Ciudad de México,
Oscar González
Crédito foto: Sergio F Cara (NotiPress/Composición)
En Xalapa (México), un laboratorio con presupuesto menor al de una startup mediana en San Francisco detecta retinopatía diabética con mayor precisión que muchos hospitales privados mexicanos. Es casi todo lo que México tiene para mostrar en la carrera global por la inteligencia artificial. Mientras Estados Unidos, China y la Unión Europea destinan cientos de miles de millones de dólares a infraestructura de cómputo, centros de investigación y marcos normativos, América Latina observa con intermitencia un fenómeno que altera cadenas de valor, empleos y capacidades estatales.
México y la región enfrentan una disyuntiva no menor: adaptarse a la lógica de la inteligencia artificial como commodity importado, o desarrollar una estrategia propia que equilibre innovación, inclusión y soberanía. El principal riesgo para la región no es quedarse atrás en la carrera tecnológica, sino aceptar un rol pasivo como consumidor de soluciones diseñadas en contextos ajenos, sin inteligencia industrial, fiscal ni regulatoria para gobernar su impacto.
La brecha en inteligencia artificial no se mide únicamente en capacidad de cómputo o número de publicaciones académicas. Se mide en capacidad de formular problemas propios, generar datos locales relevantes, entrenar modelos con sesgos culturalmente pertinentes y, sobre todo, en la existencia de una visión de Estado que articule empresas, universidades y ciudadanía. Hoy, México y América Latina carecen de esa visión. Salvo iniciativas aisladas y discursos presidenciales sin presupuesto, la región avanza con una asimetría estructural: produce talento que emigra, genera datos que son extraídos por plataformas globales y adopta herramientas sin preguntarse quién controla los algoritmos que ya deciden otorgar créditos, emitir diagnósticos médicos o definir procesos judiciales.
En México, la Estrategia Nacional de Inteligencia Artificial 2018 quedó archivada. El actual gobierno disolvió la Coordinación de Estrategia Digital Nacional y no ha presentado un reemplazo con métricas claras. Mientras tanto, el ecosistema privado —Mercado Libre, Banorte, empresas fintech y de logística— implementan IA por necesidad competitiva, pero sin coordinación con políticas públicas. La reforma al artículo 6º constitucional en materia de datos personales no se ha traducido en una gobernanza efectiva de datos masivos para entrenamiento de modelos. El resultado es un uso táctico de IA en silos, sin arquitectura de datos nacional, sin centros de cómputo especializados y sin una agencia regulatoria con dientes.
Brasil muestra un contraste relativo. Su Estrategia Brasileña de Inteligencia Artificial (EBIA) fue lanzada en 2021, y el proyecto de ley 2338/2023 propone una regulación con altos estándares de derechos fundamentales. Sin embargo, la implementación es frágil: carece de financiamiento dedicado y choca con la obsolescencia de su infraestructura científica. Argentina descentralizó iniciativas como el Plan Nacional de IA. Chile ha avanzado en ética algorítmica para el sector público, pero sin un fondo de desarrollo productivo asociado. Colombia presentó en 2024 su Política Nacional de IA, aún sin metas vinculantes.
El patrón común es el diagnóstico sin escala: buenas intenciones, coordinaciones interministeriales, hojas de ruta sin presupuesto y nula capacidad de retener o formar doctores en ciencias de la computación. Según datos de la OMPI (2023), América Latina produce menos del 1% de los modelos de aprendizaje profundo registrados globalmente, y el 93% de las patentes en IA con impacto regional pertenecen a empresas no latinoamericanas.
Un error frecuente en los gobiernos latinoamericanos es abordar la inteligencia artificial casi exclusivamente desde el ángulo de la protección al consumidor o la ética, sin construir paralelamente infraestructura y capital humano. La propuesta de la Unión Europea —la EU AI Act, en vigor desde agosto de 2024 y con sus obligaciones más exigentes desplegándose entre 2026 y 2027— es admirada en la región, pero se olvida que Europa ya tiene soberanía sobre sus datos, centros de supercómputo y una red de centros de investigación. Copiar regulación sin capacidades productivas convierte a la ley en una barrera para actores locales y una ventaja para los tecnológicos globales que ya cumplen esos estándares.
México y América Latina necesitan, primero, una política industrial de IA: centros públicos de cómputo de alto desempeño accesibles para startups y universidades, programas de formación masiva en datos, incentivos fiscales para laboratorios de IA aplicada a sectores estratégicos como agroindustria, salud pública o gestión hídrica.
Existen ejemplos aislados que demuestran viabilidad. En México, el Laboratorio Nacional de Inteligencia Artificial (LANIA) con sede en Xalapa ha desarrollado modelos para clasificación de cultivos y detección temprana de retinopatía diabética, pero opera con recursos precarios. En Chile, el Centro Nacional de Inteligencia Artificial (CENIA) impulsa algoritmos para predicción de incendios forestales, pero su presupuesto anual equivale al 0.02% del PIB. En Colombia, la iniciativa RAIS (Red Académica de IA) logró articular grupos de investigación, pero sin escalamiento industrial. En Brasil, el proyecto ALICE —de reconocimiento de patrones para el análisis de imágenes de satélite en la Amazonía— es referencia mundial, pero fue financiado inicialmente por la Fundación de Amparo a la Investigación del Estado de São Paulo (FAPESP), no por política nacional sostenida.
La lección es clara: donde hay fondos dedicados y continuidad institucional, hay resultados. Donde domina la retórica sin cartera, solo fragmentación.
Así, la agenda de transformación para gobiernos y empresas de la región requiere actuación en cinco frentes. El primero es la creación de una infraestructura de cómputo soberana: un consorcio regional con nodos interconectados —México, Brasil, Colombia, Chile y Argentina como anclas— que ofrezca capacidad de entrenamiento de modelos a costo marginal, reduciendo la dependencia de AWS, Azure o Google Cloud para datos sensibles.
El segundo frente es fiscal: establecer un gravamen a la extracción de datos. Cualquier empresa que utilice datos generados en la región para entrenar modelos de IA debería destinar parte de ese valor a fondos nacionales de investigación. No es proteccionismo; es compensación por un recurso no renovable: el contexto social y lingüístico latinoamericano.
Tercero, una certificación algorítmica obligatoria para el sector público y financiero: antes de que un sistema de IA decida asignación de beneficios sociales, evaluación crediticia o diagnóstico de salud, debe pasar por una auditoría técnica independiente que evalúe sesgos, rendimiento en población local y explicabilidad. Cuarto, reformar los programas de posgrado en computación: sustituir la tesis tradicional por proyectos de despliegue en producción dentro de empresas u organismos públicos, con doble tutoría academia-industria, atacando la desconexión entre investigación y aplicación práctica. Quinto, lanzar un fondo regional de capital de riesgo público-privado para IA de misión crítica —cambio climático, seguridad alimentaria, prevención de desastres— donde el éxito se mida también en reducción de costos sociales, no solo en rentabilidad financiera.
América Latina no necesita imitar a Silicon Valley ni replicar la burocracia regulatoria europea sin los medios para ejecutarla. Necesita una estrategia de inteligencia artificial situada: que reconozca sus limitaciones en fabricación de semiconductores o inversión en I+D, pero que apueste por sus ventajas diferenciales: diversidad lingüística, problemas locales no resueltos por los grandes modelos globales y una población joven con capacidad de formación acelerada.
México puede liderar este reposicionamiento si deja de tratar la IA como un tema periférico de transformación digital y la coloca en el centro de su política industrial y de desarrollo científico. El costo de no hacerlo no es solo el rezago económico: es la cesión de la capacidad de diseñar el futuro propio.