En la actualidad, el desarrollo de la inteligencia artificial (IA) se encuentra en una encrucijada marcada por una creciente concentración de poder en manos de un pequeño grupo de empresas tecnológicas dominantes, principalmente de Estados Unidos (seguido aún de lejos por China). Estas firmas, que controlan no solo los modelos de IA más avanzados, sino también la mayor parte de la infraestructura fundacional, como la capacidad de cómputo, los recursos de datos y las plataformas en la nube, han generado un oligopolio de la IA en el que los beneficios son capturados por unos pocos, mientras que los riesgos son asumidos por todos. Además, el avance tecnológico es tan rápido que las decisiones de las juntas corporativas preceden a la ley, lo que establece realidades de uso que terminan siendo más determinantes que las normativas de los gobiernos.
Como detalla un informe del AI Now Institute, varios países han reaccionado desplegando políticas que intentan revertir esta concentración de poder: inversiones directas y créditos fiscales, iniciativas público-privadas, estrategias para compartir datos a nivel nacional y regional, y políticas de competencia y antimonopolio. La Unión Europea (UE) ha desplegado programas como la Data Union Strategy, Apply AI, las AI Factories e InvestAI, iniciativa lanzada en febrero de 2025 que, según la Comisión Europea, busca «movilizar 200.000 millones de euros para inversión en IA, incluido un nuevo fondo europeo de 20.000 millones para gigafábricas de IA». La UE también ha aprobado normativa de avanzada. Algunos países europeos han impulsado «campeones nacionales» (como Mistral en Francia o Aleph Alpha en Alemania). India ha desarrollado una estrategia basada en la infraestructura pública digital a través de IndiaStack y Airawat, y Japón, al igual que India, ha lanzado infraestructuras de cómputo en la nube gestionadas públicamente para no depender totalmente de los hiperescaladores estadounidenses.
LOS RIESGOS DEL NACIONALISMO TECNOLÓGICO SIN RUMBO
El informe del AI Now Institute advierte sobre una tendencia que denomina «Estado de reducción del riesgo», donde los gobiernos encabezan la creación de nuevos ecosistemas lucrativos para actores privados, pero el Estado asume la mayor parte del riesgo real. Además, señala que muchas estrategias de IA soberana son, a menudo, una «fantasía de independencia», que subestima su profunda dependencia de las infraestructuras de semiconductores y de la financiación proveniente de Silicon Valley. El funcionamiento de esta dependencia se describe a través de la metáfora de la AI stack o pila tecnológica, en la que cada capa (cómputo, datos, modelos y aplicaciones) depende de la anterior.
La capa de cómputo es el cuello de botella físico en la base de la pila, en la que se presentan los mayores niveles de dependencia. El hardware está dominado por Nvidia, que según Silicon Analytics tiene entre el 75 y el 80 por ciento del mercado de GPU (unidad de procesamiento gráfico, por sus siglas en inglés) para centros de datos, y la nube es controlada, según Synergy Research Group, por tres hiperescaladores: AWS, Microsoft Azure y Google Cloud, que concentraron el 63 por ciento del gasto mundial en infraestructura de nube en el segundo trimestre de 2026. El costo de construir centros de datos para entrenar modelos de vanguardia es tan alto que incluso las startups exitosas terminan pagando entre el 80 y 90 por ciento de su capital a estos mismos proveedores.
En la capa de datos existe una asimetría crítica, donde las grandes plataformas extraen valor de los bienes comunes digitales sin reciprocidad. Mientras que las empresas dominantes acceden a datos propietarios masivos y a leyes de propiedad intelectual flexibles, los investigadores del Sur Global enfrentan fragmentación normativa, problemas de acceso y leyes de derecho de autor mucho más restrictivas que las del Norte Global (Science, 1-XII-22).
En la capa de modelos, los sistemas más avanzados son mayoritariamente propietarios. Muchos se promocionan como «abiertos» (modelos open-weights), pero solo liberan sus parámetros manteniendo ocultos los datos de entrenamiento y el código. Así, los investigadores pueden usar el modelo, pero no auditarlo, modificarlo profundamente ni entender sus sesgos, que reflejan los valores de sus creadores comerciales y no los del público local.
Muchos gobiernos no abordan adecuadamente esta dependencia estructural y confunden la idea de IA soberana con un nacionalismo tecnológico que replica el modelo comercial dentro de sus fronteras, por lo que hacen inversiones masivas con la esperanza de que los beneficios sociales surjan solos. Por ejemplo, cuando invierten en «campeones nacionales» o en supercomputadores públicos, a menudo terminan reforzando la dependencia al comprar chips de Nvidia o contratar servicios de nube de Google o Microsoft.
LA INFRAESTRUCTURA DIGITAL ABIERTA COMO PILAR SOBERANO
Frente a este panorama, surge el concepto de IA como bien público (IA pública), que consiste en impulsar la IA con base en un marco de gobernanza democrática que prioriza el valor social sobre el beneficio económico, incluye procesos de codiseño deliberativos, construye infraestructura digital pública, fomenta la transparencia y la apertura de las capas del sistema para la validación externa e incorpora principios de responsabilidad ambiental. Dentro de este concepto también se incluye la IA desarrollada por empresas privadas y la IA comunitaria, siempre que se garantice transparencia, rendición de cuentas y acceso equitativo a sus componentes.
La apertura y transparencia se aplican a todas las capas: no basta con impulsar modelos abiertos si no existe algún grado de apertura en el cómputo y los datos. No obstante, un aspecto relevante para el diseño de políticas de IA pública es incorporar el «gradiente de lo público», propuesto por Open Future, que sitúa las iniciativas en un continuo que va desde lo totalmente privado hasta lo totalmente público, en función de su accesibilidad, apertura, alineación con objetivos públicos y mecanismos de gobernanza. El gradiente acepta que hoy casi ningún sistema de IA puede ser completamente independiente de algún componente comercial. Funciona, entonces, como una herramienta estratégica que permite identificar acciones concretas para aumentar el carácter público de una iniciativa en cada capa.
Otro aspecto relevante son las leyes de la escala, que sostienen que el rendimiento mejora con más parámetros y más cómputo. Estas leyes son financieramente insostenibles para el sector público y para la mayoría de las empresas, por lo que son necesarias aproximaciones como: a) evitar la carrera por la superinteligencia, tratando a la IA como una «tecnología normal» orientada a resolver problemas sociales concretos; b) un enfoque impulsado por la demanda, que oriente las inversiones a las necesidades públicas y no a los intereses de la industria; c) políticas de cómputo condicionado, que vinculen la inversión pública en cómputo a reglas que exijan objetivos de interés público y resultados de código abierto; d) nuevos marcos de gobernanza para compartir datos. Esto implica crear conjuntos de datos de alta calidad como bienes públicos digitales, protegidos frente a la extracción de valor sin reciprocidad; e) el impulso de «modelos base»; requiere asegurar al menos un modelo de vanguardia permanentemente abierto, transparente y gobernado de manera democrática, que sirva de ancla al ecosistema; f) el fomento de modelos pequeños, compactos y eficientes para tareas específicas ignoradas por el mercado.
La IA concebida como un bien público representa una vía estratégica para la innovación local: permite aprovechar modelos abiertos para construir aplicaciones adaptadas a necesidades específicas sin entrenar modelos de vanguardia desde cero. Fuera de la IA, existen antecedentes de infraestructura pública digital exitosa, como PIX (Brasil) y UPI (India), sistemas de pagos que transformaron las transacciones financieras en un servicio de interés común, eficiente e interoperable, con costes casi nulos para los usuarios.
LA IA COMO INFRAESTRUCTURA DIGITAL PÚBLICA EN URUGUAY
El índice latinoamericano de inteligencia artificial (ILIA) 2025, elaborado por el Centro Nacional de Inteligencia Artificial de Chile y la Comisión Económica para América Latina y el Caribe, que busca reflejar el estado de avance de la inteligencia artificial en 19 países de América Latina, ubica a Uruguay en el tercer lugar, detrás de Chile y Brasil y muy por encima del promedio regional. Sin embargo, si leemos estos datos a través de la metáfora de la AI stack, el buen posicionamiento relativo del país convive con una dependencia estructural que atraviesa todas las capas.
La capa de cómputo: Uruguay tiene una de las infraestructuras más robustas de la región y destaca en GPU per cápita, pero se trata de una ventaja de escala muy pequeña comparada, por ejemplo, con Brasil, país que concentra más del 90 por ciento de la capacidad de cómputo de alto rendimiento regional. El principal recurso público es ClusterUY –el Centro Nacional de Supercomputación– de la Universidad de la República (con UTE y Antel como socios), que alberga el mayor poder de cómputo disponible en el país (basado en GPU de Nvidia). A su vez, Antel anunció el pasado agosto la construcción en Canelones de un centro de datos de IA, en el que se invertirán 70 millones de dólares (aunque esa cifra cubre solo el edificio, no las GPU). Mientras tanto, la nube de gran escala llega de la mano de los hiperescaladores: Google construye en el Parque de las Ciencias un centro de datos de 850 millones de dólares, que prevé operar en 2027 (en una zona de alto riesgo hídrico), y Antel acordó alojar la infraestructura de Google Distributed Cloud en su data center de Pando bajo el rótulo de nube híbrida soberana. Incluso los cables submarinos que nos conectan (Tannat y Firmina) son de Google o compartidos con Antel. La última novedad es la firma de un memorando con la española Solaria para la construcción de un mega parque tecnológico que incluye data centers. La matriz eléctrica 98 por ciento renovable es una ventaja real del país, pero también un imán para que otros instalen aquí su infraestructura.
La capa de datos: Uruguay está entre los países mejor posicionados en disponibilidad, capacidades y gobernanza de datos, y cuenta con una Estrategia Nacional de Datos con horizonte 2030. Pero la integración de los datos del Estado se plantea, sobre todo, como centralización para la gestión, no como datos compartidos bajo marcos de bienes comunes, y la ausencia de una excepción de minería de textos y datos para actividades de investigación en la ley de derecho de autor limita el uso de contenidos para entrenar o adaptar modelos.
La capa de modelos: aquí la dependencia es casi total. No existen modelos fundacionales uruguayos. Antel apuesta a un esquema híbrido: ejecutar modelos extranjeros sobre infraestructura nacional para que los datos y la inferencia queden en el país. La principal vía hacia un modelo abierto es la participación de Uruguay en la construcción del modelo regional Latam GPT, lanzado en febrero de este año, que, sin embargo, fue entrenado en la nube de Amazon sobre la arquitectura del modelo Llama 3.1 de Meta.
Talento y adopción: si bien Uruguay es uno de los seis países de la región que incorporan habilidades tempranas en IA en el currículo escolar, no cuenta con programas de doctorado en IA y la adopción masiva de la tecnología se apoya en herramientas comerciales.
En gobernanza, Uruguay integra el grupo de países con estrategias consolidadas, a través de la Estrategia Nacional de Inteligencia Artificial 2024-2030. No obstante, el ILIA advierte que en la región hay «mucho plan y poca acción» ya que solo unos pocos países han asignado presupuesto, definido planes de implementación o establecido indicadores de impacto. Afortunadamente, Uruguay dio dos pasos durante 2026. En mayo, el gobierno presentó su Estrategia Digital con líneas de trabajo en IA, datos e infraestructura pública digital (destacando el proyecto de billetera digital de uso público al estilo PIX de Brasil). En setiembre se lanzó el Instituto Vidart (Centro Nacional de Inteligencia Artificial de Uruguay), que reunirá a investigadores con dedicación total de las universidades. Sus primeras áreas de trabajo serán salud, agro y educación.
Entonces, desde la lógica del «gradiente de lo público», la pregunta no es si Uruguay puede independizarse de los hiperescaladores, algo improbable para su escala, sino cómo aumentar el grado de aporte al interés público de cada iniciativa, capa por capa, reconociendo que la mayoría de las iniciativas de IA pública seguirán siendo dependientes en la capa de cómputo, mientras que las barreras son menores en las capas de datos y de modelos. Se abren algunas líneas de acción: a) cómputo condicionado: el centro de datos de Antel y ClusterUY pueden ser la base de una política que priorice el acceso de universidades, organismos públicos y proyectos de código abierto y exija resultados abiertos, en lugar de limitarse a vender capacidad de inferencia de modelos ajenos; b) datos como bienes comunes: implica establecer estrategias para promover la digitalización y convertir los datos públicos y del patrimonio cultural en conjuntos de datos de alta calidad, gobernados con reglas de reciprocidad (previniendo los usos predatorios por las grandes tecnológicas), e incorporar una excepción de minería de textos y datos para la investigación con fines de interés público, que dé seguridad jurídica a nuestros investigadores; c) apertura como condición de financiamiento: requiere exigir que los sistemas de IA desarrollados con fondos públicos publiquen código, pesos y documentación para fomentar el aprovechamiento comercial de los modelos a nivel local; d) priorizar modelos pequeños, abiertos y de anclaje regional para las áreas que el Instituto Vidart definió como prioritarias y profundizar la cooperación en Latam GPT como «modelo base» abierto y gobernado colectivamente; e) transparencia ambiental: es necesario exigir a todo centro de datos, incluidos los públicos, información verificable sobre consumo de agua y energía.
En definitiva, Uruguay reúne condiciones especiales en la región: una matriz eléctrica limpia, una larga tradición de gobierno digital y una empresa pública de telecomunicaciones fuerte. Con la Estrategia Digital y el Instituto Vidart, la política pública ya no se limita al cómputo, sino que suma investigación y talento. El paso que falta es traducir esa ambición en reglas: que la infraestructura, los datos y los modelos financiados con fondos públicos sean abiertos y se gobiernen democráticamente.
