Estados Unidos acelera su apuesta por la IA global

La estrategia de Estados Unidos para la dominancia global en inteligencia artificial (IA) se basa en un enfoque multifacético. Impulsada por la percepción de una “Guerra fría de la IA” con China, esta ambiciosa apuesta busca asegurar ventajas económicas y de seguridad nacional a través de inversión masiva e innovación.

La arquitectura de la estrategia estadounidense de IA

El objetivo primordial de alcanzar y mantener la dominancia global en IA es un tema constante en las administraciones recientes, enmarcado como una carrera por beneficios económicos y de seguridad. Este objetivo se declara explícitamente tanto en la “Iniciativa Estadounidense de IA” de la administración Trump como en el enfoque de la administración Biden en el avance del “Liderazgo estadounidense”, buscando asegurar que “El mundo continúe funcionando con tecnología estadounidense”.

El enfoque de “barandillas” de la administración Biden (2021-2025)

La estrategia de la administración Biden-Harris se codificó en la histórica orden ejecutiva sobre inteligencia artificial segura, confiable y fidedigna (30 de octubre de 2023). Esta orden ejecutiva era expansiva, buscando utilizar la autoridad existente del poder ejecutivo para regular la IA tanto dentro como fuera del gobierno federal. Sus principios fundamentales eran equilibrar la innovación con la seguridad, proteger la privacidad, promover la equidad y los derechos civiles, y apoyar a los trabajadores.

La orden estableció Nuevos estándares para la seguridad de la IA, exigiendo a los desarrolladores de los “modelos de base de doble uso” más potentes que informaran al gobierno sobre los resultados de las pruebas de seguridad. Este enfoque consistía fundamentalmente en liderar el mundo estableciendo un modelo de gobernanza de IA responsable y respetuoso de los derechos, con la intención de que sirviera como un estándar global en contraste con los modelos autoritarios.

El enfoque de “aceleración” de la administración Trump (2019-2021, 2025-presente)

El enfoque de la administración Trump, iniciado con la orden ejecutiva “Manteniendo el liderazgo estadounidense en inteligencia artificial” (11 de febrero de 2019) y revitalizado con el “plan de acción de IA de Estados Unidos” en 2025, prioriza la velocidad y la desregulación. Un primer paso clave fue la anulación de la orden ejecutiva de Biden sobre IA segura, confiable y fidedigna el 20 de enero de 2025. Esta acción señala un cambio fundamental, alejándose de la regulación proactiva para eliminar las “Barreras al liderazgo estadounidense” percibidas.

La estrategia se basa en tres pilares: acelerar la innovación, construir infraestructura de IA y liderar la diplomacia y seguridad internacional. Un componente ideológico significativo es el enfoque en eliminar lo que denomina “sesgo ideológico de arriba hacia abajo” de los sistemas de IA y los marcos federales. Esto incluye la orden al instituto nacional de estándares y tecnología (NIST) de revisar su marco de gestión de riesgos de IA para eliminar referencias a “desinformación, diversidad, equidad e inclusión, y cambio climático”. Esto representa un movimiento deliberado para alinear la gobernanza de la IA con una agenda Política y cultural específica.

El drástico cambio ideológico en la gobernanza de la IA entre las administraciones de Biden y Trump —pasando de un enfoque regulatorio integral centrado en la seguridad y los derechos a un enfoque desregulador centrado en la velocidad— crea una incertidumbre estratégica significativa. Este “latigazo” político afecta a la industria nacional, que debe navegar por paisajes de cumplimiento que cambian rápidamente, y a los aliados internacionales, que cuestionan la fiabilidad de Estados Unidos como socio para establecer normas globales a largo plazo.

La comparación directa de las políticas muestra que la orden ejecutiva de Biden se centraba en principios de “seguridad, confianza y fiabilidad”, mitigación de riesgos, privacidad y equidad. Por el contrario, el plan de acción de IA de Trump elimina explícitamente estas “barandillas” y conceptos asociados como la diversidad, equidad e inclusión (DEI) de los marcos federales, priorizando la aceleración. Esta volatilidad en la política interna socava directamente el pilar diplomático externo de la estrategia estadounidense, creando una vulnerabilidad estratégica que competidores como China pueden explotar, ya que un socio impredecible es un socio poco fiable en la construcción de un frente democrático unido en la gobernanza tecnológica.

Impulsando el motor: Inversión sin precedentes en investigación e infraestructura

Esta sección detalla la masiva inversión pública y privada que impulsa la innovación en IA en Estados Unidos, posicionándola como un pilar central de la estrategia nacional.

La ley CHIPS y de ciencia: Una política industrial estratégica

La ley CHIPS y de ciencia de 2022 representa una iniciativa de política industrial histórica, enmarcada explícitamente en el contexto de la “guerra fría de la IA” con China. Asigna inversiones históricas para reforzar la fabricación nacional de semiconductores, la investigación y el desarrollo de la fuerza laboral. La ley proporciona $39 mil millones en subsidios para la fabricación de chips en suelo estadounidense y $13 mil millones para I+D de semiconductores y capacitación de la fuerza laboral.

La Fundación Nacional de Ciencias (NSF) es una de las principales beneficiarias, con autorizaciones de $81 mil millones en cinco años para fortalecer la investigación fundamental y establecer la dirección de tecnología, innovación y asociaciones (TIP). La IA se nombra explícitamente como una de las 10 áreas tecnológicas clave críticas para la seguridad nacional, junto con los semiconductores, la computación cuántica y la biotecnología. Sin embargo, la implementación de la ley revela una brecha entre la autorización y la asignación de fondos. Para abril de 2024, las agencias de investigación de la ley CHIPS estaban subfinanciadas en más de $8 mil millones, y la alta demanda de subsidios de fabricación obligó al departamento de comercio a detener la financiación de proyectos de I+D comerciales con cargo al fondo principal de $39 mil millones. Esto pone de manifiesto el riesgo de ejecución en políticas industriales ambiciosas.

La Fundación Nacional de Ciencias (NSF): Construyendo el ecosistema nacional de IA

La NSF es la agencia civil central para ejecutar la estrategia nacional de investigación en IA. Su programa insignia son los institutos nacionales de investigación en IA, una red de 25 centros financiados en asociación con otras agencias y la industria. Estos institutos son multidisciplinarios y se centran tanto en la investigación fundamental como en aplicaciones inspiradas en el uso en sectores críticos como la salud, la agricultura (AgAID), la ciberseguridad, la educación en línea (ALOE) y las cadenas de suministro (AI4OPT). Las líneas de investigación clave incluyen IA confiable, aprendizaje aumentado por IA y IA para la toma de decisiones.

La NSF también está lanzando el piloto del Recurso Nacional de Investigación en Inteligencia Artificial (NAIRR), una iniciativa crítica para democratizar el acceso a recursos computacionales, conjuntos de datos y modelos para investigadores y educadores en todo EE. UU.. Esto aborda directamente un cuello de botella clave en el desarrollo de la IA y tiene como objetivo ampliar la base de innovación más allá de las instituciones y corporaciones de élite. La educación es un componente central, con la iniciativa educateAI destinada a desarrollar planes de estudio de IA a nivel K-12 y universitario para construir el canal de talento nacional.

DARPA e IARPA: Empujando la frontera tecnológica

La Agencia de Proyectos de Investigación Avanzada de Defensa (DARPA) desempeña un papel crucial en la investigación de alto riesgo y alta recompensa con implicaciones directas para la seguridad nacional. La campaña “AI next”, una inversión de más de $2 mil millones anunciada en 2018, se centra en ser pionera en la “tercera ola” de la IA, que enfatiza el razonamiento contextual y la explicabilidad, superando la coincidencia de patrones estadísticos del aprendizaje automático de la “segunda ola”.

Los programas de DARPA están desarrollando IA para aplicaciones militares específicas, como el programa air combat evolution (ACE) para combates aéreos autónomos, y abordando desafíos fundamentales como la cuantificación de las capacidades de la IA (programa AIQ). DARPA también utiliza grandes desafíos, como el AI cyber challenge (AIxCC), para estimular la innovación en la protección de software crítico mediante IA, con millones en premios.

La actividad de proyectos de investigación avanzada de inteligencia (IARPA) complementa esto centrándose en las necesidades únicas de la comunidad de inteligencia, con programas dirigidos a todo, desde contrarrestar ataques troyanos en modelos de IA (TrojAI) hasta desarrollar hardware de próxima generación.

El horizonte del hardware: Inversión en computación de próxima generación

Reconociendo que el hardware es un habilitador fundamental de la IA, las agencias de investigación de EE. UU. están invirtiendo en tecnologías que van más allá del silicio tradicional.

• Computación neuromórfica: El programa SyNAPSE de DARPA tiene como objetivo desarrollar computadoras neuromórficas electrónicas de bajo consumo que escalen a niveles biológicos, un cambio de paradigma con respecto a las arquitecturas actuales. El departamento de energía (DOE) también está financiando la investigación básica en esta área, reconociendo su potencial para la supercomputación energéticamente eficiente.
• Microelectrónica para el borde: El programa MicroE4AI de IARPA se centra específicamente en el desarrollo de microelectrónica altamente eficiente y capaz para aplicaciones de IA/ML en el borde de la red (edge), trasladando la inteligencia de la nube al sensor.
• Computación óptica: Aunque no es una estrategia gubernamental formal en las fuentes, la investigación destaca un campo floreciente donde los fotones reemplazan a los electrones para una computación más rápida y eficiente energéticamente. Investigadores y startups estadounidenses (como Lightmatter) están explorando esta frontera, que promete acelerar enormemente las tareas de IA. La masiva inversión en GPUs para IA está impulsando indirectamente la investigación en óptica y fotónica al proporcionar nuevas y potentes herramientas de simulación.

La estrategia de EE. UU. no es un modelo de arriba hacia abajo dirigido por el estado como el de China. En cambio, se basa en una poderosa relación simbiótica entre las agencias de financiación gubernamentales (NSF, DARPA), las instituciones de investigación académica de élite y un sector privado líder a nivel mundial. Esto crea un ciclo virtuoso de innovación. Las agencias gubernamentales financian institutos de investigación de IA dirigidos por universidades, que a menudo se asocian con la industria. El talento fluye desde estas universidades directamente a las principales empresas de IA, que a su vez comercializan la investigación fundamental, crean nuevos productos y proporcionan la infraestructura (por ejemplo, GPUs de NVIDIA, Google Cloud) de la que depende todo el ecosistema. Este modelo descentralizado y colaborativo es una ventaja estratégica central para EE. UU., fomentando un ecosistema de innovación más resiliente y dinámico. Sin embargo, también depende de la salud de sus tres pilares; una debilidad en uno, como una ruptura en el flujo de talento o una financiación gubernamental insuficiente, podría comprometer toda la estructura.

La guerra global por el talento: El arma de doble filo de Estados Unidos

Esta sección analizará la dependencia crítica de Estados Unidos del talento nacido en el extranjero para su liderazgo en IA, presentándola como un activo estratégico profundo y una vulnerabilidad significativa debido a políticas de inmigración inconsistentes y a menudo restrictivas.

Cuantificando la dependencia: los inmigrantes como motor de la IA en EE. UU.

Múltiples análisis independientes revelan el asombroso alcance de la dependencia de EE. UU. del talento extranjero:

• Fundadores de empresas: Casi dos tercios (65%) de las principales empresas de IA de EE. UU. fueron fundadas o cofundadas por inmigrantes. Esta cifra aumenta al 77% si se incluyen los hijos de inmigrantes. El 42% de estas empresas tuvo un fundador que originalmente llegó a EE. UU. como estudiante internacional.
• Fuerza laboral en IA: Más de la mitad de la fuerza laboral de IA en EE. UU. nació en el extranjero. Los trabajadores nacidos en el extranjero han representado el 55% del crecimiento del empleo en ocupaciones relacionadas con la IA desde el año 2000.
• Cantera de talento de posgrado: La dependencia es aún más aguda en el ámbito académico. Alrededor de dos tercios de los estudiantes de posgrado en campos relacionados con la IA son internacionales. En las universidades de EE. UU., el 70% de los estudiantes de posgrado a tiempo completo en campos clave de la IA son estudiantes internacionales. Para la informática específicamente, la cifra es del 71%.
• Investigadores de primer nivel: China es la mayor fuente de investigadores de IA de primer nivel a nivel mundial, pero la mayoría de ellos se van a estudiar y trabajar a EE. UU.. El 88% de los investigadores chinos que completan sus estudios de posgrado en EE. UU. eligen quedarse y trabajar allí.

La contradicción política: Objetivos estratégicos vs. barreras sistémicas

A pesar de los datos claros sobre la dependencia del talento, la política de inmigración de EE. UU. a menudo funciona en contra de sus objetivos estratégicos en IA. La orden ejecutiva de Biden sobre IA tenía como objetivo explícito agilizar los procesos de visado para atraer talento global. Sin embargo, la administración Trump ha demostrado una política errática, con promesas de otorgar tarjetas de residencia a los graduados que contrastan con acciones como la revocación abrupta de visados para estudiantes F-1 y J-1 y una mayor vigilancia de las redes sociales.

Las barreras sistémicas son significativas:

• Lotería de visados H-1B: El programa de visados H-1B, crítico para el talento tecnológico, está sobresuscrito, con bajas probabilidades de éxito.
• Listas de espera para la tarjeta de residencia: Debido a los límites por país, los inmigrantes cualificados de india y China se enfrentan a esperas de décadas, a veces de por vida, para obtener la residencia permanente.
• Falta de un visado para emprendedores: EE. UU. carece de un visado específico para graduados internacionales que deseen fundar startups, lo que frena la innovación.

El resultado es que el 60% de los receptores de doctorados extranjeros en EE. UU. informan de dificultades para quedarse, en comparación con solo el 12% en otros países.

Las repercusiones geopolíticas: cediendo ventaja a los competidores

Esta fricción política no ocurre en el vacío. Las naciones competidoras están trabajando activamente para atraer a este grupo de talentos. Simultáneamente, China está implementando una estrategia multifacética para atraer de vuelta a su talento en el extranjero a través de incentivos lucrativos y programas nacionales como el plan de los mil talentos.

Existe una creciente evidencia de una “fuga de cerebros inversa”, acelerada por la percepción de que EE. UU. se está volviendo menos acogedor. Entre 2010 y 2021, el número de científicos nacidos en China que abandonaron EE. UU. aumentó un 75%, y el 67% de ellos se trasladó a China o Hong Kong. El reciente éxito de empresas chinas como DeepSeek con equipos educados y basados casi en su totalidad en China indica que EE. UU. está perdiendo su estatus como destino por defecto para el talento de primer nivel.

La doctrina de la “Valla alta, patio pequeño”: Contención tecnológica de China

Esta sección realizará un análisis profundo de la estrategia estadounidense de utilizar controles de exportación de semiconductores y tecnologías relacionadas como herramienta principal para frenar el desarrollo de la IA en China, evaluando sus mecanismos, eficacia y consecuencias no deseadas.

La lógica estratégica: Estrangular el suministro de computación

La lógica central de los controles de exportación es que el desarrollo de la IA, particularmente para el entrenamiento de modelos de frontera, depende fundamentalmente del acceso a una enorme capacidad de computación (“compute”). Los semiconductores, especialmente las GPU avanzadas, son el cuello de botella o “punto de estrangulamiento” en la cadena de suministro de la IA. El objetivo declarado es mantener “La mayor ventaja posible” en estas tecnologías críticas, pasando de una ventaja relativa a una absoluta. Los controles buscan limitar la capacidad de China para desplegar IA avanzada a gran escala, restringiendo así sus ambiciones militares y económicas.

Mecanismos de control

Te puede interesar:Urgente: Disputa aérea México-EU amenaza con paralizar industria

Los controles, implementados principalmente por la oficina de industria y seguridad (BIS) del departamento de comercio, se han endurecido progresivamente desde octubre de 2022 bajo las administraciones de Biden y Trump.

Los mecanismos clave incluyen:

• Umbrales de rendimiento: Restringir la exportación a China de GPU de alto rendimiento (como la H100 de NVIDIA) basándose en métricas como el rendimiento de cálculo y el ancho de banda de interconexión.
• Prohibiciones de equipos de fabricación de semiconductores (SME): Prohibir la venta de equipos avanzados necesarios para producir chips de vanguardia, con un enfoque particular en las máquinas de litografía ultravioleta extrema (EUV) de la empresa holandesa ASML.
• Lista de entidades: Incluir en una lista negra a empresas chinas específicas (por ejemplo, Huawei, SMIC) para restringir su acceso a la tecnología estadounidense.
• Regla de Producto Directo Extranjero (FDPR): Extender la jurisdicción de EE. UU. sobre artículos fabricados en el extranjero que incorporen tecnología estadounidense o que se hayan fabricado con equipos estadounidenses, una herramienta poderosa para el control unilateral.
• Regla de personas de EE. UU.: Restringir la capacidad de los ciudadanos y residentes de EE. UU. para apoyar la fabricación avanzada de semiconductores en China, apuntando tanto a la transferencia de conocimientos como al hardware.

El dilema estratégico y la eficacia debatida

Toda la estrategia depende de una cuestión crítica de plazos: ¿Surgirá la IA transformadora a corto plazo (2-3 años) o a largo plazo (10+ años)?

• Escenario de avance a corto plazo: Si la AGI o la IA transformadora es inminente, los controles podrían ser muy efectivos, creando una “brecha de computación” decisiva que China no puede cerrar a tiempo. Se estima que EE. UU. tendrá una ventaja de tres a uno en el número de aceleradores de IA para finales de 2025.
• Escenario de independencia a largo plazo: Si el plazo es más largo, los controles corren el riesgo de ser contraproducentes. Niegan miles de millones en ingresos a empresas estadounidenses como NVIDIA, que son cruciales para financiar la I+D de próxima generación, mientras que aceleran simultáneamente el impulso de China hacia la autosuficiencia tecnológica.

La contraestrategia de China: Adaptación e innovación autóctona

China ha respondido a los controles con un “esfuerzo de toda la nación” para lograr la autosuficiencia.

• Desarrollo de chips autóctonos: Empresas chinas como SMIC y HiSilicon de Huawei han logrado avances sorprendentes, produciendo chips de 7nm (Kirin 9000S) sin tecnología EUV, y se informa que están cerca de capacidades de 5nm. China ha establecido su tercer fondo de inversión estatal para semiconductores, valorado en $47.5 mil millones.
• Eficiencia algorítmica: Las empresas chinas están aprendiendo a “exprimir cada ápice de CI de cada flop”. La startup DeepSeek desarrolló un modelo casi de frontera (R1) utilizando chips menos capaces y no restringidos, innovando en software y eficiencia de entrenamiento, demostrando que el hardware no es la única variable en la carrera de la IA.
• Uso estratégico del código abierto: China está aprovechando los modelos de IA de código abierto como una poderosa solución alternativa, lo que les permite innovar sobre arquitecturas existentes sin necesitar hardware de entrenamiento de vanguardia.
• Contrabando y elusión: A pesar de los controles, los chips proscritos siguen llegando a China a través de varios canales ilícitos.

La estrategia de control de exportaciones de EE. UU. se centra abrumadoramente en restringir las capacidades de hardware de China (chips y SME). Sin embargo, China está contrarrestando esto eficazmente destacando en la innovación de software y algoritmos. Esto crea una asimetría estratégica en la que EE. UU. está construyendo un muro de fortaleza (controles de hardware) mientras que China está desarrollando formas de sobrevolarlo (eficiencia de software y modelos de código abierto). La estrategia estadounidense se basa en la suposición de que un déficit de computación se traduce directamente en un déficit de capacidad de IA. Las acciones de China desafían esta suposición lineal, demostrando que la relación entre la potencia de cálculo y el rendimiento de la IA no es fija; puede alterarse mediante la innovación de software. Esto sugiere un posible fallo en la estrategia de “punto de estrangulamiento” de EE. UU. Si bien ha ralentizado con éxito la escala de fabricación de hardware de China, podría haber estimulado inadvertidamente un ecosistema de software más resiliente y eficiente en China, lo que podría hacer que todo el régimen de control de exportaciones de EE. UU. quede obsoleto a largo plazo.

Además, los cambios frecuentes y a veces contradictorios en las reglas de control de exportaciones, incluida la reciente reversión que permite la venta de chips H20 de NVIDIA a China, socavan la credibilidad y eficacia a largo plazo de la política. Esta volatilidad crea incertidumbre para las empresas estadounidenses, confunde a los aliados y señala la falta de una visión estratégica estable. Para aliados clave como japón y los países bajos, resulta extremadamente difícil alinear sus propias políticas si EE. UU. puede revertir la suya caprichosamente, erosionando la cooperación multilateral esencial para el éxito de los controles.

Construyendo el bloque democrático: alianzas, estándares y valores

Esta sección examina el pilar diplomático de la estrategia estadounidense: forjar alianzas con democracias afines para establecer normas y estándares globales para la IA, creando un poderoso contrapeso al modelo tecno-autoritario de China.

El consejo de comercio y tecnología EE. UU.-UE (TTC): el eje de la diplomacia de la IA

El TTC fue establecido en 2021 como el principal foro para que EE. UU. y la UE coordinen la política tecnológica y comercial basándose en valores democráticos compartidos. Un objetivo clave es evitar que China u otros actores llenen un vacío regulatorio con normas favorables al autoritarismo. El TTC tiene como objetivo demostrar cómo los enfoques democráticos y orientados al mercado pueden beneficiar a los ciudadanos. La IA es un foco central. El TTC ha establecido un grupo de trabajo dedicado a los estándares tecnológicos y la IA, con el objetivo de alinear enfoques y establecer estándares globales.

La hoja de ruta conjunta de IA: un marco para la cooperación transatlántica

El resultado más significativo del TTC en materia de IA es la “hoja de ruta conjunta sobre herramientas de evaluación y medición para una IA confiable y la gestión de riesgos”. El objetivo de la hoja de ruta es avanzar en terminologías y taxonomías compartidas para conceptos como “IA confiable” y “gestión de riesgos”. Su propósito es informar los enfoques respectivos de EE. UU. y la UE y promover esfuerzos colaborativos en los organismos internacionales de normalización. Esto representa un compromiso con un enfoque compartido y basado en el riesgo para la gobernanza de la IA. El TTC también ha publicado múltiples ediciones de una “terminología y taxonomía de la inteligencia artificial UE-EE. UU.” para construir un lenguaje común.

Caminos divergentes hacia un objetivo común: los modelos regulatorios de EE. UU. vs. la UE

Aunque el TTC busca la alineación, EE. UU. y la UE tienen enfoques nacionales fundamentalmente diferentes para la gobernanza de la IA.

• La ley de IA de la UE: Una regulación horizontal, integral y legalmente vinculante que clasifica los sistemas de IA por nivel de riesgo (inaceptable, alto, limitado, mínimo). Prohíbe ciertas prácticas como la puntuación social e impone obligaciones estrictas a los sistemas de alto riesgo antes de que puedan entrar en el mercado. Este es un modelo centrado en los derechos y precautorio.
• El marco de gestión de riesgos de IA (RMF) del NIST de EE. UU.: Un marco voluntario y flexible diseñado para dotar a las organizaciones de las mejores prácticas para gestionar los riesgos de la IA. No es legalmente vinculante y está destinado a ser adaptable, promoviendo la innovación al tiempo que fomenta prácticas responsables. Este es un modelo impulsado por el mercado y de gestión de riesgos.

El trabajo del TTC, por lo tanto, no se trata de armonización regulatoria, sino de encontrar interoperabilidad y principios comunes entre estos dos modelos distintos para presentar un frente unido a nivel mundial.

La alianza entre EE. UU. y la UE en materia de IA es una competencia entre dos formas de influencia global: el “efecto bruselas” de la UE, donde sus estrictas regulaciones se convierten en el estándar global de facto porque las empresas cumplen con el listón más alto, y el poder de mercado estadounidense, donde el dominio de sus gigantes tecnológicos (Google, Microsoft, OpenAI) y sus plataformas establecen los estándares técnicos de facto. El TTC es el foro donde estas dos fuerzas intentan alinearse en lugar de chocar. El enfoque del TTC en “terminologías compartidas” y “cooperación en organismos internacionales de normalización” es un reconocimiento tácito de esta dinámica. Es un intento de asegurar que las regulaciones de la UE no paralicen la innovación estadounidense y que los estándares técnicos de EE. UU. puedan hacerse compatibles con la ley de la UE. El éxito de este “bloque democrático” depende de si estos dos modelos pueden hacerse interoperables. Si la ley de IA de la UE se vuelve demasiado onerosa para las empresas estadounidenses, o si la tecnología estadounidense evoluciona de maneras fundamentalmente incompatibles con la ley, podría crear una brecha digital transatlántica, de la cual China sería el principal beneficiario.

El campo de batalla digital: integrando la IA en la defensa nacional

Esta sección analizará el esfuerzo integral para integrar la IA en todas las facetas del ejército de EE. UU., transformando los conceptos y capacidades de combate para mantener una ventaja decisiva sobre adversarios pares como China.

El plan de la NSCAI: un llamado a la acción para un ejército preparado para la IA

El informe final de la comisión de seguridad nacional sobre IA (NSCAI) es el documento fundamental que describe el imperativo estratégico de la IA en la defensa. Advierte que el ejército de EE. UU. podría quedarse atrás de sus competidores en la próxima década si no acelera la adopción de la IA. La recomendación central del informe es que el departamento de defensa (DoD) alcance un estado de “preparación para la IA para 2025”. Las recomendaciones clave abarcan toda la empresa de defensa: duplicar la I+D en IA no relacionada con la defensa, establecer una academia de servicio digital, invertir $35 mil millones en la fabricación nacional de semiconductores y reformar la inmigración para el talento en IA.

JADC2: el sistema nervioso de la guerra habilitada por IA

El comando y control conjunto en todos los dominios (JADC2) es el concepto central del DoD para la guerra futura. No es un sistema único, sino un enfoque global para conectar sensores de todos los servicios militares —fuerza aérea, ejército, marina, marines y fuerza espacial— en una única red habilitada por IA. El objetivo es permitir que la fuerza conjunta “sienta”, “entienda” y “actúe” sobre la información más rápido que un adversario.

La IA y el aprendizaje automático son los habilitadores centrales de JADC2. Son esenciales para fusionar conjuntos de datos masivos y dispares de todos los dominios en tiempo real, identificar patrones, predecir amenazas y proporcionar apoyo a la decisión a los comandantes. Esto permite la creación de redes “sensor-a-tirador” donde la IA puede correlacionar datos de forma autónoma para generar opciones de ataque, acortando drásticamente la línea de tiempo del enfrentamiento.

Sistemas autónomos y el futuro del conflicto

La estrategia de EE. UU. abarca el desarrollo y despliegue de sistemas autónomos habilitados por IA. El informe de la NSCAI recomienda explícitamente que el ejército explore el uso de armas autónomas, siempre que su uso sea autorizado por humanos. Programas de DARPA como air combat evolution (ACE) están desarrollando y probando activamente la IA para escenarios de combate complejos como el combate aéreo cercano, con el objetivo de construir la confianza humana en la autonomía de combate. La estrategia reconoce la necesidad de gestionar los riesgos asociados con la guerra habilitada por IA, incluyendo diálogos con competidores como China y Rusia para prevenir una escalada incontrolada a “velocidad de máquina”.

Garantía de la IA: construyendo confianza justificada

Un componente crítico de la adopción militar de la IA es garantizar que estos sistemas sean seguros, fiables y estén alineados con la política y los valores de EE. UU. Este es el campo de la garantía de la IA. El DoD necesita procesos de prueba y evaluación (T&E) ágiles e iterativos para seguir el ritmo del desarrollo de la IA. Las recomendaciones incluyen el desarrollo de métricas rigurosas para los principios de IA responsable, el énfasis en la explicabilidad para los operadores y la inserción de operadores con los desarrolladores en una fase temprana del ciclo de vida para construir confianza y asegurar que los sistemas satisfagan las necesidades operativas.

La integración de la IA, particularmente a través de JADC2, representa un cambio de paradigma fundamental en la estrategia militar, pasando de un enfoque en plataformas individuales y superiores (por ejemplo, un mejor avión de combate, un portaaviones más grande) a un enfoque en la superioridad del ecosistema en red. El factor decisivo ya no es la calidad del nodo, sino la velocidad y la inteligencia de toda la red. El concepto de JADC2 consiste en conectar todo —sensores, plataformas, personas— a través de todos los dominios. La IA es la tecnología que permite que esta red funcione a una velocidad sobrehumana, fusionando datos y proporcionando una ventaja en la toma de decisiones. Esto cambia la naturaleza de la competencia militar: un adversario con plataformas individualmente inferiores pero una red superior, más rápida e impulsada por IA podría derrotar a una fuerza con plataformas superiores pero una red más lenta y desconectada. Este enfoque centrado en la red hace que la interoperabilidad con los aliados sea primordial, elevando la importancia de los acuerdos técnicos y de intercambio de datos a una prioridad estratégica central.

El dilema de la gobernanza: equilibrando la innovación abierta con la seguridad nacional

Esta sección explorará el complejo debate interno sobre la mejor manera de gobernar el desarrollo de la IA, centrándose en la tensión estratégica entre la promoción de modelos de código abierto para estimular la innovación y la competencia, y el favorecimiento de modelos cerrados para proteger la seguridad nacional y la propiedad intelectual.

El enfoque de EE. UU. ante el riesgo: el RMF de IA del NIST

La principal herramienta para la gobernanza interna de la IA es el marco de gestión de riesgos de IA (RMF) del NIST. Es un conjunto de directrices voluntarias y no vinculantes que proporciona un proceso estructurado para que las organizaciones gobiernen, mapeen, midan y gestionen los riesgos de la IA a lo largo del ciclo de vida del sistema. Este marco encarna el enfoque de EE. UU. impulsado por el mercado y la innovación, que busca guiar en lugar de imponer, en contraste con la prescriptiva ley de IA de la UE.

La apuesta por el código abierto: una herramienta para la innovación y la influencia geopolítica

Existe un fuerte apoyo dentro de la comunidad estratégica de EE. UU. para promover modelos de IA de código abierto y de pesos abiertos. El plan de acción de IA de la administración Trump alienta explícitamente la IA de código abierto, afirmando que tiene “valor geoestratégico” porque los modelos abiertos fundados en “valores estadounidenses” podrían convertirse en estándares globales.

Las ventajas estratégicas incluyen:

• Innovación acelerada: El código abierto acelera el desarrollo al permitir que una comunidad global construya, pruebe y mejore los modelos.
• Acceso democratizado: Reduce la barrera de entrada para startups e investigadores, fomentando un ecosistema más competitivo y diverso.
• Establecimiento de estándares: Un ecosistema de código abierto dominante liderado por EE. UU. (como Llama de Meta) puede establecer estándares técnicos y dependencias que favorezcan la tecnología estadounidense a nivel mundial.
• Confianza y seguridad: La transparencia permite una investigación comunitaria más amplia para identificar y corregir sesgos y fallos de seguridad.

El argumento a favor de los modelos cerrados: proteger secretos y prevenir el mal uso

Te puede interesar:Criptomonedas EE. UU. 2025: La nueva era regulatoria y su impacto

La visión opuesta enfatiza los riesgos de abrir el código de los modelos de IA más potentes.

• Riesgos de seguridad nacional: Los modelos disponibles abiertamente podrían ser reutilizados por adversarios como China para aplicaciones militares, ciberataques o campañas de desinformación, transfiriendo de hecho tecnología estadounidense de vanguardia de forma gratuita.
• Protección de la propiedad intelectual: Los modelos cerrados (como los de OpenAI y Anthropic) protegen la inmensa inversión en I+D, datos de entrenamiento y algoritmos propietarios que constituyen una ventaja competitiva central para las empresas estadounidenses.

La cooptación de China de la estrategia de código abierto

El debate se complica por el uso estratégico que China hace de la IA de código abierto. Empresas chinas están lanzando potentes modelos de código abierto (como el R1 de DeepSeek y el Qwen de Alibaba) que desafían el dominio de EE. UU.. Esto se considera una estrategia deliberada para mercantilizar la IA, socavar los modelos de negocio de los líderes propietarios de EE. UU. y eludir los controles de exportación de hardware estadounidenses, permitiendo a los desarrolladores globales innovar en plataformas de software de origen chino.

El debate sobre IA de código abierto frente a IA cerrada ya no es un argumento técnico o filosófico; se ha convertido en un frente central en la competencia geopolítica entre EE. UU. y China. Ambas naciones ahora utilizan la “apertura” como un arma estratégica para alcanzar objetivos diferentes: EE. UU. para fomentar un ecosistema democrático e innovador y establecer estándares globales, y China para superar las restricciones de hardware, mercantilizar el mercado y construir una base de desarrolladores global dependiente de sus plataformas. Esto crea una paradoja para los responsables políticos de EE. UU. Promover modelos de código abierto estadounidenses (como Llama) ayuda a competir con las ofertas de China. Sin embargo, el propio acto de defender la apertura dificulta argumentar a favor de restringir el acceso a cualquier tecnología de código abierto, incluida la que se origina en EE. UU. pero que podría ser utilizada por China. El futuro del dominio de la IA puede que no lo decida qué país tiene el mejor modelo único, sino qué país controla el ecosistema más vibrante y ampliamente adoptado. El debate entre código abierto y cerrado es, fundamentalmente, una batalla sobre cómo será ese ecosistema y quién establecerá sus reglas.

Los frentes invisibles: restricciones de recursos y esferas de influencia global

Esta sección analizará dos factores críticos, a menudo subestimados, en la competencia global de IA: los inmensos y crecientes requisitos de recursos físicos para la IA, que crean nuevas vulnerabilidades estratégicas, y la batalla por la influencia en terceros países que se están convirtiendo en escenarios clave para la rivalidad entre EE. UU. y China.

El costo físico de la inteligencia: energía y agua como cuellos de botella estratégicos

• Consumo de energía: La rápida expansión de la IA está impulsando un aumento sin precedentes en el consumo de energía de los centros de datos. La agencia internacional de energía pronostica que el uso de energía de los centros de datos a nivel mundial podría más que duplicarse para 2030, con gran parte del crecimiento concentrado en EE. UU.. Los centros de datos de EE. UU. podrían consumir hasta el 12% de la electricidad total del país para 2028. Un solo centro de datos de IA puede requerir tanta electricidad como una ciudad de tamaño mediano o 100,000 hogares.
• Consumo de agua: Los centros de datos de IA requieren cantidades masivas de agua dulce para la refrigeración. Un solo entrenamiento de un modelo como ChatGPT puede consumir cientos de miles de galones, y se proyecta que la demanda global de IA consuma entre 1.1 y 1.7 billones de galones de agua dulce anualmente para 2027. Esto está creando una presión significativa sobre los suministros de agua locales, particularmente porque muchos centros de datos están ubicados en regiones con escasez de agua como Arizona y Virginia.
• Impacto ambiental: Este drenaje de recursos amenaza los objetivos climáticos, ya que las empresas de servicios públicos a veces reinician plantas de carbón retiradas para satisfacer las cargas de los centros de datos. El ciclo de vida completo, incluida la fabricación de hardware y los desechos electrónicos, se suma a la huella ambiental.

El campo de batalla geopolítico: competencia en el sudeste asiático y áfrica

La rivalidad de IA entre EE. UU. y China no se limita a sus propias fronteras; es una competencia global por influencia, mercados y posicionamiento estratégico.

• Sudeste asiático: Esta región es un escenario clave, que utiliza principalmente tecnología importada de EE. UU. y China. Las empresas tecnológicas chinas, con el apoyo del estado, están expandiendo su presencia física y llevando a cabo proyectos de ciudades inteligentes, aunque la inversión estadounidense todavía lidera en las empresas de IA de la región. La rivalidad ofrece a las naciones del sudeste asiático una palanca para negociar mejores condiciones, pero también corre el riesgo de obligarlas a elegir entre ecosistemas y estándares tecnológicos bifurcados de EE. UU. y China.
• África: África es un foco creciente debido a sus vastos recursos, su creciente población juvenil y su potencial para el desarrollo impulsado por la IA. China tiene una posición dominante en la infraestructura digital de áfrica, con empresas como Huawei y Transsion Holdings a la cabeza en servicios en la nube y en el mercado móvil. EE. UU. está contrarrestando con iniciativas como la asociación “transformación digital con áfrica”. Las naciones africanas intentan navegar esta rivalidad para atraer inversiones y construir sus propios ecosistemas de IA sin depender de ninguna de las dos potencias.
• La “tercera vía” de la india: La india se está posicionando conscientemente como un tercer polo en la competencia de la IA, rechazando una elección binaria entre el “tecno-liberalismo” de EE. UU. y el “tecno-autoritarismo” chino. Su estrategia enfatiza la soberanía digital, la IA ética e inclusiva y el desarrollo de bienes públicos digitales, con el objetivo de ofrecer un modelo para el sur global.

La brecha en la gobernanza de datos

La competencia por la influencia se extiende a los modelos regulatorios para los datos.

• Modelo de EE. UU.: Impulsado por el mercado, priorizando el libre flujo de datos con un enfoque en la seguridad nacional para prevenir el acceso a datos por parte de adversarios.
• Modelo de la UE: Basado en derechos, centrado en la “soberanía digital” y la privacidad individual a través de regulaciones estrictas como el GDPR.
• Modelo de China: Centrado en el estado, equilibrando la seguridad y el desarrollo, utilizando el control estatal sobre los datos como un activo estratégico (“nacionalismo de datos”).

Estos modelos competidores se están exportando a nivel mundial, y los países eligen qué marco adoptar, alineándose así con un bloque geopolítico particular.

La carrera por la supremacía en IA está creando una nueva capa de geopolítica de recursos. El dominio ya no se trata solo de algoritmos y talento; cada vez más se trata de asegurar el acceso a las vastas y crecientes cantidades de energía y agua necesarias para alimentar la infraestructura de IA. Esto crea nuevas vulnerabilidades estratégicas y posibles puntos de conflicto. El nivel de consumo de energía y agua no puede satisfacerse sin impactos significativos en las redes eléctricas nacionales y los suministros de agua regionales, creando un vínculo directo entre la infraestructura digital y la infraestructura de recursos físicos. La capacidad de una nación para construir y mantener un ecosistema de IA dominante ahora está limitada por su capacidad para proporcionar energía y agua baratas, fiables y abundantes. Esto eleva la política energética e hídrica al nivel de la estrategia nacional de IA y crea nuevas vulnerabilidades. Una interrupción en la red eléctrica, ya sea por un ciberataque, un clima extremo o una capacidad insuficiente, es ahora una amenaza directa para las capacidades de IA de una nación. La escasez de agua en los principales centros de datos podría detener la expansión. En consecuencia, los países con excedentes de energía limpia y recursos hídricos pueden convertirse en las nuevas ubicaciones estratégicas para la construcción de centros de datos, transformando la competencia por el dominio de la IA en una competencia por los recursos físicos necesarios para sostenerla.

Conclusión y recomendaciones estratégicas

La estrategia de Estados Unidos para la dominancia en IA es integral y ambiciosa, aprovechando su incomparable ecosistema de innovación. Sin embargo, se ve obstaculizada por importantes contradicciones internas, especialmente entre sus necesidades de talento y sus políticas de inmigración, y su enfoque vacilante hacia la gobernanza. Su principal herramienta geopolítica, los controles de exportación de hardware, está siendo contrarrestada eficazmente por las estrategias de software y código abierto de China. El esfuerzo diplomático de EE. UU. por construir un bloque democrático es prometedor, pero se ve amenazado por su propia inestabilidad política. Mientras tanto, están surgiendo nuevos frentes en la competencia en torno a las limitaciones de recursos físicos y la batalla por la influencia en el sur global.

Actualmente, EE. UU. lidera en el desarrollo de modelos de frontera y en el ecosistema de hardware y software subyacente. Sin embargo, su ventaja se está reduciendo y su dominio a largo plazo no está asegurado. La estrategia actual contiene las semillas tanto del éxito como del fracaso. ¿Podrá Estados Unidos resolver estas contradicciones internas y asegurar su liderazgo duradero en un futuro definido por la inteligencia artificial?