Más del 90% de los chips más avanzados del mundo —los que hacen posible toda la inteligencia artificial que usas— se fabrican en una sola isla: Taiwán (Global Taiwan Institute, 2026).
La IA se siente como algo que vive «en la nube»: en todas partes y en ninguna. No es así. Detrás de cada respuesta de un chatbot hay una cadena física y geopolítica muy concreta: arena convertida en chips, chips escasos y racionados, y reglas de exportación que cambian de un mes a otro. Entender esa cadena no es pesimismo; es la diferencia entre depender de ella y aprender a operar dentro de ella con criterio.
Soy Pratosh Dwivedi, cofundador y director de tecnología de TecnIA. Trabajo todos los días con estas herramientas desde América Latina —es decir, desde el lado de la cadena que no fabrica los chips ni escribe las reglas— y quiero explicarte lo que casi nadie cuenta en español: de dónde viene realmente la inteligencia artificial, y por qué eso debería cambiar lo que estudias.
¿De dónde viene realmente la inteligencia artificial que usas?
No viene de «la nube»: viene de una isla. Más del 90% de los semiconductores más avanzados del planeta se fabrican en Taiwán, con TSMC como fabricante dominante (Global Taiwan Institute, 2026). El inversionista Ray Dalio lo resumió sin anestesia: «La IA lo es todo, y la IA sin Taiwán no es nada» (Fortune, junio de 2026).
La cadena real va del silicio al chip, del chip a los centros de datos, de ahí a los modelos y por fin a la aplicación que abres en tu teléfono. Y el eslabón crítico —la vanguardia, los procesos de 3 nanómetros que hoy se fabrican en volumen— sigue en la isla. La diversificación existe, pero llega tarde: la planta de TSMC en Arizona produce chips de 4 nanómetros en 2026 y no fabricará 3 nanómetros hasta 2027 (TrendForce, 2026). Dicho simple: los chips «hechos en Estados Unidos» van una generación por detrás de la isla, y así seguirán durante años.
¿Por qué el cómputo para IA es un recurso racionado?
Porque la demanda supera por mucho a la oferta. Nvidia reportó que «las GPUs en la nube están agotadas» en su trimestre récord de finales de 2025, con ingresos de centro de datos de 51,200 millones de dólares, un 66% más en un año (Nvidia, resultados Q3 del año fiscal 2026).
Las cinco mayores empresas de nube del mundo planean invertir cerca de 600,000 millones de dólares en infraestructura en 2026, alrededor de tres cuartas partes destinados a IA (CreditSights, 2026). El síntoma más elocuente: incluso los mayores proveedores de nube mantienen en operación su hardware más viejo —usan software para seguir corriendo los modelos más recientes sobre esa misma flota— porque no consiguen suficiente equipo nuevo (Satya Nadella, Microsoft, 2026). Microsoft advierte que seguirá «limitada por capacidad» durante 2026, y Nadella señala que el cuello de botella ya ni siquiera son los chips, sino la electricidad para enchufarlos. El cómputo no es infinito ni gratuito: es escaso, caro y está concentrado. Y quien controla el cómputo, marca el ritmo.
¿Puede un gobierno decidir quién accede a la IA de frontera?
Sí, y ya lo intentó. En enero de 2025, Estados Unidos publicó la «AI Diffusion Rule», un marco que —de haber entrado en vigor— habría restringido, por niveles de países, cuántas GPUs avanzadas y qué pesos de modelos cerrados podían exportarse (Federal Register, 2025).
Ese marco dejaba a China, Rusia e Irán efectivamente vetados y colocaba a unos 120 países —la mayoría de América Latina— bajo un cupo, no una prohibición (IISS, 2025). Aquí conviene desmontar el titular viral: la regla controlaba la exportación de chips y de archivos de modelos, nunca tu uso cotidiano de un asistente vía aplicación; y fue rescindida en mayo de 2025, dos días antes de entrar en vigor (Departamento de Comercio de EE. UU. / BIS, 2025), para luego ser reemplazada en enero de 2026 por reglas más flexibles centradas en semiconductores (Mayer Brown, 2026). El punto no es que «apagaron la IA» —eso no ocurrió—. El punto es la volatilidad: la regla que decide quién accede al motor de la IA se escribe en Washington y cambió tres veces en un año. Y ahí va la primera lección de soberanía tecnológica: quien lee la fuente original —el Federal Register, el BIS— no se traga el titular de «apagaron la IA». Leer la pila es un acto de autonomía.
Entonces, ¿América Latina depende o construye?
Construye, y no con ideología sino con competencia técnica. La respuesta a una cadena que no controlas no es resignarte: es aprender a no casarte con un solo proveedor. Hoy eso es concreto y accesible:
- Pesos abiertos. Modelos que puedes auto-hospedar (DeepSeek, Qwen, Mistral) alcanzan una brecha de calidad de un solo dígito frente a los cerrados, a una décima o hasta una treintava parte del costo por token (ETF Trends / DeepSeek, 2026). Ya no necesitas el modelo más caro del norte para trabajar.
- Ruteo entre modelos. En vez de atarte a uno, ruteas: plataformas como OpenRouter dan acceso a más de 300 modelos de 70+ proveedores desde un solo punto, y más de la mitad de su uso ocurre fuera de Estados Unidos (OpenRouter, State of AI 2025). Cada modelo nuevo que sale es una mejora que obtienes gratis, no un competidor al que temerle.
- Agentes locales. Agentes open-source como Goose, del equipo de Block, corren al 100% en tu propia máquina con modelos locales: tus datos no salen de tu computadora.
- Capacidad regional. En febrero de 2026 nació Latam-GPT, el primer modelo abierto diseñado para América Latina, coordinado desde Chile por más de 30 instituciones (Brookings, 2026). Hace falta: el español es apenas un 4% de los datos de entrenamiento del mundo, y América Latina genera el 6.6% del PIB global pero recibe solo el 1.1% de la inversión mundial en IA (Brookings / Euronews, 2026).
¿Y qué tiene que ver todo esto con estudiar en TecnIA?
Todo. La competencia que marcará la diferencia en la próxima década no es «saber usar un chatbot»: es entender la pila completa —del chip al modelo a la aplicación— para no quedar como rehén de un solo silo cerrado. En TecnIA formamos operadores que entienden la infraestructura: que saben elegir y rutear modelos, auto-hospedar pesos abiertos y trabajar con criterio de soberanía tecnológica, una habilidad realista y empleable para la región. Somos una universidad 100% online con siete programas con RVOE (Reconocimiento de Validez Oficial de Estudios). «IA con sentido humano» también significa IA con criterio: saber de dónde viene la herramienta que usas, y no depender ciegamente de ella.
¿Quieres saber qué carrera te acerca a entender y operar esta pila? Escríbenos por WhatsApp y platicamos sin compromiso.
Preguntas frecuentes
¿Es cierto que «apagaron» la inteligencia artificial de frontera para los que estamos fuera de Estados Unidos?
No. Ninguna regla cortó el uso cotidiano de modelos vía aplicación o API para usuarios en América Latina. La «AI Diffusion Rule» de 2025 regulaba la exportación de chips y de pesos de modelos cerrados —no tu acceso a un asistente— y fue rescindida en mayo de 2025, antes de entrar en vigor (Federal Register / BIS, 2025). Lo real es la volatilidad de las reglas, no un apagón.
¿Necesito los modelos más caros de Estados Unidos para trabajar con IA?
No. Los modelos de pesos abiertos alcanzan hoy una brecha de calidad de un solo dígito frente a los cerrados, a una fracción del costo por token, y se pueden auto-hospedar (ETF Trends / DeepSeek, 2026). La habilidad clave es rutear entre varios modelos según la tarea, en lugar de casarte con uno.
¿Qué es la «soberanía tecnológica» en IA, en simple?
Es no depender de un solo proveedor ni de un solo país para acceder a la inteligencia que usas: entender la cadena (chips, cómputo, modelos), aprovechar alternativas abiertas y locales, y formar talento propio en la región. No es una consigna ideológica, es una competencia técnica.
¿Tengo que ser programador o experto en chips para entender esto?
No. Necesitas leer la pila con curiosidad e ir a la fuente primaria en vez del titular. Esa alfabetización —más que un título en ingeniería— es lo que te vuelve difícil de reemplazar en la era de la IA.
Pratosh Dwivedi es cofundador y Director de Tecnología de TecnIA Universidad Online, donde diseña el modelo tecnológico de una universidad de IA pensada para América Latina.
Este artículo fue escrito por Pratosh Dwivedi con asistencia de herramientas de inteligencia artificial, conforme a nuestra Política de IA.
