Civilización y Barbarie — San Juan, Argentina — Abril 2026
En siete días, tres de las empresas más poderosas del planeta lanzaron modelos de inteligencia artificial que hacen que los anteriores parezcan calculadoras. Meta presentó Muse Spark, su primer modelo propietario tras abandonar la estrategia de código abierto y apostar catorce mil millones de dólares a un cambio de rumbo. Google actualizó Gemini a su versión 3.1 con capacidades de voz e imagen en tiempo real. Y mientras tanto, los modelos de código abierto como DeepSeek V4 y Qwen 3.5 demostraron que ya no hace falta ser una corporación norteamericana para competir en la frontera. Todo esto ocurrió en una semana. La pregunta no es si la IA avanza rápido. La pregunta es si alguien —fuera de Silicon Valley— está prestando atención a lo que significa.
El giro de Meta: de lo abierto a lo cerrado
Durante años, Meta construyó su reputación en inteligencia artificial sobre una promesa: modelos abiertos, accesibles, democráticos. La familia Llama era el estandarte. Cualquier desarrollador podía descargar los pesos del modelo y construir encima. Eso cambió. Muse Spark, el nuevo modelo nacido del laboratorio que dirige Alexandr Wang —contratado de Scale AI por una cifra que no se dice en voz baja—, es propietario. Meta promete abrir versiones futuras, pero la señal es clara: cuando la carrera se pone seria, las puertas se cierran.
El modelo muestra resultados dispares. Rinde bien en ingeniería de software y razonamiento médico, pero queda lejos de los líderes en razonamiento abstracto. Lo interesante no es su rendimiento técnico sino lo que revela sobre la industria: Meta gastó entre 115 y 135 mil millones de dólares en infraestructura de IA este año. Esa cifra supera el PBI de varios países latinoamericanos. La pregunta incómoda es qué pasa cuando la herramienta que pretendía democratizar el conocimiento se convierte en un producto cerrado financiado con presupuestos de estado.
El sur global programa, pero no decide
La otra cara de la semana la protagonizaron los modelos abiertos. DeepSeek V4, un modelo chino de un billón de parámetros, alcanzó rendimientos comparables a los modelos de frontera estadounidenses por una fracción del costo de entrenamiento. Alibaba lanzó Qwen 3.5-Omni, capaz de procesar horas de audio y video. Google liberó Gemma 4, su modelo abierto más capaz hasta la fecha, bajo licencia Apache 2.0.
Estos lanzamientos son buenas noticias para cualquier desarrollador con conexión a internet. También para América Latina. Pero conviene no confundir acceso con soberanía. Que un ingeniero en San Juan pueda descargar DeepSeek no significa que la provincia —o el país— tenga capacidad para entrenar, auditar o adaptar esos modelos a problemas locales. La infraestructura de cómputo necesaria para operar en esta liga sigue concentrada en tres países. Microsoft acaba de invertir diez mil millones de dólares en centros de datos en Japón. Latinoamérica no aparece en esa conversación.
Agentes, robots y la nueva frontera
La narrativa dominante de la semana no fue solo sobre modelos más grandes. Fue sobre modelos que hacen cosas. La industria habla de “sistemas agénticos”: inteligencias artificiales que no se limitan a responder preguntas sino que ejecutan tareas complejas, navegan software, toman decisiones encadenadas sin supervisión humana constante. NVIDIA presentó avances en robótica física con modelos que permiten a máquinas entender instrucciones en lenguaje natural y operar en entornos reales. OpenAI incorporó capacidades de uso de computadora directamente en GPT-5.4.
La transición es sutil pero profunda. Cuando la IA pasa de generar texto a ejecutar acciones —enviar correos, modificar archivos, operar maquinaria— el problema deja de ser epistemológico y se vuelve político. Ya no se trata de si la máquina “sabe” algo. Se trata de quién autoriza lo que hace, quién responde cuando falla, y qué pasa con el trabajador cuya tarea ahora ejecuta un agente digital que no duerme, no cobra y no se sindicaliza.
La regulación llega tarde, como siempre
Mientras los laboratorios compiten por la frontera, la regulación intenta no quedar demasiado atrás. La Unión Europea avanza con la implementación de su Ley de IA: las normas para sistemas de alto riesgo entrarán en vigor en agosto de este año. En América Latina el panorama es más fragmentado. México debate quién será el árbitro de la regulación. Argentina, por ahora, mira desde afuera.
Sam Altman, CEO de OpenAI, publicó un documento proponiendo impuestos a la automatización, un fondo de riqueza pública financiado por empresas de IA y una semana laboral de 32 horas. La propuesta generó debate no por su contenido —que es razonable— sino por su origen: la misma empresa que acelera la automatización propone amortiguar sus efectos. Es como si el fabricante de cigarrillos financiara la campaña antitabaco. Puede ser sincero. También puede ser una estrategia para definir las reglas antes de que las defina alguien menos conveniente.
Lo que esta semana nos dice sobre el futuro
Una semana en inteligencia artificial ya no se mide en papers académicos. Se mide en modelos desplegados, en miles de millones invertidos, en industrias que cambian de forma antes de que sus trabajadores entiendan qué pasó. La velocidad es el dato. Y la velocidad, cuando no viene acompañada de deliberación pública, es otro nombre para la imposición.
Desde San Juan, desde Argentina, desde cualquier lugar que no sea la sede de estas corporaciones, la única respuesta posible no es el rechazo ni la fascinación. Es la exigencia de participar en una conversación que, si seguimos mirándola como espectadores, va a terminar diseñando el mundo en el que vivimos sin consultarnos.
About The Author
