La IA se volvió infraestructura, y eso cambia quién tiene el poder.

La inteligencia artificial se nos aparece como una herramienta inmediata: un chat que responde preguntas, un sistema que resume documentos, un software que escribe código o una plataforma que genera imágenes. Esa capa visible explica parte de su adopción acelerada, pero no nos alcanza para comprender el cambio que está en marcha. Detrás de cada interacción hay una infraestructura muy costosa y concentrada, formada por procesadores especializados, centros de datos, redes de alta capacidad, energía, datos y equipos técnicos capaces de operar modelos complejos.

Ese material base está modificando la naturaleza del debate. La pregunta ya no es solamente qué tareas puede automatizar un modelo ni cuántas personas usan una aplicación. Empieza a importar quién controla la capacidad de cómputo, qué países producen los componentes críticos, qué empresas pueden invertir en entrenamiento y qué instituciones tienen condiciones para usar estas tecnologías sin resignar información, autonomía ni poder de decisión.

La IA puede ampliar capacidades en la educación, la salud, la industria, la investigación y los servicios. Pero sus beneficios no se reparten de manera automática. Una empresa con datos ordenados, personal formado y presupuesto para integrar tecnología no se enfrenta al mismo escenario que una pyme que apenas accede a una suscripción básica. Un Estado con infraestructura pública y capacidades técnicas puede auditar proveedores; otro, en cambio, puede quedar atado a plataformas cuyos precios, condiciones y criterios de uso se definen fuera de sus fronteras.

El costo detrás de una respuesta

Lo que nos parece una simple consulta a un chat oculta una cadena tecnológica compleja y extensa. Entrenar y operar modelos de gran escala exige procesadores de alto rendimiento, capacidad de almacenamiento, sistemas de refrigeración, electricidad constante y redes capaces de mover grandes volúmenes de información. La infraestructura no está distribuida de manera uniforme y su construcción exige inversiones que solo unas pocas compañías y gobiernos pueden sostener.

Esa concentración explica por qué la competencia por inteligencia artificial se vincula cada vez más con la industria de semiconductores. Los chips avanzados no son un componente intercambiable: determinan la posibilidad de desarrollar, entrenar y desplegar sistemas con mayor capacidad. También elevan el valor estratégico de los centros de datos y de la energía necesaria para alimentarlos.

El acceso a una aplicación gratuita o de bajo costo representa una puerta de entrada importante, pero no significa controlar la tecnología. Las organizaciones que logran conseguir mejores resultados suelen combinar herramientas disponibles con datos propios, procesos claros, capacitación de equipos y mecanismos de revisión humana. La diferencia no pasa por saber usar un prompt o instrucción, sino por integrar la IA al trabajo diario sin perder control sobre los datos ni exponer información sensible.

En esa brecha aparece una forma nueva de desigualdad. No se limita a tener o no conexión a internet. Suma la posibilidad de adaptar modelos a necesidades locales, verificar errores, integrar información interna y cambiar de proveedor si una plataforma altera sus precios o condiciones. Quien usa una herramienta estándar tiene menos control que quien puede adaptarla a su propia forma de trabajo.

Una disputa que excede a las tecnológicas

Estados Unidos y China transformaron la inteligencia artificial en un componente central de su competencia económica y estratégica. La concentración no es difusa: la fabricación de vanguardia depende casi por completo de TSMC en Taiwán, las máquinas de litografía EUV las produce únicamente ASML (Países Bajos), y el diseño de aceleradores lo domina Nvidia (Estados Unidos). La discusión ya no se concentra en empresas que lanzan modelos más capaces. Abarca exportaciones de semiconductores, acuerdos sobre infraestructura, abastecimiento de minerales críticos, servicios de nube y estándares técnicos que pueden condicionar el comercio digital durante la próxima década.

Washington impulsa una estrategia para que distintos países se alineen con su arquitectura tecnológica y limiten su participación en iniciativas asociadas a Beijing. Ese planteo incluye sistemas de inteligencia artificial, infraestructura de datos y cadenas de provisión vinculadas con los chips. Estados Unidos restringe la venta de chips avanzados a China vía la Oficina de Industria y Seguridad (BIS) desde 2022; en 2025-2026 el esquema pasó de una "presunción de denegación" casi total a un régimen de licencias caso por caso. En particular, la administración descartó la "AI Diffusion Rule" que dividía al mundo en tres niveles de acceso, y en agosto de 2025 Nvidia y AMD acordaron pagar al gobierno estadounidense el 15% de sus ventas de chips de IA a China a cambio de licencias. Después, la venta del H200 de Nvidia a China se anunció en diciembre de 2025 y se formalizó a comienzos de 2026, con un arancel del 25% y revisión caso por caso, mientras los chips Blackwell, la generación más potente de Nvidia, siguen bloqueados.

China domina el otro extremo de la cadena: tiene un cuasi-monopolio del galio, con cerca del 98% de la producción primaria mundial, y una posición dominante en germanio, antimonio y en el procesamiento de tierras raras. Beijing usa esos insumos como palanca: en diciembre de 2024 prohibió en principio exportar galio, germanio y antimonio a Estados Unidos, y, tras las restricciones impuestas a lo largo de 2024, las exportaciones de antimonio cayeron alrededor del 97% mientras los precios se triplicaban. Recién en el acuerdo Trump-Xi de fines de octubre de 2025 China aceptó suspender por un año los controles más duros anunciados ese mes. Es decir: EE.UU. controla el diseño y la fabricación de punta; China controla los minerales aguas arriba. Ese doble cuello de botella es un marco más rico que "las dos potencias compiten". 

Y ese tablero, además, excede a las dos potencias. La Unión Europea manda por vía regulatoria: al fijar reglas estrictas para su mercado, termina imponiendo estándares de hecho a las empresas globales que quieren operar en él, un fenómeno que se conoce como "efecto Bruselas". Los países del Golfo entran con lo que a otros les falta —capital y energía— para financiar y alimentar centros de datos. Y Taiwán y Países Bajos concentran cuellos técnicos insustituibles: la fabricación de chips de vanguardia y las máquinas para producirlos. Pensar la escena solo como un duelo entre Washington y Beijing pierde de vista a estos actores, cuyas decisiones también condicionan quién accede a la tecnología y en qué términos.

"La presión sobre otros países plantea un dilema conocido para América Latina.  La región necesita inversión, conectividad, cómputo y transferencia de conocimiento para aprovechar nuevas herramientas. Al mismo tiempo, es necesario evitar dependencias rígidas que reduzcan su capacidad de negociación o la obliguen a elegir entre bloques tecnológicos."

Argentina participa de este escenario desde una posición ambivalente. Cuenta con talento técnico, universidades, empresas de software, recursos energéticos y sectores productivos donde la IA puede ofrecer mejoras concretas. Pero depende de infraestructura y plataformas desarrolladas en el exterior. Esa combinación obliga a pensar una política tecnológica que no confunda adopción rápida con desarrollo de capacidades propias.

La autonomía no exige que el país produzca todos los insumos de una cadena global. Pero sí necesita contar con opciones, capacidades de evaluación, normas para proteger datos y herramientas para no quedar atrapado en contratos opacos. También necesita entender qué sectores justifican la inversión pública, qué problemas pueden resolverse con soluciones locales y dónde conviene cooperar con otros países de la región.

Reglas para una tecnología de alto impacto

La velocidad de la innovación tecnológica normalmente supera la capacidad de las instituciones para regularla. Los modelos se actualizan en ciclos breves, mientras las leyes y los organismos de control necesitan debates más largos. Esa distancia genera dos errores opuestos: imponer requisitos que bloqueen usos de bajo riesgo o permitir que sistemas de alto impacto operen sin las garantías mínimas.

No todas las aplicaciones de IA necesitan el mismo nivel de supervisión. Un sistema que ayuda a corregir un texto o clasificar archivos internos no tiene las mismas consecuencias que uno utilizado para decidir créditos, seleccionar candidatos laborales, priorizar pacientes, detectar un fraude o administrar políticas sociales. En estos últimos casos, la transparencia, la protección de datos y la posibilidad de revisar decisiones pasan a ser condiciones básicas.

Ese criterio de exigir más control cuanto mayor es el impacto no es una hipótesis: es la lógica que adoptó la Unión Europea en su Reglamento de Inteligencia Artificial, en vigor desde 2024 y considerado el primer marco regulatorio integral del mundo en la materia. La norma clasifica los sistemas por nivel de riesgo, prohíbe ciertos usos y reserva las obligaciones más estrictas para las aplicaciones de alto riesgo, como las que intervienen en el empleo, el crédito o los servicios esenciales. Su propia implementación ilustra la brecha entre innovación y regulación: en 2026 la UE terminó postergando hasta diciembre de 2027 la entrada en vigor de buena parte de esas obligaciones de alto riesgo, al comprobar que los estándares técnicos y los organismos de control no llegaban a tiempo.

La discusión internacional todavía está fragmentada. Existen guías empresariales, marcos regulatorios nacionales, acuerdos regionales y principios éticos promovidos por organismos multilaterales. Pero todavía falta una arquitectura capaz de hacer comparables las evaluaciones de riesgo, los informes de incidentes y las obligaciones de quienes desarrollan o implementan sistemas avanzados.

Naciones Unidas impulsa un diálogo global para ordenar las distintas reglas sobre inteligencia artificial. Ese proceso ya tiene forma concreta. La primera sesión del Diálogo Global sobre la Gobernanza de la IA se celebró en Ginebra los días 6 y 7 de julio de 2026, y se apoya en un Panel Científico Internacional Independiente sobre IA, creado por una resolución de la Asamblea General en agosto de 2025 e integrado por cuarenta miembros de la academia, el sector privado, la sociedad civil y los gobiernos. Ese panel, copresidido por Yoshua Bengio y Maria Ressa, publicó su primer informe con una advertencia elocuente: las salvaguardas actuales no alcanzan a seguir el ritmo al que crecen las capacidades de estos sistemas. El problema es que existen muchas guías y acuerdos, pero varios de ellos son voluntarios, no tienen controles efectivos y no contemplan por igual las necesidades de países con diferentes capacidades tecnológicas.

La coordinación internacional puede reducir costos y dar reglas más claras. Si cada país exige normas distintas, las pymes y los centros de investigación enfrentan obstáculos que las grandes tecnológicas pueden afrontar con más facilidad. Pero reglas iguales mal diseñadas también pueden dejar afuera a quienes tienen menos recursos o influencia. El desafío es evitar normas dispersas sin concentrar el poder de decisión en las mismas empresas y países que ya controlan la infraestructura.

Productividad sin exclusión

Las promesas de productividad asociadas a la IA merecen un análisis más preciso. En actividades administrativas, desarrollo de software, análisis documental, atención al cliente, diseño y comunicación, estas herramientas pueden reducir tiempos y ampliar el alcance de equipos pequeños. Una pyme puede automatizar tareas repetitivas, ordenar información dispersa o mejorar la respuesta a sus clientes sin necesidad de grandes estructuras.

La adopción, por otra parte, no es neutral. Puede liberar tiempo para trabajo de mayor valor o transformarse en una forma de aumentar exigencias, vigilar tareas y trasladar responsabilidades a empleados que no participen de las decisiones tecnológicas. El resultado depende de cómo se implementa cada sistema, qué objetivos se fijan y qué margen conservan las personas para corregir errores.

La calidad de los datos también importa. Una organización que incorpora IA sobre bases incompletas, sesgadas o desactualizadas no resuelve sus problemas: puede automatizarlos y volverlos más difíciles de detectar. Por eso la inversión más útil no siempre es la licencia más cara. Puede consistir en ordenar procesos, mejorar registros, capacitar equipos y definir con anticipación qué decisiones nunca deben quedar libradas a un sistema automatizado.

Para las pymes argentinas, la oportunidad está en aplicaciones ligadas a necesidades concretas. Gestión de inventarios, mantenimiento industrial, logística, análisis de demanda, soporte interno, ventas y administración son áreas donde una implementación gradual puede generar mejoras medibles. La clave es comenzar con procesos acotados, establecer indicadores y mantener revisión humana antes de extender el uso a decisiones más sensibles.

"Las políticas públicas pueden acompañar con formación técnica, financiamiento para proyectos aplicados, criterios de interoperabilidad y apoyo a universidades, cooperativas y empresas que desarrollan soluciones para sectores locales. Una agenda de inteligencia artificial no debería medirse por cantidad de anuncios ni por la llegada de una plataforma global."


El caso de Stargate Argentina lo muestra bien. En octubre de 2025, OpenAI y la empresa argentina Sur Energy firmaron una carta de intención para levantar en la Patagonia un centro de datos que alcanzaría hasta 500 megavatios, con una inversión anunciada de hasta 25.000 millones de dólares bajo el Régimen de Incentivos a las Grandes Inversiones (RIGI), y presentado como el primer proyecto de esa escala en América Latina. Pero hacia mediados de 2026 seguía siendo una intención declarada: sin contratos vinculantes, financiamiento, sitio ni permisos divulgados, y sin haberse presentado formalmente al régimen que le daría sustento. La distancia entre el anuncio y la obra recuerda que la capacidad instalada no se mide en comunicados. Debería medirse por la capacidad de resolver problemas productivos y sociales sin profundizar brechas existentes.

El desafío de no ser solo usuario

La inteligencia artificial puede convertirse en una herramienta de democratización del conocimiento, pero también en una infraestructura de dependencia. El resultado no está definido por la tecnología en sí misma. Depende de decisiones sobre inversión, educación, competencia, regulación, energía, protección de datos y condiciones laborales.

"Los países que no participan de la carrera por los modelos más grandes todavía pueden construir capacidades relevantes. Pueden formar especialistas, crear soluciones sectoriales, fortalecer su infraestructura digital, incentivar el uso responsable en pymes y defender estándares que no reduzcan a sus economías al papel de consumidoras pasivas."

La discusión pública necesita salir de la fascinación por cada lanzamiento y concentrarse en las condiciones materiales que hacen posible la IA. Detrás de una respuesta instantánea hay redes eléctricas, recursos naturales, trabajadores, servidores, conocimientos y reglas. Definir quién controla esa estructura será tan importante como decidir qué nuevas aplicaciones llegarán al mercado.

La inteligencia artificial ya empieza a influir sobre la productividad, el empleo y la autonomía de empresas y Estados. Y cuando termine de escribir este artículo, probablemente no pasarán tres meses hasta que quede desactualizado. Nos tenemos que preguntar de manera urgente si las sociedades podrán participar de sus reglas antes de que la concentración tecnológica convierta el acceso a esas capacidades en un privilegio.

Newsletter gratuito ¿Te está resultando útil esta nota? Suscribite gratis y recibí cada semana el mejor análisis de tecnología, IA y mercados directamente en tu correo.

Fuentes:

Reglamento (UE) 2024/1689 (Ley de IA); Reglamento (UE) 2026/1744 (Digital Omnibus); comunicado del Consejo de la UE, mayo de 2026.

Chequeado, OpenAI, Argentina's AI opportunity (openai.com/global-affairs).

Naciones Unidas, Global Dialogue on AI Governance (un.org/global-dialogue-ai-governance); Resolución A/RES/79/325; UN News, 5 de julio de 2026.

Bureau of Industry and Security (BIS), U.S. Department of Commerce, normativa sobre exportación de semiconductores avanzados (2022-2026); Federal Register, regla del 15 de enero de 2026.

CSIS, Beyond Rare Earths: China's Growing Threat to Gallium Supply Chains (2025); Casa Blanca, fact sheet del acuerdo comercial EE.UU.-China, 1 de noviembre de 2025.