Inteligencia artificial: ¿quién tiene el volante? | Grupo Animal Inteligencia artificial: ¿quién tiene el volante? Joel Aguirre · 18 de junio de 2026 Adolfo De Unánue Tiscareño* Toda máquina optimiza algo, y alguien decide qué. Detrás de cada sistema de inteligencia artificial hay una función objetivo: una definición precisa de qué cuenta como éxito y para quién. Suena a tecnicismo, pero es una decisión profundamente política disfrazada de matemática. Un modelo entrenado para maximizar el tiempo frente a una pantalla, la rentabilidad de una empresa o la recaudación de un gobierno no es neutral: lleva incorporada una idea de qué importa y qué puede ignorarse.
La pregunta que América Latina casi nunca se hace no es si adopta la inteligencia artificial, sino quién escribe esa función objetivo. Porque quien la escribe es quien tiene el volante. Pensemos en un caso cercano. Un gobierno quiere usar inteligencia artificial para repartir un apoyo social. Puede optimizar para minimizar el fraude, y entonces el sistema será severo y dejará fuera a muchos que sí lo necesitan; o puede optimizar para maximizar la cobertura, y entonces incluirá a casi todos a costa de algunos abusos. Las dos opciones son técnicamente impecables y políticamente opuestas.
Ningún algoritmo resuelve ese dilema: alguien lo decide, casi siempre sin decirlo, al elegir qué métrica perseguir. Esa es la función objetivo, y por eso no es un detalle de ingeniería sino el corazón del asunto. El problema para la región es que, hoy, esa decisión se escribe lejos. Los grandes modelos se entrenan en otros idiomas, con otros datos y para otros mercados; sus criterios de éxito vienen de fábrica. Los recibimos como producto terminado y los usamos esperando resultados propios, como quien viste un traje hecho a la medida de otro.
Y mientras tanto alimentamos esos sistemas con lo que sí tenemos en abundancia: datos, energía, agua para los centros de cómputo y, sobre todo, talento que emigra. Después compramos de vuelta la inteligencia ya empaquetada. Es una forma de integrarse a la economía del conocimiento, cierto, pero en su peldaño más bajo: el del proveedor de materia prima. Los dos errores de América Latina Ante esto, la región oscila entre dos errores. El primero es la negación, aunque conviene afinarla, porque no toda desconfianza es ceguera.
Es verdad que la mayoría de los proyectos de inteligencia artificial fracasan, y casi nunca por límites técnicos: fracasan por problemas mal planteados, por falta de gestión del cambio, por soluciones que andan buscando un problema. Desconfiar de los pilotos deslumbrantes es sano. El error no está ahí, sino en concluir que, porque los pilotos fallan, podemos quedarnos al margen de la escala. El segundo error es precisamente esa abstención: entusiasmarse con demostraciones para el consejo directivo y nunca desplegar nada en producción, dentro de las instituciones, donde de verdad se aprende.
Sin ese aprendizaje no se acumula capacidad, y sin capacidad propia la soberanía tecnológica es apenas una palabra de discurso. Y está la palabra que más se repite: equidad. Su versión más urgente para América Latina no es la interna, entre quienes acceden y quienes no a estas herramientas. Es la que separa a quien diseña la función objetivo de quien solo aporta los insumos. Una misma herramienta puede incluir a millones o excluirlos con una eficiencia inédita: el mismo modelo de crédito, según para qué se le optimice, abre la puerta o la cierra. Por eso la equidad no es un subproducto automático del crecimiento; el crecimiento, por sí solo, concentra.
La equidad es una decisión que se toma al definir la función objetivo. Y mientras esa decisión se tome fuera de la región, no será la nuestra. Decidir nosotros qué debe optimizar la máquina La solución no consiste en entrenar un modelo regional que compita de frente —esa carrera se pierde en el primer presupuesto de cómputo—, sino en disputar las capas donde sí tenemos margen. Procesar los datos sensibles en modelos locales, sin que salgan del perímetro nacional.
Llevar los pilotos hasta la producción real —en la logística, en los puertos y corredores, en la administración pública—, que es donde se aprende: los países que escalaron lo hicieron desplegando dentro del Estado, no comprando el mejor modelo. La escala es voluntad política, no catálogo. Y, sobre todo, construir la capacidad —pública, técnica, institucional— de decidir nosotros qué debe optimizar la máquina. Quien controla la función objetivo conduce el motor; esa, y no la posesión del último modelo, es la forma latinoamericana de la soberanía tecnológica. Nada de esto invita al pesimismo ni al rechazo.
La inteligencia artificial puede ser, de verdad, un motor de desarrollo para América Latina. Pero un motor avanza hacia donde lo lleva quien lo conduce, y la tarea no es subirnos de pasajeros al vehículo que otros manejan, sino aprender a tomar el volante: decidir nosotros qué debe optimizar la máquina, y para quién. Eso exige una capacidad que todavía no tenemos. De dónde puede salir —qué podemos aprender de quienes ya escalaron y qué tendría que cambiar en nuestras universidades— es lo que veremos la próxima semana.
Etiquetas: Inteligencia Artificial, Soberanía Tecnológica, América Latina, Tecnología · IA general
About the Author
