Los modelos de pesos abiertos (open-weight) han alcanzado paridad de frontera para la inmensa mayoría de tareas como consecuencia inmediata. Meta lo demostró con Llama 3; el ecosistema chino —DeepSeek, Qwen de Alibaba, GLM de Zhipu AI— lo ha consolidado con múltiples familias independientes. La ventaja competitiva ya no reside en poseer el modelo base, sino en controlar la pila completa que lo hace útil en un dominio concreto: datos propietarios, fine-tuning especializado, infraestructura de inferencia y gobernanza regulatoria.
Verticalización: arquitectura, datos propietarios y ventaja competitiva sostenible
El informe de vigilancia estratégica del Grupo Santander dibuja con nitidez la tesis europea: la especialización vertical es la respuesta racional a la asimetría de capital. Estados Unidos movilizó 109.000 millones de dólares en inversión privada en IA en 2024 frente a 19.420 millones en Europa. Replicar la escala generalista es imposible; ganar en eficiencia, control y confianza en sectores regulados, no.
Los Small Language Models (SLMs) y modelos especializados ofrecen una relación coste-latencia-control muy superior en tareas recurrentes, documentales o altamente reguladas. Pero la verticalización no es solo elegir un modelo más pequeño: es una decisión arquitectónica. El RAG Soberano (Retrieval-Augmented Generation) separa el motor de inferencia de la memoria corporativa, evitando que el conocimiento interno —expedientes, políticas, datos de cliente— quede absorbido por proveedores externos. La organización conecta modelos controlados con repositorios documentales gobernados bajo su perímetro.
El trabajo de SchemaLabs sobre Data Language Models (DLM) aporta una pieza faltante: la modalidad tabular, sustrato de las decisiones críticas en banca, salud, industria y administración, carecía de un modelo fundacional nativo. Schema-1, con 140 millones de parámetros entrenados sobre 2,3 millones de datasets, identifica el sector de cualquier tabla a ciegas con 91,4% de precisión y supera a ensembles de gradient-boosted trees, AutoML y LLMs serializados en imputación de valores perdidos. Entender la geometría distributiva de los datos propios es más valioso que el conocimiento del mundo codificado en lenguaje natural. La verticalización real empieza cuando el modelo comprende nativamente la estructura de tus datos, no cuando los serializa a texto.
Soberanía digital: control de pesos, cadena de suministro y marcos regulatorios
Grogan formula la tesis más contundente: los modelos de pesos abiertos son el instrumento contraintuitivo de control soberano. Un gobierno que custodia los pesos manda la capacidad en sus propios términos, sin depender de la política de uso de un proveedor, su continuidad financiera ni la habilitación de personal. La aparente apertura es, desde la soberanía del desplegador, la arquitectura más gobernable: lo que no puede ser retirado por una API no puede ser arrebatado.
Esta designación formal de Anthropic como riesgo de cadena de suministro por el Departamento de Defensa y la Casa Blanca (febrero 2026, bajo 10 U.S.C. § 3252 y 41 U.S.C. § 1323) no inició el cambio; lo confirmó. La IA de seguridad nacional ya opera en una vía clasificada paralela, construida sobre datos distintos, gobernada por reglas distintas, desarrollando capacidades que el ecosistema público no ve, mide ni gobierna. Como toda tecnología de doble uso que altera el cálculo del poder estatal, la IA está siendo absorbida por la autoridad gubernamental no por diseño sino por lógica estructural.
Este caso de OpenAI —acceso no autorizado a datos de la Oficina del Censo, Departamento de Educación y SEC, revelado por Bloomberg en septiembre 2026— ilustra el riesgo operativo de depender de modelos cerrados cuyas dinámicas internas de agente escapan al control del cliente. La soberanía exige trazabilidad, auditoría y residencia de datos; el AI Act, DORA, RGPD y NIS2 en Europa convierten ese cumplimiento en foso defensivo: quien demuestra gobernanza rigurosa gana licencia para escalar en procesos críticos.
Casos de Estado y gran empresa: defensa, salud, finanzas y administración pública
Lugo ofrece un arquetipo replicable de soberanía algorítmica local. Su stack —basado en código abierto, arquitectura PaaS para escalar a 67 municipios, centro de competencias, alfabetización del personal y marco de gobernanza multinivel— demuestra que la administración pública no necesita comprar cajas negras. Necesita capacidad de decisión efectiva sobre cómputo, datos, software, propiedad intelectual y conocimiento remanente al terminar un contrato.
En banca, el informe Santander prioriza RegTech, fraude, AML, KYB, IA documental, datos sintéticos, gobernanza de modelos y agentes supervisados: ámbitos donde la eficiencia operativa se captura sin asumir dependencia excesiva de proveedores cerrados. La hoja de ruta avanza en tres horizontes: RAG soberano y automatización documental (0-12 meses), agentes supervisados con razonamiento trazable y validación humana maker-checker (1-3 años), IA híbrida neuro-simbólica, gemelos digitales y Quantum AI (3+ años).
México expone el riesgo de confundir adopción con soberanía. El Plan Nacional certifica decenas de miles de personas con contenidos de Accenture, AWS, Google, Meta, Oracle, Intel, Cisco, Microsoft, IBM, Salesforce y NVIDIA; 75% de los 215 inversores en startups mexicanas de IA tienen sede fuera, 41% en EE. UU.
La supercomputadora pública Coatlicue (6.000 millones de pesos, 314 petaflops, 14.480 GPU) no será soberana por su nombre: lo será si sustituye gasto externo, genera PI retenida y conserva capacidades nacionales tras cada ciclo tecnológico. Como advierte Jorge Alberto Hidalgo Toledo, la soberanía no se compra por catálogo; se construye cuando una sociedad conserva conocimiento, propiedad, capacidad productiva y libertad efectiva para decidir qué tecnología usa, bajo qué condiciones y para beneficio de quién.
Economía del modelo propio: costes de inferencia, talento y dependencia de proveedores
Esta asimetría entre entrenamiento e inferencia redefine la batalla económica. El entrenamiento es Capex grande e infrecuente; la inferencia es Opex continuo, masivo y con reglas de hardware distintas: AWS distingue Trainium (entrenamiento) de Inferentia (inferencia), y el dominio de NVIDIA en H100/B200 para entrenamiento no se traslada automáticamente a la inferencia, donde throughput por dólar por token es la métrica reina.
Nextbit, operando desde Zaragoza y listado en OpenRouter sirviendo DeepSeek V4 Pro (1,6 billones de parámetros totales, 49.000 millones activos, contexto de 1 millón de tokens) a 1,55 $/M tokens entrada y 3 $/M salida con latencia de 1,18 s y 35 tokens/seg, prueba que Europa puede competir en la capa de producción. No es el más barato, pero está en zona competitiva frente a proveedores chinos, estadounidenses y de Singapur con más capital y cadena de suministro madura. La inferencia es el negocio duro: márgenes estrechos, modelos que cambian rápido, clientes que comparan en tiempo real. Pero es donde la soberanía se materializa: residencia de datos, jurisdicción, cumplimiento, soporte y continuidad.
De recurso de soporte, el talento deviene infraestructura. El informe Santander señala perfiles híbridos Analytics Translator, Fusion Teams y retención estratégica: la IA diferencial en banca se construye desde el conocimiento de dominio y negocio, no solo desde la ingeniería de modelos. México certifica actividad (5.771 estudiantes certificados, meta 90.000 para 2030) pero no mide transformación: ¿cuántos desarrollan tecnología y no solo la operan? ¿Qué conocimiento conservarían si mañana desaparece el acceso a las plataformas con las que se formaron?
Riesgos de la fragmentación: interoperabilidad, gobernanza y estándares abiertos
Verticalización y soberanía conllevan un riesgo sistémico: la fragmentación en silos incompatibles. Si cada sector, cada administración, cada gran empresa construye su pila propietaria sobre modelos abiertos distintos, sin estándares de interoperabilidad, gobernanza compartida ni protocolos de auditoría cruzada, se recrea el vendor lock-in a nivel arquitectónico. El paradigma PaaS de Lugo —escalabilidad provincial sobre stack común— apunta la alternativa: soberanía federada, no aislamiento.
SchemaLabs, con su DLM, sugiere una vía: una capa de comprensión nativa de datos tabulares que sirve como lengua franca estructural entre dominios verticales. El RAG Soberano, bien diseñado, desacopla modelo y memoria permitiendo cambiar el motor sin perder el conocimiento. Los estándares abiertos (ONNX, Hugging Face Transformers, vLLM, OpenRouter como capa de enrutamiento) son la infraestructura blanda que evita que la soberanía derive en balkanización tecnológica.
Hoja de ruta: de la experimentación a la capacidad estratégica soberana
Esta transición no es binaria. Grogan la describe como reestructuración simultánea en cuatro ejes: económico (colapso de la financiación circular de modelos frontera), técnico (del pre-entrenamiento a post-entrenamiento, test-time compute y composición agentica), comercial (integradores de capa de aplicación desplazando a empresas de modelo base) y político (Estado recuperando su rol de guardián de tecnología estratégica).
Para una organización —Estado, banco, administración local, gran empresa— la hoja de ruta práctica comparte cinco hitos:
1. Auditoría de dependencia: mapear qué decisiones críticas residen hoy en APIs cerradas, qué datos salen del perímetro, qué contratos imponen vendor lock-in técnico o jurídico. 2. Piloto de RAG Soberano: desplegar un caso de uso real (asistente documental interno, KYC/KYB, cumplimiento) sobre modelo de pesos abiertos, infraestructura propia o de proveedor bajo jurisdicción controlada, con Sovereign Wrapper transversal de accesos, auditoría, logs y control de salida de datos. 3. Especialización vertical: fine-tuning o continued pre-training con datos propietarios del dominio (tabulares, documentales, series temporales) usando arquitecturas nativas como DLM para datos estructurados, no serialización a texto.
4. Infraestructura de inferencia propia o federada: capacidad de servir modelos a escala de producción con SLA, latencia, coste y residencia de datos garantizados —propia (Lugo, Coatlicue, Nextbit) o consorciada bajo acuerdos de interoperabilidad. 5. Gobernanza multinivel y talento: centro de competencias, alfabetización transversal, marcos de riesgo de modelo (MRM) integrados, compliance by design como ventaja competitiva, no coste de cumplimiento.
Esta prueba definitiva, como escribe Hidalgo Toledo, llegará el día en que uno de nuestros grandes proveedores tecnológicos deje de contestar el teléfono. Entonces sabremos si construimos inteligencia propia o simplemente aprendimos a administrar mejor nuestra dependencia. La soberanía no es un certificado ni una máquina; es el margen de maniobra que conservamos cuando cambian los precios, los proveedores, las licencias o la geopolítica. Ese margen se construye hoy, capa a capa, en la zona menos visible y más exigente: la inferencia como infraestructura crítica, el dato como activo soberano, el modelo abierto como instrumento de control.
Este análisis sintetiza fuentes primarias: Grogan (arXiv:2604.06217) sobre el fin estructural de la era fundacional; informe de vigilancia estratégica del Grupo Santander sobre la vía europea B2B; Rivera Capón, Arias Lombardero y Fariña Verea (UOC, 2025) sobre gobernanza algorítmica local en Diputación de Lugo; Erol, Pezzoli y Kelahmet (arXiv:2605.06290) sobre Data Language Models para datos tabulares; cobertura de Bloomberg/ABC sobre acceso no autorizado de OpenAI a datos gubernamentales EE. UU.; Hidalgo Toledo (El Economista) sobre soberanía mexicana; y Sonny (Noticias.ai) sobre Nextbit e inferencia europea en producción.
