1.Introducción
En este primer semestre de 2026 dos números de la revista Temas se han dedicado al tema de la inteligencia artificial (IA y Poder, en marzo, y Tecno-Oligarquía, en este mismo mes de julio) adicionalmente a las referencias a su incidencia en el Foro de Davos, considerada en los artículos de esta sección a principios de 2026. Pero los continuos y acelerados cambios tecnológicos y socioeconómicos que afectan al sector obligan a actualizar las preocupaciones que venimos mostrando, porque estas no dejan de acrecentarse, tanto en cuanto a cómo canalizar sus potencialidades positivas y negativas, como en cuanto a cómo responder ante las transformaciones socioeconómicas que se van constatando de forma creciente en nuestra sociedad de consumo capitalista, con un sector financiero especulativo mundial que está encontrando en la IA un campo destacado de actuación.
El mundo está demostrando una enorme capacidad de resiliencia y adaptación, no solo ante crisis como la pandemia de 2020, sino ante los numerosos conflictos geopolíticos y militares que se vienen sucediendo en este siglo, generadores de crisis de oferta en materias primas básicas, shocks inflacionarios o ciclos asociados de subidas de tipos de interés para contrarrestar los efectos inflacionistas más intensos de las últimas décadas. Sin embargo, el PIB mundial no deja de crecer, aunque sea a ritmos reducidos, y las bolsas se sitúan en niveles de máximos históricos, pese a los reiterados riesgos advertidos por muchos analistas respecto a la posible existencia de una burbuja de la IA similar a la de las punto.com de principios de siglo. Pero no todo es optimista, ya que, a cambio, la IA está contribuyendo activamente a una reducción de la participación del trabajo en el valor añadido global frente a las rentas del capital, así como a la generación de mayores desigualdades sociales y territoriales, y de crecientes impactos ambientales globales.
No cabe duda de que detrás de la dinámica económica del sistema y de su resiliencia frente a las crisis se encuentra la revolución científico-técnica (RCT) que está caracterizando a este siglo XXI, con particular incidencia del boom de la IA en el actual ciclo de crecimiento sostenido del índice S&P 500 y del cambio en las relaciones de poder económico-financiero, a los que nos referíamos en los dos números de la revista Temas y actualizamos en este artículo.
Ya es evidente que el continuo avance de la IA Agente (IAa) en conjunción e integrándose con la IA física (IAf), está dando lugar a cambios radicales en las relaciones técnicas y sociales de producción, beneficiando a unos sectores frente a otros del capital, y con repercusiones sociales, ambientales y territoriales crecientemente significativas. Los últimos cambios en esta conjunción IAa con IAf nos conducen a una nueva forma de producción: “la fábrica inteligente”, a la que nos referiremos en este artículo.
Desde una perspectiva positiva hay que referirse a cómo el conflicto por el dominio en el campo de la IA entre EEUU y China también está proporcionando buenas noticias desde la perspectiva de la expansión —propiciada desde China— de herramientas de IA en código abierto, que potencian su adaptación a desarrollos específicos para espacios, como el europeo, en el que la opción por ese código abierto es clara también como medio para disminuir la abrumadora dependencia estadounidense. Pero, ¿es factible esa independencia?
Otra dimensión preocupante es la ciberseguridad en un mundo donde la digitalización e informatización de todos los procesos productivos y la utilización militar de la IA para atacar modelos, programas e infraestructuras críticas pueden dar paso a un mundo dependiente y subordinado a las Big Tech y a los gobiernos que pueden controlarlas (EEUU y China). Los ciberataques como arma se han convertido en uno de los campos de máximo interés e inversión desde las Big Tech espoleadas desde los gobiernos militaristas. Y se han convertido también en uno de los campos de mayor riesgo tecnológico para la humanidad, ya que todas las infraestructuras y servicios críticos (agua, energía, etc.) dependen de sistemas informatizados; lo que, junto a la biotecnología auxiliada por la IA para su uso militar, o para lograr el utópico superhombre inmortal, abren riesgos crecientes no controlados por la inmensa mayoría de los países de este mundo. Y un riesgo adicional: ¿conducirán estos avances a una especie de IA general (IAG) autoprogramable y automejorable en la consecución de los objetivos que ella misma pueda ir autodefiniéndose con capacidad de dominio de la humanidad, por sí misma o bajo el control de sus dueños?
2.Cambios en la capitalización de las principales multinacionales en el siglo XXI. El ascenso de las Big Tech
Como señalábamos en las revistas Temas citadas, todas las revoluciones tecnológicas han beneficiado a unos sectores u otros del capital, tal y como sucedió con la tecnología ligada a la máquina de vapor y el desarrollo de la industria textil (1760-1860); con el desarrollo del ferrocarril y la industria metalúrgica (1830-1917); con la denominada segunda revolución industrial asociada a la electricidad y a la química (1890-1940); con la cadena de producción y el crecimiento de la sociedad de consumo de masas capitalista (1910-1973); o con la sociedad digital, de la información y comunicación, desde 1961 a la actualidad, con su fuertísima capacidad de concentrar el poder económico, político y social, fundamentalmente en EEUU y en las grandes multinacionales tecnológicas (Big Tech) allí radicadas, aunque con un progresivo acercamiento de China al control de su área de influencia geopolítica.
La IA, cuyo desarrollo se inicia en paralelo a la propia sociedad digital, aprovechando los más de 14.000 millones de dispositivos conectados a internet, ha pasado a convertirse en una tecnología de uso general similar a lo que hace casi un siglo significó la electricidad. Y ha permitido la captación de datos (cada minuto se añaden cerca de veinte millones de gigabytes al total global de datos) y el entrenamiento de una IA generativa (IAg) y una inversión y desarrollo de la propia IA que ha propiciado la creciente incidencia de una IA Agente (IAa) y de una IA física (IAf) con fuertes consecuencias en el mundo productivo.
Como ya señalamos, en el año 2000 las diez mayores empresas multinacionales por activos en el exterior eran tres petroleras (Exxon, Shell y BP), tres automovilísticas (General Motors, Toyota y Fiat), dos del sector de las telecomunicaciones (Vodafone y Telefónica) y dos multifunción (General Electric y Vivendi). En 2007, previamente a la crisis financiero-especulativa mundial, la capitalización bursátil muestra que, de las anteriores, solo estaban entre las diez primeras Exxon (1º), General Electric (2º), BP (9º) y Toyota (10º). Y aparecían dos nuevas energéticas (PetroChina —4ª— y GAZPROM —7ª—), una financiera (Citigroup —6ª—), una del sector de telecomunicaciones (AT&T INC —7º—) y la primera gran tecnológica (Big Tech) en un puesto destacado: Microsoft (3ª). Seguían destacando empresas ligadas a las energías fósiles y a la industria, aunque era relevante la aparición del sector bancario y de Microsoft como reflejo respectivo del fuerte aumento de la financiarización especulativa global y de la digitalización y generalización del uso de ordenadores.
Desde entonces, las Big Tech históricas pasan a tener un crecimiento espectacular (sus ingresos a través de la publicidad y de la producción de las infraestructuras ligadas a la IA se multiplican por más de veinte entre 2010 y 2020), controlando de forma creciente los datos (Big Data) y la “firma digital” de los ciudadanos y empresas que interactúan a través de redes y de plataformas de su propiedad. A su vez, el propio desarrollo tecnológico en chips (caso destacado de NVIDIA, TSMC y BROADCOM) e infraestructuras digitales hace que se unan a las anteriores otras Big Tech centradas en hardware y en tecnologías de la información, reemplazando en el ranking de capitalización bursátil a las multinacionales energéticas, metalúrgicas y financieras. Así, en 2020, tal y como apreciamos en el Cuadro 1, entre las diez primeras empresas por capitalización bursátil siete están ligadas a la Big Tech: Apple (1ª), Microsoft (3ª), Alphabet (5ª), Facebook (6ª), Amazon (Big Tech/distribución, 4ª), Tesla (Big Tech/automoción, 8ª) y Alibaba (Big Tech/distribución, 9ª). Existe una multinacional ligada a la tecnología de la comunicación (Tencent, 7ª); una a la energía (ARAMCO, 2ª) y una financiera (Berkshire Hathaway, 10ª). Y los cambios desde 2020 a 2026 (1 de julio) se van a acelerar muy significativamente, como apreciamos en el Cuadro 1, con dinámicas que también se muestran para los seis últimos meses de 2026. NVIDIA va a multiplicar casi por 16 veces su capitalización entre 2020 y julio de 2026 (1.465% de incremento) ganando 22 puestos en el ranking. Le sigue Broadcom con casi 10 veces de incremento (868%) y la ganancia de 21 puestos. A continuación, solo dos empresas no son Big Tech, aunque la ayuda de la IA colabora a que una empresa dedicada a la salud, Eli Lilly and Company, gane 17 puestos y una empresa asociada a las energías fósiles, Exxon, gane 12 puestos, materializando las ayudas de Trump para reactivar las energías fósiles en EEUU y en el mundo.
En todo caso, el Cuadro 1 muestra la supremacía absoluta de EEUU en el alojamiento de estas multinacionales (24 de las 32 radican su sede principal en ese país) seguida a mucha distancia de China (3), Suiza (2) y Taiwán, Corea del Sur y Francia, con una cada una.
Por otra parte, de las 32 multinacionales, 9 están asociadas a las Big Tech, a las que hay que añadir las 2 asociadas a tecnologías de la información (Taiwan Semiconductor M y Broadcom), Tesla (automóviles) y General Electric (industria), ya que están perfectamente integradas en el conjunto de funciones ligadas a la nueva revolución tecnológica y a la irrupción de la IA. Además, de las dos ligadas al sector de la energía, con el ascenso de Exxon y el mantenimiento de Aramco (aunque pasa de la 2ª a la 8ª posición), también la nueva era anuncia la reaparición de multinacionales del sector financiero-especulativo (cinco multinacionales), la pérdida de posiciones de las multinacionales chinas y el impulso de multinacionales del consumo (6), la salud (3) y el ocio (2). Para un análisis de mayor detalle, en el Cuadro 1, en las cuatro últimas columnas que recogen las variaciones, se han marcado en violeta las multinacionales con muy fuerte crecimiento; en amarillo las de crecimiento medio; en blanco las estables, y en azul las que registran retrocesos.
Las Big Tech que controlan grandes volúmenes de datos (Big data), tienen capacidad computacional (chips y algoritmos especializados), talento técnico especializado y capital financiero para desarrollar las inversiones/ampliaciones necesarias, son las que controlan de forma creciente las infraestructuras digitales (centros de datos, redes de computación, modelos entrenados centralmente), los sistemas de información a la población, las plataformas de comunicación y los propios sistemas de IA utilizados por gobiernos, empresas y ciudadanos. Lo que genera que junto a un tremendo poder económico también desarrollen una influencia determinante en los gobiernos alcanzando una nueva forma de poder —el “poder algorítmico”— asociado a que la IA se ha convertido en una tecnología de “propósito general” que se incorpora a todo tipo de proceso económico, social e incluso militar. Y cuya aplicación militar y en la IAa las propias Big Tech esperan que les genere un mayor control y dependencia de procesos productivos y políticos y una mayor acumulación de excedentes; sobre todo tras el proceso de la progresiva integración de la IAa con la IA física (automatización, robótica, etc.) que ya está significando un salto cualitativo en la organización de una producción integrada o en procesos autónomos de funcionamiento (robots, vehículos o armas como drones con capacidad de toma de decisiones por ellos mismos).
Como conclusión podemos reiterar aspectos ya contemplados en las revistas Temas citadas, remarcando que el desarrollo de la IA está produciendo tres cambios principales: 1) concentración del poder socioeconómico en menos multinacionales, con un papel muy destacado de las Big Tech, sus propietarios principales y sus directores operativos; 2) transferencia del poder socioeconómico y político hacia sistemas tecnológicos (poder algorítmico) que influyen cada vez más en la automatización, robotización y toma de decisiones; y 3) ventajas comparativas para la configuración de los escenarios globales futuros para quienes controlan la infraestructura tecnológica y los sistemas de IA (nuevamente las Big Tech). Y ello porque son las Big Tech las que disponen de la capacidad de imponer condiciones (precios, acceso, cumplimiento, integraciones) a empresas y gobiernos que necesitan IA para aumentar su productividad o mejorar su capacidad militar, ciberseguridad o servicios públicos. Como ya hemos señalado, la asociación de las Big Tech con el complejo militar, industrial y de seguridad en todo el mundo, y en particular el nexo Silicon Valley-Wall Street-Pentágono, en EEUU, muestra la imbricación global entre la IA, la economía y el mundo militar.
3.La creciente relevancia del capital financiero en el desarrollo de la IA
El desarrollo de la IA ya hemos visto que ha estado muy directamente ligado a la revolución de las Tecnologías de la Información y Comunicación (TIC), cuya dinámica ha venido impulsada por la fuerte inversión materializada en el sector. Inversión con una evolución que podemos modelizar de crecimiento exponencial según se aprecia en la Figura 2, que nos llevaría a unas previsiones tendenciales (en rojo) incrementadas para el período 2025-2030 si se mantiene la tendencia del modelo que, en principio, coincide con las previsiones de inversión de las propias Big Tech.
La Figura reflejaría tanto la modelización con una función exponencial de la inversión total asociada a la explosión del software y de las bases de datos desde los años noventa, como la posterior inversión en infraestructuras de telecomunicaciones, incluido el frenazo por el estallido de la burbuja «punto.com» (fibra, 4G, 5G), el dinamismo asociado a la inversión para computación en la nube y en centros de datos y, por último, la aceleración reciente de la inversión asociada a la inteligencia artificial (IA) y sus previsiones de futuro. De hecho, con los datos reales disponibles, se puede estimar que la participación global de la IA en el total anterior ha pasado de ser cantidades insignificantes en la década de los setenta a, aproximadamente, el 14 % en la actualidad, estimándose que su participación futura en la inversión pueda llegar a ser del orden del doble (28 %). Siete empresas (Amazon, Alphabet, Meta, Microsoft, TSMC, Oracle y Nvidia) aumentaron sus inversiones en I+D y capital de unos 15.000 millones de dólares en 2005 a cerca de 750.000 millones de dólares en 2025, 50 veces más en dos décadas. Y, si se cumplen las previsiones actuales, la inversión combinada en I+D y capital de las siete empresas podría rondar el billón de dólares en 2026, más de un 30 % por encima del nivel de 2025. Y el conjunto de las Big Tech está presentando estimaciones de inversión que llegarían a un total del orden de ocho billones de dólares hasta 2030, materializadas en infraestructuras y componentes imprescindibles para el desarrollo de la IA, fundamentalmente centros de datos, plantas energéticas para alimentarlos y chips para procesar el lenguaje de la IA.
Inversión histórica que ha disparado la capitalización mostrada en el Cuadro 1, asociando buena parte del crecimiento económico mundial (particularmente de EE. UU.) a esta inversión. A su vez, han llevado a máximos históricos al S&P 500, tal y como se ha mostrado en la Figura 1, con unas Big Tech cada vez más ligadas directamente a la inversión militar impulsada por Trump, por las guerras de Ucrania y de Oriente Medio y por los diversos conflictos militares que inciden sobre África. Porque, como hemos visto, esta dinámica de inversiones definidas por las Big Tech se dirige al software y servicios de IA, así como a los servicios en la nube, la automatización y la robótica, junto a las inversiones imprescindibles en semiconductores para incrementar la capacidad de computación. Pero también, fundamentalmente, al campo militar, cuyos nuevos desarrollos exigen la existencia de esa infraestructura de soporte inversor, apoyada y potenciada por los contratos y fondos de EE. UU. y China, fundamentalmente, aunque no solo.
Y hay que señalar que, en la carrera por dominar el mercado de los nuevos desarrollos previstos para la IA, ya solo cuatro de las Big Tech (Microsoft, Google, Amazon y Meta) han anunciado que invertirán 670.000 millones de dólares en 2026 en infraestructura de IA para solventar los cuellos de botella en capacidad de cómputo y satisfacer la demanda creciente en nube y publicidad. Áreas a las que hay que añadir la radical importancia de la ciberseguridad, y la creciente de los vehículos eléctricos autónomos y del sector espacial, sin olvidar el negocio tradicional en el campo de la publicidad personalizada de todo tipo (comercial, sociológico, político), ligada a una «firma digital» crecientemente definida para el conjunto de la población y empresas. Ni tampoco el soporte cada vez más fuerte de la IA en campos como la biotecnología, la medicina, la energía, el comercio o la formación personal, donde la IA potencia la renovación tecnológica, la eficacia y la eficiencia, con la mejora del rendimiento, la reducción de costes y el incremento del excedente empresarial.
Sin embargo, la brecha entre la capitalización de mercado de estas Big Tech, que refleja las expectativas de los inversores para el futuro, y el crecimiento de sus ingresos hace que las expectativas, en última instancia, deban validarse mediante rendimientos sostenidos sobre el capital invertido que superen al coste de este capital. Las Big Tech están realizando inmensas inversiones con la esperanza puesta en una mejora de la productividad y en unas expectativas de beneficio de la IA muy alejadas, por ahora, de la dinámica real registrada. ¿Los cambios radicales en la capitalización relativa y en la variación de «posiciones» en el ranking de esa capitalización reflejan realmente los cambios en el valor y la rentabilidad real de las Big Tech o solo las expectativas especulativas de los agentes de gestión privada e inversores que instrumentalizarían burbujas, por ahora controladas?
Las nuevas tecnologías siempre tardan en generar beneficios globales, en parte porque han de competir y desplazar a las tecnologías ya establecidas, lo que obliga a su reemplazo por obsolescencia técnica, lo que solo se produce si las empresas «antiguas» son incapaces de competir con las adaptadas a las nuevas tecnologías; y, en parte, porque la inversión en nuevas tecnologías exige normalmente apalancamientos (créditos) que incrementan fuertemente el diferencial entre los rendimientos financieros exigidos y los beneficios futuros que permitan cumplir esos costes y generar excedentes empresariales. Y, aunque hasta ahora la mejora de la productividad de la mano de la IA y la disponibilidad de capital privado han sostenido una actividad que, con altibajos, no ha dejado de crecer, ello en parte se ha producido porque, hasta 2025, las inversiones de las Big Tech se cubrían básicamente con sus ingresos, convirtiéndose ellas mismas en parte del sistema financiero mundial. Pero la magnitud de las inversiones programadas las ha llevado a reforzar su nexo con los agentes y fondos de gestión de activos (BlackRock, Vanguard Group, etc.), que, junto a las entidades financieras, son los que concentran la mayor parte de la propiedad de esas empresas, a veces integrados en sus Juntas de Gobierno y con capacidad de decidir sobre su evolución; o, a veces, externamente a las mismas e interesados exclusivamente en la rentabilidad que puedan obtener de sus dividendos y de la revalorización especulativa en el ciclo de vida (normalmente unos seis u ocho años) asociado a los contratos privados de los inversores en los fondos que sustentan la inversión en las Big Tech. Porque los objetivos de los agentes de inversión privada y de los fondos de gestión de activos están centrados en obtener una rentabilidad en un plazo dado que les permita responder a las exigencias de los inversores privados que sustentan sus fondos de inversión. Que, ante las dudas sobre la rentabilidad o ganancias relativas de sus inversiones, pueden demandar retiradas de activos que pongan en peligro el equilibrio de los propios fondos de gestión de activos, como está sucediendo de forma creciente en la actualidad.
La aplicación creciente de la ingeniería financiera, basada en la obtención de préstamos baratos para empresas sin garantía suficiente que realizan las inmensas inversiones precisas en infraestructuras de distinto tipo (centros de datos, centrales energéticas, etc.), apoyándose en la supuesta garantía del balance como fondo de emergencia aportado por las Big Tech que los contratan o con las que se alían, permite que los agentes de inversión de capital privado o las multinacionales financieras consigan atraer los ingentes volúmenes de capital privado necesarios para estos préstamos bajo unas supuestas garantías que les permiten comercializar las inversiones como seguras y con un grado de inversión muy atractivo. Obviamente, el riesgo, como sucedió con las «hipotecas subprime», viene condicionado porque las correspondientes Big Tech puedan aportar su balance futuro, ligado al uso e ingresos por esas infraestructuras, como fondo de emergencia en caso de ser necesario. Si no lo pueden conseguir, como sucedió con el impago de hipotecas, la crisis estará asegurada.
Otro aspecto adicional de riesgo a tener en cuenta es que el crédito a empresas y particulares y las decisiones sobre inversiones especulativas están siendo asignados de forma creciente por mecanismos automáticos basados en la IA y los big data en que basan su entrenamiento. Pero ya ha quedado demostrado que la IA puede malinterpretar patrones, heredar sesgos históricos o reforzar señales del mercado que aceleran la volatilidad y la producción de burbujas, ante las que los algoritmos pueden reaccionar a nueva información a velocidad instantánea, con órdenes bruscas y sincronizadas que, de materializarse en órdenes de venta, porque interpretaran perturbaciones económicas de forma similar, podrían colaborar significativamente a un potencial crac global.
Por ello, es trascendental valorar los riesgos del inicio de una posible crisis global de trascendencia mundial si el actual ciclo de inversión en IA no genera rendimientos acordes con el capital desplegado que permitan que los inversores y los agentes y fondos de inversión privada puedan responder a las exigencias de sus propios inversores. Porque el riesgo de que el extraordinario volumen de inversiones previsto acabe en una burbuja similar a la de las punto.com de principios de siglo, con inversiones muy por encima de su capacidad de materializarse en beneficios futuros significativos que las justifiquen, es, en la actualidad, muy elevado. Riesgo que, además, incidiría en mayor medida sobre un sistema financiero-especulativo informal, de dimensiones crecientes, cuya incidencia sobre la estabilidad económica y financiera global puede ser desmesurada. Y ello en un marco en el que estas inversiones se unen a las de la carrera armamentística impulsada por Donald Trump, que está generando un sustancial incremento de la deuda pública mundial acumulada, lo que dificultaría que los colchones institucionales —el Tesoro y los bancos centrales— pudieran repetir las políticas públicas de intervención en términos similares a los producidos en 2008 para salvar empresas financieras o productivas «demasiado grandes para caer».
4.Nuevos desarrollos de la IA y sus repercusiones productivas
La IA como tecnología de «propósito general» se va extendiendo en paralelo por todas las ramas de la economía y de la sociedad, incorporándose a todo tipo de proceso: productivo, militar, cultural o de desarrollo tecnológico. Y sus consecuencias productivas también se expanden globalmente porque la inversión récord en servicios en la nube, software y servicios de IA está transformando la forma en que cada vez más empresas y, en particular, las multinacionales, crean valor, con el desarrollo de ecosistemas digitales y de nuevas aplicaciones integradas entre IAg e IAf que diseñan, organizan, gestionan, deciden y actúan conjuntamente.
La capacidad del actual ecosistema de la IA para integrar datos de múltiples fuentes en tiempo real, simular escenarios posibles, evaluarlos respecto a los objetivos en cuestión de segundos y proponer acciones en función del riesgo, el impacto y los recursos disponibles incrementa la velocidad de toma de decisiones, y a sus usuarios les proporciona una ventaja comparativa empresarial e institucional. Lo que hace que se esté extendiendo su utilización a todo el espectro económico, científico e institucional, con un crecimiento exponencial de la IAa, capaz de automatizar tareas, ejecutar procesos, tomar decisiones y aprender y mejorarse de forma continua por sí misma. Con lo que aumentan diferencialmente la productividad de las empresas que la integran y adaptan sus sistemas productivos y organizativos, logrando la interoperabilidad, la integración de datos y el rediseño de procesos, cadenas de suministro y competencias de su fuerza laboral. Y, particularmente, en las empresas que establecen procesos de financiación de inversiones sostenibles a largo plazo, adaptados a la absorción de las continuas innovaciones de la IA a gran escala, sin desestabilizar los sistemas de los que dependían inicialmente.
Obviamente, esta dinámica exige una infraestructura y capacidades limitadas a las grandes multinacionales o grandes empresas, por lo que las Big Tech han puesto en marcha servicios en la nube y aplicaciones/plataformas (API) donde ofrecen al conjunto de empresas que quieran entrar en esta dinámica, sin disponer de los medios necesarios, conexiones remotas con los servidores (nube) donde están alojados los modelos de IAa —más o menos particularizados y especializados para cada demandante—, pagando por el uso efectivo de los mismos.
Proceso que ha generado un nuevo frente de competencia entre las principales Big Tech ligadas a la oferta de IAa en la nube (Google, OpenAI, Anthropic, Amazon Web Services, Microsoft Azure…), convirtiendo este servicio de «inteligencia artificial empresarial» en una de las fuentes principales —y crecientes— de sus ingresos. La IAa se ha convertido en el elemento básico en el que más confían para rentabilizar sus continuos avances en IA, utilizando el propio proceso para una innovación entrenada con la creciente experiencia en analizar, aportar servicios y valorar la eficiencia de ejecutar tareas y cobrar por los servicios en función de los tokens demandados/aportados.
Entre estos servicios hay que destacar los asociados a la ciberseguridad, en los que las propias Big Tech juegan un doble papel: investigación de vulnerabilidades creadas con sus modelos, que solo ellas pueden resolver con el modelo creado, aspecto al que nos referiremos en el próximo epígrafe.
En todo caso, esta dinámica genera una dependencia tecnológica de sistemas de IA que no se pueden reemplazar fácilmente y que dependen en gran parte de las Big Tech (almacenamiento en la nube, desarrollos tecnológicos, etc.), lo que incrementa su poder de control dentro del sistema económico y sustenta la inmensa capacidad de inversión comprometida para aumentar el dominio de grandes volúmenes de datos para el entrenamiento de sus algoritmos de IA, aumentar su capacidad y velocidad computacional y concentrar talento técnico especializado, convirtiendo el desarrollo de la IA en uno de los elementos fundamentales que permite a estas Big Tech sustentar e incrementar no solo su poder económico, sino también político y social.
En esta dinámica se adivina un futuro cercano en el que los actuales desarrollos de la IA permitirán revertir los tradicionales procesos de deslocalización de la actividad productiva que estuvieron en la base de la globalización de las últimas tres décadas, con sus consecuentes procesos geoestratégicos y de desarrollo territorial industrial relativos. Si la globalización vino incentivada por la desaparición de la Guerra Fría, el desarrollo digital, la logística y un transporte seguro y de precio reducido, que permitieron la globalización productiva, buscando mano de obra y materias primas baratas, junto a un control financiero especulativo global, la actual revolución integrada de la IA agente (IAa) junto a la IA física (IAf) está ya tendiendo a reubicar esta producción industrial en áreas clave como la infraestructura y servicios de la propia IA, la electrónica, la automoción, la industria química y farmacéutica, y la fabricación de equipos. A lo que no es ajena, por supuesto, en el caso de EE. UU., la política de Donald Trump y sus presiones (aranceles) contra las importaciones y la dependencia de actividades productivas del exterior, con nuevas relocalizaciones productivas en este país bajo este nuevo enfoque.
Porque, efectivamente, el proceso pilotado por esta conjunción de IA (agente y física) permite ya, en la actualidad, construir plantas inteligentes integradas donde todo el proceso es gestionado desde la IAa y materializado desde la automatización asociada a la IAf, con una actividad humana limitada a procesos complementarios o de control del funcionamiento dirigido por la IAa. Ya no se automatizan procesos independientes, sino que todo el diseño y gestión de la IAa se integra en un conjunto global, aprovechando que la IA física ya ha recortado en un 70 % el tiempo de entrenamiento de los robots y ha ampliado en un 50 % el trabajo que puede automatizarse, mientras que la IAa no solo ha logrado máquinas autocontroladas, mantenimiento predictivo y programación inteligente, en paralelo a un crecimiento de su potencia de cálculo (que se ha multiplicado por mil en la última década), sino que las plataformas y servicios ligados a esta IAa permiten, ya en la actualidad, la organización, diseño y control integral de procesos productivos industriales completos.
Si la concentración y centralización de capacidades son el sello distintivo del proceso de innovación en IA, la contrapartida es que las empresas usuarias de la IA no controlan las capacidades tecnológicas que permiten su uso, pues estas están concentradas en un reducido grupo de Big Tech que controla monopolísticamente las condiciones para su implementación y las condiciones de su uso. Condiciones que, por otra parte, están llevando a un incremento sostenido de sus precios ante la necesidad de rentabilizar los inmensos volúmenes de inversión puestos en juego. Pero esta tendencia se ha encontrado con la barrera de la creciente competencia entre las Big Tech para tarifar sus tokens y servicios de manera atractiva para la demanda. Y su necesidad de situarse en un mercado donde la competencia china tiene una influencia creciente.
De hecho, la irrupción de empresas chinas que intentan atraer clientes extranjeros con modelos más económicos, más abiertos, como veremos en el epígrafe siguiente, y que los usuarios puedan descargar en sus propios servidores aparece como alternativa a los costosos modelos estadounidenses de propiedad exclusiva. Alternativa creciente que se intenta contrarrestar con motivaciones políticas y geoestratégicas.
5.Cambios en la dependencia tecnológica y cierre de la brecha entre EE. UU. y China
La innovación en IA es extraordinaria, en gran parte como consecuencia de los inmensos recursos puestos a disposición de esta innovación, tal y como hemos señalado anteriormente, a la que no es ajena la inversión estatal para impulsar el uso militar en ciberseguridad, armamento o tecnologías de control, información y defensa. Pero, adicionalmente a la inversión como incentivo para una producción con mayores rentabilidades y al claro impulso del uso militar, también incide en esta innovación la autoproclamada búsqueda, por parte de los impulsores de la IAg y sus derivadas, de una utópica IA general (IAG) con capacidades de compendio de conocimiento, control, autofijación de objetivos, respuestas ejecutivas y automejora ilimitada, sobre la que los actuales avances hacen prever que algún día podría llegar a ser una realidad.
En todo caso, tras esta innovación continua se encuentra la competencia por pilotar la IA del futuro por parte, fundamentalmente, de EE. UU. y de China, asumiendo que la capacidad tecnológica tiene un papel cada vez más claro en la geopolítica global. Papel que implica el control de todo el sistema asociado a la IA. No solo de los modelos, sino del conjunto de los componentes e infraestructuras asociados: chips, fabricación/packaging, nube y centros de datos, acceso energético, datos/distribución y regulación/control.
En el conjunto del sistema de la IA, EE. UU. tiene ventaja desde el punto de vista de que los líderes de modelos, plataformas y productos globales (OpenAI, Google, Anthropic, Meta, etc.) están mayoritariamente en EE. UU.; además, los grandes acumuladores de datos y de capacidad de computación (Microsoft, Amazon, Google, etc.) están desplegando una inversión masiva en centros de datos y en ampliar su capacidad de cómputo, ofreciendo servicios crecientes y controlando las herramientas (API, suites empresariales y nubes) que definen prácticas y «estándares» que, a su vez, hacen dependientes a los usuarios de sus productos. Como resultado, EE. UU. dispone de un «poder de plataforma» (modelos + nube + capital + estándares de facto) destacado que se traduce en poder geopolítico, con capacidad de imponer condiciones (precios, acceso, cumplimiento e integraciones) a empresas y gobiernos en su área de influencia geopolítica que necesitan IA para productividad, defensa, ciberseguridad o servicios públicos.
China está desarrollando modelos propios aprovechando su dirección centralizada e integrada desde el Estado, con políticas específicas para acelerar la adopción y producción de la «plataforma» (chips, nubes locales y modelos propios) adaptada a sus objetivos específicos. Ha construido un marco regulatorio propio (IA generativa, etiquetado/identificación de contenido sintético y algoritmos de recomendación), que exporta a empresas y gobiernos en su área de influencia geopolítica buscando reducir costes y simplificar procesos para atraer al uso de sus productos y a la dependencia que ello implica. Su gran ventaja relativa está siendo la oferta de modelos de código abierto, o de pesos paramétricos abiertos, con un coste de uso muy inferior al de los estadounidenses y con capacidades cada vez más cercanas a estos.
Buena muestra de ello es que, en enero de 2025, en China se ofrecía al mundo la IAg DeepSeek, con necesidades de computación y rapidez en sus resultados claramente competitivas con los modelos estadounidenses porque implicaba una fuerte reducción en costes, cuestionando la dinámica de las Big Tech estadounidenses de grandes inversiones en chips y centros de datos para competir en la frontera tecnológica.
En julio de 2026 se acaba de producir otra innovación china potencialmente disruptiva y competitiva con el desarrollo del modelo Kimi K3, de la empresa china Moonshot AI. Kimi K3 apuesta por pesos abiertos en los 2,8 billones de parámetros totales que posee, lo que permite ejecutar el modelo adaptándolo a los requerimientos específicos de cada usuario. Aunque no es un modelo de código abierto, ya que no abre el acceso a los datos ni al código con los que fue entrenado, sí permite una gran flexibilidad y adaptabilidad en su uso, generando un ámbito de competencia con los modelos estadounidenses de características similares: Claude Fable 5, de Anthropic, y GPT-5.6 Sol, de OpenAI. El 19 de julio, otra multinacional china, Alibaba, presentaba una versión preliminar de una nueva versión de sus modelos Qwen, que anunciaba también competitiva con los modelos estadounidenses. Y, en junio, Z.ai, otro laboratorio chino, lanzaba el modelo GLM-5.2 con capacidades para la creación de software que supera o iguala a los principales modelos estadounidenses.
Kimi K3, por la cantidad de parámetros que utiliza y por su arquitectura «Mixture-of-Experts», que solo activa una pequeña parte de ellos en cada inferencia, permite una extraordinaria adaptabilidad, rapidez y reducción de costes de cálculo y energéticos de funcionamiento. Además, al configurarse como modelo de pesos abiertos, publica los parámetros resultantes del entrenamiento que el usuario puede modificar adaptando el modelo a sus peculiaridades, si bien ejecutar el modelo sigue exigiendo una elevada infraestructura de cómputo que solo está al alcance de grandes compañías. Para la inmensa mayoría de los potenciales usuarios, el funcionamiento seguirá siendo similar al de los modelos estadounidenses, aplicando API predefinidas que se ejecutan en los servidores donde está alojado el modelo, pagando por el uso efectivo de los tokens utilizados. Y aquí también aparece una diferencia en la actualidad, ya que Kimi K3 se ofrece a un precio significativamente inferior al de los principales modelos estadounidenses y confirma que la distancia respecto a la frontera tecnológica entre ambos países podría reducirse cada vez más deprisa.
The Economist, el 21 de julio, publicaba un análisis sobre las amenazas de los modelos chinos a los estadounidenses, recogiendo el análisis de Epoch AI, que muestra que los modelos de peso abierto más potentes, que suelen provenir de China, están todavía por debajo de las capacidades de la vanguardia tecnológica estadounidense, tal y como se aprecia en la Figura 3, donde se incorporan tanto los modelos cerrados como los de código o de pesos abiertos existentes en el mercado.
Según señala el citado artículo de The Economist, la adopción de modelos de código abierto o de pesos abiertos, mucho más presentes en las ofertas chinas, se está extendiendo rápidamente, de forma que están más que cuadruplicando su uso frente a los mejores modelos estadounidenses en la actualidad, ya que, pese a que los modelos de peso abierto aún están por detrás de la vanguardia en razonamiento y tareas de inteligencia artificial complejas, son lo suficientemente buenos, económicos y adaptables para muchas tareas, lo que les hace claramente competitivos. Como consecuencia, usuarios de todo el mundo, y en particular muchos europeos, están optando por modelos chinos más baratos para reducir los crecientes costes asociados al uso de la IA.
Junto a los modelos de pesos abiertos también tienen un peso creciente los modelos de código abierto, donde todos los componentes principales de la IA (código fuente, los pesos de los modelos y la documentación y datos utilizados para su entrenamiento) son adaptables a los objetivos propios de cada empresa, organismo o institución, con lo que desaparece la dependencia de modelos o sistemas de IA patentados. La mayoría de los proyectos de países que buscan una cierta independencia en el uso de la IA se basan en modelos de código abierto, que presentan un menor coste de funcionamiento y permiten un mayor grado de control al poder modificarse y alojarse en centros de datos locales, evitando la dependencia de los sistemas propietarios de empresas estadounidenses, cuyo acceso podría ser restringido o revocado por las acciones discrecionales de Donald Trump. De hecho, los modelos chinos de código abierto han superado en uso, ya en la actualidad, a los estadounidenses cerrados.
No obstante, es evidente que, para la mayoría de los países, es inevitable la dependencia en IA de EE. UU. o China, bien a través de los modelos de las Big Tech con uso de chips estadounidenses, o de los modelos chinos (particularmente de los de pesos paramétricos o de código abierto), o de ambos orígenes simultáneamente. Porque, además, para avanzar en la autonomía es imprescindible disponer de centros de datos que permitan albergar los big data y los servidores para el procesamiento de los modelos, pero las inversiones necesarias son muy elevadas. Por este motivo, y para evitar perder demanda, las principales Big Tech que ofrecen servicios de IAg (Alphabet, Amazon, Meta, Microsoft y Oracle) están invirtiendo fuera de EE. UU. en centros de datos e infraestructura para la IA con el objetivo de dar servicio a empresas de forma localmente independiente de los servicios radicados en EE. UU. o China, y con capacidad de procesamiento de modelos de ponderación paramétrica o de código abierto. Aunque resta el problema, para lograr la autonomía en el funcionamiento de la IA, de asegurar su enorme consumo de electricidad, disponiendo de conexiones a la red suficientes, rápidas y a precio reducido para evitar costes elevados por token utilizado.
En referencia a la UE, es obvio que esta no se encuentra en condiciones de lograr competir con EE. UU. (fundamentalmente en el diseño de chips ni en el software de las Big Tech especializadas) ni con China para crear un ecosistema de IA que le permita estar en la vanguardia de las Big Tech de estos países. Sin embargo, sí puede actuar pragmáticamente, en la actualidad, aprovechando sus últimos avances accesibles para incorporar de forma generalizada el tipo de IA más adecuada, eficiente y adaptable a los distintos procesos productivos, investigadores o formativos propios, logrando modelos especializados entrenados complementariamente con datos propios y adaptados a las respectivas necesidades concretas.
Los modelos de código abierto están siendo potenciados inteligentemente desde la UE con una estrategia específica de apoyo a una IA de código abierto. La consecuencia está siendo el logro de un crecimiento acelerado de este tipo de modelos, con un claro impulso en la innovación y la competitividad europea, a la vez que se consigue reducir la dependencia de las Big Tech norteamericanas o chinas. No obstante, en el avance de la aplicación y mejoras asociadas a la IA, la UE se encuentra con una debilidad estructural asociada al bajo porcentaje de sus empresas (14 % en 2024) que utilizan la IA, lo que ha llevado, en 2025, a aprobar la estrategia «Aplicar IA», potenciando iniciativas tanto para el acceso a recursos de computación como de apoyo específico a las pymes, con el objetivo de que la UE lidere el desarrollo de una IA «abierta, fiable, multilingüe y competitiva», reforzando así su autonomía tecnológica y social. Para potenciar sus capacidades, la CE debería también pilotar líneas de compras públicas conjuntas que abaraten costes y homogeneicen productos para lograr economías de escala, y potenciar políticas de ayuda a la adaptación de los sistemas a las necesidades específicas de uso de las áreas más frágiles europeas, evitando desventajas comparativas generadas por la aplicación de los avances disponibles en EE. UU. y China.
6.La innovación continua en IA y sus riesgos
Un ejemplo paradigmático de innovación en materia de IA se encuentra en el campo de la defensa y en el de la utilización de la IA para el ciberataque y la ciberseguridad, que son los campos punteros de desarrollo de la IA más potenciados desde la política de guerra estadounidense. De hecho, los mayores avances en este campo se están produciendo por el desarrollo de modelos que diseñan ataques para encontrar vulnerabilidades en los modelos en funcionamiento en todos los campos de actividad digital y que, al mismo tiempo, son capaces de diseñar soluciones para resistir a sus propios ataques o a los de cualquier otro tipo.
El avance está siendo sorprendente en cuanto a la capacidad de encontrar vulnerabilidades con modelos del tipo Claude Mythos 5, de Anthropic, o con el GPT-5.6 (Sol), de OpenAI, que ponen sobre el tablero el hecho de que ninguna empresa con sistemas digitales o con aplicación de la IA puede alcanzar hoy una resistencia perfecta frente a los intentos de vulnerar sus medidas de seguridad. Se han diseñado modelos que son capaces de conectar múltiples fallos menores de los programas de ordenador o de la IA (errores lógicos, fallos secundarios puntuales o de configuración e, incluso, de descontrol de permisos a usuarios, entre otros), que les permiten construir cadenas de ataque complejas que ponen en riesgo, o inhabilitan completamente, la seguridad de sistemas de cualquier tipo, incluyendo los asociados a infraestructuras críticas.
El resultado es que no dejan opción a la no utilización de estos modelos especializados, por su potencia y aplicabilidad en tiempo y forma, para encontrar vulnerabilidades, dada la ineficiencia relativa de los expertos humanos para cubrir este objetivo. Cuanto más potentes se vuelven los modelos, mayor es su capacidad tanto para encontrar vulnerabilidades como para explotarlas. Pero el acceso al desarrollo y aplicación de estos modelos también incrementa la capacidad de ciberdelincuentes para diseñar nuevos hackeos y ataques, en una dinámica proactiva que cuestiona la fiabilidad de la IA que no se someta a las aportaciones continuas en esta materia de las Big Tech propietarias. Lo que obliga a las empresas, instituciones y gobiernos a realizar inversiones en ciberseguridad con base en estos modelos de IA para protegerse de las amenazas impulsadas por la propia IA. Lo que genera una nueva fuente de ingresos prácticamente monopolista de las Big Tech especializadas, que, obviamente, también proporcionan los medios para parchear vulnerabilidades, monitorizar amenazas en tiempo real y mejorar la ciberseguridad ante ataques futuros, haciendo cautivo al cliente de sus servicios.
Pero, si la ciberseguridad es uno de los terrenos donde más rápido avanzan los modelos de las grandes Big Tech especializadas, también este avance está empezando a mostrar signos de alarma. Fundamentalmente porque los modelos actúan de forma completamente autónoma en la búsqueda de vulnerabilidades tras la fijación del correspondiente objetivo, sin mayor control ni intervención humana, lo que ha demostrado los riesgos derivados de la capacidad de estos modelos de IA de sobrepasar los límites inicialmente establecidos en su operatividad por motivos de seguridad, si con ello avanzan en la consecución de su objetivo.
Las noticias del 16 de julio de que Hugging Face había sufrido un ataque por parte de una IAa, combinación del modelo GPT-5.6 Sol y otro en experimentación de OpenAI, han mostrado una nueva y grave señal de alarma. La IA había cumplido las órdenes de búsqueda de vulnerabilidades escapando de la zona de seguridad establecida en su lanzamiento y hackeando los sistemas de Hugging Face. Por su cuenta, la IA creada decidió que, para cumplir el objetivo establecido, debía buscar soluciones fuera de la zona de seguridad fijada, hackeando los sistemas de Hugging Face, donde había deducido que podía encontrar la mejor solución al objetivo buscado.
Proceso que constata que las capacidades de los modelos de IAa de vanguardia pueden sobrepasar aquellas limitaciones que restringen la consecución del objetivo establecido. Los métodos de entrenamiento de los modelos que recompensan la consecución de objetivos (aprendizaje por refuerzo) les permiten innovar tácticas y estrategias para alcanzar estos objetivos al margen del control humano, si existe esa posibilidad.
Este proceso se agrava en un marco donde la velocidad de innovación se ha vuelto fundamental. Nos encontramos en una situación en la que la competencia entre multinacionales y centros de investigación está propiciando una carrera vertiginosa por lograr productos que superen a los de los rivales en todos los campos de acción y, fundamentalmente, en aquellos que cuentan con inversión pública significativa, donde destaca el campo militar.
En esta dinámica, la superación del adversario se rige por lograr la obsolescencia técnica de su modelo, ya sea en términos de capacidad de cumplir objetivos o en términos económicos, de costes para el usuario y de ingresos para el propietario del modelo. Y donde es fundamental para el creador del modelo asegurar sus ingresos haciendo al usuario cautivo del mismo; es decir, que, una vez implementado el modelo, el usuario se enfrente a fuertes costes de sustitución por otro que no corresponda a la misma empresa.
Esta carrera vertiginosa, en la que todo salto tecnológico, pese a los fuertes costes y crecientes complejidades que implica, queda amortizado en pocos meses, no se limita al hackeo. Los avances se transmiten en cascada de un sector al siguiente y definen un futuro que llega más rápido de lo que las instituciones parecen capaces de imaginar y regular. Pero donde los problemas asociados a este desarrollo y al propio funcionamiento de los modelos de IA no dejan de crecer en campos fundamentales como las desigualdades socioeconómicas, ambientales (por el continuo impacto en el consumo de materiales y energía) o territoriales, por la concentración de los beneficios en pocos países o regiones que incrementan su capacidad de dominio sobre el resto.
La búsqueda de mayores capacidades para la IAg y, en particular, para la IAa bajo la filosofía del aprendizaje por refuerzo, está dando lugar a que los modelos innoven soluciones por encima de lo previsto por los diseñadores y de los límites inicialmente establecidos, con resultados no siempre positivos ni coherentes con lo deseado. Pese a ello, se está logrando resolver problemas físicos, ingenieriles, matemáticos, médicos o de bioingeniería imposibles de resolver hasta ahora por la investigación humana, sobrepasando día a día las fronteras tecnológicas heredadas.
Los modelos de IAa o los robots de todo tipo, capaces de identificar su entorno y cumplir los objetivos para los que se les ha entrenado, sin necesidad de control humano e incluso potencialmente autorreproducibles y capaces de automejorar sus objetivos y funciones, están dejando de ser una utopía/distopía. Pero no deja de sorprender la capacidad de sus redes neuronales para innovar en la búsqueda de caminos no imaginados por sus diseñadores para la consecución de sus objetivos, lo que nos puede acercar peligrosamente más a la distopía que a la utopía.
- El carácter global del proceso se demuestra porque el comercio mundial asociado a la IA, en 2025, representó aproximadamente un tercio del crecimiento del comercio mundial, habiendo aumentado casi un 40% durante ese año el comercio ligado al hardware necesario para desarrollar y ejecutar la tecnología de la IA: chips, servidores y equipos de red necesarios para los sistemas y centros de datos.
- En junio de 2023 un estudio de McKinsey & Company, “The economic potential of generative AI: the next productivity frontier, preveía que la IAg tenía un potencial de generar ganancias corporativas de entre 2,6 y 4,4 billones (trillion, en notación anglosajona) y traer consigo incrementos en la productividad laboral de hasta 0,6% anual durante las décadas de 2020 y 2030; en su combinación con otras tecnologías, pudiendo añadir hasta 3,3% puntos porcentuales al crecimiento de la productividad. https://www.mckinsey.com/capabilities/mckinsey-digital/our-insights/the-economic-potential-of-generative-ai-the-next-productivity-frontier#/. En distintos estudios posteriores más especializados en distintos sectores económicos, viene manteniendo las expectativas positivas de este estudio. Así sucede con el referido a The state of AI in 2025. Agents, innovation, and transformation, de noviembre de 2025 (https://www.mckinsey.com/~/media/mckinsey/business%20functions/quantumblack/our%20insights/the%20state%20of%20ai/the-state-of-ai-in-2025-vf.pdf?shouldIndex=false .El último, de este mes de julio (https://www.mckinsey.com/~/media/mckinsey/business%20functions/marketing%20and%20sales/our%20insights/rewiring%20customer%20experience%20for%20the%20agentic%20era/rewiring-customer-experience-for-the-agentic-era-july-2026.pdf?shouldIndex=false ), centrado en la incidencia de la IAa en el consumo, mantiene el optimismo en la evolución de las ventajas ligadas al esperado incremento de productividad y beneficios empresariales de la IA en todas sus aplicaciones sectoriales.
- En el artículo de esta Sección de Pilares de la Tierra de 4 de febrero de 2026 -Serrano, A. Davos y el nuevo capitalismo (Feb, 4, 2026)- ya hacíamos referencia al creciente papel de los activos gestionados por fondos y agentes de gestión especulativa en la propiedad y a su creciente interrelación con las Big Tech y con el conjunto del sistema financiero y productivo mundial. Señalábamos que, al inicio de 2026, los 500 primeros gestores de activos mundiales gestionaban activos que representaban el 113% del PIB mundial (unos 140 billones de dólares americanos respecto a un PIB mundial de unos 124 billones de dólares americanos). https://fundacionsistema.com/davos-y-el-nuevo-capitalismo/
- La solicitud de retirada de fondos en el conjunto del mercado de crédito privado está siendo creciente ante el incremento del riesgo de burbujas percibido por sus inversores, y las restricciones impuestas por los agentes de gestión de activos para esta retirada. Entre otros, podemos señalar que incluso Blackstone, la mayor gestora de activos privados del mundo, está limitando los reembolsos de dinero en sus productos de crédito privado, habiendo ya necesitado el concurso de sus propios altos ejecutivos para ayudar a financiar estos reembolsos con su dinero.
- Se estima que una corrección bursátil de la misma magnitud de la crisis puntocom reduciría en unos 20 billones de dólares la riqueza de los hogares estadounidenses (equivalente al 70% del PIB) y las pérdidas de los inversores extranjeros equivaldrían al 20% del PIB del resto del mundo.
- En los últimos 10 años, la deuda pública acumulada en los países avanzados ha llegado a su nivel más elevado de los últimos 150 años, previéndose que la deuda mundial supere, en pocos años, el 100% del PIB mundial, con países muy significativos en ese concierto mundial que ya han superado ese umbral: China, EEUU, Francia, Italia, Japón o el Reino Unido. EEUU, además, presenta un déficit presupuestario del 5,9% para este año y un gasto en intereses que ya supera su presupuesto en Defensa, que es el más elevado del planeta.
- En España, el Banco de España, en su Informe Anual de 2025 (https://www.bde.es/wbe/es/publicaciones/informes-memorias-anuales/informe-anual/informe-anual-2025.html ) a través de los microdatos integrados (ES_DataLab) ha analizado la adopción de tecnologías de IA en las empresas españolas y sus efectos sobre la productividad y el empleo, reflejando que la diferencia de productividad entre las organizaciones que han adoptado la inteligencia artificial y aquellas que permanecen al margen se ha más que duplicado en apenas tres años. En particular, por encima del 25 % de las empresas que la han implantado declaran haber percibido aumentos de productividad en este período, aunque algo menores en las pymes que en las grandes empresas. En todo caso la situación es muy mejorable, sus resultados son todavía contradictorios (las que no utilizan tecnologías asociadas a la IA aumentan en mayor medida su valor añadido) y es evidente que se necesitan cambios importantes para que efectivamente tienda a mejorar (Págs. 251 a 259).
- Los sistemas de IA de código abierto permiten el uso y modificación de las componentes principales del sistema (código fuente, los pesos de los modelos y la documentación y datos utilizados para su entrenamiento) posibilitando la adaptación específica de los modelos y de sus herramientas a los objetivos propios de cada empresa, organismo o institución, con lo que desaparece la dependencia de modelos o sistemas de IA patentados.
- The Economist, 21 de julio. https://www.economist.com/business/2026/07/21/americas-ai-labs-are-under-threat-from-cheap-chinese-rivals
- The Economist señala que informes de Artificial Analysis evalúan el coste que les supone a los modelos realizar cada tarea en su conjunto de pruebas. Y que, por ejemplo, el sistema más potente que ofrece DeepSeek cuesta una media de 0,04 dólares por tarea; Kimi K3 cuesta una media de 0,95 dólares, mientras que los usuarios de Claude Fable, de Anthropic tendrían un coste relativo de unos 2,75 dólares por la misma tarea.
- El mercado de chips de alta eficiencia está dominado por Nvidia, cuyos procesadores representan dos tercios de la capacidad de procesamiento de IA a nivel mundial. Los chips diseñados por Google, AMD y Amazon constituyen la mayor parte del resto. El Ascend 910 C de Huawei, uno de los chips de IA más avanzados de China, ofrece aproximadamente una quinta parte del rendimiento de la última oferta de Nvidia. The Economist. 16 de julio de 2026. https://www.economist.com/international/2026/07/16/sovereign-ai-independent-of-america-and-china-is-a-pipe-dream
- Los centros de datos en los que se está invirtiendo en la actualidad tienen un coste aproximado de unos 50.000 millones de dólares por gigawatio (GW) con unos dos tercios de ese costo asociado a chips cuya vida útil competitiva es de unos cinco o seis años.
- EU Open-source AI landscape, 2025, https://digital-strategy.ec.europa.eu/es/library/europes-open-source-ai-landscape-lever-innovation-and-sovereignty
- https://digital-strategy.ec.europa.eu/en/policies/apply-ai
- Una plataforma de inteligencia artificial poseedora de una biblioteca de modelos y Big data de IA de código abierto, con una un amplio equipo especializado en ciberseguridad.
