La batalla por el control que pone en jaque la promesa de la inteligencia artificial

Source details

Canonical URL: La batalla por el control que pone en jaque la promesa de la inteligencia artificial

Other formats

Bibliographic details

Authors: CARL BENEDIKT FREY
Published: September 3, 2025

Tesis central

Un giro hacia la centralización y la concentración amenaza con sofocar el potencial transformador de la inteligencia artificial (IA).
Ni la centralización estatal estricta ni la concentración corporativa garantizan la capacidad de generar innovaciones en la frontera tecnológica; la experimentación descentralizada sigue siendo crucial.

Lecciones históricas y comparativas

Experiencia soviética:
- La URSS colapsó justo cuando la revolución informática comenzaba a despegar.
- El problema no fue la falta de talento científico, sino instituciones que no alentaban la innovación; la innovación estaba centralizada y controlada por funcionarios del gobierno en Moscú.
- La dificultad de la planificación centralizada radica en acceder a conocimientos locales esenciales (referencia a la advertencia de Friedrich Hayek).
Japón y la ventaja competitiva retrasada:
- La productividad de los trabajadores automotrices japoneses era un 17% superior a la de sus pares estadounidenses.
- Japón destacó en mejoras de procesos: cerca de dos tercios de la I+D en Japón se destinaban a mejoras de procesos (según Edwin Mansfield).
- El sistema de coordinación y keiretsu impulsó mejoras incrementales pero limitó la transición hacia modelos basados en software e Internet.
Europa y el capitalismo coordinado:
- Las instituciones concebidas para crecimiento por adopción de tecnologías ajenas funcionaron bien hasta que la revolución informática exigió innovación propia.
- Modelos de planificación indicativa y empresas estatales resultaron rígidos frente a cambios tecnológicos acelerados, contribuyendo a estancamientos como las “dos décadas perdidas” en algunos países.

Evidencia técnica sobre IA y su desarrollo

Escala y rendimiento:
- Los modelos grandes de lenguaje (LLM) se multiplicaron por 10,000 entre 2019 y 2024.
- Desempeño en pruebas de razonamiento:
- LLM: alrededor del 5% en la prueba ARC.
- Búsqueda de programas: superó el 20%.
- Aprendizaje contextual (in-context learning) avanza rápidamente.
Limitaciones prácticas:
- Los LLM entrenados con todo el contenido de Internet carecen de la experiencia sensoriomotora de un niño de cuatro años; la sustitución de la capacidad humana de descubrimiento no es inminente.
- Demis Hassabis reconoce que alcanzar una inteligencia artificial general verdadera podría requerir “varias innovaciones más”.

Riesgos actuales de control y concentración

China:
- Recentralización del poder: licencias, crédito y contratos orientados hacia conglomerados políticamente confiables; aplicación selectiva de la ley de competencia.
- Experimentación provincial se ha marchitado; las solicitudes de patentes se inflan con registros de escaso valor.
- Empresas sin vínculos estrechos con el poder (ejemplo: DeepSeek) aportan vitalidad, pero carecen de protecciones legales sólidas y quedan expuestas a cambios de prioridades políticas.
Estados Unidos:
- Movilidad laboral restringida por cláusulas de no competencia que limitan la circulación del conocimiento tácito y desincentivan la fundación de empresas rivales.
- Tendencia a la concentración no atribuible únicamente a economías de escala, según Germán Gutiérrez y Thomas Philippon; intereses establecidos consolidan ventajas regulatorias.
- Cuotas de mercado y dependencia de proveedores críticos:
- La alianza de Microsoft con OpenAI controla alrededor del 70% del mercado comercial de modelos grandes de lenguaje.
- Nvidia suministra cerca del 92% de las unidades de procesamiento gráfico (GPU) especializadas usadas para entrenarlos.
- Alphabet, Amazon y Meta también adquieren participaciones en empresas emergentes de IA prometedoras.

Implicaciones para la política pública

Condiciones necesarias para preservar el potencial transformador de la IA:
- Proteger y promover el dinamismo competitivo en lugar de blindar empresas específicas.
- Ampliar los espacios de experimentación y reducir las barreras de entrada para inventores, científicos y emprendedores.
- Limitar prácticas que restringen la movilidad laboral y la difusión de conocimiento tácito (por ejemplo, cláusulas de no competencia).
- Evitar que la captura política desvíe recursos hacia la búsqueda de alianzas políticas en lugar de la innovación técnica.
- Mantener reglas transparentes de competencia y concesión de licencias para evitar clientelismo y saturación de patentes de escaso valor.
En resumen:
- Un marco de políticas que proteja el dinamismo competitivo es condición esencial para que la próxima generación de innovadores impulse la productividad con la fuerza transformadora que prometen las tecnologías de IA.

Fuente: La batalla por el control que pone en jaque la promesa de la inteligencia artificial — Carl Benedikt Frey, Septiembre de 2025, FINANZAS & DESARROLLO (F&D), Fondo Monetario Internacional.