La IA no llega desde el vacío
Cuando una empresa incorpora un asistente, suele hablar de productividad. La pregunta anterior es quién controla el modelo, dónde se procesan los datos, cuánto cuesta cambiar de proveedor y qué conocimiento se acumula en el camino.
La concentración no significa que una sola empresa controle toda la IA. Significa que algunos cuellos de botella —cómputo avanzado, chips, nubes, datos y talento— están en manos de pocos actores. Cuando un recurso es difícil de reemplazar, su dueño gana capacidad para definir precios, condiciones y ritmos.
Un mapa de concentración
El Informe sobre Tecnología e Innovación 2025 de UN Trade and Development señala que solo 100 empresas financiaron 40% de la investigación y desarrollo global en 2022. Estados Unidos y China concentraron aproximadamente un tercio de las publicaciones y 60% de las patentes de IA citadas en ese informe. El mismo reporte advierte que la infraestructura de cómputo está mayoritariamente en países desarrollados.
Esas cifras no describen todo el ecosistema ni dicen quién ganará cada mercado. Sí muestran que la capacidad para construir modelos de frontera no está repartida como el acceso a una página web. Hay una diferencia entre poder usar una herramienta y poder decidir qué herramientas existen, con qué datos se entrenan y bajo qué reglas se ofrecen.
Quién gana con la concentración
La escala puede producir beneficios reales: modelos más capaces, inversión en seguridad, investigación costosa y servicios que una empresa pequeña no podría construir sola. Concentrar recursos también puede acelerar una solución cuando existe un problema técnico difícil.
Pero la misma escala puede crear dependencia. Una organización puede entrenar a su equipo en una plataforma y descubrir después que cambiar de proveedor implica rehacer procesos, prompts, integraciones y archivos. El costo no está solo en la factura mensual: está en el conocimiento que queda encerrado en un ecosistema.
La pregunta no es solo quién tiene el modelo más inteligente. Es quién puede decir “no” sin quedarse sin infraestructura.
Quién asume el costo
Los países con menos cómputo y datos locales pueden quedar como consumidores de sistemas diseñados para otros contextos. Las pequeñas empresas enfrentan precios y condiciones que no pueden negociar. Las comunidades cuyos datos alimentan modelos no siempre reciben voz, beneficio o capacidad de corrección.
La concentración también afecta la democracia del conocimiento. Si las herramientas dominantes resumen el mundo con datos y criterios que nadie fuera de sus equipos puede auditar, la pluralidad se convierte en una función privada.
Qué significa para América Latina
La discusión regional no debería ser únicamente “¿qué herramienta compramos?”. También debería preguntar qué datos deben permanecer bajo control local, qué capacidades públicas de evaluación se necesitan y cómo se evita que una pequeña empresa quede atada a un único proveedor.
Hay una oportunidad: adaptar modelos a contextos, lenguas y problemas que las grandes plataformas no priorizan. Pero esa oportunidad requiere conectividad, talento, datos gobernados y compras públicas que no conviertan la dependencia en política industrial.
Qué mirar en una compra o alianza
- Portabilidad: ¿puedes recuperar tus datos, prompts, evaluaciones y configuraciones?
- Interoperabilidad: ¿existen estándares o APIs que permitan cambiar de proveedor?
- Transparencia: ¿sabes dónde se procesa la información y qué se conserva?
- Gobernanza: ¿quién decide cambios de modelo, precios y límites de uso?
- Capacidad propia: ¿tu equipo aprende el proceso o solo aprende dónde hacer clic?
Qué puedes hacer ahora
Diseña una arquitectura que permita salir: separa datos, prompts, reglas de negocio y proveedor. Conserva evaluaciones propias. No subas información sensible por defecto. Y cuando una herramienta sea crítica, calcula el costo de interrupción y la alternativa antes de firmar.
La idea que te llevas
Acceso no es poder. Poder es poder entender, auditar, cambiar y participar en las decisiones que sostienen la herramienta.
Fuentes y metodología
- UNCTAD (2025), Technology and Innovation Report: Inclusive artificial intelligence for development. Concentración de I+D, publicaciones, patentes y cómputo.
- UNCTAD, informe completo en PDF. Evidencia y límites de los indicadores.
- Banco Mundial (2026), World Development Report 2026: Decoding AI. Dependencia, infraestructura y desarrollo.
- IEA (2026), Key Questions on Energy and AI. Cuellos de botella físicos de la infraestructura.
Método: usamos concentración como estructura de poder, no como acusación sobre una empresa concreta. Distinguimos escala útil de dependencia y no inferimos automáticamente que concentración produzca un único resultado político.