La inteligencia artificial (IA) suele presentarse como una revolución del conocimiento. Se habla de modelos que escriben, programan, diagnostican, enseñan, generan imágenes o responden preguntas complejas. Pero esa forma de narrar el fenómeno deja en segundo plano una cuestión decisiva: la IA no es solamente una tecnología. Es también una nueva arquitectura económica de acumulación, inversión, infraestructura y poder.
Dicho de forma sencilla: detrás de cada respuesta generada por un sistema de IA hay una cadena de valor muy concreta. Hay chips, centros de datos, energía, agua, minerales, cables submarinos, contratos públicos, capital financiero, subsidios estatales, propiedad intelectual, plataformas cerradas y empresas que buscan convertir la automatización del conocimiento en una fuente extraordinaria de rentabilidad.
Por eso, si queremos discutir seriamente sobre el devenir de la IA, no alcanza con preguntarnos qué es lo que puede hacer. Por el contrario, debemos preguntarnos quién la financia, quién la controla, quién se apropia de sus beneficios y quién carga con sus costos. Esa es, probablemente, la pregunta económica más importante actualmente.
El recientemente publicado AI Index Report 20261 de la Universidad de Stanford ofrece un dato contundente: en 2025, la industria produjo más del 90% de los modelos notables de IA. Es decir, la frontera tecnológica ya no está principalmente en universidades o laboratorios públicos, sino en grandes empresas privadas. Además, el mismo informe advierte que los modelos más avanzados son también los menos transparentes: varios desarrolladores dejaron de informar datos básicos como el código de entrenamiento, la cantidad de parámetros, el tamaño de los datos utilizados o la duración del entrenamiento.
Este dato debería ordenar el debate. La IA no avanza en un espacio neutral de innovación abierta; avanza en un mercado crecientemente concentrado, donde un conjunto reducido de corporaciones controla las capacidades técnicas, los datos, el cómputo y la infraestructura. Y cuando la frontera tecnológica queda en pocas manos, también queda en pocas manos la capacidad de definir qué problemas se investigan, qué soluciones se priorizan y qué riesgos se aceptan.
La economía política de la IA empieza por el silicio. La llamada “nube” no flota en el aire: descansa sobre una base material durísima. Los chips de última generación son el insumo crítico de esta etapa, y su producción está concentrada en una red muy estrecha de actores. Nvidia se transformó en el proveedor dominante de procesadores gráficos para IA; TSMC, en Taiwán, fabrica buena parte de los chips más avanzados; ASML, en Países Bajos, produce las máquinas de litografía EUV indispensables para fabricar semiconductores de frontera, y Corea del Sur ocupa un lugar clave en la memoria de alto ancho de banda, necesaria para entrenar y ejecutar modelos avanzados.
Los números muestran la escala del negocio. Nvidia reportó ingresos anuales por 215.900 millones de dólares en su año fiscal 2025,2 65% más que el año anterior. Solo en el cuarto trimestre, su división de centros de datos facturó 62.300 millones de dólares. No estamos ante una promesa futura, sino ante una maquinaria de rentabilidad ya instalada. La IA generativa no solo produce textos o imágenes: produce balances empresariales extraordinarios.
La otra cara de esa rentabilidad es la inversión gigantesca en infraestructura. La Agencia Internacional de Energía proyecta que el consumo eléctrico global de los centros de datos podría duplicarse y llegar a unos 945 TWh en 2030, algo apenas superior al consumo eléctrico actual de Japón. Según la misma fuente,3 la demanda eléctrica de los centros de datos crecería alrededor de 15% anual entre 2024 y 2030, más de cuatro veces más rápido que el resto de los sectores.
Esto obliga a abandonar la fantasía de una economía digital inmaterial. La IA consume electricidad, agua, suelo y capacidad de red. Exige nuevas líneas de transmisión, nuevas fuentes de energía, refrigeración, permisos ambientales y territorios disponibles. La “nube” se parece cada vez menos a una metáfora ligera y cada vez más a una nueva forma de industria pesada.
La cuestión es quién paga esa infraestructura y quién captura sus beneficios. Buena parte de esta revolución se presenta como emprendimiento privado, pero su desarrollo depende de condiciones profundamente públicas: investigación básica financiada por estados, compras gubernamentales, política industrial, subsidios, regulación energética, infraestructura eléctrica, seguridad nacional y restricciones geopolíticas de exportación. El mercado innova, pero no lo hace solo. Lo hace apoyado sobre estados que financian, protegen, compran y garantizan condiciones de acumulación.
Ahí aparece una paradoja conocida para cualquier economista: se socializan muchos costos y se concentran (o privatizan) muchas ganancias. Los estados invierten en infraestructura, energía, defensa, educación e investigación; las empresas capturan patentes, datos, plataformas, contratos y valorización bursátil. La discusión sobre IA, por tanto, no es solamente tecnológica. Es una discusión sobre la distribución del excedente y, por qué no, del poder.
Este punto se vuelve todavía más visible cuando miramos a empresas como Palantir. No vende simplemente software. Palantir vende sistemas de integración de datos para tomar decisiones en ámbitos de alta sensibilidad: defensa, inteligencia, seguridad, migración, logística, salud, administración pública y empresas privadas. Su negocio consiste en convertir datos dispersos en capacidad operativa. Y esa capacidad operativa, cuando se instala dentro del Estado, puede transformarse en dependencia.
El caso es importante porque muestra una tendencia más amplia: la privatización de funciones estratégicas del Estado. En 2025, el Ejército de Estados Unidos consolidó contratos en un acuerdo con Palantir que habilita compras por hasta 10.000 millones de dólares durante diez años.4 El objetivo declarado fue acelerar la incorporación de herramientas de integración de datos e inteligencia artificial.
En términos económicos, esto no es un contrato cualquiera. Es la construcción de una plataforma privada como infraestructura pública de decisión. Cuando un Estado organiza sus datos, sus procesos y sus operaciones alrededor de un proveedor, no solo compra un servicio: puede quedar atado a una arquitectura tecnológica difícil de reemplazar. A eso se le suele llamar “dependencia de proveedor” o negocio “vendor lock-in”: una situación en la que cambiar de empresa resulta tan costoso, complejo o riesgoso, que el comprador queda prácticamente cautivo.
Para América Latina, este punto es decisivo. Nuestros estados suelen tener capacidades tecnológicas más débiles, presupuestos más ajustados y alta dependencia de proveedores externos. En ese contexto, la promesa de “modernización rápida” mediante plataformas privadas puede ser seductora, pero también puede crear una nueva dependencia: ya no solo financiera, comercial o productiva, sino informacional y algorítmica.
El riesgo no es abstracto. Amnistía Internacional advirtió en 2020 sobre los riesgos de derechos humanos vinculados a contratos de Palantir con agencias migratorias de Estados Unidos, especialmente por su posible contribución a operaciones contra migrantes y solicitantes de asilo.5 Cuando las herramientas de análisis masivo de datos se aplican a seguridad, migración o control social, la eficiencia operativa puede convertirse en una amenaza para derechos fundamentales.
Por eso Palantir funciona como síntoma de una época. La empresa condensa tres dimensiones del capitalismo de la IA: la monetización de datos, la militarización del software y la conversión de decisiones públicas en sistemas propietarios. No es solo una compañía exitosa. Es una pista sobre hacia dónde puede ir una parte del futuro: estados que compran inteligencia operativa a empresas que no rinden cuentas democráticas como lo hace una institución pública.
El problema mayor es que la IA no solo automatiza tareas, también puede automatizar jerarquías. Puede decidir qué trabajador es más productivo, qué paciente requiere atención prioritaria, qué estudiante está en riesgo, qué barrio debe ser vigilado, qué contribuyente parece sospechoso o qué objetivo militar debe ser atacado. Cuando esas decisiones se apoyan en modelos opacos, el poder se desplaza desde instituciones deliberativas hacia sistemas técnicos controlados por pocos actores.
En el mundo del trabajo, la promesa de productividad debe ser leída con cuidado. Stanford señala que ya existen ganancias de productividad de entre 14% y 26% en tareas como soporte al cliente y desarrollo de software, pero también advierte que en esos mismos campos empieza a observarse caída del empleo de entrada: en Estados Unidos los desarrolladores de software de 22 a 25 años registraron una caída cercana al 20% desde 2024.
La pregunta económica central no es si la IA aumentará la productividad; probablemente lo haga en muchas áreas. La pregunta es quién se apropia de esa productividad. Puede traducirse en reducción de jornada, mejores salarios, formación, servicios públicos más eficientes y mayor bienestar; o bien, por el contrario, puede convertirse en despidos, intensificación del trabajo, vigilancia, precarización y aumento de márgenes empresariales.
Nada en la tecnología garantiza por sí mismo una distribución progresiva de sus beneficios. La historia económica muestra lo contrario: sin organización social, regulación pública y negociación colectiva, las innovaciones tienden a beneficiar primero a quienes controlan el capital. La IA no escapa a esa regla. Al contrario, puede profundizarla, porque concentra simultáneamente capital físico, capital intangible, datos, talento, infraestructura y capacidad de cómputo.
También hay una dimensión financiera que no debe subestimarse. La IA se ha convertido en una de las grandes narrativas de valorización bursátil. Empresas que producen chips, servicios de nube, software militar, plataformas corporativas o modelos generativos son valoradas por los mercados no solo por lo que facturan hoy, sino por la expectativa de controlar mercados futuros. Esa expectativa puede impulsar la inversión real, pero también alimentar burbujas, comportamientos especulativos y una presión permanente por monetizar rápidamente tecnologías todavía insuficientemente reguladas.
Esa presión es peligrosa. Si las empresas necesitan justificar valuaciones gigantescas, tendrán incentivos para acelerar la adopción, capturar mercados, cerrar ecosistemas, apropiarse de datos y volver indispensables sus plataformas. En otras palabras, el problema no es solamente que la IA avance rápido. Es que avanza dentro de una lógica financiera que premia la velocidad, la escala y la dominación temprana del mercado.
Para países como Uruguay, la discusión no debería empezar por la fantasía de competir en la fabricación de chips de frontera. Ese terreno está dominado por inversiones, escalas y capacidades tecnológicas que hoy exceden ampliamente nuestras posibilidades. Pero eso no significa resignarse a la dependencia pasiva. Significa definir una estrategia realista de soberanía tecnológica.
Esa estrategia debería incluir al menos cinco dimensiones: formación pública de capacidades técnicas; fortalecimiento de universidades, agencias estatales y empresas nacionales de software; regulación sobre datos sensibles; evaluación pública de algoritmos usados por el Estado, y negociación colectiva sobre incorporación de IA en los lugares de trabajo. La pregunta no es si Uruguay usará IA; la pregunta es si la usará como comprador subordinado o como sociedad capaz de definir condiciones.
La soberanía tecnológica no implica aislarse ni rechazar la innovación. Implica no entregar datos, decisiones públicas y capacidades estratégicas sin reglas claras. Implica saber cuándo conviene comprar, cuándo desarrollar, cuándo auditar, cuándo prohibir y cuándo exigir transparencia. Implica entender que los datos públicos no son un simple insumo comercial: son parte de la infraestructura democrática de una sociedad.
Por eso, la IA debe entrar en la agenda política con la misma seriedad con la que discutimos inversión, empleo, productividad, deuda, energía o desarrollo productivo. No es un tema accesorio. Es una tecnología general que puede reorganizar sectores enteros, alterar relaciones laborales, modificar cadenas globales de valor y redefinir márgenes de autonomía nacional.
La mirada crítica no debe confundirse con nostalgia ni rechazo al cambio técnico. La IA puede aportar mucho: mejorar diagnósticos, reducir tareas repetitivas, ampliar acceso a conocimiento, fortalecer capacidades estatales y elevar productividad. Pero esos beneficios no se distribuirán espontáneamente. Necesitan políticas públicas, Estado, sindicatos y regulación democrática. Necesitan, por tanto, una sociedad que no confunda innovación con subordinación.
El dinero detrás de la inteligencia artificial revela la verdadera naturaleza del proceso. No estamos solo ante máquinas que aprenden. Estamos ante un capital que se reorganiza, ante estados que compiten, ante empresas que buscan capturar rentas extraordinarias y ante infraestructuras materiales que consumen energía y territorio. Y, en particular, estamos ante trabajadores que pueden ganar herramientas o perder poder y ante democracias que pueden usar tecnología para ampliar derechos o delegar decisiones a “cajas negras” privadas.
La IA será una de las grandes disputas económicas de nuestro tiempo. Y como toda disputa económica importante, no se resolverá en el terreno técnico, sino en el político. La pregunta de fondo no es qué tan inteligente puede volverse una máquina. La pregunta es mucho más concreta: quién se queda con el valor que esa máquina ayuda a producir.