La inteligencia artificial dejó de ser un tema de departamentos técnicos para instalarse en la sala de directorios. Pero la distancia entre decirlo y hacerlo sigue siendo enorme. Un reciente análisis de IBM advierte que nueve de cada diez ejecutivos aseguran contar con “estructuras y procesos” para gobernar la IA, pero apenas una cuarta parte utiliza herramientas reales de gobernanza. Esa brecha no es un detalle administrativo: es un riesgo concreto para la confianza de clientes, inversores y reguladores.
El problema se agrava cuando se observa cómo se está acelerando el desarrollo de modelos en el mundo. Esta semana, el Gobierno de Estados Unidos acusó formalmente a seis empresas chinas —entre ellas DeepSeek, Moonshot AI y Alibaba— de aprovechar variantes de modelos estadounidenses para entrenar sus productos mediante una técnica conocida como destilación.
El secretario de Comercio lo resumió con una metáfora escolar: es como “mirar por encima del hombro de alguien y copiar sus deberes”, una estrategia con la que nunca se puede sacar una nota más alta. La destilación permite entrenar modelos más pequeños usando las respuestas de sistemas más avanzados, reduciendo costos y tiempo de desarrollo, pero también abre un flanco legal y ético que las empresas de todo el mundo deberían observar con atención.
Cuando la velocidad compite con la ética
Lo que está ocurriendo entre Washington y Pekín no es solo una disputa geopolítica. Es una señal de que la presión por llegar rápido al mercado puede empujar a las compañías a tomar atajos. La destilación de modelos no es ilegal en sí misma, pero su uso sin control puede violar términos de servicio, derechos de propiedad intelectual y, en el peor de los casos, comprometer la transparencia de los sistemas. Para una empresa latinoamericana que hoy está evaluando adoptar un modelo de IA desarrollado en otro país, esta disputa plantea una pregunta práctica: ¿sabe realmente quién entrenó el modelo que está a punto de usar y con qué datos?
A ese contexto comercial se suma más presión. Las negociaciones entre las dos potencias involucran comercio, tecnología, tierras raras, semiconductores y restricciones cruzadas en IA. Ese tablero global afecta directamente los costos de acceso a infraestructura y modelos para economías emergentes. Si las reglas cambian de un día para otro, las empresas latinoamericanas que construyen sus productos sobre tecnologías extranjeras sin una capa propia de gobernanza quedan expuestas a interrupciones de suministro, cambios en licencias o requisitos regulatorios impuestos desde afuera.
La respuesta no es frenar, sino gobernar mejor
IBM, que se define a sí misma como “cliente cero” de sus propias soluciones, propone un enfoque holístico que trasciende el mero cumplimiento normativo. La supervisión de la IA en el consejo directivo ya no puede limitarse a verificar que no se viole una ley; debe anticipar impactos éticos, sociales y legales. Eso implica, por ejemplo, que la comisión de nombramientos y retribuciones garantice que los incentivos del talento estén alineados con una cultura ética en IA, y que la comisión de sostenibilidad evalúe el respeto por los derechos humanos y el impacto ambiental de los nuevos modelos.
Cuando la IA se usa correctamente, el aprendizaje de IBM es contundente: elimina riesgos y genera valor. Su enfoque transversal aporta evidencias reales: mayor agilidad en el análisis de datos, automatización de procesos mucho más rápida y escalabilidad en segundos. Pero también produce beneficios intangibles que cotizan en bolsa: confianza entre clientes e inversores, capacidad para atraer talento de alta calidad y una reputación que se convierte en diferenciación competitiva.
Qué significa esto para América Latina
Las empresas de la región suelen estar en una posición incómoda: presión por adoptar IA para no quedar rezagadas, pero con menos recursos que las grandes tecnológicas para construir equipos de gobernanza. La tentación de copiar modelos ya entrenados —incluso sin destilación ilegal— es comprensible. Sin embargo, la lección que dejan tanto la acusación de Washington como el diagnóstico de IBM es que la gobernanza no es un freno, sino una condición para escalar con seguridad.
En América Latina, donde los marcos regulatorios de IA están en etapas incipientes o en discusión, hay una ventana de oportunidad para que las empresas definan sus propios estándares antes de que las leyes los impongan. Quien espere a que el regulador actúe para recién entonces construir estructuras de supervisión, llegará tarde. Los directorios de la región deberían preguntarse hoy qué comisiones tienen a cargo de revisar los sesgos de los algoritmos que usan, quién responde cuando un sistema automatizado comete un error con impacto en clientes y qué criterios usan para seleccionar proveedores de IA en un entorno geopolítico volátil.
La pregunta final no es si su empresa va a adoptar IA, porque eso ya está ocurriendo. La pregunta es si su directorio puede explicar, con evidencia y no con intuiciones, cómo esa tecnología está siendo gobernada. La respuesta, para la mayoría, todavía es incómoda. Pero el costo de no tenerla será mucho mayor cuando la próxima crisis de confianza —local o global— golpee a la puerta.
