer nivel, pero aún tiene dificultades para sostener proyectos científicos ambiciosos en el tiempo. El financiamiento suele ser fragmentado y de corto plazo, existen pocas plazas estables y resulta difícil construir equipos con la escala necesaria para competir internacionalmente. También falta una relación más profunda entre universidades, Estado e industria. Es necesario crear espacios donde estas perspectivas puedan encontrarse. Además, debemos valorar mejor la investigación teórica: aunque sus aplicaciones no siempre son inmediatas, suele proporcionar las ideas que hacen posibles las tecnologías del futuro.

Uno de los grandes desafíos es desarrollar sistemas capaces de combinar aprendizaje, razonamiento y conocimiento estructurado. Los modelos actuales son muy eficaces en ciertas tareas, pero todavía pueden equivocarse de maneras difíciles de anticipar. Necesitamos comprender mejor qué aprenden realmente, cuáles son sus límites y bajo qué condiciones podemos confiar en sus respuestas.
También será fundamental construir modelos más eficientes, que requieran menos datos, energía y capacidad computacional. La inteligencia artificial no debería depender exclusivamente de recursos disponibles para unas pocas organizaciones. Sería óptimo pasar de sistemas como los actuales que producen respuestas a sistemas cuyo comportamiento podamos comprender, cuestionar y, cuando sea posible, garantizar.

Para mejorar su posición internacional, Chile necesita dar mayor continuidad a la investigación. Eso implica financiamiento estable, buenos programas de doctorado y condiciones laborales que permitan atraer y mantener a investigadores de alto nivel. Los grupos destacados no se forman de un día para otro: necesitan tiempo para consolidarse, formar estudiantes y desarrollar colaboraciones duraderas. También es importante concentrar los esfuerzos. Chile no puede ser líder en todas las áreas, pero sí puede destacar en aquellas donde ya cuenta con buenos investigadores y experiencia acumulada. Más que enfocarnos únicamente en aumentar las publicaciones, deberíamos crear las condiciones para hacer investigación original y abordar problemas relevantes.

Un país gana reconocimiento científico cuando no solo aplica conocimientos desarrollados en otros lugares, sino que también genera ideas que influyen en la investigación internacional.

Mi investigación tiene mucho que ver con ir desarrollando modelos matemáticos para entender herramientas computacionales relacionadas con datos y con IA. Creo que mi trabajo busca darle un poco de pausa a los avances constantes y vertiginosos en el área. Siempre he tratado siempre de ir entiendiendo nuevas tecnologías, nuevas formas de hacer las cosas, pero desde los fundamentos, pensando ok, modelemos como debería funcionar esto, y comparémoslo con las propuestas existentes. Así trabajamos primero en integración de datos, después en bases de datos de grafos, en esquemas para datos JSON, web semántica, y ahora último también redes neuronales de grafos. Muchas de estas tecnologías estaban aún en un desarrollo temprano cuando comenzamos a entenderlas, pero hoy se usan un monton.

Entonces, cuando llega la hora de proponer mejoras a las propuestas de la industria, la idea es que puedan mirar los modelos que proponemos, que están más masticados, y hay guías concretas sobre las cosas que se pueden hacer, y las que no son muy eficientes. En ese sentido, el trabajo que desarrollamos para bases de datos de grafos fue justo eso, pudimos apoyar a la industria dándoles una guía y propuestas certeras de qué cosas era recomendable hacer con un lenguaje de consulta de grafos.

Uno pensaría que en bases de datos está todo hecho, pero la realidad es justo lo contrario.

Entre grafos y bases de datos columnares, en los últimos 10 años ha habido una revolución de algoritmos. En particular, en estos últimos años hemos estado bien enfocados en accesos mixtos para consultas analyticas, tipo OLTP o almacenes de datos, en donde el usuario que accede a una base de datos podría ser un programa, o una persona, o un agente IA, y es necesario ir encontrando formas de poder servir todos estos usuarios con una sola arquitectura.

Por el lado de agentes, hoy está tornándose más claro que la forma de servirlos mejor es con grafos, pero todavía estamos lejos de desarrollar una arquitectura que haga bien todo lo que necesitamos.

En Chile, a nivel de industria en computación, tenemos bien desarrollado servicios: fintech, ahora legal tech, en general tenemos buenas empresas de software de servicio.

Pero siento que lo que nos falta es poder construir más allá de un área en particular, tecnología que sea usado por distintos rubros o distintas empresas:

pensando en ejemplos típicos como google, word/excel, chatGPT, etc. Y por que no, ¡sistemas de bases de datos! En nuestro grupo llevamos un buen tiempo desarrollando MillenniumDB, un sistema de bases de datos de grafos, y esperamos contribuir de esa forma al país, creando una tecnología de uso más general, para que ahora cualquier empresa chilena que necesite crear o usar grafos para análisis de datos esté físicamente cerca de donde se desarrolla esta tecnología en el mundo, para poder interactuar más fácil y más rápido, y así poco a poco ir generando un ecosistema virtuoso en torno a estas tecnologías.

Cuando hablo de sistemas de bases de datos, muchas veces me preguntan “y en qué industria se usan?” De alguna forma se espera que ponga un apellido: una base de datos para X. Pero yo trato de responder: “Se puede usar en cualquiera, es algo que te permite una mejor analítica”. Pero cuesta hacer camino, vemos que en Chile el financiamiento y las relaciones industriales están muy condicionadas al servicio. Por ejemplo, los fondos de startup esperan que postules con un proyecto que diga “una base de datos para logística” o “una base de datos para la minería”, pero no hay mucha forma de financiar “un sistema de apoyo analítico para cualquier empresa”.

Ahora, para poder desarrollar investigación de alto impacto, necesitamos también ese empuje desde la industria, polos de transferencia que desarrollen esa tecnología más generica, con base científica.

Creo que esa es hoy la brecha más importante en computación en Chile, y cerrarla nos va a permitir no solo mejor investigación de frontera si no que también una mejor industria tecnológica.

Científicamente es difícil hablar de datos sin hablar de agentes y grandes modelos de lenguajes.

Porque lo que vemos hoy es que el mundo avanza a un sistema donde la mayoría de los accessos a los datos van a estar mediados por agentes.

Entonces, los desafíos importantes en este sentido tienen que ver con cómo lograr accesos más rápidos y más precisos a los datos por parte de la IA. Este problema está super abierto. Avances como RAG y GraphRAG van en la dirección correcta, pero todavía falta mucho. ¿Cómo podemos lograr que los agentes encuentren eficientemente y con precisión la información que necesitan?

Científicamente creo que vamos super bien, en una o dos décadas hemos avanzado un montón, y en varias áreas creo que internacionalmente comienzan a conocer a Chile como un lugar donde hacemos buena ciencia de la computación, es cosa de tiempo para que sigamos avanzando más.

Un desafío sin duda es poder sostener esto, por que requiere un esfuerzo, requiere priorizar la computación sobre otras cosas. Y por lo mismo, estos años se está hablando mucho de una alianza público-privada para impulsar nuestra ciencia, y sobretodo la computación. Pero no estoy seguro de que aún sepamos como hacer esto. Como decía más arriba, necesitamos ir armando un ciclo de cooperación donde la industria ayude a la ciencia de la computación, pero al mismo tiempo que desde la ciencia podamos entregarles valor de vuelta.

El foco principal del workshop de astroinformática es poder reunir a investigadores y estudiantes interesados en la Astroinformática, el campo interdisciplinario que fusiona la astronomía con la ciencia de datos, el aprendizaje automático y las tecnologías de la información. L

a meta es explorar el desarrollo de herramientas y métodos computacionales esenciales para el descubrimiento automatizado de conocimiento en la era de los grandes sondeos astronómicos.

El motivo de la creación del workshop es, en primer lugar que la JCC 2026 se realizarán en la Universidad de Talca, lugar donde hay investigación en el campo de la astroinformática y quedemos aprovechar esta instancia para fortalecer y visibilizar estas investigaciones. Además, es una instancia donde vendrán investigadores y estudiantes de todo el país, pudiendo servir esto como un puente para fortalecer y crear nuevas investigaciones.

Consideramos que la temática es relevante ya que la astroinformática es reconocida como el “cuarto paradigma” de la investigación astronómica y proporciona el marco necesario para manejar la transición de la recopilación de terabytes a exabytes de datos.

Esperamos tener contribuciones de astrónomos e ingenieros y poder generar discusiones sobre metodologías clave de la ciencia de datos, incluyendo clasificación y regresión, para la identificación de objetos celestes y la predicción de parámetros físicos y técnicas avanzadas como la detección de anomalías, clustering y análisis de series de tiempo para procesar información de grandes sondeos astronómicos (como el Sloan Digital Sky Survey, el Large Synoptic Survey Telescope, el Southern Photometric Local Universe Survey y el Chilean Cluster Galaxy Evolution Survey entre otros).

A nivel nacional e internacional esta línea de trabajo ha tomado fuerza en la última década sobre todo con el relevamiento de las grandes bases de datos y la necesidad de generar técnicas de avanzada para el procesamiento y manejo de los mismos.

Chile es la capital mundial de la astronomía y con la llegada de los grandes sondeos astronómicos, el campo de la astroinformática se ha fortalecido exponencialmente dentro de los últimos 10 años.

Hoy por hoy, tenemos telescopios que producen grandes volúmenes de datos de forma diaria que requieren ser procesados y analizados. Por lo tanto, es un área que está en un crecimiento actual y tiene grandes oportunidades de crecer y fortalecerse aún más.

Organizadores

El foco principal del Workshop en Realidad Extendida y Videojuegos es promover la investigación teórica y aplicada en el campo del desarrollo de videojuegos y experiencias inmersivas. Busca abordar diversas problemáticas asociadas al desarrollo y la programación de software, tanto de experiencias inmersivas como de juegos, posicionándose como una fuente innovadora de conocimiento en torno al diseño de juegos y RV, la arquitectura de software y la experiencia de usuario en estos campos.

La principal motivación es dar continuidad a la primera versión del workshop, realizada en JCC 2025, consolidando un espacio dedicado al intercambio de contenidos técnicos y académicos en torno a los videojuegos y la realidad extendida.

La buena recepción de esa primera edición nos animó a mantener este encuentro como un punto de referencia para investigadores, desarrolladores y estudiantes interesados en estas áreas dentro de la comunidad de las Jornadas Chilenas de Computación.

En principio, la industria de los videojuegos constituye una parte importante de la relación cotidiana entre las personas y la computación, un fenómeno transversal a todas las edades. El juego es algo inherente al ser humano, y trasladarlo a medios digitales e interactivos amplifica enormemente las posibilidades de creación e inmersión. Al mismo tiempo, la realidad extendida es un fenómeno en rápida expansión.

Así como a comienzos de los años 2000 pocos podían anticipar la masificación de los teléfonos inteligentes que hoy damos por sentada, creemos que algo similar ocurrirá con la realidad extendida.

Por eso, mantenerse a la vanguardia resulta fundamental para anticipar los desafíos, requerimientos y posibilidades de estas nuevas tecnologías.

Esperamos que se discutan los fundamentos clave detrás del desarrollo de videojuegos y experiencias de realidad extendida, sometiendo a análisis las metodologías empleadas, los resultados obtenidos y los aspectos éticos relevantes de esta labor. Al mismo tiempo, buscamos que la mirada científica sea el motor de estas discusiones, de modo que los asistentes puedan enriquecer sus propias experiencias e impactar positivamente en sus futuros proyectos.

El mundo de los videojuegos y la realidad extendida se encuentra en constante ascenso y actualización.

Mantenerse a la vanguardia permitirá a investigadores y desarrolladores realizar aportes significativos en el futuro y comprender con mayor facilidad los cambios tecnológicos y académicos que ciertamente se avecinan.

Así, prevemos que esta línea de trabajo avanzará a un ritmo acelerado, en la medida en que el capital humano cuente con las habilidades y el conocimiento académico que estas tecnologías requieren.

Chile cuenta con un gran capital humano para el desarrollo de videojuegos y experiencias inmersivas.

La creatividad ocupa un lugar central en la cultura chilena, tanto en el humor como en la capacidad de buscar soluciones frente a la adversidad. Ese sello es algo irremplazable, incluso por las potentes tecnologías de inteligencia artificial generativa que conocemos hoy.

Dar oportunidades a desarrolladores e investigadores noveles es una instancia que el país no puede desaprovechar. En esta línea, y con la atención puesta en la investigación aplicada, las oportunidades de fortalecimiento son claras: entender cómo optimizar los procesos de desarrollo y, a la vez, comprender cómo estas experiencias afectan a las personas son desafíos actuales, sobre todo si consideramos lo transversal que será el contacto con estas tecnologías entre todas las edades en un futuro cercano.

Organizadores

El foco principal del workshop es el estudio y desarrollo de algoritmos y estructuras de datos, que constituyen los fundamentos sobre los cuales se construyen los sistemas computacionales modernos, incluyendo las aplicaciones de inteligencia artificial que hoy tienen un gran protagonismo.

Aunque los avances más significativos en esta área se produjeron durante las décadas de 1970 y 1980, impulsados por la necesidad de resolver problemas complejos con recursos computacionales muy limitados, los desafíos asociados a la eficiencia algorítmica siguen siendo plenamente vigentes.

Si bien la capacidad de procesamiento y almacenamiento de los computadores ha crecido de manera exponencial, también lo han hecho el volumen, la diversidad y la complejidad de los datos que deben ser procesados. En consecuencia, el diseño de algoritmos y estructuras de datos eficientes continúa siendo un aspecto central para enfrentar problemas actuales y futuros.

En este contexto, el workshop se centrará principalmente en algoritmos deterministas, es decir, aquellos que producen siempre la misma salida ante una misma entrada, y en estructuras de datos que permitan optimizar el uso de memoria y los tiempos de acceso, consulta y procesamiento de la información. Estas problemáticas son transversales a múltiples dominios de aplicación, incluyendo datos espaciales, texto, imágenes, video y grandes volúmenes de información distribuidos.

Asimismo, el workshop busca contribuir a la discusión de desafíos emergentes en áreas como la inteligencia artificial, la ciberseguridad, el procesamiento masivo de datos y la computación distribuida, donde se requieren algoritmos cada vez más eficientes tanto en términos de rendimiento como de consumo energético. Esta última dimensión resulta especialmente relevante en el contexto actual, donde la sostenibilidad y el desarrollo de tecnologías de bajo impacto ambiental (green computing) se han transformado en objetivos estratégicos para la comunidad científica y tecnológica.

La creación de este workshop en el contexto de JCC 2026 surge como una evolución natural del Workshop de Estructuras Compactas, una iniciativa que durante los últimos tres años se ha desarrollado con éxito en la región del Biobío. A lo largo de sus distintas versiones, este espacio ha logrado reunir investigadores, académicos y estudiantes interesados en problemas relacionados con el diseño y análisis de estructuras de datos eficientes, generando una comunidad activa en torno a esta temática.

Con el tiempo, el alcance de las contribuciones presentadas se ha ampliado progresivamente, incorporando no solo estructuras compactas, sino también problemas más generales vinculados a algoritmos, estructuras de datos y eficiencia computacional.

Esta evolución ha puesto de manifiesto el interés y la necesidad de contar con una instancia más amplia que permita articular y visibilizar el trabajo que se desarrolla en estas áreas a nivel nacional.

En este contexto, la incorporación del workshop a JCC 2026 busca consolidar y expandir la comunidad de investigación en algoritmos y estructuras de datos, promoviendo el intercambio de ideas, la difusión de resultados recientes y la generación de nuevas colaboraciones entre investigadores de distintas instituciones del país.

Los algoritmos y las estructuras de datos constituyen uno de los pilares fundamentales de las ciencias de la computación, ya que determinan la forma en que la información es representada, almacenada, procesada y analizada. Su relevancia trasciende aplicaciones específicas y se extiende a prácticamente todas las áreas de la disciplina, desde los sistemas operativos y las bases de datos hasta la inteligencia artificial, la ciberseguridad y la computación distribuida.

En la actualidad, esta temática adquiere una importancia aún mayor debido al crecimiento exponencial del volumen de datos y a la creciente complejidad de los problemas que deben resolverse.

Si bien áreas como la inteligencia artificial y la ciencia de datos han experimentado avances extraordinarios en los últimos años, estos avances dependen en gran medida de algoritmos eficientes y de estructuras de datos adecuadas que permitan procesar grandes cantidades de información de manera escalable y con costos computacionales razonables.

Asimismo, la búsqueda de soluciones exactas o con garantías teóricas sólidas continúa siendo un desafío central para numerosos problemas científicos y tecnológicos. A ello se suma la necesidad de desarrollar algoritmos que no solo sean más rápidos y eficientes, sino también más sostenibles desde el punto de vista energético, contribuyendo a enfrentar los desafíos asociados al procesamiento masivo de datos y al desarrollo de tecnologías de próxima generación.

Por estas razones, consideramos que los algoritmos y las estructuras de datos siguen siendo un área estratégica para la comunidad de ciencias de la computación y un componente esencial para impulsar la innovación en múltiples ámbitos de investigación y desarrollo.

Esperamos promover la presentación y discusión de contribuciones originales en el ámbito de los algoritmos y las estructuras de datos, tanto desde una perspectiva teórica como aplicada. Nos interesa especialmente reunir trabajos que propongan nuevas técnicas, modelos, estructuras o algoritmos capaces de abordar problemas relevantes de manera más eficiente y con mejores garantías de rendimiento.

Asimismo, buscamos generar un espacio de intercambio en torno a problemas abiertos y desafíos emergentes del área, fomentando la discusión de nuevas líneas de investigación y el establecimiento de colaboraciones entre investigadores, académicos y estudiantes.

En particular, esperamos contribuciones orientadas al uso eficiente de recursos computacionales, considerando no solo el tiempo de ejecución y el uso de memoria, sino también el consumo energético y la sostenibilidad de las soluciones propuestas.

El workshop también aspira a visibilizar aplicaciones de algoritmos y estructuras de datos en áreas de creciente importancia, tales como inteligencia artificial, ciencia de datos, procesamiento de texto, datos espaciales, sistemas distribuidos, ciberseguridad y computación de alto rendimiento, promoviendo el diálogo entre distintas comunidades que comparten desafíos relacionados con la eficiencia computacional.

Esperamos que esta línea de trabajo continúe creciendo tanto a nivel nacional como internacional, impulsada por desafíos cada vez más exigentes asociados al procesamiento masivo de datos, la inteligencia artificial, la ciberseguridad y la computación distribuida. A medida que aumenta la complejidad de los problemas y las restricciones de recursos computacionales y energéticos, la necesidad de desarrollar algoritmos y estructuras de datos más eficientes se vuelve aún más relevante.

A nivel internacional, se observa una creciente demanda por soluciones que permitan reducir costos computacionales, optimizar el uso de memoria y mejorar la eficiencia energética de los sistemas. Estos desafíos son fundamentales en áreas como inteligencia artificial, ciencia de datos, computación distribuida, ciberseguridad y computación verde (green computing), donde los avances dependen en gran medida de nuevos desarrollos algorítmicos.

A nivel nacional, existe una comunidad activa y en expansión que ha realizado contribuciones significativas en estas áreas.

Esperamos que esta tendencia continúe mediante nuevas colaboraciones, la formación de investigadores jóvenes y el fortalecimiento de espacios de intercambio académico como este workshop.

Chile cuenta con importantes oportunidades para fortalecer esta área de investigación, tanto a través de instrumentos de financiamiento como Fondecyt y Fondef, como mediante el creciente interés por tecnologías vinculadas a inteligencia artificial, ciencia de datos, ciberseguridad y computación de alto rendimiento.

Asimismo, existe una oportunidad relevante para consolidar y visibilizar la comunidad nacional de algoritmos y estructuras de datos, fortaleciendo su identidad dentro de las ciencias de la computación y promoviendo una mayor participación en la definición de prioridades científicas y tecnológicas.

Espacios como este workshop pueden contribuir a articular investigadores, identificar desafíos comunes y potenciar el impacto de esta área tanto en la investigación fundamental como en aplicaciones de interés para el país.

Organizadores

El foco principal del workshop está en la intersección entre ciberseguridad, inteligencia artificial y factores humanos en el contexto actual.

Nos interesa discutir tanto cómo la IA puede potenciar nuevas amenazas, transformándose en un catalizador del cibercrimen, como también cómo puede utilizarse para fortalecer herramientas y estrategias de ciberseguridad.

El workshop pone especial énfasis en la dimensión humana, considerando que las nuevas tecnologías de IA generativa poseen capacidades altamente antropomórficas que introducen desafíos inéditos asociados a la confianza, manipulación, exposición y protección de las personas frente a estos sistemas.

La creación de este workshop surge de la necesidad de promover una mirada crítica sobre la inteligencia artificial, especialmente respecto de sus riesgos, vulnerabilidades y posibles impactos sociales.

Actualmente observamos una rápida proliferación de aplicaciones basadas en IA, muchas veces sin una discusión suficiente sobre los problemas subyacentes asociados a su uso irresponsable o negligente, particularmente en contextos de alto riesgo.

Creemos que la comunidad de ciencias de la computación debe asumir un rol activo en la discusión sobre seguridad, gobernanza y efectos humanos de estas tecnologías. En este sentido, el workshop busca fomentar el desarrollo de investigación especializada y fortalecer un ecosistema nacional capaz de abordar estos desafíos desde una perspectiva técnica, ética y multidisciplinaria.

Esperamos promover contribuciones que aborden de manera crítica los desafíos asociados a la IA.

Nos interesa especialmente discutir cómo el incremento en las capacidades de estos modelos también amplifica sus vulnerabilidades, generando riesgos complejos de controlar o restringir de forma efectiva.

Buscamos impulsar investigaciones orientadas a caracterizar, medir y cuantificar estos problemas, así como propuestas metodológicas y tecnológicas que permitan mitigar sus efectos. Asimismo, esperamos generar discusión en torno a la responsabilidad de quienes desarrollan e integran estas tecnologías en aplicaciones reales, particularmente en escenarios sensibles o de alto impacto.

Vemos esta línea de trabajo como una de las áreas más activas e interdisciplinarias dentro de las ciencias de la computación actuales.

El estudio de los efectos de sistemas altamente antropomórficos requiere colaboración entre especialistas en computación, psicología, filosofía, antropología y otras disciplinas, algo que ya estamos observando tanto en Chile como internacionalmente.

Además, el creciente interés global por estas problemáticas demuestra que la discusión trasciende lo estrictamente tecnológico. Ejemplos recientes, como distintos debates regulatorios internacionales o incluso documentos humanistas contemporáneos que reflexionan sobre IA y dignidad humana, muestran que estos temas seguirán ganando relevancia a medida que evolucionen los modelos generativos y sus capacidades.

Creemos que Chile tiene una gran oportunidad para fortalecer esta área debido a su naturaleza interdisciplinaria y a las relativamente bajas barreras de entrada para nuevos investigadores.

La convergencia entre ciberseguridad, IA y factores humanos permite incorporar especialistas de distintas áreas y generar colaboración con gran facilidad.

Además, el alto impacto social y tecnológico de estas problemáticas ha despertado un fuerte interés en investigadores jóvenes y estudiantes de postgrado. Esto abre oportunidades para consolidar nuevas líneas de investigación, fortalecer programas de formación avanzada y promover redes nacionales e internacionales orientadas al desarrollo de una IA más segura, crítica y centrada en las personas.

El foco principal que nos motivó a organizar el QCQSE-Chile es propiciar un espacio nacional de encuentro en torno a la computación cuántica y la ingeniería de software cuántico.

La idea no es solo hablar de algoritmos cuánticos en abstracto, sino discutir cómo se diseñan, implementan, prueban, validan y evalúan soluciones cuánticas o híbridas cuántico-clásicas desde una perspectiva de ingeniería.

El workshop busca abordar problemáticas como la falta de espacios nacionales especializados desde la perspectiva de ingeniería, la necesidad de construir una comunidad, la dificultad para comparar resultados experimentales, la reproducibilidad de los experimentos, el desarrollo de herramientas, la validación de software cuántico y la evaluación responsable de sus limitaciones actuales.

En ese sentido, el workshop se plantea como un espacio técnico, pero también formativo y articulador para investigadores, estudiantes e industria.

La principal motivación fue aprovechar el contexto de las Jornadas Chilenas de Computación 2026 para abrir un espacio pionero en Chile dedicado explícitamente a la convergencia entre computación cuántica e ingeniería de software cuántico.

Las JCC reúnen a la comunidad nacional de ciencias de la computación, por lo que son un lugar natural para comenzar a articular investigadores, estudiantes y profesionales interesados en esta temática.

Además, la computación cuántica está en una etapa donde existe mucho interés, pero también muchas preguntas abiertas sobre su impacto práctico, sus limitaciones y sus formas responsables de adopción.

Luego, el workshop nace con una mirada equilibrada: promover investigación y colaboración, pero sin sobredimensionar el estado actual de la tecnología.

Es relevante porque la computación cuántica ya no es solo un tema de la física teórica o experimental; sino que también plantea desafíos propios de la ingeniería y de las ciencias de la computación: desarrollo de algoritmos, lenguajes de programación, compiladores, arquitecturas, testing, depuración, verificación, validación, reproducibilidad, benchmarks, optimización y evaluación experimental.

Además, existe un contexto internacional que refuerza la importancia del tema. Naciones Unidas proclamó 2025 como el Año Internacional de la Ciencia y la Tecnología Cuántica, bajo liderazgo de UNESCO, precisamente para visibilizar la relevancia científica, tecnológica y formativa de esta área.

Por otro lado, también se observa que distintos gobiernos están invirtiendo en tecnologías cuánticas como parte de estrategias científicas, industriales y de seguridad tecnológica, lo que muestra que se trata de un campo emergente con proyección internacional.

Para la comunidad de computación, esto abre una oportunidad importante: contribuir no solo desde la teoría, sino también desde una perspectiva de la ingeniería y la experimentación rigurosa, el software y la construcción de herramientas confiables.

Esperamos promover contribuciones teórico-prácticas, con énfasis en el desarrollo y evaluación de soluciones. Nos interesan trabajos sobre algoritmos cuánticos, enfoques sobre el desarrollo de sistemas de software híbridos cuántico-clásicos, compilación, optimización, ruido, mitigación de errores, frameworks, toolchains, testing, verificación y validación, calidad de software, y reproducibilidad, entre otros.

También queremos abrir espacio para posters, demos, repositorios, herramientas y presentaciones breves de tesistas.

La idea es que el workshop no sea solo una sucesión de ponencias, sino también una instancia de conversación técnica sobre cómo construir una comunidad nacional en el área, qué problemas vale la pena abordar desde Chile y qué estándares mínimos deberíamos promover para que los resultados sean comparables, transparentes y reutilizables.

Vemos que la computación cuántica seguirá evolucionando como un área estratégica de investigación y desarrollo, pero probablemente de manera gradual y con una fuerte interacción entre avances teóricos, disponibilidad y acceso al hardware, desarrollo de algoritmos, simulación, mitigación de errores y aplicaciones híbridas cuántico-clásicas. A nivel internacional, es esperable que continúe creciendo el interés por identificar problemas donde los enfoques cuánticos puedan aportar valor, pero también por establecer criterios más rigurosos para evaluar resultados, comparar contra métodos clásicos y reconocer con claridad las limitaciones actuales de la tecnología.

En ese escenario, la ingeniería de software cuántico aparece como una dimensión clave, pero no como la única. Para que la computación cuántica madure, no basta con proponer algoritmos; también se requiere construir herramientas, entornos de programación, procesos de validación, benchmarks, buenas prácticas experimentales y formas reproducibles de evaluar soluciones.

Por eso, creemos que los próximos años estarán marcados por una convergencia entre computación cuántica, ciencias de la computación, ingeniería de software, optimización, simulación, seguridad, comunicaciones y áreas de aplicación.

A nivel nacional, vemos una oportunidad importante para que Chile se incorpore tempranamente a esta discusión, tanto desde la investigación en computación cuántica como desde el desarrollo de capacidades prácticas. Esto incluye formación de estudiantes, desarrollo de tesis, experimentación con plataformas disponibles, colaboración entre universidades, articulación con la industria y exploración de aplicaciones en áreas donde el país tiene desafíos relevantes, como minería, energía, logística, comunicaciones, educación y ciencia de datos.

En Chile existen varias oportunidades. La primera es identificar y formar una comunidad, conectando grupos que hoy trabajan de manera más dispersa en computación, física, ingeniería, optimización, software y educación. La segunda es formar capital humano, incorporando estos temas en cursos, tesis de pregrado y postgrado, seminarios y actividades prácticas.

También existe una oportunidad en el desarrollo de software cuántico e híbrido, porque no siempre se requiere contar localmente con hardware cuántico propio para investigar en algoritmos, simulación, evaluación experimental, testing, benchmarking o integración con herramientas existentes. Otra oportunidad importante es vincular la computación cuántica con problemas donde Chile tiene fortalezas o necesidades relevantes, como optimización, minería, energía, logística, comunicaciones, educación y ciencia de datos.

Finalmente, creemos que el workshop puede ser un primer paso concreto para articular una agenda nacional: identificar investigadores y estudiantes interesados, compartir herramientas, generar colaboraciones, levantar problemas comunes y proyectar nuevas actividades después de JCC 2026.

Organizadores