En las últimas semanas hemos visto una oleada de titulares alarmistas: amenazas de sanciones por parte de EE. UU. contra desarrolladores chinos por presunta infracción de propiedad intelectual, sumadas al nerviosismo generalizado tras el rendimiento de modelos de pesos abiertos (open weights) como Kimi K3 de Moonshot AI y las nuevas iteraciones de Qwen de Alibaba.
A primera vista, parece la típica narrativa de la Guerra Fría tecnológica. Pero si raspamos la superficie y miramos los números, la realidad es mucho más terrenal: nos enfrentamos al choque frontal entre la commoditización de la inteligencia y los márgenes de Silicon Valley. Y para nuestra región, este choque abre un debate urgente sobre la Soberanía de IA.
El mito del modelo “gratis” y la cruda realidad del COGS
En mi experiencia conversando con líderes de TI y ejecutivos en América Latina, suelo ver un error recurrente: asumir que el software basado en modelos de código o pesos abiertos es “gratis”.
Hay que separar dos conceptos clave en la economía del software moderno:
R&D (Investigación y Desarrollo): Es un costo fijo. Si OpenAI o Anthropic gastan miles de millones de dólares entrenando un modelo de frontera, ese gasto es fijo. Si usas un modelo open weights como Kimi K3 o Llama, te ahorras la factura del R&D.
COGS (Costo de Bienes Vendidos / Inferencia): Este es el costo marginal. Cada vez que tu aplicación genera una respuesta o procesa un prompt, hay GPUs encendidas consumiendo energía y memoria. Servir inferencia cuesta dinero real.
Muchos celebran que los modelos abiertos sean accesibles, pero correr inferencia a escala masiva exige una infraestructura brutal. Lo fascinante no es que el modelo sea “gratis” para descargar, sino que la competencia asiática está forzando a que el costo por unidad de inteligencia caiga en picada, mientras que el discurso proteccionista del Gobierno Trump -ese en el que de un plumazo se prohibe o limita el uso de un modelo específico para usuarios por fuera de EE.UU.- genera cada vez más preocupaciones y le da más espacio a los modelos Open Source.
Los tokens no son commodities; la inteligencia, sí
Tendemos a medir la IA en métricas de ingeniería: tokens por segundo, latencia o costo por millón de tokens. Pero las empresas no compran tokens; compran soluciones.
Si un modelo de $3 dólares por millón de tokens necesita el triple de razonamiento (chain-of-thought) para resolver un problema de código que un modelo de $10 dólares, la ventaja en precio se esfuma. No todos los tokens son iguales.
Sin embargo, cuando la tarea es construir una solución corporativa estándar, la respuesta de un modelo de frontera y la de uno de pesos abiertos terminan siendo indistinguibles. En ese punto, la inteligencia se vuelve un commodity. Y en un mercado de commodities, gana quien tiene la mejor estructura de costos.
El dilema de LatAm: Entre la dependencia tecnológica y la Soberanía de IA
Aquí es donde el debate se pone realmente interesante para América Latina. Mientras Washington y Beijing pelean por la supremacía de los chips y los modelos, en nuestra región corremos el riesgo de ser meros espectadores y consumidores de infraestructura ajena.
Las constantes amenazas de sanciones y restricciones regulatorias entre potencias exponen una vulnerabilidad crítica para el tejido empresarial latinoamericano: la falta de Soberanía de IA.
Si toda la inteligencia de su negocio depende de APIs propietarias hospedadas en centros de datos en EE. UU., o si decide arriesgarse con infraestructura en la nube asiática bajo la lupa regulatoria, la continuidad operativa y el compliance de datos quedan a la merced de decisiones políticas en las que no tenemos voto.
La Soberanía de IA para LatAm no significa necesariamente entrenar un modelo fundacional desde cero con presupuesto estatal (algo inviable para la mayoría de nuestros países). Significa:
Control e Independencia de Datos: Garantizar que los datos sensibles de la organización y de los ciudadanos no entren en pipelines de entrenamiento de terceros sin consentimiento.
Soberanía de Despliegue (Self-Hosting): Aprovechar la ola de modelos open weights (como Kimi K3, Llama o Qwen) para desplegarlos en infraestructura local, nube privada o centros de datos regionales, blindando la operación ante eventuales bloqueos o sanciones internacionales.
Capacidad de Orquestación Interna: Desarrollar el talent stack local capaz de adaptar, afinar (fine-tuning) y orquestar modelos según nuestras necesidades lingüísticas, culturales y normativas locales.
La encrucijada estratégica para los líderes de TI
Los grandes laboratorios estadounidenses cobran precios elevados hoy porque la demanda de cómputo supera la oferta. Pero esa “sombrilla de precios” no durará para siempre.
Por eso vemos a gigantes tecnológicos intentando subir en la cadena de valor con soluciones terminadas y verticales en lugar de vender solo acceso por API. Saben que el modelo básico se va a abaratar.
Desde nuestra trinchera en la adopción tecnológica en la región, la lección estratégica es muy clara:
Evite el vendor lock-in radical: No amarre la arquitectura de su empresa a una sola API propietaria. Diseñe una capa de abstracción que le permita cambiar de modelo (o de proveedor de nube) con mínimos ajustes.
Evalúe el TCO real y la Soberanía: Compare el costo de inferencia, la eficiencia de tokens y, sobre todo, el nivel de gobernanza y privacidad que requiere cada tipo de dato en su organización. ¿Por qué usar un modelo de frontera para algo que puede hacer con un modelo más básico?
Adopte la arquitectura híbrida y multimodelo: El futuro cercano en LatAm no es de un solo modelo omnipotente, sino de enrutar inteligentemente cada tarea: soluciones tradicionales de RPA o modelos pequeños y locales para tareas confidenciales o repetitivas, y modelos de frontera externos solo cuando la complejidad del problema lo justifique.
La geopolítica seguirá generando ruido y titulares alarmistas, pero la física de los costos y la necesidad de gobernanza local son implacables. La verdadera carrera para las empresas latinoamericanas no es ver quién usa el modelo más famoso, sino quién logra construir una estrategia de IA costo-eficiente, soberana y resiliente ante las mareas de la política global.
