Durante los últimos años hablamos muchísimo sobre los riesgos de la inteligencia artificial.
Hablamos de empleos que podrían desaparecer, de errores imposibles de explicar, de manipulación y hasta de sistemas que algún día podrían volverse demasiado inteligentes para que podamos controlarlos.
No digo que esas conversaciones no importen. Pero hay otro riesgo bastante menos cinematográfico que me viene dando vueltas hace tiempo. Uno que no necesita esperar a una superinteligencia.
¿Qué pasa si la IA no se rebela? ¿Qué pasa si funciona extraordinariamente bien, se vuelve indispensable y queda controlada por un grupo muy pequeño de empresas y gobiernos?
Tal vez la pregunta más urgente no sea cuándo una máquina va a superarnos. Tal vez sea una pregunta muchísimo más antigua:
¿Quién va a tener el poder?
Mirar debajo del chatbot
Desde la superficie, el mercado de inteligencia artificial parece lleno de opciones. Tenemos ChatGPT, Claude, Gemini, Grok, modelos abiertos, laboratorios chinos y miles de aplicaciones que prometen hacer algo distinto.
Es fácil mirar esa variedad y pensar que el poder también está distribuido. Pero no necesariamente.
Pensemos en una ciudad con miles de restaurantes. Podemos elegir comida italiana, japonesa, mexicana o uruguaya. Parece un mercado muy diverso. Ahora imaginemos que todos compran los ingredientes al mismo proveedor, procesan los pagos con la misma empresa y alquilan sus locales al mismo propietario.
Las cartas siguen siendo diferentes. El punto de control no.
Con la IA ocurre algo parecido. Debajo de una aplicación están los modelos. Debajo de los modelos están las plataformas de nube y los centros de datos. Más abajo aparecen la energía, los chips avanzados y una cadena de fabricación que muy pocas compañías dominan.
Nosotros vemos la última capa porque es la que usamos. Sin embargo, diez mil productos pueden depender de tres o cuatro decisiones tomadas mucho más abajo. Un cambio de precio, una nueva restricción o la retirada de un modelo puede propagarse por todo el ecosistema sin que la mayoría de los usuarios sepa de dónde vino.
El Banco Mundial describe una oferta de cómputo concentrada y un mercado de chips para IA altamente concentrado. También señala que, en junio de 2025, los países de ingresos altos reunían el 77 % de la capacidad global de centros de datos de colocación. El talento está mucho más distribuido que la infraestructura necesaria para convertir una idea en un modelo de frontera.
Y ahí empieza el problema.
La herramienta que un día se vuelve dependencia
Una empresa comienza usando una API para resumir documentos. Después la conecta con atención al cliente. Más tarde la utiliza para analizar información interna. Cuando llegan los agentes, empieza a delegar procesos completos.
Al principio parece una herramienta más. Hasta que cambiarla deja de ser sencillo.
El nuevo modelo no responde igual. Sus precios son otros. Las reglas sobre los datos cambian. Los procesos fueron afinados para determinados tiempos de respuesta y comportamientos. Las personas aprendieron a trabajar alrededor de sus rarezas.
Entonces descubrimos que reemplazar al proveedor no era cambiar una línea de código.
Una encuesta de IBM y Oxford Economics a mil ejecutivos encontró que el 71 % considera difícil cambiar su principal proveedor o modelo de IA. Todavía más llamativo: el 91 % reconoció no comprender por completo las dependencias de su organización entre proveedores, modelos e infraestructura.
Conviene leer esos números con cuidado. Es una investigación corporativa basada en respuestas de ejecutivos, no una medición independiente de cada sistema. Aun así, describe una situación que cualquier persona que haya integrado servicios externos reconoce: es muy fácil sumar una dependencia y bastante más difícil recuperar la capacidad de elegir.
Esto ya ocurrió con sistemas operativos, nubes, redes sociales y tiendas de aplicaciones. La diferencia es que la IA puede ocupar un lugar más profundo. No solo almacena información o distribuye contenido. Empieza a escribir software, atender personas, recomendar decisiones y actuar en nombre de organizaciones.
Cuanto más capaz es la herramienta, más doloroso puede ser dejarla.
El poder también está en lo que no vemos
Cuando hablamos de concentración solemos nombrar a los laboratorios que construyen modelos. Pero una buena parte del poder está en capas menos visibles.
Está en quién puede comprar chips. En quién consigue energía y terrenos para levantar centros de datos. En quién tiene acceso al capital necesario para sostener meses de entrenamiento sin garantía de que el experimento funcione.
Y también está en el conocimiento acumulado.
Un paper puede explicar una arquitectura. No cuenta todos los intentos que fallaron, cómo se limpian los datos a esa escala, qué comportamiento apareció durante una evaluación interna ni cómo se mantiene estable un servicio utilizado por millones de personas.
Ese saber vive en equipos. Cada entrenamiento, cada incidente y cada interacción producen experiencia que vuelve a las mismas organizaciones. Más infraestructura permite mejores modelos; mejores modelos atraen usuarios; los usuarios generan información operacional; esa información ayuda a mejorar el producto y fortalece a quien ya estaba adelante.
No hace falta una conspiración. La dinámica se alimenta sola.
Hay algo más que me preocupa. Cada vez más personas ya no recorren fuentes para construir una respuesta: le preguntan a un asistente y reciben una síntesis. Yo también lo hago. Es cómodo y muchas veces útil.
Pero esa comodidad convierte a unas pocas plataformas en mediadoras del conocimiento cotidiano. Alguien define qué fuentes se recuperan, qué políticas filtran la respuesta, qué matices se pierden y qué aparece primero.
No porque el modelo posea una verdad organizada dentro suyo. Justamente porque no la posee: produce respuestas estadísticas, puede equivocarse y refleja decisiones tomadas durante su construcción. Por eso importa quién lo entrena, con qué datos y con qué posibilidad de cuestionarlo.
La paradoja de pedir seguridad
Acá el asunto se vuelve incómodo de verdad.
Todos queremos sistemas más seguros. Queremos evaluaciones, protección de datos, auditorías y controles antes de publicar capacidades peligrosas. Es razonable.
Pero hacer todo eso cuesta muchísimo dinero.
Cuanto más altos son los requisitos, menos organizaciones pueden cumplirlos. Y cuanto menos organizaciones quedan, más poder reciben aquellas que prometen mantener segura la tecnología.
Tratando de reducir un riesgo podemos aumentar otro.
Abrir completamente los modelos tampoco resuelve la tensión. La apertura permite investigar, adaptar la tecnología a otros idiomas y construir sin pedir permiso a un proveedor central. También vuelve mucho más difícil controlar ciertos usos una vez que la capacidad está disponible.
Los modelos cerrados permiten aplicar políticas y responder a abusos, pero dejan esas políticas en manos de una empresa privada. El Estado puede proteger competencia y derechos, aunque también puede regular para vigilar, favorecer aliados o cerrar el mercado. Y pedir que “el mercado compita” resulta insuficiente cuando participar en la frontera cuesta miles de millones.
No encuentro una salida perfecta. Desconfío bastante de quien dice haberla encontrado.
Soberanía no significa construir todo solos
Por eso se habla cada vez más de soberanía tecnológica. La Comisión Europea la vincula con resiliencia, autonomía estratégica y reducción de dependencias sobre productos, servicios e infraestructura digital clave.
La palabra puede sonar a aislamiento, pero no debería significar eso. Sería absurdo pretender que cada país fabrique sus propios chips, construya su propia nube y entrene un modelo de frontera desde cero.
Para mí, soberanía se parece más a conservar opciones.
Poder cambiar de proveedor sin reconstruir el negocio. Poder ejecutar localmente aquello que no debería salir de la organización. Poder adaptar un modelo a nuestro idioma, nuestras leyes y nuestra cultura. Poder continuar un servicio esencial si una empresa extranjera cambia sus condiciones o una crisis geopolítica corta el acceso.
También significa saber dónde viajan los datos, quién puede acceder a ellos y bajo qué jurisdicción quedan. Un servidor puede estar físicamente en un país y seguir dependiendo de software, claves y personal controlados desde otro lugar. La ubicación importa, pero el control efectivo importa más.
Esto me parece especialmente relevante desde Uruguay y desde América Latina. Si usamos exclusivamente sistemas construidos en otros contextos, no importamos solo tecnología. Importamos prioridades, categorías y formas de interpretar el mundo que rara vez fueron diseñadas pensando primero en nosotros.
Cooperar es necesario. Depender por completo es otra cosa.
Qué podemos pedir sin caer en fantasías
No creo que podamos eliminar toda concentración. Algunas infraestructuras necesitan una escala enorme y esa escala puede producir innovaciones reales.
Tampoco pienso que una empresa se vuelva culpable simplemente por crecer o por integrar varias capas. El problema no es moralizar a cada actor. Es diseñar un sistema que no dependa de que los actores poderosos sean buenos para siempre.
Podemos exigir portabilidad y contratos que permitan salir. Diseñar productos capaces de trabajar con más de un modelo. Usar sistemas pequeños y locales cuando no necesitamos una maquinaria gigantesca. Apoyar infraestructura pública para universidades e investigación. Defender estándares abiertos y evitar bloqueos artificiales a competidores.
Y podemos hacer algo más simple: dejar de confundir comodidad con control.
Que una plataforma sea fácil de usar no significa que sea nuestra. Que existan muchos chatbots no significa que existan muchos centros de poder. Que una empresa tome buenas decisiones hoy no garantiza que siempre vaya a tomarlas.
La diversidad real aparece cuando ninguna decisión individual puede apagar, encarecer o redirigir todo el sistema.
Una discusión sobre poder
Durante mucho tiempo imaginamos el peligro de la IA como una máquina que obtiene demasiado poder. Antes de llegar a ese escenario quizá debamos enfrentar uno mucho más conocido: seres humanos usando una tecnología extraordinaria para concentrar poder económico, político y cultural.
La IA no necesita ser consciente para cambiar quién manda. No necesita tener intenciones ni rebelarse. Solo necesita convertirse en una infraestructura de la que todos dependamos.
Por eso, además de preguntar qué tan inteligente será, tenemos que preguntar quién puede construirla, quién define sus límites, quién puede apagarla y qué posibilidades tenemos los demás de discutir esas decisiones.
No tengo una respuesta cerrada. Me preocupa que cualquier persona pueda usar sistemas muy potentes para hacer daño. También me preocupa entregar la capacidad de decidir qué usos son legítimos a un grupo demasiado pequeño.
Esa tensión no se resuelve con un eslogan. Pero empieza a hacerse visible cuando dejamos de mirar únicamente el chatbot y seguimos el poder a través de toda la cadena.
La inteligencia artificial puede convertirse en una de las herramientas más importantes que hemos creado. Y cada vez que construimos una herramienta de ese tamaño, la conversación nunca es solamente técnica.
Siempre termina siendo una conversación sobre quién decide.
Referencias
- IBM Institute for Business Value y Oxford Economics, The Calculus of AI Sovereignty, 2026.
- Banco Mundial, Digital Progress and Trends Report 2025: Strengthening AI Foundations.
- Comisión Europea, Strengthening Europe’s Tech Sovereignty.
Este texto nació a partir de un guion que preparé para El Rincón de Sarreche, donde converso sobre inteligencia artificial, tecnología y trabajo sin buscar respuestas fáciles. Podés ver el video original en YouTube.