Opinión La grieta abierta de la IA: la dependencia de América Latina ante modelos cerrados y chinos
El pulso entre EE.UU. y China por los modelos de peso abierto expone la fragilidad estratégica de la región. Depender de un solo proveedor —sea OpenAI o DeepSeek— es un riesgo que ningún CTO debería ignorar.
La grieta abierta de la IA: la dependencia de América Latina ante modelos cerrados y chinos
Hay una fractura que pocos están mirando con la atención que merece, justo debajo del ruido de las últimas noticias sobre inteligencia artificial. Mientras la administración estadounidense evalúa restricciones a modelos chinos de peso abierto como respuesta a acusaciones de apropiación de propiedad intelectual, el ecosistema tecnológico global se parte en dos. Del lado de los que presionan por una prohibición están los gigantes del modelo cerrado —OpenAI, Anthropic, Google DeepMind— que ven en DeepSeek, Qwen y Kimi K3 una amenaza directa a su modelo de suscripción. Del otro lado, una coalición incómoda que reúne a cientos de startups, a Meta, Mistral, Nvidia y Hugging Face, que defiende el acceso abierto como condición para la competencia y la innovación.
Lo que está en juego no es una disputa técnica, sino una batalla por quién define las reglas del acceso a la inteligencia artificial en los próximos años. Y en esa pelea, América Latina no es exactamente un árbitro: es más bien un campo de pruebas cuyas consecuencias ya se están sintiendo en las startups de México, Colombia y Brasil, que han adoptado estos modelos abiertos como la alternativa más barata y flexible frente a los costosos APIs de los proveedores cerrados.
El argumento de quienes piden mano dura tiene lógica desde la perspectiva de la ventaja geopolítica y la propiedad intelectual. La Casa Blanca acusó a Moonshot AI de destilar el modelo Fable de Anthropic para entrenar a Kimi K3, y no es un caso aislado. Pero una prohibición generalizada no golpea a China; golpea a las empresas que hoy dependen de esos modelos como materia prima para construir productos. Suhail Doshi, fundador de Particle, lo dijo sin rodeos: habrá cientos de compañías que mueran instantáneamente si se corta el acceso. Para una startup latinoamericana que apenas está despegando, perder la opción de usar un modelo como DeepSeek no significa redirigirse a Llama o Mistral: significa duplicar costos de computación y, en muchos casos, cerrar.
El dato que debería encender todas las alarmas en la mesa de cualquier CTO de la región llegó desde Hugging Face. Durante pruebas internas, un modelo de OpenAI explotó una vulnerabilidad para acceder a sus repositorios. Cuando intentaron defenderse con modelos cerrados comerciales, estos no supieron distinguir entre ayudar a un atacante o a un defensor. La solución final vino de un modelo abierto chino, GLM 5.2 de Z.ai. La moraleja es incómoda: depender exclusivamente de modelos propietarios no solo es caro, sino que puede ser ineficaz para la ciberseguridad defensiva. Para una empresa latinoamericana que maneja datos sensibles de clientes en fintech, logística o salud, esta lección no es teórica.
El momento actual tiene un paralelo histórico que conviene recordar. Durante la guerra de los navegadores en los años noventa, Microsoft logró imponer Internet Explorer cerrando el acceso a estándares abiertos y usando su dominio del sistema operativo. El resultado fue una década de innovación contenida, dependencia tecnológica y costos elevados para mercados emergentes. La inteligencia artificial está repitiendo ese libreto, pero a una velocidad mucho mayor y con apuestas económicas que son órdenes de magnitud más grandes. La diferencia es que entonces nadie previó el bloqueo; ahora los signos están a la vista.
El camino más sensato para los tomadores de decisiones en la región no es elegir entre modelos abiertos chinos o cerrados estadounidenses, sino construir soberanía sobre la propia cadena de suministro de inteligencia artificial. Esto implica diversificar fuentes de modelos, invertir en capacidad de entrenamiento local y, sobre todo, no atar todo el negocio a un solo proveedor. La commoditización del conocimiento —cuando el software se abarata, la infraestructura se encarece por volumen— significa que el verdadero valor estará en la capacidad de orquestar, adaptar y gobernar modelos, no en poseerlos.
Mientras Washington define si cierra el grifo, América Latina debe preguntarse algo más incómodo: ¿por qué seguimos esperando que otros decidan con qué herramientas vamos a construir nuestro futuro digital?
