La IA de acá: adopción, regulación e impacto en la región

Hay oficinas públicas en el interior del país donde la memoria institucional vive en carpetas de papel, en planillas que solo entiende quien las armó y, con suerte, en una base de datos guardada en un pendrive. La imagen apareció en el cierre del nadIA Summit, un encuentro que organizamos desde Fundar y el CEPE de la Universidad Torcuato Di Tella para discutir cómo construir una agenda propia de inteligencia artificial al servicio del desarrollo argentino y regional. Conviene tenerla a mano cuando se leen los titulares sobre agentes autónomos, superinteligencia y laboratorios que compiten por llegar primero. Son dos conversaciones sobre la misma tecnología y, entre ellas, hay una distancia que casi nadie mide.

La discusión global se reparte entre los que aceleran y los que piden frenar, y ambos hablan de modelos de frontera que ninguno de nuestros países va a construir. Para nosotros tiene un costo práctico: ocupa todo el espacio y deja sin mirar lo que está a nuestro alcance. Los riesgos de los sistemas avanzados son reales y justifican pruebas, entornos controlados, auditorías y reglas de responsabilidad. Un agente no necesita ser consciente para hacer daño; le basta con optimizar una instrucción mal especificada. Pero la Argentina tiene problemas más cercanos: pocas empresas que adoptan, un Estado a medio digitalizar, datos dispersos, poco cómputo y escasez de gente que sepa llevar la tecnología a una pyme.

Tierra, energía barata y exenciones impositivas no constituyen una política de IA. Si cada país de la región compite por atraer centros de datos con esos beneficios, el resultado es una carrera a la baja y la repetición del viejo esquema de vender commodities y comprar manufacturas. La alternativa es negociar en bloque, con contratos que reserven capacidad de cómputo para uso local, como ya exige Brasil: el contrato con el centro de datos hace toda la diferencia. Y de nada sirve la energía barata si la red no aguanta una carga continua.

Sobre soberanía conviene bajar las pretensiones. No es imprescindible un modelo de frontera propio; alcanza con no depender por completo de una API que otro país puede cerrar mañana, y ahí los modelos abiertos ofrecen margen. Pero para aprovecharlo hay que conocer la tecnología y aprender a manejarla: de lo contrario, estamos condenados a ser actores de reparto, no protagonistas.

Con la cadena de valor pasa algo similar: podemos ser usuarios sofisticados de IA en el agro o en la salud y quedarnos con una porción mínima del valor. Los satélites y la energía nuclear muestran que el país puede construir capacidades complejas cuando hay continuidad. Falta decidir en qué eslabones tiene sentido apostar y ponerse manos a la obra.

En el panel de cierre del encuentro planteamos que, salvo Brasil y quizás México, ningún país de la región tiene la escala necesaria, y que habrá que compartir insumos y dejar de lado diferencias políticas para cooperar. Ya lo hicimos: en los ochenta, cuando no podíamos importar supercomputadoras, el Programa Argentino-Brasileño de Informática fue una respuesta. ¿Qué podríamos hacer hoy con el nuevo equipo del centro de cómputo de Córdoba si lo compartiéramos con Brasil, Paraguay, Uruguay y El Salvador?

Falta también una capa intermedia de gente que traduzca una herramienta general al proceso de una empresa concreta. Las grandes la contratan; las pymes no, y la encuesta que realizamos en nadIA registra a muchas que quieren sistematizar el uso de IA y no saben a quién llamar. Una estrategia nacional no puede quedarse en un documento: necesita fondos, datos disponibles, innovación regulatoria y alguien que evalúe si las cosas funcionan.

La regulación suele pensarse como un freno, y en varios casos funciona al revés. Si nadie sabe quién responde cuando un sistema automatizado se equivoca en un crédito, en un seguro, en una consulta médica a distancia o en una decisión del Estado, nadie quiere venderle un seguro ni financiarlo, y la actividad no arranca. Bien pensada, la regulación consiste en reglas claras de responsabilidad que acotan los riesgos extremos y le dan al sector privado algo sobre lo que pararse. Después viene la parte difícil: qué riesgos cubrir, quién responde, qué pruebas se piden y cuánta autonomía se tolera en cada aplicación.

Volvamos a la oficina del pendrive. Para pensar seriamente en inteligencia artificial hay que avanzar en la transformación digital, aunque la IA puede ayudar a acelerarla —porque los modelos actuales sirven para digitalizar registros y conectar bases que no se hablan—.

El obstáculo es institucional: la misma organización que debería impulsar el cambio puede ver en él una amenaza para sus rutinas. Y hace falta tratar los datos públicos como activos, inventariarlos, definir quién accede a qué y armar mecanismos seguros de intercambio.

Si dentro de cinco años la oficina del pendrive sigue igual, no habrá sido por falta de modelos.