Introducción: Lecciones de inviernos pasados y el presente complejo
La historia de la inteligencia artificial registra dos grandes momentos de retroceso que la industria y la academia denominan “inviernos de la IA”. El primero, en los años setenta, cuando los enfoques simbólicos no lograron cumplir las promesas grandilocuentes del razonamiento automático, llevando a recortes presupuestarios masivos y al abandono de líneas de investigación. El segundo, en los ochenta y noventa, tras el desencanto con los sistemas expertos que resultaron costosos, poco escalables y extremadamente frágiles ante contextos cambiantes. Ambos períodos tuvieron consecuencias tangibles: cierre de laboratorios, disminución del interés académico, pérdida de credibilidad y una retirada generalizada de inversiones tanto públicas como privadas.
Sin embargo, equiparar aquellos inviernos históricos con la situación actual constituye un análisis superficial que merece ser cuestionado. La narrativa del “nuevo invierno de la IA” —columna de opinión escrita por Esther Paniagua (she/her) y que la toma Marc Vidal para un nuevo video— parece construirse más desde el impacto mediático que desde un examen riguroso de los datos actuales y la evolución real de la industria global. Esta perspectiva, aunque comprensible desde ciertas geografías, puede estar condicionada por sesgos regionales que no capturan la dinámica completa del fenómeno que vivimos.
Diferencias estructurales: por qué este momento es único
La inteligencia artificial contemporánea se sostiene sobre fundamentos radicalmente distintos a los de décadas anteriores. Mientras que los inviernos del siglo XX ocurrieron en un contexto de investigación académica limitada y financiamiento gubernamental restringido, hoy enfrentamos un ecosistema completamente diferente. Las inversiones actuales superan cualquier precedente histórico: Microsoft comprometió 13.000 millones de dólares en OpenAI en enero de 2023, Google destinó más de 1.000 millones a Anthropic, y Amazon anunció una inversión de hasta 4.000 millones en la misma compañía en septiembre de 2023, o que decir de los anuncios de Trump sobre la inversión de US$ 500.000 millones de dólares en el desarrollo de la IA, o de los $ 200.000 millones de euros que invertirá la Unión Europea. Estas cifras no representan apuestas experimentales, sino compromisos estratégicos de largo plazo respaldados por infraestructura física concreta: centros de datos especializados, chips diseñados específicamente para IA, y cadenas de suministro globales dedicadas.
Además, la investigación aplicada actual abarca sectores estratégicos con impacto económico inmediato. En salud, modelos como AlphaFold de DeepMind han revolucionado la predicción de estructuras proteicas, acelerando el desarrollo farmacéutico de manera mensurable. En energía, algoritmos de optimización están reduciendo costos operativos en redes eléctricas y mejorando la eficiencia de fuentes renovables. En transporte, los vehículos autónomos han evolucionado desde prototipos de laboratorio hasta flotas comerciales operando en ciudades como San Francisco y Beijing. Esta diversificación sectorial crea una resiliencia que los inviernos anteriores no poseían: incluso si una aplicación falla, el momentum continúa en múltiples frentes paralelos.
La diferencia más significativa radica en el nivel de competencia geopolítica. Estados Unidos y China conciben la IA como un asunto de seguridad nacional, no como una curiosidad académica. El plan estratégico chino “Nueva Generación de Inteligencia Artificial” contempla inversiones de más de 150.000 millones de dólares hasta 2030, mientras que la Iniciativa Nacional de IA estadounidense moviliza recursos federales comparables. Esta dimensión geopolítica garantiza continuidad de financiamiento incluso ante fluctuaciones del mercado privado, algo impensable en los inviernos históricos.
El sesgo geográfico en la narrativa del “invierno”
Un aspecto crítico que suele pasarse por alto es desde dónde se enuncia la idea del “nuevo invierno”. La perspectiva europea, y particularmente la española, tiende a estar marcada por una posición estructuralmente periférica frente a los epicentros actuales del desarrollo de IA. Europa avanza más rápidamente en regulación —con el AI Act como ejemplo— que en despliegue tecnológico a gran escala, lo que genera una mirada que oscila entre la precaución regulatoria y la preocupación por el rezago competitivo.
Esta posición genera interpretaciones específicas de los datos disponibles. Cuando se observan fracasos visibles como el cierre de servicios de IA defectuosos o la retirada de productos con baja adopción, es comprensible que desde Europa se interprete como señal de declive sistémico. Sin embargo, esta lectura puede estar condicionada por la frustración ante el liderazgo tecnológico externo y la búsqueda de explicaciones que justifiquen la estrategia regulatoria regional.
En contraste, desde Estados Unidos y China la perspectiva es marcadamente diferente. En Silicon Valley, pese a los fracasos puntuales que efectivamente ocurren, el nivel de experimentación y financiamiento no muestra señales de declive. Las métricas de venture capital en IA mantienen niveles históricamente altos, con 25.200 millones de dólares invertidos en startups del sector durante 2023 según PitchBook. En China, el impulso por desarrollar capacidades propias y reducir dependencia tecnológica occidental se ha intensificado, especialmente tras las restricciones estadounidenses a la exportación de semiconductores avanzados. Compañías como Baidu, Alibaba y ByteDance han acelerado sus inversiones en modelos de lenguaje y aplicaciones comerciales, creando un mercado interno robusto que sostiene el desarrollo incluso ante tensiones geopolíticas.
En geografías emergentes como India, Corea del Sur, Singapur y los países del Golfo Pérsico, la IA se concibe explícitamente como un vector de desarrollo estratégico. India lanzó en 2023 su “Misión Nacional de IA” con presupuesto de 1.200 millones de dólares, mientras que los Emiratos Árabes Unidos establecieron el “Programa Nacional de IA 2031” con objetivos específicos de diversificación económica. Estas iniciativas reflejan una visión de mediano y largo plazo que es inconsistente con la idea de un “invierno” global.
Reajuste narrativo versus declive estructural
Lo que realmente estamos presenciando es una fase de reajuste narrativo, no un colapso sectorial. Las empresas y la sociedad están transitando del entusiasmo ingenuo inicial hacia un pragmatismo más maduro. Este proceso implica pasar de promesas revolucionarias inmediatas a la exigencia de resultados medibles, aplicaciones sostenibles económicamente y retornos claros de inversión. Es un patrón natural en toda disrupción tecnológica significativa, observable históricamente en la introducción de Internet, los dispositivos móviles y las redes sociales.
El entusiasmo inicial de 2022-2023, alimentado por el impacto mediático de ChatGPT, creó expectativas desmedidas sobre la velocidad de transformación sectorial. Cuando la realidad operativa no alcanza esas expectativas infladas, es natural que se produzca una corrección. Sin embargo, confundir esta corrección con un declive estructural constituye un error analítico significativo. Los fundamentales tecnológicos continúan mejorando: la capacidad computacional sigue creciendo, los algoritmos se optimizan constantemente, y las aplicaciones comerciales exitosas se multiplican, aunque de manera más selectiva que en el período de euforia inicial.
Un indicador clave del reajuste es la evolución en los criterios de inversión. Mientras que en 2022 bastaba con mencionar “IA” para atraer capital, hoy los inversores exigen modelos de negocio específicos, métricas de tracción concretas y rutas claras hacia la rentabilidad. Esta maduración del ecosistema de financiamiento, lejos de señalar declive, indica un proceso de consolidación saludable que debería generar aplicaciones más robustas y sostenibles.
La legitimidad cuestionable de ciertos discursos
Resulta importante examinar críticamente la facilidad con que ciertos discursos alarmistas ganan legitimidad en medios especializados y redes sociales. La carta abierta que en marzo de 2023 pidió una moratoria de seis meses en el desarrollo de modelos de IA —firmada por figuras como Elon Musk y varios académicos— no produjo ningún freno real en la investigación o desarrollo industrial. Más bien funcionó como un ejercicio de comunicación estratégica que generó titulares, polarizó opiniones y, en algunos casos, benefició comercialmente a quienes la suscribieron al posicionar sus propias iniciativas como más “responsables”.
De manera similar, el discurso del “invierno” puede servir propósitos específicos. Para reguladores europeos, legitima un enfoque más cauteloso y una regulación más estricta. Para competidores rezagados, explica su posición desventajosa como resultado de condiciones de mercado adversas más que de capacidades insuficientes. Para medios especializados, genera contenido que captura atención mediante la controvertida contra-narrativa del consenso optimista dominante.
Esta dinámica comunicacional no es necesariamente maliciosa, pero tampoco debe ser tomada como análisis neutral. Los actores involucrados tienen intereses específicos que pueden influir en su interpretación de los datos disponibles. Un análisis riguroso debe considerar estas motivaciones y contrastar las afirmaciones con evidencia empírica independiente.
El debate que realmente importa: hacia dónde orientar el desarrollo
La verdadera discusión que debería ocuparnos no es si la IA entra o no en un “invierno” —categoría que puede ser más nostálgica que analíticamente útil—, sino qué modelo de desarrollo queremos promover y hacia dónde orientar los recursos significativos que efectivamente se están invirtiendo.
¿Preferimos un desarrollo centralizado en pocos actores corporativos, intensivo en recursos computacionales y con altos costos ambientales asociados? ¿O podemos articular un modelo más distribuido, responsable y alineado con objetivos de desarrollo sostenible? Estas preguntas son mucho más relevantes que especular sobre supuestos declives sectoriales.
El debate sobre la huella energética es particularmente urgente. Los centros de datos dedicados a entrenar modelos de IA consumen cantidades crecientes de electricidad, y las proyecciones sugieren que esta tendencia se acelerará. Según estimaciones de la Agencia Internacional de Energía, el consumo eléctrico de centros de datos podría duplicarse entre 2023 y 2026, impulsado principalmente por aplicaciones de IA. Esta realidad exige discusiones serias sobre eficiencia energética, fuentes renovables y diseño algorítmico optimizado, no debates especulativos sobre hipotéticos inviernos tecnológicos.
Igualmente importante es el tema de concentración de poder. El desarrollo actual está dominado por un número reducido de compañías con capacidades computacionales masivas, lo que plantea interrogantes sobre competencia, innovación y control democrático de tecnologías con impacto social significativo. La Unión Europea ha comenzado a abordar estas cuestiones mediante regulación, pero se requieren enfoques más comprehensivos que involucren múltiples stakeholders y geografías.
La equidad de acceso constituye otro desafío fundamental. Si las capacidades más avanzadas de IA permanecen concentradas en organizaciones con recursos excepcionales, se ampliarán las brechas digitales existentes tanto a nivel individual como entre países. Iniciativas como los modelos abiertos, la computación distribuida y las políticas de acceso equitativo deben ser parte central de la conversación sobre el futuro del sector.
Conclusión: construir desde la evidencia, no desde la nostalgia
Los inviernos históricos de la IA fueron episodios reales que dejaron lecciones valiosas sobre la importancia de mantener expectativas realistas y desarrollar aplicaciones con valor económico demostrable. Sin embargo, trasladar mecánicamente esa experiencia al presente, sin considerar las diferencias fundamentales de contexto, escala y estructura geopolítica, constituye un error analítico.
La situación actual presenta un panorama mixto que no se ajusta a categorías binarias de “verano” o “invierno”. Coexisten señales de maduración sectorial —como criterios de inversión más estrictos y enfoques más pragmáticos— con indicadores de crecimiento sostenido en financiamiento, investigación y aplicaciones comerciales. Esta complejidad requiere análisis matizados que reconozcan tanto los desafíos reales como las oportunidades genuinas.
El verdadero riesgo no es un hipotético invierno, sino la posibilidad de que debates mal enfocados nos distraigan de los desafíos concretos que enfrentamos: desarrollar la IA de manera sostenible ambientalmente, equitativa socialmente y responsable éticamente. Estos objetivos requieren colaboración internacional, marcos regulatorios bien diseñados y un compromiso genuino con el interés público por encima de intereses corporativos o geopolíticos estrechos.
Como sociedad global, tenemos la oportunidad de influir en la trayectoria de esta tecnología mientras aún está en formación. Aprovechar esa oportunidad exige abandonar las etiquetas simplificadoras del pasado y enfocarnos en construir el futuro que queremos ver materializado. Ese es el debate que realmente importa, no la repetición de categorías históricas que pueden oscurecer más de lo que iluminan sobre nuestro momento presente.
Sobre el autor
Rodrigo Carrillo González es Ingeniero y Máster en Gestión de la Ciencia y la Innovación. Fundador y vicepresidente de la Asociación Chilena de Inteligencia Artificial para el Desarrollo Sostenible (ACHIADS) y creador del ARES-AI Framework, una metodología para la adopción Ágil, Responsable-Ética y Sostenible de la IA en organizaciones. Como socio y director de Sube IA, apoya a organizaciones en la implementación ética de inteligencia artificial.
Es autor del libro “La revolución de la inteligencia artificial para alcanzar los ODS” (Amazon, 2023). Su trabajo se enfoca en que la tecnología sirva a la dignidad humana, la equidad social y la sostenibilidad ambiental.
0 Comentarios