La IA pública que quiere ser la web, y el costo que se viene para América Latina

Un agricultor en la India rural toma una foto de una planta enferma. Quiere investigar en internet pero no habla inglés. En febrero de 2026, esa escena dejó de ser un problema: Current AI, una organización sin fines de lucro, presentó Suno Sutra, un dispositivo del tamaño de un bolsillo que funciona sin conexión y entiende 22 idiomas indios. El dispositivo es de código abierto, cualquiera puede construirlo. La vicepresidenta de asuntos públicos de Current AI, Ayah Bdeir, lo dijo claro: “En India hay cientos de lenguas y dialectos, y la inteligencia artificial no los está representando”.

Current AI nació en febrero de 2025 con una tesis simple: si la IA va a ser tan transformadora como prometen, necesita una alternativa pública, como lo fue la World Wide Web. El gobierno francés puso 100 millones de dólares; la Fundación Ford, la Fundación MacArthur, DeepMind y Salesforce se sumaron hasta alcanzar 400 millones en compromisos. “No son inversores, son financiadores”, aclaró Bdeir. El mes pasado asignó 3,2 millones en subvenciones a cuatro organizaciones en Kenia, Líbano y la Amazonía brasileña. Y la semana pasada lanzó Alpha Chat, un chatbot de código abierto armado en siete semanas por una coalición de diez organizaciones, entre ellas Hugging Face, Mozilla y el MIT Media Lab.

Pero mientras Current AI intenta construir una alternativa abierta y soberana, el costo real de la inteligencia artificial se vuelve cada vez más difícil de ignorar. El artículo “The Low-Cost AI Illusion” de Stanford Social Innovation Review traza una línea clara: la era de la IA gratuita o fuertemente subsidiada es temporal, no un rasgo estable de la tecnología. La demanda energética de los centros de datos se duplicará para 2030, alcanzando unos 945 TWh, el equivalente al consumo anual de Japón. Los chips especializados siguen siendo escasos y caros. Y la privacidad, necesaria para aplicaciones en salud, educación o servicios públicos, encarece el cómputo. El autor Phillip Olla pronostica que para 2028-2029 los modelos frontera serán servicios por suscripción o por uso, negociados como contratos en la nube. Para 2030 y más allá, la IA funcionará como una utilidad medida, como la electricidad o la banda ancha.

El AI Index 2026 de Stanford confirma el panorama: la adopción organizacional de IA llegó al 88% y la IA generativa alcanzó casi el 53% de adopción poblacional en tres años, más rápido que la PC o internet. Estados Unidos alberga 5.427 centros de datos, diez veces más que cualquier otro país, y consume más energía que ninguno. Un solo fabricante, TSMC, produce casi todos los chips de IA líderes, concentrando la cadena de suministro en una fundición en Taiwán. La brecha de rendimiento entre modelos de Estados Unidos y China prácticamente se cerró: en marzo de 2026, el modelo líder de Anthropic superaba al mejor modelo chino por apenas un 2,7%.

Para América Latina, la convergencia de estas dos tendencias —la urgencia de modelos públicos e inclusivos y la inminente mercantilización de la IA— plantea preguntas concretas. La región tiene cientos de lenguas indígenas que, como la India, hoy están ausentes de los grandes modelos comerciales. Las empresas y gobiernos latinoamericanos que ya dependen de herramientas gratuitas o de bajo costo (ChatGPT, Claude, Gemini) se enfrentan a un horizonte donde el acceso a modelos de calidad será cada vez más caro. El informe de SSIR recomienda que las organizaciones creen partidas presupuestarias específicas para IA, modelen escenarios de precios a varios años y construyan capacidad compartida: laboratorios regionales de IA que negocien términos con proveedores y alojen modelos de código abierto para tareas comunes.

Current AI ofrece un camino, pero su presupuesto es modesto. Como señaló Bdeir, “la escala no siempre es la medida. Ese es el paradigma de las grandes tecnológicas”. Para que esa visión funcione en América Latina, se necesita algo más que buena voluntad: hacen falta acuerdos entre gobiernos, universidades y el sector privado que inviertan en infraestructura abierta, en centros de cómputo compartidos y en la formación de talento capaz de entrenar modelos en lenguas locales y con datos soberanos. El AI Index destaca que más de la mitad de las nuevas estrategias nacionales de IA en 2025 provinieron de países en desarrollo. Chile, Brasil, Colombia y México ya tienen sus propios planes. El reto es pasar del papel a la ejecución.

La pregunta que queda abierta para los ejecutivos latinoamericanos es si la región será solo un consumidor pasivo de una IA cada vez más costosa y concentrada, o si aprovechará esta ventana —estrecha, según los analistas— para diseñar su propia infraestructura pública. Como dice la directora de Current AI, “los datos no deberían pertenecer a una empresa en Silicon Valley que busca enriquecer a unos pocos miles de personas”. En un continente donde la desigualdad digital ya es profunda, el costo de no actuar no es solo económico: es cultural y social.