La carrera de la Inteligencia Artificial: ¿sprint o maratón?

Cada cierto tiempo, la prensa y los foros internacionales repiten la misma pregunta, como si tuviera una respuesta simple: ¿quién va ganando la carrera de la inteligencia artificial: Estados Unidos o China? La pregunta aparece en reportes de consultoras acompañada de un marcador —modelos, chips, inversión, patentes— que declara un ganador provisional hasta la próxima actualización.

Para entender esta competencia, Jensen Huang, CEO de NVIDIA, presentó recientemente en el Center for Strategic and International Studies (CSIS) un modelo muy preciso: el "pastel de cinco capas". Para construir una posición dominante en IA hay que articular cinco capas: energía, infraestructura de centros de datos, manufactura de chips, modelos fundacionales y aplicaciones. Dominarlas y alinearlas proporciona la posición privilegiada que hoy alimenta el debate sobre la llamada "IA soberana".

Fuente: Jensen Huang y el futuro de la IA: Fábricas y Empleos

El problema con "¿quién está ganando?" no es la respuesta. El problema es la pregunta.

Para las superpotencias, esta es efectivamente una carrera: un sprint de innovación brutal, con metas visibles y miles de millones de dólares sobre la mesa. Y si alguien tuviera dudas sobre su naturaleza, Donald Trump acaba de despejarlas: ha dicho que Estados Unidos está por delante de China en IA y quiere mantener esa posición porque “whoever wins AI wins”. Anunció además la creación de una “AI Force” y la designación de un responsable nacional de IA. Para las grandes potencias, el sprint no es una metáfora: es una estrategia de poder tecnológico, económico y geopolítico.

Pero para el resto del mundo, medir el éxito en IA con ese mismo marcador puede ser un error. Para la inmensa mayoría de los países, competir simultáneamente en las capas superiores del pastel de Huang es económicamente inviable. Como plantea el politólogo Jeffrey Ding, para las potencias medias y los países en desarrollo la competencia se entiende mejor como una serie de maratones de difusión que como un único sprint hacia la frontera tecnológica.

En esta maratón, la pregunta que importa no es quién entrena el modelo con más parámetros, sino quién tiene la capacidad de absorberlo: incorporar la IA de manera sostenida al tejido productivo y al aparato público. Un estudio de OCDE, BCG e INSEAD identifica como principales desafíos de adopción las capacidades, la formación, la calidad de los datos y las políticas públicas que facilitan la difusión. Y sobre esa capacidad existe evidencia acumulada durante dos décadas que suele quedar fuera de la conversación sobre IA.

Los que ya están corriendo

• Estonia comenzó a construir su infraestructura digital mucho antes de que la IA generativa fuera una prioridad estratégica. Desarrolló X-Road, una capa que permite que los sistemas públicos se comuniquen entre sí, y una identidad digital que se convirtió en pieza central de su relación con el Estado, aplicando el principio de "una sola vez": el Estado no debería pedirle a un ciudadano un dato que ya posee. Estonia no empezó construyendo aplicaciones de IA; construyó la pista sobre la que cualquier tecnología puede correr.

• India hizo una apuesta complementaria: convertir la infraestructura digital en un bien público. Su India Stack —con identidad digital como Aadhaar y pagos interoperables mediante UPI— no entrega aplicaciones terminadas: entrega cimientos sobre los que otros pueden construir.
• Brasil concentró miles de servicios públicos en gov.br, articulados alrededor de una identidad digital, mientras que Pix convirtió los pagos instantáneos en una infraestructura de uso masivo, alcanzando también a la economía informal.
• Chile consolidó su ClaveÚnica como pieza central de la identificación ciudadana, y Uruguay lleva dos décadas desarrollando capacidades estructurales: computadoras para los escolares mediante el Plan Ceibal, firma digital y una administración pública con altos niveles de interoperabilidad.

Ninguno de estos países necesita entrenar por sí mismo un modelo de frontera para beneficiarse de la revolución de la IA. Todos construyeron, con distinta profundidad, identidad digital, interoperabilidad, infraestructura de datos e institucionalidad. El Índice de Gobierno Digital OCDE/BID muestra que América Latina ya cuenta con esos componentes, aunque con niveles desiguales. Esa es la diferencia fundamental entre absorber tecnología y simplemente comprarla.

La capacidad de absorción

Los países que quieren correr esta maratón necesitan construir capacidades que preceden a la IA. Entre ellas destacan tres: identidad digital, interoperabilidad y gobierno de datos. No es una clasificación arbitraria: el Banco Mundial considera la identidad digital, los pagos y el intercambio seguro de datos componentes fundamentales de la infraestructura pública digital precisamente porque funcionan como capacidades reutilizables sobre las que pueden construirse múltiples servicios.

Para un Estado, estas capacidades son lo que la red eléctrica representa para una fábrica: sin ellas, el modelo de IA más sofisticado tendrá dificultades para transformar procesos reales a escala. La cuestión deja de ser exclusivamente tecnológica y se convierte en una cuestión de arquitectura institucional —y su gobernanza importa tanto como su tecnología. El BID señala que gobernar esta infraestructura implica definir quién decide, cómo se toman las decisiones y bajo qué reglas; sin coordinación y estándares compartidos, se terminan reproduciendo duplicidades y sistemas aislados.

Las áreas de tecnología no pueden seguir operando como una unidad de soporte. Necesitan convertirse en un núcleo digital con tres capacidades: operar impecablemente lo que ya está en producción, gestionar la arquitectura del ecosistema completo y anticipar los cambios tecnológicos antes de que lleguen.

Operar garantiza continuidad. Gestionar la arquitectura evita que cada transformación genere una nueva isla tecnológica. Anticipar permite que la organización no tenga que reaccionar cuando una tecnología ya se ha convertido en una obligación.

A esa estructura hay que sumarle algo que el ciudadano mide sin piedad: la confianza, que no se construye con discursos sino con controles concretos y auditables de ciberseguridad, privacidad, integridad y trazabilidad, incorporados desde el diseño de cada solución. Referencias como la ISO/IEC 27002:2022, el NIST AI Risk Management Framework y sus nuevas metodologías de prueba, evaluación, verificación y validación (TEVV) ofrecen marcos para ello. El objetivo no es solo proteger los sistemas digitales, sino desarrollar la capacidad institucional para gobernar, fiscalizar y evaluar los sistemas que operan en el territorio.

Tres carreras, no una

La metáfora de la carrera puede inducirnos a pensar que todos los países corren hacia la misma meta. No es así. Hay, al menos, tres carreras simultáneas.

La primera es el sprint de la frontera tecnológica: modelos fundacionales, chips, centros de datos y energía, donde compiten principalmente las grandes potencias. La segunda son las carreras de nicho: capacidades específicas donde un país puede desarrollar ventajas propias sin dominar toda la cadena de valor. Y la tercera es la maratón de difusión: conseguir que las capacidades de IA lleguen efectivamente a empresas, ciudadanos y entidades públicas, y se integren de manera segura y sostenible.

Esta última ya muestra una dinámica propia: la OCDE reporta que la adopción de IA por empresas continuó creciendo en 2025, aunque con diferencias importantes entre sectores y tamaños de empresa. Estas carreras no se excluyen, pero confundirlas puede llevar a invertir enormes recursos compitiendo en una carrera para la que no se tiene escala, mientras se descuida aquella en la que sí es posible construir capacidades acumulativas.

La oportunidad de América Latina

América Latina no parte de cero. La región ya construyó componentes importantes de infraestructura digital pública y la oportunidad ahora consiste en conectar esa infraestructura con la nueva ola de IA de manera deliberada. Incluso hay iniciativas que apuntan a la siguiente etapa: en 2026, el BID presentó IdLAC, un bróker de identidad digital que permite usar la identidad nacional para acceder a servicios digitales en otro país: un ejemplo concreto de cómo la infraestructura digital puede pasar de capacidad nacional a bien público regional.

Eso implica exigir auditabilidad en las adquisiciones públicas de tecnología, establecer mecanismos de gobierno de datos y evaluar los algoritmos antes de desplegarlos en servicios esenciales. También significa dejar de pensar la transformación digital como una sucesión de proyectos independientes: la infraestructura digital debe convertirse en una capacidad acumulativa del Estado, donde cada nueva plataforma fortalezca la arquitectura existente en lugar de crear otra isla.

Quizás el eslabón más crítico está en las aulas. Los programas de posgrado en gestión pública tienen que evolucionar: no basta con formar "usuarios" de herramientas terminadas, sino líderes capaces de diseñar y orquestar arquitecturas empresariales complejas, que entiendan qué corre en producción, cómo se integran los sistemas, qué datos utilizan y qué riesgos aparecen al incorporar nuevas tecnologías. El estudio de OCDE/BCG/INSEAD destaca precisamente la escasez de talento y el valor de la formación vinculada a problemas reales.

La verdadera soberanía digital de un Estado no se mide solo por la tecnología que produce, sino por su capacidad institucional para absorber, gobernar y transformar la tecnología que existe.

Hay una carrera, pero no es una sola. Las superpotencias corren el sprint de la frontera tecnológica; otros países pueden competir en nichos específicos. Para América Latina, sin embargo, existe una carrera especialmente importante: construir la pista sobre la que la IA pueda correr.

No se trata de ganar la carrera de los modelos. Se trata de no llegar tarde a la carrera de su difusión.

Nota del autor

Este artículo ha sido elaborado con asistencia de herramientas de inteligencia artificial en distintas etapas del proceso, incluyendo la exploración de ideas, revisión y edición del texto. Las fuentes y referencias fueron seleccionadas y revisadas por el autor. El contenido, los argumentos y la versión final del artículo son responsabilidad exclusiva del autor.

Referencias

1. CSIS. Jensen Huang, NVIDIA. Marco de las cinco capas de la infraestructura de IA. CSIS.
2. Ding, Jeffrey. The AI Race Is Many Marathons, Not One Sprint. Johns Hopkins SAIS. SAIS.
3. OECD, BCG & INSEAD. The Adoption of Artificial Intelligence in Firms. OECD.
4. OECD & BID. Digital Government Index of Latin America and the Caribbean. BID.
5. World Bank. Global Digital Public Infrastructure Program. World Bank.
6. BID. Strengthening Governance for Digital Public Infrastructure and Digital Public Goods. BID.
7. BID. El BID impulsa la integración digital en América Latina y el Caribe (IdLAC). BID.
8. NIST. AI Risk Management Framework (AI RMF 1.0). NIST.
9. NIST. TEVV: Athlon Framework for Evaluating AI Systems. NIST.
10. ISO. ISO/IEC 27002:2022 — Information security controls. ISO.
11. e-Estonia. X-Road — Interoperability services. e-Estonia.
12. e-Estonia. Digital ID. e-Estonia.
13. India Stack. Infraestructura pública digital de India. India Stack.
14. Governo Federal do Brasil. gov.br. gov.br.
15. Banco Central do Brasil. Pix — Pagamentos instantâneos. Banco Central do Brasil.
16. Gobierno de Chile. ClaveÚnica. ClaveÚnica.
17. Plan Ceibal. Plan Ceibal — Uruguay. Ceibal.