El mensaje de Jensen Huang y Sam Altman al G20: construir infraestructura de IA antes de quedarse atrás

La principal conclusión de la reunión de Chapel Hill no fue la presentación de un nuevo modelo de IA ni un tratado regulatorio detallado. Fue un argumento estratégico: la infraestructura de inteligencia artificial se está convirtiendo en una pieza central de la capacidad económica de los países. Jensen Huang instó a los gobiernos a construir los centros de datos y los sistemas de apoyo necesarios para sus propias economías de IA, mientras que Sam Altman reforzó el llamado a adoptar, financiar y desplegar esta tecnología.

El mensaje coincidió con una propuesta estadounidense de gobernanza más flexible. El resultado fue un debate sobre una disyuntiva básica: ¿cómo pueden los gobiernos aprovechar los beneficios económicos de la IA sin permitir que su rápida expansión deje atrás las salvaguardas, el suministro energético y las instituciones públicas?

La tesis central: cada país necesita capacidad propia de IA

El argumento de Huang es que los países no deberían tratar la IA como un servicio que pueden externalizar indefinidamente. Los gobiernos deben decidir qué partes de la cadena de valor tecnológica quieren desarrollar dentro de sus fronteras, desde la infraestructura informática hasta las capacidades profesionales y las empresas que utilizan esa tecnología.

Los centros de datos ocuparon un lugar central en esa propuesta. Huang los presentó como la base de las economías nacionales de IA, y la cobertura del encuentro los vinculó con la creación de empleo, la inversión y una actividad económica más amplia.

La participación de Altman reforzó el lado de la implantación. Según la cobertura de la segunda jornada, las conversaciones abordaron la adopción de la IA, el crecimiento económico, las necesidades de la fuerza laboral, la ciberseguridad y el aumento de la demanda energética de esta tecnología.

La implicación práctica es clara: construir una economía de IA exige mucho más que acceder a un chatbot o a una interfaz de programación de aplicaciones (API). Hace falta capacidad de cómputo, electricidad, profesionales técnicos y un ecosistema capaz de desarrollar y comercializar aplicaciones.

Qué cambiarían los Carolina Principles

La administración de Donald Trump aprovechó la reunión ministerial para promover los Carolina Principles for Emerging Technology, un marco centrado en la innovación y el despliegue, no en restricciones amplias y específicas para cada tecnología. 14

Los principios plantean tres objetivos generales:

• invertir en investigación fundamental;
• fortalecer las vías de desarrollo y comercialización; y
• fomentar una adopción confiable mediante la aplicación de normas sectoriales ya existentes cuando resulten adecuadas, reservando nuevas regulaciones para asuntos realmente novedosos. 4

El enfoque también rechaza la creación de nuevos organismos generales de supervisión de la IA. 13

Se trata de un marco regulatorio ligero, pero no equivale a decir que la IA deba operar sin reglas. Su premisa es que los gobiernos deben utilizar las leyes existentes siempre que sea posible y añadir nuevas medidas solo cuando la supervisión vigente no responda a un problema nuevo.

La diferencia entre daños reales y riesgos hipotéticos

Otro elemento del mensaje de Huang fue su distinción entre daños demostrables y escenarios futuros hipotéticos. Según los reportes sobre sus declaraciones en Chapel Hill, pidió a los gobiernos que regulen perjuicios concretos y observables, y advirtió que unas políticas basadas principalmente en riesgos imaginados podrían hacer que los países desaprovecharan la oportunidad económica de la IA.

Esa postura está en el centro de la disputa regulatoria. Quienes apoyan normas más ligeras sostienen que una regulación preventiva puede frenar la inversión y la adopción antes de que se comprendan sus beneficios. Sus críticos responden que esperar a que el daño se generalice puede obligar a los reguladores a reaccionar cuando ya sea demasiado tarde.

La reunión ministerial no resolvió el desacuerdo. En cambio, colocó ambas posiciones una junto a la otra: construir rápidamente y regular los daños específicos, por un lado; avanzar con mayor cautela allí donde las consecuencias de la tecnología siguen siendo inciertas, por otro.

El empleo también formó parte del argumento sobre infraestructura

Las necesidades de la fuerza laboral tuvieron un papel destacado en las conversaciones de Chapel Hill. Responsables políticos y líderes tecnológicos analizaron cómo respaldar el crecimiento de la IA mientras se afrontan la escasez de trabajadores y las exigencias de una expansión acelerada.

El planteamiento más amplio de Huang presenta la IA como una tecnología que modifica lo que pueden hacer los trabajadores y las empresas, no como una historia sencilla de máquinas que sustituyen todo el empleo. Sin embargo, la información disponible no ofrece una transcripción completa de sus comentarios sobre puestos de trabajo durante la reunión. La conclusión mejor respaldada es que la preparación de la fuerza laboral se consideró parte del desarrollo nacional de la IA, junto con los centros de datos, la energía y las competencias profesionales.

El límite físico: la electricidad

La agenda de expansión tiene un cuello de botella inmediato: la energía. Los centros de datos de IA necesitan grandes cantidades de electricidad, y los líderes tecnológicos reunidos en Chapel Hill subrayaron la escala del suministro necesario para añadir nueva capacidad.

Eso convierte la política de IA, en parte, en una cuestión de energía y planificación. Un país puede querer más capacidad de cómputo nacional, pero para conseguirla también necesita generar electricidad, conectar las instalaciones a la red, encontrar ubicaciones adecuadas y construir con rapidez. En la práctica, los chips y los modelos son solo una parte de la ecuación.

La infraestructura de IA también es infraestructura geopolítica

El debate de Chapel Hill se desarrolló en un contexto de creciente rivalidad tecnológica entre Estados Unidos y China. Uno de los elementos de ese escenario es la importancia cada vez mayor de los modelos de pesos abiertos, cuyos sistemas subyacentes pueden descargarse, ejecutarse y personalizarse. La información sobre un modelo chino de este tipo muestra por qué el acceso y el control de los modelos se están convirtiendo en asuntos estratégicos, y no únicamente en decisiones comerciales o de producto. 18

Por tanto, la infraestructura nacional tiene dos dimensiones. En el plano económico, puede ayudar a los países a capturar una mayor parte del valor generado por la IA. En el estratégico, puede reducir la dependencia de proveedores extranjeros de capacidad informática, modelos y tecnología. El intento estadounidense de promover entre sus socios del G20 un marco común orientado a la innovación formó parte de una competencia más amplia por los ecosistemas tecnológicos y la alineación internacional. 11

Por qué fue importante la reunión de Chapel Hill

La reunión ministerial del 1 y 2 de septiembre fue uno de los primeros encuentros del G20 organizados por Estados Unidos con el objetivo de orientar las conversaciones antes de la cumbre de líderes que se celebrará en Miami más adelante, en 2026. 68

Su importancia no estuvo tanto en ofrecer una respuesta definitiva como en fijar los términos del debate. Estados Unidos presentó una visión en la que los países desarrollan rápidamente su capacidad de IA, aplican las normas existentes cuando sea posible y evitan regular principalmente a partir de daños especulativos. Huang y Altman aportaron el argumento de la industria a favor de la inversión y el despliegue.

Las preguntas pendientes son considerables: cuánta capacidad nacional necesita cada país, quién pagará la electricidad y los centros de datos, cómo se adaptarán los trabajadores y en qué momento un riesgo se vuelve lo bastante concreto como para justificar una nueva regulación. Las respuestas determinarán si la estrategia de priorizar la infraestructura se convierte en una dirección compartida del G20 o permanece como una propuesta política estadounidense controvertida.