IA y soberanía digital: el poder no está en el modelo

En 2026, la inteligencia artificial ha dejado de ser una promesa o un experimento piloto en las administraciones públicas. Ha dado el salto y se ha convertido en infraestructura crítica.

Sin embargo, el debate estratégico suele partir de una premisa equivocada: que la soberanía tecnológica depende de contar con un modelo propio. En la práctica, esa no es la variable decisiva.

Los modelos fundacionales —ya sean de código abierto o comerciales— se están consolidando como una capa global y ubicua. Son el nuevo "sistema operativo" del mundo digital. El verdadero factor de control y de ventaja competitiva ya no reside ahí. Se ha desplazado a un lugar mucho más cercano y valioso: los datos y la capacidad de gobernarlos.

El poder real: datos y contexto

Un modelo de lenguaje aprende de los datos con los que se alimenta. Cuando una organización utiliza un modelo genérico sin inyectarle su propia realidad, el resultado suele ser predecible:

• Respuestas gramaticalmente correctas, pero vacías de sustancia institucional.
• Falta de comprensión de normativas, procesos o terminología propia.
• Recomendaciones genéricas que no reflejan la práctica operativa.

La calidad del resultado, por tanto, no depende del tamaño del modelo, sino de la capacidad para dotarlo de contexto. Y ese contexto no está en una nube lejana; reside en nuestros propios archivos: en los informes, los registros, los procedimientos y el conocimiento acumulado -muchas veces tácito- de la propia organización.

En términos estratégicos, el activo clave no es el modelo. Es el archivo institucional.

El error estratégico más común

Es muy común dejarse deslumbrar por la tecnología. Muchas iniciativas de IA concentran sus esfuerzos y presupuesto en licencias de plataformas punteras, en clústeres de GPU o en pilotos de rápida implementación. Pero al mismo tiempo, se descuidan las tareas menos glamorosas pero mucho más estructurales:

• Repositorios documentales dispersos o de baja calidad: laberinto de formatos, duplicados y versiones obsoletas.
• Falta de estandarización en los datos, por lo que son ininteligibles para una máquina.
• Ausencia de curaduría y validación experta: nadie está validando la calidad de la información que servirá de base.
• El conocimiento crítico de los expertos que se jubilan sigue atrapado en cerebros humanos o correos electrónicos.

Sin una base de conocimiento ordenada, depurada y gobernada, cualquier proyecto de IA, por sofisticado que sea, producirá resultados superficiales, inconsistentes o, directamente, erróneos. La tecnología puede generar respuestas, pero sin una base de conocimiento confiable, no puede generar valor público, especialmente en el sector público, donde la precisión y la trazabilidad son críticas.

Qué significa soberanía de IA en la práctica

En este nuevo contexto, la soberanía digital deja de ser una cuestión de orgullo tecnológico para convertirse en una capacidad práctica y tangible. No se trata de desarrollar el modelo desde cero, sino de construir un ecosistema de inteligencia alrededor de nuestro propio conocimiento, lo cual implica:

• Inventariar y gobernar el conocimiento institucional. Saber qué datos tenemos, dónde están, quién es su responsable y cómo fluyen.
• Consolidar y depurar corpus documentales de alta calidad, especialmente para alimentar sistemas de RAG (Generación Aumentada por Recuperación), que son la forma más eficaz de conectar modelos genéricos con conocimiento específico.
• Establecer procesos sistemáticos de evaluación humana de los resultados. La IA no se supervisa sola; necesita del criterio del experto.
• Conformar equipos multidisciplinarios donde el conocimiento sectorial se alíe con las competencias técnicas en IA.

Aquí es donde prácticas como la evaluación continua de modelos o el aprendizaje por refuerzo con retroalimentación humana (RLHF) adquieren un carácter verdaderamente estratégico. Dejan de ser tareas técnicas menores para convertirse en los mecanismos de control democrático sobre sistemas que empezarán a influir (si no lo hacen ya) en decisiones y servicios públicos.

Competir en la economía de la IA

A medida que los modelos base se convierten en un commodity, la competencia entre organizaciones, regiones y países cambiará. Importará quién tiene:

• La mayor calidad y disponibilidad de sus datos.
• La mayor capacidad de evaluación humana especializada.
• La gobernanza más robusta y ágil de su conocimiento institucional.

En ese escenario, la soberanía digital deja de ser un concepto abstracto o una bandera política. Se convierte en una cuestión puramente operativa y, a la vez, profundamente estratégica: ordenar, proteger y activar el propio archivo de conocimiento.

En la economía de la inteligencia artificial, el control ya no lo define quién entrena el modelo, sino quién gobierna los datos que le dan sentido. Todo lo demás, por muy impresionante que sea, es simplemente la infraestructura sobre la que se construye el verdadero valor.