China desplaza la carrera de IA hacia agentes que funcionen a escala

La próxima fase de la carrera china por la inteligencia artificial no se decide únicamente en el tamaño de los modelos fundacionales. El foco se está desplazando hacia los agentes de IA: sistemas capaces de consultar información, usar herramientas de software, ejecutar varios pasos y completar tareas dentro de empresas, redes de telecomunicaciones, fábricas o servicios de consumo.

La diferencia es relevante. Entrenar un gran modelo es una inversión intensa pero concentrada; operar millones de tareas con agentes supone un coste continuo. Por eso, el factor decisivo pasa a ser cuánto cuesta completar una tarea con suficiente rapidez, seguridad y fiabilidad.

La inferencia gana peso frente al entrenamiento

Un informe del Instituto de Investigación de China Telecom prevé que la inferencia —el trabajo que realiza un modelo ya entrenado al responder una petición o ejecutar una parte de una tarea— represente el 80% del mercado chino de capacidad de cómputo en 2029. La proyección indica además que los agentes podrían impulsar un crecimiento anual cercano a diez veces en la demanda de cómputo durante los próximos dos o tres años. 59

El mismo análisis estima que el consumo anual de tokens en China podría alcanzar los 100 cuatrillones en 2026 y superar los 35 quintillones en 2030. Son previsiones, no resultados ya observados, pero reflejan la escala del cambio: servir modelos de forma repetida puede ser tan estratégico como entrenarlos. 6

Un agente exige habitualmente más recursos que una interacción aislada con un chatbot. Puede recuperar datos, llamar a aplicaciones, validar una respuesta, repetir una operación o derivar un caso a una persona. Cada paso añade cómputo y complejidad operativa.

El coste deja de estar solo en construir el modelo

Con los agentes, la economía de la IA se parece menos a una gran inversión puntual y más a la gestión permanente de un servicio. Los gastos se acumulan en inferencia, acceso a datos, red, almacenamiento, monitorización y, cuando hace falta, revisión humana.

Tener un agente capaz no garantiza que sea un producto viable. Si tarda demasiado, se equivoca con frecuencia o resulta muy caro de operar, difícilmente podrá integrarse en procesos empresariales críticos. La métrica importante pasa a ser el coste y la calidad de una tarea terminada, no únicamente el rendimiento en pruebas de referencia.

Esto obliga a optimizar varios frentes:

• elegir el modelo más pequeño que pueda resolver una tarea con seguridad;
• asignar cada petición al modelo o herramienta adecuados;
• reducir cálculos repetidos mediante caché y sistemas de servicio eficientes;
• conectar los agentes con datos específicos y fiables;
• evaluar flujos de trabajo completos, no solo respuestas aisladas;
• vigilar fallos, permisos de acceso y trazabilidad; y
• asegurar la intervención humana ante decisiones o acciones de alto riesgo.

El entrenamiento de modelos avanzados sigue siendo importante para desarrollar capacidades propias y acceder a tecnología de vanguardia. Pero, a medida que haya modelos competentes más disponibles, la ventaja más difícil de replicar puede ser operar agentes conectados a sistemas reales de forma barata, estable y auditable.

Pekín impulsa la adopción en sectores concretos

Las señales regulatorias chinas refuerzan esa transición de los modelos independientes a los despliegues repetibles. El plan de «IA + software» del Ministerio de Industria y Tecnología de la Información prevé que las herramientas de programación con IA lleguen a más de 20.000 grandes empresas de software en 2028. También contempla 100 aplicaciones de referencia de software basado en agentes en sectores clave y, al menos, cinco proyectos de código abierto de alta calidad. 3

Para 2030, la dirección marcada es un ecosistema de software más inteligente y seguro, con actualizaciones inteligentes en sistemas de software críticos. 37

Otro plan del Ministerio, centrado en IA y comunicaciones de la información, fija para 2028 más de 30 escenarios de alto valor, además de aplicaciones representativas y agentes especializados. La iniciativa vincula el despliegue a una infraestructura de redes y cómputo más sólida. 17

A su vez, una iniciativa conjunta del Ministerio y la Administración Nacional de Datos plantea crear escenarios sectoriales de alto valor, conjuntos de datos especializados y modelos o agentes adaptados a cada caso. Cuando se requieran planificación y ejecución autónomas, el texto pide recurrir a agentes; también propone conjuntos de evaluación y sistemas de prueba específicos por industria. 18

El objetivo parece ser la difusión: crear casos de uso, datos, herramientas y despliegues de referencia que puedan reproducirse en distintos sectores. La oportunidad es acelerar la adopción. El riesgo es medir el éxito por la cantidad de pilotos, y no por si esos sistemas ofrecen resultados sostenibles, seguros y económicamente razonables.

El tamaño de la apuesta aumenta la presión

Informaciones basadas en el análisis del Instituto de Investigación de China Telecom sitúan el gasto de las tecnológicas chinas en IA este año cerca de los 600.000 millones de yuanes. La cifra debe interpretarse como una estimación, ya que los informes públicos no siempre aplican la misma definición de gasto en IA. 9

En el plano nacional, China espera que las industrias vinculadas a la IA superen los 10 billones de yuanes al final del XV Plan Quinquenal, que cubre el periodo 2026-2030. 45 En ese marco, los agentes no se presentan solo como un servicio en la nube: se perfilan como una capa tecnológica para modernizar industria, software, comunicaciones y servicios al consumidor.

Europa aumenta su capacidad, pero también necesita aplicaciones

La Unión Europea sigue una vía paralela en infraestructura. La Comisión Europea ha abierto una convocatoria para crear hasta siete gigafábricas de IA, con hasta 10.000 millones de euros de financiación europea y nacional y la expectativa de movilizar al menos 20.000 millones de euros de inversión privada. 50

El proyecto puede reforzar la capacidad de cómputo y la autonomía tecnológica europea. Sin embargo, construir capacidad por sí sola no resuelve el reto del despliegue: su valor competitivo dependerá de que permita inferencia accesible y asequible, acceso a datos útiles, integración con software y aplicaciones fiables para organizaciones europeas.

La próxima ventaja: convertir cómputo en trabajo útil

El giro chino hacia los agentes apunta a una transición global. La ventaja en IA dependerá cada vez más de transformar capacidad de cómputo en trabajo útil, verificable y sostenido. Eso exige chips y electricidad, pero también eficiencia de servicio, datos de calidad, integración con procesos, controles de seguridad, evaluación rigurosa y responsabilidad humana.

El dato del 80% de inferencia debe leerse como una previsión direccional, no como un hecho consolidado. Aun así, su mensaje es claro: cuando la IA sale de las demostraciones y entra en operaciones continuas, los ganadores pueden no ser quienes entrenen el modelo más grande, sino quienes consigan ejecutar agentes con la fiabilidad y el coste necesarios para hacerlos parte del trabajo cotidiano. 56