Estado de los asuntos públicos de la Inteligencia Artificial en el mundo

02

El rechazo a la IA

El rechazo a la IA va más allá del empleo y la factura eléctrica. Según Pew, en junio de 2026, 52 % de los estadounidenses estaba más preocupado que entusiasmado con ella, contra 37 % en 2021 ^[30], y 53 % cree que empeorará la capacidad de las personas para pensar de forma creativa ^[31]. Fuera de Estados Unidos el ánimo es parecido: en la encuesta de Ipsos en 32 países, los productos con IA ponen nervioso a 67 % de los canadienses y de los australianos, a 64 % de los estadounidenses, a 63 % de los irlandeses y a 62 % de los británicos, contra 31 % de los japoneses ^[32]. Ese rechazo tiene varias formas. Una es el desdén por lo que la IA produce: Merriam-Webster eligió «slop», el contenido de baja calidad hecho con IA, como palabra del año 2025 ^[33]. Otra es moral, la de quien la considera mala en sí misma, y una tercera es el temor a perder capacidades, que ya tiene evidencia de laboratorio: en un experimento del MIT, quienes redactaban ensayos con un modelo de lenguaje mostraron menos actividad cerebral y recordaban peor lo que habían escrito ^[34]. Los creadores llevan además la disputa por su obra, que tratamos en la sección de derechos de autor: más de 50.000 personas firmaron la declaración que pide no entrenar modelos con obras sin licencia ^[35].

Creemos que debajo de esas formas hay un conflicto más profundo, que todavía no tiene nombre político. La IA amenaza dos cosas a la vez. La primera es simbólica: el oficio que una persona domina, la identidad que construyó sobre él y el sentido de ser útil a los demás. La segunda es material: la seguridad de tener un lugar en la economía. La psicología social distingue esas dos amenazas desde hace décadas, la realista contra los recursos de un grupo y la simbólica contra sus valores y su visión del mundo ^[36], y los estudios que las midieron ante robots e IA encuentran las dos ^{[37] [38]}. Ese conflicto casi siempre queda implícito. Las campañas contra los centros de datos hablan de la factura, el agua y el ruido, y quien pierde su empleo culpa a su empresa. Por eso creemos que la IA opera como una causa subyacente: no siempre es el motivo que se dice, pero agranda los que sí se dicen y se suma a un descontento que viene de otros procesos. Como ningún partido lo ha articulado, se concreta en el único objeto de la IA que un votante puede rechazar con su voto: el centro de datos.

El descontento en que llega

La IA llega a sociedades que ya estaban molestas. En el primer trimestre de 2026, los salarios reales seguían por debajo de los de 2021 en 13 de los 37 países que mide la OCDE ^[39]. El 1 % más rico de los adultos del mundo tenía en 2022 el 44,5 % de la riqueza personal, según UBS ^[40]. La riqueza de los multimillonarios del mundo, además, creció más de 16 % en 2025 hasta un récord de US$18,3 billones, y por primera vez hay más de 3.000 ^[41]. En los 19 países que encuestó Pew, la mediana de quienes creen que sus hijos vivirán peor que ellos es de 57 %, y en Francia, Italia, España y el Reino Unido llega a tres de cada cuatro o más ^[42]. En la encuesta de Ipsos en 30 países, 62 % dice que la economía de su país está mal ^[43].

Ese malestar ya salió a la calle. En Francia, el 10 de septiembre de 2025, 197.000 personas participaron en «Bloquons tout» contra el presupuesto de austeridad, según el Ministerio del Interior ^[44]. En Madrid, el 3 de octubre de 2026, unas 70.000 personas según las autoridades, y medio millón según los organizadores, marcharon por la vivienda después de que el Congreso rechazara dos decretos ^[45]. En 2025 hubo protestas en más de 70 países, casi siempre por el costo de la vida y la corrupción ^[46]. En ninguna de ellas la IA aparece entre las demandas.

Creemos que eso no la deja fuera. La IA es la tecnología que más visiblemente concentra riqueza en pocas manos, y la llevan personas que ya están entre las más ricas del mundo: Elon Musk fue en octubre de 2025 el primero en pasar del medio billón de dólares ^[41]. La gente lo percibe. En Estados Unidos, 54 % ve un riesgo alto de que la IA aumente la desigualdad ^[47], y los multimillonarios son el grupo que más estadounidenses quieren ver con menos poder, 62 % ^[48]. En cinco países, 54 % de quienes tienen ingresos bajos cree que la gente como ellos se quedará atrás con la IA generativa, contra 31 % de quienes tienen ingresos altos ^[49]. Donde la IA se vuelve un costo visible, ya hay calle: en Estados Unidos se registraron más de 340 protestas contra centros de datos en al menos 42 estados, más de 80 % de ellas en 2026 ^[50].

La amenaza al oficio

El trabajo da más que un ingreso. Marie Jahoda describió cinco funciones que el empleo cumple además del sueldo: estructura el tiempo, da contacto social, propósito colectivo, estatus y actividad, y una revisión de 2023 encontró que esas cinco dimensiones explican 19 % de la variación en la salud mental de las personas ^[51]. Por eso el daño de perder el empleo va más allá del dinero. En Alemania, el efecto no monetario del desempleo sobre la satisfacción con la vida es mucho mayor que el de perder el ingreso ^[52], y un metaanálisis encontró problemas psicológicos en 34 % de los desempleados, contra 16 % de los empleados, con evidencia de que el desempleo los causa ^[53]. Para 39 % de los trabajadores estadounidenses su trabajo es muy o extremadamente importante para su identidad, y la proporción sube a 53 % entre quienes tienen posgrado ^[54].

Esa identidad es la que la IA pone en duda, porque empieza a hacer bien el trabajo de quienes más se identifican con él. En la evaluación GDPval de OpenAI, sobre tareas de 44 ocupaciones preparadas por profesionales con 14 años de experiencia en promedio, el mejor modelo de octubre de 2025 entregaba un trabajo igual o mejor que el de los profesionales en 47,6 % de los casos, y en abril de 2026, según la medición de la propia OpenAI, GPT-5.5 llegó a 84,9 % y Claude Opus 4.7, de Anthropic, a 80,3 %, aunque el propio estudio advierte que se trata de tareas precisas y de una sola entrega ^[55]. La reacción tiene nombre en la literatura. Mirbabaie y sus coautores la llaman amenaza a la identidad por la IA, y encuentran que la predicen los cambios en el trabajo, la pérdida de estatus y la identificación con la propia tarea ^[56]. Los profesionales con experiencia confían menos en el consejo de un algoritmo que los legos, aunque eso les cueste precisión ^[57], y un mismo poema se valora menos cuando el lector cree que lo hizo una máquina ^[58]. Un estudio de 2026 une las piezas: quien percibe que la IA puede reemplazar su ocupación se retira de su trabajo porque pierde identidad profesional y sentido, y gana inseguridad ^[59].

Los matemáticos ofrecen un caso casi de laboratorio. En septiembre, un modelo de Anthropic formalizó en 11 días la demostración del último teorema de Fermat, con 13 millones de líneas de código verificable ^[60], y en octubre OpenAI publicó 722 manuscritos con resultados que el gremio esperaba resolver en décadas, entre ellos la conjetura de los juegos únicos de Khot, con cerca de 42 % formalizado y la advertencia de que el resto podría tener errores ^[61]. Terence Tao escribió que le horrorizaba ver cómo años de investigación paciente de doctorandos y posdoctorales quedaban trastocados de golpe ^[62]. Días después, tres matemáticos con plaza permanente describieron en el podcast de Lex Fridman lo que vivía su gremio ^[63]. Ninguno corría riesgo económico, y aun así hablaron de una crisis de identidad entre quienes se ven como resolvedores de problemas, de soledad intelectual y de duelo por cada resultado. Recordaron a Andrew Wiles, que no podía terminar la frase al contar que nunca volvería a vivir un momento como el de su escritorio el día que vio la solución, y uno de ellos describió que muchos académicos se valoran por cómo los ven los demás, algo que alcanza mientras hay metas que cumplir ^[63]. Es lo que George Gurdjieff llamaba identificación: el yo pegado a la función que uno desempeña. Por eso creemos que el reacomodo que pide la IA es psicológico antes que económico, y que lo resienten primero quienes más invirtieron en su oficio, que son también los que más voz pública tienen.

La amenaza no se vive igual en todos lados. En el público general, la preocupación por la IA es mayor entre quienes tienen menos estudios ^[64], y entre los trabajadores con licenciatura convive con más esperanza y entusiasmo que entre los demás ^[65]. Los radiólogos que rechazaron la IA en un hospital estadounidense lo hicieron por la opacidad del sistema más que por su identidad ^[66], y los profesionales del go jugaron mejor después de AlphaGo ^[67]. La amenaza al oficio pesa más donde la persona no ve en la herramienta una ventaja propia.

La amenaza a la seguridad

La otra amenaza toca la base de la pirámide. Abraham Maslow escribió en 1943 que, ante una amenaza, casi todo parece menos importante que la seguridad, y puso como ejemplo la preferencia por un empleo con permanencia y protección ^[68]. La IA la toca porque se presenta en público como sustituto de personas. Andy Jassy escribió en junio de 2025 que la IA reducirá la plantilla corporativa de Amazon ^[69], y Tobi Lütke, de Shopify, pidió a sus equipos demostrar que no pueden hacer un trabajo con IA antes de pedir más personal ^[70]. Algunas empresas venden ese reemplazo como su razón de ser. Mechanize se presentó en 2025 con la meta de «la automatización completa de la economía» y calculó en más de US$60 billones al año los salarios que pagan los empleadores del mundo ^[71].

Cada capacidad nueva de la IA se lee dos veces. Quien ve que un modelo ya redacta un contrato, interpreta una radiografía o demuestra un teorema ve el beneficio, y al mismo tiempo se pregunta si reemplazar a ese profesional fue la intención desde el principio y si el siguiente será él. La psicología explica por qué esa pregunta pesa. El mismo daño se juzga más grave cuando se atribuye a una intención que cuando ocurre por causas naturales ^[72], y ante un sufrimiento que parece injusto la gente busca un agente a quien culpar, con las empresas como el agente típico ^[73]. Las frases de los directivos y de empresas como Mechanize ponen la intención a la vista. Según Gallup, 27 % de los trabajadores teme que la tecnología vuelva obsoleto su empleo, un máximo histórico, y entre los menores de 45 años la cifra llega a 34 % ^[74]. Quienes usan la IA a diario o varias veces por semana tienen más del doble de probabilidad de temer que su puesto desaparezca en cinco años, y el miedo baja cuando sienten que su organización los cuida ^[75]. El propio Gallup escribe que esa ansiedad va por delante del desplazamiento medido ^[74]. Por eso creemos que el rechazo responde más a la amenaza anunciada que al despido ocurrido, y el miedo vota aunque el despido no llegue.

Hoy la culpa cae en el empleador. En una encuesta de Harris para INTOO, 69 % de los empleados dijo que los «despidos por IA» son una excusa para recortar costos ^[76], y en la de Gallup sólo 1 % de los despedidos señala a la IA como causa principal ^[77]. Cuando la decisión se presenta como de un algoritmo, la indignación y la responsabilidad que se atribuye a la empresa bajan ^[78]. Mientras la culpa siga en el empleador que decide, el conflicto es laboral. Cambiaría de naturaleza si alguien lograra desplazarla hacia quienes fabrican la tecnología.

El humano en el proceso

La industria responde a ese miedo con una frase: el humano seguirá en el proceso, human in the loop. Marc Benioff dijo en julio de 2025 que hay que mantener al humano en el proceso y que «los humanos no se van a ir» ^[79]. Satya Nadella dijo en enero de 2024 que la IA «no se trata de reemplazar al humano en el proceso», sino de «darle poder» ^[80]. Jensen Huang dijo que todavía conviene tener humanos en el proceso porque tienen buen juicio ^[81], y en 2025 aseguró que nadie perderá su empleo por una IA, sino por alguien que la use, en la misma respuesta en que dijo que todos los empleos se verán afectados ^[82]. Bill Dally, científico en jefe de Nvidia, dijo ante el Senado de Estados Unidos que la forma de mantener el control sobre la IA es dejar a un humano en el proceso en toda aplicación crítica ^[83]. La frase llegó también a la ley: el Reglamento de IA de la Unión Europea exige supervisión humana en los sistemas de alto riesgo ^[84].

Creemos que la frase no alcanza para vencer el miedo y que, al contrario, hace explícito el riesgo. Quien la escucha entiende que su lugar será revisar lo que hace la máquina, que es justo lo que amenaza su oficio. En una encuesta a 319 trabajadores del conocimiento, el trabajo con IA generativa se desplazó hacia verificar información, integrar respuestas y supervisar la tarea, y la confianza en la herramienta se asoció con menos pensamiento crítico ^[85]. Y revisar no es lo mismo que decidir. La investigación sobre automatización sabe desde hace décadas que quien supervisa una máquina tiende a confiar de más en ella, y que ese sesgo no se corrige con entrenamiento ni con instrucciones ^[86]. En un estudio aleatorizado en el que 457 clínicos de hospital de 13 estados diagnosticaron casos simulados, una IA con un sesgo sistemático bajó su acierto 11,3 puntos, desde una base de 73 %, y que la IA explicara su predicción no evitó la caída ^[87]. Un metaanálisis de 106 experimentos encontró que la pareja de una persona y una IA rinde, en promedio, por debajo del mejor de los dos por separado, con pérdidas en las tareas de decisión y ganancias en las de crear contenido ^[88]. El mecanismo no siempre es confiar de más: en un experimento con 227 radiólogos, los médicos dieron a la IA menos peso del que merecía, y la asistencia no mejoró su diagnóstico promedio aunque la IA acertaba más que 78 % de ellos ^[89]. En un experimento más chico, con 27 radiólogos y una IA simulada, cuando la sugerencia era incorrecta el acierto de los menos experimentados cayó de 79,7 % a 19,8 % ^[90]. El propio reglamento europeo pide que quienes supervisan se mantengan conscientes de la tendencia a confiar de más en lo que produce el sistema, el llamado sesgo de automatización ^[84]. Por exceso o por falta de confianza, el humano en el proceso no garantiza una mejor decisión, y corre el riesgo de limitarse a aprobar lo que la máquina ya decidió.

El lugar en el proceso es además el que carga con la culpa. Madeleine Clare Elish llamó zona de deformación moral (moral crumple zone) a la posición del operador que responde por las fallas de un sistema que apenas controla ^[91], y en experimentos sobre autos automatizados, cuando el conductor y la máquina se equivocan, la gente culpa más al conductor ^[92].

La frase deja ver, también, que el lugar del humano puede achicarse, y las mismas empresas lo confirman. Un mes después de decir que los humanos no se iban, Benioff contó que había reducido el soporte de Salesforce de 9.000 a unas 5.000 personas porque necesitaba «menos cabezas»; según la empresa, cientos fueron reubicados en otras áreas ^[93]. Jassy escribió que la IA reducirá la plantilla corporativa de Amazon ^[69]; Sam Altman invitó a imaginar mil o un millón de colegas virtuales ^[94], y en septiembre de 2025 el índice económico de Anthropic registró por primera vez más uso de la IA para automatizar que para apoyar el trabajo: en la API, 77 % de las conversaciones eran de automatización ^[95]. Elon Musk fue más lejos en febrero de 2026: dijo que ampliar la productividad de las corporaciones humanas «es simplemente algo de corto plazo» y que las corporaciones puramente de IA y robótica superarán con creces a cualquiera que tenga humanos en el proceso, porque una hoja de cálculo con algunas celdas calculadas por personas funciona peor que una calculada entera por la computadora ^[96]. Los plazos, además, se acortan. El 10 de noviembre, Anthropic informó a la SEC que ya alcanzó el umbral de su política interna para una investigación de IA acelerada por la propia IA ^[97], y el AI Futures Project, autor de AI 2027, un escenario muy citado sobre la automejora de la IA, adelantó a 2027 la llegada de un investigador de IA sobrehumano, el punto en que, según su definición, una empresa preferiría despedir a todos sus investigadores humanos y quedarse sólo con los automatizados; el grupo da entre 35 % y 65 % de probabilidad a que antes de 2028 haya sistemas capaces de automatizar todo el trabajo de oficina y profesional ^[98].

La promesa tranquiliza mientras se cumple. En un experimento en Japón, decir que los humanos seguían en el proceso de decisión elevó en casi 9 puntos la confianza en un plan de cuidados hecho con IA ^[99]. Pero esa garantía descansa en que el humano conserve un papel en el proceso, y quien oye a la misma industria anunciar que necesitará menos personas entiende la frase como un plazo: el humano sigue en el proceso por ahora.

Del miedo al conflicto

Ante una amenaza, las personas y las organizaciones tienden a cerrarse en lugar de adaptarse, un efecto que Staw, Sandelands y Dutton documentaron en individuos, grupos y empresas ^[100]. En el trabajo ya hay señales. En una encuesta de Writer, una empresa que vende IA, 29 % de los empleados de Estados Unidos y Europa admitió sabotear la estrategia de IA de su empresa, por ejemplo usando herramientas no autorizadas o negándose a usar la IA; es autodeclarado y la definición es amplia, pero va en la misma dirección ^[101]. Los matemáticos del podcast prevén que el gremio se vuelva más reservado con sus ideas, porque una idea publicada es la pieza que le falta a la máquina ^[63]. El conflicto abierto aparece donde hay un sindicato que lo canaliza: los actores de videojuegos de SAG-AFTRA estuvieron casi un año en huelga por el uso de la IA y obtuvieron límites ^[11], y los Teamsters llevaron los camiones autónomos a las legislaturas estatales ^[102].

La historia muestra lo que pasa con un conflicto así cuando no tiene canal. Los luditas que rompieron máquinas en Inglaterra entre 1811 y 1817, en Nottinghamshire, Yorkshire y Lancashire, no forman un solo caso, y los historiadores discuten cuánto pesó la máquina misma. Eric Hobsbawm describió esa destrucción como una «negociación colectiva por medio del motín»: romper máquinas era una forma de presionar a los patrones en una época en que la ley prohibía los sindicatos y la mayoría de los trabajadores no votaba ^[103]. Esa lectura retrata bien a los calceteros de Nottinghamshire, que atacaban los bastidores con que se bajaban salarios y se fabricaba género barato. En Yorkshire, los tundidores defendían además su oficio frente a las máquinas que lo eliminaban, y antes habían pedido que se aplicaran las leyes antiguas que las prohibían, derogadas en 1809; en Lancashire, los ataques a los telares de vapor se mezclaron con motines por el precio de la comida ^[104]. La lectura dominante, de Hobsbawm a E. P. Thompson y Kevin Binfield, no ve en el ludismo un rechazo de la técnica en general, aunque Kirkpatrick Sale lo lee como una resistencia al industrialismo mismo y Adrian Randall pide tomarlo como una oposición real a la técnica nueva y no como un síntoma del precio del pan ^{[103] [104] [105]}. Lord Byron dijo en la Cámara de los Lores, en 1812, que sólo la necesidad absoluta podía haber llevado a gente antes honesta y trabajadora a esos excesos ^[106]. Inglaterra desplegó contra ellos unos 12.000 soldados ^[103]. En las tres regiones, la máquina fue el objeto donde se concentró un conflicto por el salario, el oficio y la falta de voz. El politólogo Murray Edelman llamó símbolos de condensación a los objetos que cargan emociones que su asunto no explica ^[107].

En las últimas décadas, los trabajadores que perdieron con la automatización no votaron contra la tecnología. Su descontento alimentó a partidos que culpaban a la inmigración o al comercio ^[108], y lo movió la sensación de declive relativo más que el empobrecimiento ^[109]. Los estudios encuentran que la gente tiende a culpar a los inmigrantes y a los trabajadores de otros países y a descontar el efecto de la tecnología ^[110], aunque el voto por Trump en 2016 fue mayor donde más robots se adoptaron ^[111] y en Europa la exposición a la automatización se asocia con el apoyo a la derecha radical ^[112]. Creemos que la IA cambia esa historia por dos razones. Sus propios fabricantes anuncian la sustitución, así que la intención ya no hay que imaginarla, y tiene un objeto local que se puede votar: el centro de datos.

El centro de datos reúne los rasgos de un símbolo de condensación. Deja los costos en la comunidad (la factura, el agua, el ruido y los incentivos fiscales) con pocos empleos fijos a cambio, mientras el beneficio se va a empresas y usuarios de otro lado. Las campañas no hablan de la IA. En las 41 boletas del 3 de noviembre ^[21], la IA aparece en 4 de las 27 campañas que pudimos documentar, siempre junto a la factura, el agua o el paisaje. En una pregunta abierta de Gallup a 1.561 opositores, la mitad nombró los recursos y entre 14 % y 27 % dio razones propias de la IA; 12 % dijo, sin que se le sugiriera, que la IA reemplaza a los trabajadores ^[113]. Pero cuando se nombra, la IA mueve el voto. En experimentos con muestras divididas, describir el mismo centro como «para inteligencia artificial» le resta entre 6 y 17 puntos de saldo neto ^[114]: en la encuesta de Echelon el apoyo pasa de 35 contra 53 a 27 contra 62 ^[114], y entre los votantes demócratas de la encuesta de ITIF, de 41 contra 27 a 29 contra 41 ^[115]. Quienes usan con frecuencia los chatbots, y por lo tanto reciben un beneficio propio, apoyan los centros unos 20 puntos más ^[116]. Es lo que esperaríamos de una causa subyacente: queda implícita, pero pesa cuando aparece.

El peso de una minoría

Las cifras de esta sección no describen mayorías, y no hace falta que lo sean. A escala nacional la IA casi no aparece entre las preocupaciones: en octubre, 1 % de los estadounidenses nombró el avance de las computadoras y la tecnología como el problema más importante del país, lo mismo que el medio ambiente o el desempleo, contra 17 % que nombró el costo de la vida ^[117]. Donde la IA se vuelve un objeto concreto, la proporción cambia. En una encuesta que comparó diez tipos de obra en la comunidad, el centro de datos fue el único con más opositores que partidarios, 26 % a favor y 46 % en contra, por debajo de una planta eléctrica, que queda casi empatada, y de un almacén o un parque eólico, con más de 20 puntos a favor ^[115]. Y el 27 % de los trabajadores que teme que la tecnología vuelva obsoleto su empleo ^[74] equivale a unos 44 millones de personas si se aplica a los 163,6 millones de ocupados ^[118], tres veces los 14,7 millones de afiliados a sindicatos ^[119], que son hoy quienes obtienen límites a la IA en sus contratos.

En la política pública pesan más la intensidad y el canal que el tamaño. En 2021, 81 % de los estadounidenses apoyaba verificar los antecedentes en las ventas privadas de armas ^[120]; la Cámara aprobó ese año el proyecto por 227 votos contra 203 ^[121], y no se convirtió en ley. Era una mayoría amplia y poco movilizada frente a una minoría organizada. Con los alimentos transgénicos pasó lo contrario. En 2016, 39 % de los estadounidenses creía que eran peores para la salud ^[122]. Vermont había aprobado en 2014 una ley que obligaba a etiquetarlos desde julio de 2016 ^[123], y ese mismo mes el Congreso aprobó una norma nacional de etiquetado que la sustituyó ^[124]. Creemos que no hace falta que una mayoría rechace la IA para que ese rechazo decida su rumbo. Basta con que quienes la viven como una amenaza a su oficio y a su lugar encuentren un canal de expresión y amplificación, y el centro de datos ya se lo da en cada boleta local. Así, la herramienta que podría ser la mejor aliada de las personas puede terminar vista como su adversaria.

Quién lo articula

El conflicto sigue sin dueño. En la encuesta de ABC News, The Washington Post e Ipsos de octubre, 49 % no confía en ninguno de los dos partidos para manejar la IA, 26 % prefiere a los demócratas y 19 % a los republicanos, mientras 65 % ve un riesgo alto de que la IA elimine muchos empleos ^[47]. La encuesta de salida de NBC encontró al electorado dividido casi a partes iguales sobre qué partido la maneja mejor ^[125].

Ya hay quien empieza a nombrarlo. El 15 de septiembre, Bernie Sanders y Steve Bannon compartieron escenario en Washington para pedir límites a la IA, con Liz Shuler, de la AFL-CIO, entre los asistentes ^[126]. Shuler había llamado a la IA sin control «la mayor amenaza para los trabajadores de nuestra vida» y aclarado que los trabajadores no están contra la tecnología sino contra la codicia ^[127]. Ruben Gallego propuso en octubre un impuesto de 10 % a los ingresos de los centros de datos, un impuesto a los robots y un programa de empleo público para los trabajadores que desplace la automatización ^[128]. En la Cámara, el proyecto H.R. 10044 grava a los desarrolladores de modelos con una tasa que sube con el desempleo para financiar empleo en vivienda, infraestructura y cuidados ^[129]. Y Abdul El-Sayed, que propuso poner la mitad del capital de las grandes empresas de IA en manos públicas, ganó el 3 de noviembre el escaño de Michigan en el Senado ^[130].

Creemos que el conflicto de fondo cambiará de escala el día que alguien lo articule como tema nacional. Un partido, un candidato, un sindicato o un movimiento de profesionales que nombre la amenaza al oficio y a la seguridad se quedaría con una base que hoy está dispersa, y quien lo articule decidirá también a quién señalar como responsable. Lo seguiremos con cuatro indicadores: candidatos que hacen de la IA y el empleo un tema nacional, iniciativas que lo nacionalizan, sindicatos que pasan de las cláusulas de contrato a las demandas políticas y encuestas que muestren que un partido se apropia del tema.

El contrato social

Dario Amodei escribió en enero que, si la gente común pierde su peso económico, el contrato social implícito de la democracia puede dejar de funcionar ^[131]. La expresión tiene historia. Hobbes, Locke y Rousseau fundaron el Estado moderno sobre un intercambio: obediencia e impuestos a cambio de seguridad, propiedad y un lugar en la comunidad política. Para la mayoría de las personas, ese lugar se ganó con el trabajo, y la IA lo pone en duda.

Revisamos unas 40 propuestas de la industria y de gobiernos para responder a ese problema. Lo más frecuente es gravar a la IA, a los robots o a los tokens, en unas 14; le siguen la capacitación y la consulta a los trabajadores, en unas 13 cada una; el ingreso o dividendo universal, en 10; la participación de los ciudadanos o los trabajadores en la propiedad, en 9, y los seguros de transición, en 8. Amodei propuso en junio financiar un ingreso básico con impuestos a las empresas, cuentas universales de capital y un seguro que compense a quien tenga que aceptar un empleo peor pagado ^[132]. El marco económico de Anthropic agrega la participación de los trabajadores en la propiedad de las empresas de IA ^[133]; Sam Altman propuso en 2021 un fondo que reparta acciones a cada adulto ^[134], y OpenAI, en abril, un fondo nacional de inversión y voz formal de los trabajadores sobre el uso de la IA en su trabajo ^[135].

Lo que llega a ley es lo más débil. En vigor hay obligaciones de avisar, como la europea de informar a los trabajadores antes de usar IA de alto riesgo ^[136], y programas de capacitación. En Brasil, el relator del marco de IA retiró del texto la prohibición de despidos masivos por sustitución, después de la presión de la industria ^[137]. En el corpus de Psiquepol + AI encontramos 73 iniciativas de 2025 y 2026, en 11 países, que tratan a la vez la IA y el trabajo; casi todas mandan estudiar, informar o capacitar, y sólo unas cuantas, en Brasil, Italia y México, proponen fondos, contribuciones o límites a la sustitución ^[138].

Casi ninguna propuesta atiende el oficio. Cuando la industria habla de sentido, propone desligarlo del trabajo. Amodei escribió en 2024 que el sentido viene sobre todo de las relaciones humanas y no del trabajo económico ^[139], y en 2026 que hay que romper el vínculo entre generar valor económico y la valía y el sentido de cada quien ^[131]. El marco de Anthropic afirma que hay dignidad en el trabajo, pero se concentra en el dinero porque es el problema más manejable ^[133]. El dinero sólo no basta. En el mayor experimento de ingreso garantizado en Estados Unidos, el bienestar de quienes recibieron mil dólares al mes subió el primer año y después volvió al nivel de quienes no los recibieron ^[140]. Y la gente prefiere el trabajo al cheque: en 2017, 58 % apoyaba un programa público que pagara a las personas por tareas aunque las máquinas las hicieran más rápido ^[141]; en 2025, una encuesta de 12.000 personas encontró preferencia por una garantía de empleo sobre un ingreso desligado del trabajo ^[142], y en 2026 otra encontró siete veces más apoyo a un ingreso ganado con servicio y capacitación que a un pago universal ^[143]. El único documento del censo que pone la identidad en el centro es la encíclica Magnifica Humanitas, que llama al trabajo un espacio donde se forma la identidad y advierte que la ayuda económica no puede ser la única respuesta ^[144].

Creemos que ahí está el punto más débil del desarrollo de la IA. La oferta compensa en dinero y en acciones a quien pierde su oficio, y nada le devuelve el oficio ni le dice cuál será su lugar. La Revolución Industrial renovó su contrato social décadas después del conflicto: la legislación fabril y los sindicatos legales llegaron mucho después de los luditas. Esta vez el conflicto todavía no tiene dueño.

Y esta vez el plazo es más corto. El Foro Económico Mundial advirtió en 2016 que la cuarta revolución industrial anunciaba «la transformación de sistemas enteros de producción, gestión y gobierno» y que la capacidad de los gobiernos para adaptarse decidiría su supervivencia ^[145]. Diez años después, Anthropic informó que la IA ya acelera su propia investigación hasta el umbral que fija su política interna ^[97], y Amodei escribió en junio que teme que las primeras medidas de política pública vayan al menos un año atrás del avance de la IA ^[132]. Nadie le ha explicado todavía a la población cómo se piensa esa transición, y la población lo nota: en la encuesta de Pew de febrero de 2026, 67 % de los estadounidenses tenía poca o ninguna confianza en que el gobierno regulara bien la IA, y 59 %, en que las empresas la desarrollaran con responsabilidad ^[146].

No encontramos un estudio que integre, para la inteligencia artificial, la amenaza a la identidad y al propósito, la amenaza a la seguridad laboral por la sustitución deliberada y la escalada del conflicto desde la empresa hasta la política. Hay trabajos que unen dos de esas piezas: la identidad y la inseguridad laboral ante la IA en el individuo ^[59], las amenazas simbólica y realista ante robots e IA ^[37] y la pérdida de estatus por la automatización con su efecto en el voto ^[109]. La búsqueda fue amplia, aunque no sistemática.

03

El miedo al desempleo

Casi ocho de cada diez estadounidenses creen, según la encuesta de Bentley-Gallup, que la IA reducirá el empleo en el país durante la próxima década, seis puntos más que hace un año, y apenas 5 % de los adultos espera que en veinte años haya más trabajo por su causa ^{[147] [30]}. Más de la mitad teme, además, que le cueste el empleo a alguien de su hogar, según Reuters/Ipsos ^[148]. Es una convicción que cruza a los partidos, algo poco común hoy, porque en Quinnipiac 61 % de los republicanos y 78 % de los demócratas esperan menos empleos ^[149]. El 3 de noviembre, 57 % de quienes votaron dijo que la IA hará más daño que bien ^[125].

El temor, sin embargo, casi nunca apunta al propio puesto. Mientras 79 % espera menos empleo en general, según Bentley-Gallup ^[147], sólo 18 % de los trabajadores ve probable que la tecnología elimine el suyo en cinco años, aunque la cifra subió de 15 % y llega a 23 % en las empresas que ya adoptaron IA ^[150]. La inquietud cotidiana también va en aumento: según Gallup, 27 % de los trabajadores teme que la tecnología vuelva obsoleto su empleo, un máximo histórico y el doble que en 2017, y entre los menores de 45 años esa preocupación ya empata con la de perder prestaciones como su mayor inquietud laboral ^[74]. El propio Gallup escribe que esa ansiedad va por delante del desplazamiento medido, lo cual no le resta peso político, porque quien teme por sus hijos o por su ciudad vota igual que quien ya perdió el trabajo. Los más críticos son los jóvenes, pues, según Pew, casi la mitad de los adultos de 18 a 29 años cree que la IA hace más daño que bien, 55 % se declara más preocupado que entusiasmado y sólo uno de cada cinco confía en que las empresas la usen con responsabilidad, mientras 41 % no confía nada ^{[147] [30]}.

Al mismo tiempo, esos trabajadores la usan cada vez más. Según Gallup, 52 % de los empleados ya recurre a la IA en su trabajo, 30 % con frecuencia y 15 % a diario ^[151]. Quienes la han usado dicen que trabajan más rápido (63 %) y encuentran soluciones más creativas (56 %), y entre los usuarios regulares ocho de cada diez reportan esa rapidez ^[152]. Además, el 65 % de los empleados de organizaciones que la implementaron dice que mejoró su productividad ^[151]. Y como 66 % de los menores de 30 años dice usar algún chatbot de IA, sea ChatGPT, Gemini, Copilot u otro ^[153], el grupo más desconfiado resulta ser también el que más la usa. Ese entusiasmo se concentra en los mejores empleos, ya que los universitarios la usan con regularidad más del doble que los demás (40 % contra 17 %), mientras que entre 70 % y más de 80 % de los empleados de apoyo en salud, producción y ventas al menudeo nunca la ha tocado en su trabajo ^[152]. A eso se suma que 52 % de los trabajadores siente que tiene menos voz de la que quisiera sobre la tecnología que adopta su empresa ^[152].

Buena parte de las frases que alimentan esa desconfianza salió de la propia industria. Dario Amodei, director de Anthropic, advirtió en mayo de 2025 que la IA podría eliminar hasta la mitad de los empleos de oficina de nivel inicial en cinco años ^[154]. Jensen Huang, de Nvidia, le respondió en público que discrepaba de casi todo, y Anthropic mantuvo la postura ^[154]. La consultora Challenger contó después en Estados Unidos 121.401 recortes atribuidos a la IA entre enero y octubre, cerca de una quinta parte del total ^[155], aunque en octubre sólo fueron 1.265, el mínimo del año, y la IA bajó al segundo lugar entre las causas, detrás de las condiciones del mercado ^[155]. La misma Challenger advierte que fuera de tecnología y fintech esos recortes son limitados y que es cada empresa la que decide si cita a la IA, y en la encuesta de Gallup sólo 1 % de los despedidos la señala como causa principal ^{[156] [77]}. Los casos más citados también tienen matices: Klarna presumió de reducir su plantilla de 5.527 a 3.098 personas y su director acabó admitiendo que la atención había empeorado y que volvería a invertir en gente; Duolingo anunció que dejaría de usar contratistas para lo que pudiera hacer la IA, y su plantilla creció; y Cursor dice facturar más de US$1.000 millones con unas 300 personas ^{[157] [158] [159]}. Esos matices rara vez acompañan al titular, y dejan abierta la sospecha de que culpar a la IA luce mejor ante el mercado que admitir una demanda floja.

Los economistas siguen divididos porque miden tramos distintos. Un estudio de Hosseini y Lichtinger sobre los currículos de 65 millones de trabajadores encontró que, en las empresas que adoptan IA generativa, el empleo junior cae cerca de 9 % frente a las que no, sin cambio en el sénior ^[160]. Por su parte, la Fed de Dallas calcula que los egresados de Texas en carreras más expuestas tienen menos probabilidad de empleo y un salario inicial más bajo, y la de San Luis atribuye a la demanda ligada a la IA cerca de 45 % de la caída de la razón empleo-población de los jóvenes ^{[161] [162]}. La Oficina de Estadísticas Laborales de Estados Unidos proyecta, además, 752.100 empleos menos en oficina y apoyo administrativo a 2035, y nombra a la IA entre las causas ^[163]. En el agregado, en cambio, la huella es menos visible, porque el Budget Lab de Yale no encuentra un efecto laboral claro, según la Fed de Nueva York, 61 % de las firmas de servicios de su distrito usa IA y sólo 4 % despidió por ella, la Fed de Dallas estima que, aun si todo el ajuste fuera desempleo, la tasa nacional subiría una décima, y el desempleo sigue en 4,1 % en octubre, con 165.000 empleos nuevos y revisiones al alza de agosto y septiembre ^{[74] [164] [165]}. Michael Barr, de la Fed, sostiene que la IA puede romper las escaleras de carrera aunque todavía no mueva el agregado, y Lisa Cook considera posible que el desempleo de los egresados se deba en parte a esto ^[166]. Los escépticos señalan, en cambio, con datos de la Fed de Nueva York, que la brecha de esos egresados contra el total viene desde enero de 2021, antes de ChatGPT ^[167]. El estudio de la propia Anthropic admite las dos lecturas, ya que encuentra 14 % menos de entradas de jóvenes de 22 a 25 años a ocupaciones expuestas, una diferencia apenas significativa, y ningún aumento del desempleo de los expuestos ^[168].

Esa divergencia explica buena parte de la distancia entre la industria y la calle. El ajuste medido hasta ahora pasa por contratar menos, y quien nunca recibió la oferta no aparece en ninguna lista de despidos, de modo que la tasa nacional puede seguir estable mientras los recién egresados consiguen menos empleo. La exposición tampoco es pareja, porque 6,1 millones de trabajadores combinan alta exposición con poca capacidad de adaptarse, 86 % de ellos son mujeres y las ocupaciones más grandes del grupo son las de oficinistas y secretarias ^[169]. La industria responde con productividad y con los empleos que traerá la tecnología, pero, según una encuesta de Pew de 2024 que recoge el AI Index de Stanford, 73 % de los expertos espera un efecto positivo en cómo trabaja la gente, contra 23 % del público ^[170], y sólo 27 % confía en que las empresas usarán la IA con responsabilidad ^[147]. Creemos que el temor nace de algo que la industria controla, porque los laboratorios venden a las empresas la promesa de hacer el mismo trabajo con menos personas, y mientras ése sea su argumento de venta, la calle lo va a creer. Daron Acemoglu y Simon Johnson sostienen, en ese sentido, que orientar la tecnología a sustituir trabajadores, en lugar de ampliar lo que pueden hacer, es una decisión de quienes la desarrollan y la compran ^[171].

Fuera de Estados Unidos, la encuesta del Foro Económico Mundial a más de mil empleadores de 55 economías dibuja el mismo ajuste a escala global, con 170 millones de puestos creados y 92 millones perdidos entre 2025 y 2030, un saldo de 78 millones, y un cambio de cerca de 40 % en las habilidades que hoy pide un empleo ^[172]. Ese saldo, sin embargo, esconde el orden de los hechos, porque quienes pierden un puesto y quienes ocupan los nuevos rara vez son las mismas personas, en los mismos lugares y al mismo tiempo. La mitad de los empleadores planea reorientar su negocio hacia lo que abre la IA, 77 % piensa capacitar a su gente, 41 % prevé reducir plantilla donde la IA automatice tareas y casi la mitad espera mover al personal expuesto a otras áreas ^[172]. En juego hay una economía nueva, en la que cambian el trabajo, las empresas y lo que cada persona tiene que saber hacer para ganarse la vida.

Detrás del saldo hay un reto personal para cientos de millones de personas. Si la fuerza laboral del mundo fuera de cien personas, dice el Foro, 59 necesitarían capacitarse antes de 2030 y 11 probablemente no lo lograrían, lo que equivale a más de 120 millones de trabajadores en riesgo de quedarse sin empleo en el mediano plazo ^[172]. Reinventarse a los 45 años, con deudas e hijos, en otra ocupación y quizá en otra ciudad, pide tiempo, dinero y una red de apoyo que la mayoría no tiene, y en Estados Unidos los trabajadores más expuestos y con menos capacidad de adaptarse son sobre todo mujeres en trabajos de oficina ^[169]. Las empresas enfrentan un reto parecido, ya que la falta de habilidades es la principal barrera para transformarse según 63 % de los empleadores ^[172], y una compañía que reorganiza su trabajo alrededor de la IA cambia también qué puestos tiene, cómo forma a su gente y qué les vende a sus clientes.

Por eso el mayor riesgo político y social está en la transición. La primera revolución industrial terminó elevando los salarios, pero en Gran Bretaña, durante la primera mitad del siglo XIX, el salario real se estancó mientras la producción por trabajador crecía y las ganancias se llevaban una parte cada vez mayor del ingreso, y los salarios alcanzaron a la productividad sólo después de 1850, según el historiador económico Robert Allen, que llamó a ese periodo «la pausa de Engels» ^[173]. Fueron, además, las décadas del ludismo, que destruía las máquinas, y del cartismo, que pedía derechos políticos para los obreros. En el propio país, David Autor, David Dorn, Gordon Hanson y Kaveh Majlesi encontraron que entre 2000 y 2016 los distritos más golpeados por las importaciones chinas se polarizaron, con más apoyo a las posiciones extremas de ambos lados y a costa de los demócratas moderados ^[174]. Un ajuste más rápido y más extendido que aquel, concentrado en los empleos de entrada y en el trabajo de oficina, puede producir el mismo efecto en mayor escala y en menos tiempo, y lo resentiría primero la generación que hoy más desconfía de la IA. Si los empleos nuevos llegan una década después que los despidos, la política se decide en esa década, y el Estado la enfrenta con menos recaudación, porque depende en buena medida de los impuestos sobre el trabajo, y con más demanda de apoyo.

Dario Amodei es quien lo ha planteado con más detalle desde la industria. En «The Adolescence of Technology» sostiene que la IA podría alterar la mitad de los empleos de oficina de nivel inicial en uno a cinco años, y advierte que el contrato social implícito de la democracia puede dejar de funcionar si la mayoría de la población pierde su peso económico ^[131]. Para evitarlo propone impuestos progresivos, generales o dirigidos a las empresas de IA, y advierte contra impuestos mal diseñados; pide que el gobierno intervenga y que se mida el desplazamiento en tiempo real; y pide a las empresas que reasignen a sus empleados antes que despedirlos, que orienten a sus clientes a innovar más que a recortar costos y que consideren seguir pagando a empleados que ya no aporten valor económico, algo que Anthropic dice estar evaluando ^[131]. Sus cofundadores, además, se comprometieron a donar 80 % de su riqueza ^[131].

El ingreso básico universal aparece en esa discusión como el mecanismo para que la pérdida de ingresos no termine en colapso social ni en una crisis fiscal del Estado, aunque la evidencia todavía es escasa. El estudio de OpenResearch, financiado por Sam Altman, dio US$1.000 al mes durante tres años a 1.000 personas de Illinois y Texas, contra 2.000 que recibieron US$50, y encontró que gastaron sobre todo en lo básico, trabajaron entre una y dos horas menos a la semana, su ingreso individual sin contar la transferencia bajó cerca de 16 centavos por cada dólar recibido y la mejora inicial en el bienestar se desvaneció ^[175]. El propio Altman dijo en abril que ya no cree tanto en el ingreso básico y que prefiere alguna forma de propiedad colectiva del cómputo o de acciones ^[176]. Ese mismo mes, Elon Musk propuso un «ingreso alto universal» pagado con cheques federales, sin decir cómo se financiaría, y la revista libertaria Reason lo cuestionó ^[177]. Bernie Sanders presentó en junio el American A.I. Sovereign Wealth Fund Act, un fondo soberano con una participación pública de 50 % en las principales empresas de IA y un dividendo de US$1.000 al año por contribuyente, que sigue sin avanzar ^[178]. La idea tiene, además, un antecedente vigente en un estado republicano, ya que Alaska reparte a sus residentes un dividendo pagado con la mitad del ingreso distribuible de su fondo petrolero ^[179].

Creemos que, más allá del número de empleos y de la productividad, la gente se pregunta si habrá un lugar para ella en la economía que viene y quién paga el costo mientras llega. El Congreso demócrata que llega en enero tendrá sobre la mesa la propuesta de Sanders.

China, en cambio, trata el mismo temor como un asunto de Estado. Su desempleo juvenil urbano, de 16 a 24 años y sin contar estudiantes, fue de 18 % en septiembre ^[180]. En diciembre de 2025, un arbitraje laboral de Beijing resolvió que el reemplazo de una función por la IA no justifica un despido ^[181], y el 23 de octubre el Consejo de Estado ordenó vigilar los riesgos de empleo ligados a la IA, apoyar la recolocación cuando un proyecto de IA pueda desplazar a muchos trabajadores, formar a los desplazados y regular el uso de la IA en la contratación ^[182]. Son lineamientos sin metas ni sanciones, y analistas citados por ChinaTalk, un boletín especializado en la política tecnológica china, dudan de que los gobiernos locales, con las finanzas apretadas, puedan pagar esa recolocación ^[181]. Creemos que pesan por otra razón, porque el mismo gobierno que empuja la adopción dice en público que protege el empleo, mientras que en Estados Unidos el gobierno federal promueve la IA y su respuesta para quien pierde el empleo se reduce a un lineamiento de recolocación de junio, que toma la IA como causa del despido ^[12], y lo demás queda en manos de los estados y las empresas.

En Estados Unidos, la primera respuesta legal para el sector privado obliga a informar, que es lo que menos cuesta aprobar. California (SB 951, desde enero de 2027) y Connecticut (PA 26-15, desde octubre de 2026) ya incorporaron avisos de despido por IA, según los despachos Littler y DLA Piper; Nueva York discute un aviso de 90 días, y en el Senado federal el proyecto de Josh Hawley, republicano, y Mark Warner, demócrata, pide un reporte trimestral al Departamento del Trabajo, con un proyecto gemelo en la Cámara, aunque ninguno ha avanzado ^{[183] [184] [185] [186]}. Los Teamsters llevaron el empleo frente a la IA a los gobernadores demócratas, impulsando leyes que exigen un conductor en los camiones autónomos; Gavin Newsom, de California, y Jared Polis, de Colorado, han vetado dos cada uno, y en agosto su filial de California demandó al Departamento de Vehículos Motorizados por sus nuevas reglas ^[102]. Ninguna de esas normas limita el negocio y el público las respalda, ya que 74 % cree que el gobierno no regula lo suficiente y 71 % dice que preferiría al candidato con barreras más estrictas ^{[149] [187]}. Con un Congreso demócrata desde enero, el reporte trimestral tiene más camino que antes, y, si se aprobara, crearía una serie oficial de despidos atribuidos a la IA, que hoy no existe y que podría reducir el temor o confirmarlo. Para sus propios empleados, Nueva York ya fue más lejos, porque su ley de servicio civil prohíbe que el uso de sistemas de IA cause despido, desplazamiento o reducción de horas ^[188]. Otros países tienen normas más antiguas. La ley mexicana exige autorización del tribunal, a falta de convenio, para reducir personal por nueva maquinaria o procedimientos, con cuatro meses de salario más veinte días por año; Brasil lleva la protección frente a la automatización en su Constitución; Francia admite el despido por mutaciones tecnológicas sólo tras agotar la capacitación, y España da a los representantes de los trabajadores derecho a conocer los parámetros de los algoritmos que afectan al empleo ^[189].

04

El costo de los centros de datos

Los centros de datos son la parte de la IA que un votante puede ver y pagar. En 2024 consumieron 192 teravatios-hora, 4,7 % de la electricidad de Estados Unidos, y el Laboratorio Nacional Lawrence Berkeley espera que en 2030 lleguen a 11,8 %, en un rango de 9,5 % a 15,3 % ^[190]. En su informe de 2024, el mismo laboratorio calculó que su consumo directo de agua, sobre todo para enfriar, pasó de 21.200 millones de litros en 2014 a 66.000 millones en 2023, que sólo los centros de hiperescala, los grandes campus de las nubes de las tecnológicas, podrían consumir entre 60.000 y 124.000 millones en 2028, y que la generación de la electricidad que usaron en 2023 consumió casi 800.000 millones de litros más ^[191]. Para quien cree en la carrera por la automejora son, además, el cuello de botella, porque sin energía y sin permisos no hay cómputo, y sin cómputo no hay ventaja militar ni comercial.

El 3 de noviembre los centros de datos estuvieron en 41 boletas locales, y en 40 de ellas ganó la opción que los limita ^[21]. Ohio concentró la mayoría, con tres prohibiciones totales y ocho parciales, mientras Maine aprobó moratorias de seis meses y Kansas, California y Florida, prohibiciones ^[21]. En Wells, Maine, más de 80 % votó una moratoria retroactiva ^[192]. La única excepción fue Harwood, Dakota del Norte, donde ya se construye un proyecto de US$3.000 millones ^[21]. Las encuestas apuntaban en la misma dirección: según Pew, entre enero y agosto la parte del público que considera los centros de datos mayormente malos para el costo de energía del hogar pasó de 38 % a 50 %, y 76 % de quienes votaron se opone a uno en su comunidad ^{[193] [125]}. Ese rechazo convive, sin embargo, con el uso. En mayo, 65 % de los adultos usaba IA cada semana, contra 52 % en febrero, y en octubre 72 % se oponía a un centro de datos en su comunidad, 66 % a construir más en el país y 57 % decía que la IA es mala para la sociedad ^{[194] [47]}. Ni la encuesta de Edison Research y SSRS ni la de ABC News, The Washington Post e Ipsos cruzan a los usuarios con los opositores.

La factura es el argumento central de la oposición. El Monitor independiente de PJM, la red que va de Illinois a Virginia, atribuye a los centros de datos US$29.369 millones de costo en cuatro subastas de capacidad ^[28], y Heatmap, un medio especializado en clima y energía, cuenta al menos US$260.000 millones en proyectos cancelados en 2026 por oposición local ^[195]. La cifra de la factura tiene un contrapeso en la llamada «carga fantasma»: según la consultora Wood Mackenzie, las redes y las eléctricas se comprometerán con cerca de 28 % de los 1.066 gigavatios que piden los centros de datos, y planear la red para el resto encarece el servicio para todos ^[196]. La oposición se extiende además al aire y al agua. El 30 de octubre, un tribunal federal de Mississippi rechazó desestimar la demanda de la NAACP contra xAI por las turbinas de Southaven, que según la organización ambientalista Earthjustice operan por decenas sin permiso, y antes había rechazado una moción similar del Departamento de Justicia, que intervino a favor de la empresa ^[197]. El agua también llegó a los tribunales en el caso de Amazon. En julio de 2026, Nathan Wangusi, gerente del programa de sustentabilidad hídrica de AWS hasta septiembre de 2024, demandó a la empresa en el condado de Arlington, Virginia, porque, según los recibos de las empresas de agua que obtuvo por transparencia, la reducción de 42 % que anunció en el norte del estado no coincide con lo facturado. AWS responde que un proveedor externo, al que no nombra, verificó sus datos de 2025, y por ahora son alegatos sin fallo. En marzo, Amazon había aceptado pagar US$20,5 millones a vecinos del noreste de Oregon por nitratos en sus pozos, sin admitir culpa ^[198].

Desde el 3 de noviembre, las decisiones centrales pasan a los gobernadores de los estados. Texas ya tenía una pausa estatal, porque en agosto Abbott ordenó a su regulador y a ERCOT, el operador de la red eléctrica de Texas, suspender las nuevas conexiones hasta una auditoría, y ERCOT pospuso el estudio de unos 200 gigavatios elegibles, de los que espera que se construyan 65 hacia 2032 ^[22]. Sólo 17 % de los centros respondió la encuesta obligatoria de agua ^[22]. En ese estado se construyen Stargate Frontier, de 1.820 megavatios, y Nexus Hubbard, de 6.400 megavatios, en su mayoría para Anthropic ^[199]. Hinojosa ganó con 57 % y promete una moratoria inmediata, el fin de las exenciones fiscales de los centros grandes, que según ella cuestan más de US$1.000 millones al año, y un impuesto sobre la electricidad que consumen; sin embargo, en 2023 votó por ampliar esas exenciones, y todo lo que promete depende de una legislatura donde los demócratas acaban de ganar la Cámara estatal por primera vez en 24 años ^{[200] [201] [202] [203] [199]}. En Ohio, Amy Acton propone una moratoria condicionada a que los centros paguen su gas, agua y luz y demuestren que no suben la tarifa de nadie más, a que se acaben los acuerdos de confidencialidad con funcionarios locales, a que construyan, mantengan y operen con mano de obra sindical, a que cumplan las normas de agua y aire, a que se instalen en terrenos industriales abandonados y a que devuelvan los incentivos si no cumplen las promesas de empleo ^[24]. En Georgia, Keisha Lance Bottoms propone una pausa estatal para estudiar el impacto, y la comisión que regula las tarifas eléctricas tendrá mayoría demócrata por primera vez en más de veinte años ^{[200] [25]}. Shapiro, reelecto en Pensilvania, volvió obligatorios en agosto sus estándares, que piden energía propia pagada por el desarrollador, el costo de la infraestructura cubierto aunque el centro cierre, que estos centros sean los primeros en recortes durante una emergencia y que, si la comunidad rechaza el proyecto, también lo rechace el estado ^[204]. En Nueva York, Kathy Hochul decretó en julio una moratoria de un año ^[205].

Desde diciembre de 2025 se presentaron en el Congreso de Estados Unidos 28 proyectos con centros de datos en el título, y 21 de ellos entraron a partir del 24 de junio, de modo que en un verano el tema pasó de nota local a expediente del Congreso, con 23 proyectos demócratas y 4 republicanos ^[206]. La vía voluntaria se agotó antes de la elección. La H.R. 9340, que pide a los centros de datos cubrir sus costos sin obligarlos, pasó la Cámara 417-3 y fracasó dos veces en el Senado, la última el 30 de septiembre, con 57 votos de los 60 que necesitaba, y Chuck Schumer la descartó por no tener dientes ^{[207] [208]}. El proyecto de permisos de Shelley Moore Capito, Mike Lee, Sheldon Whitehouse y Martin Heinrich, de los dos partidos, sí obliga: toda carga de 20 megavatios o más pagaría el costo de la red construida para ella, con garantía antes de construir y con el pago vigente aunque el centro se vaya ^[209]. Al corte, no registra avance después de la elección. El compromiso de pago que la Casa Blanca hizo firmar a las tecnológicas se amplió en julio a más de 200 firmantes, que según la propia Casa Blanca cubren 80 % de la energía entregada, pero sigue sin mecanismo de cumplimiento ^{[210] [211]}. Microsoft en enero y Anthropic en febrero ya habían prometido por su cuenta no trasladar el alza a los hogares ^[212]. Bernie Sanders volvió a pedir la moratoria nacional que anunció en marzo con Alexandria Ocasio-Cortez, presentada como S. 4214 en el Senado y H.R. 9442 en la Cámara desde junio ^[9], y Yassamin Ansari y Greg Casar piden actuar desde el primer día ^{[213] [214]}. Hakeem Jeffries, en cambio, dijo antes de la elección que esa pausa no era una postura que hubiera planteado, John Fetterman la llama un regalo a China y Trump conserva el veto ^{[215] [216]}.

La seguridad nacional abre vías que esquivan al condado. La orden ejecutiva 14318, de julio de 2025, pidió a las agencias acelerar los permisos de los proyectos que invierten al menos US$500 millones, suman más de 100 megavatios de carga o se designan por seguridad nacional, además de ofrecer terrenos federales y permitir que Defensa arriende los de sus instalaciones, y revocó la orden de Biden de enero de ese año sobre el mismo tema ^[217]. El Departamento de Energía eligió cuatro de sus sitios, en Idaho, Oak Ridge, Paducah y Savannah River ^[218], y en julio pasado seleccionó para Paducah a Brookfield y NextEra, con unos US$100.000 millones anunciados y generación propia de gas y baterías ^[219]. El Ejército eligió en marzo a Carlyle en Fort Bliss, Texas, y a CyrusOne en Dugway, Utah, y presentó la IA como un activo estratégico ^[220], mientras la Fuerza Aérea ofreció cinco bases y en Arnold no recibió ninguna oferta ^[221]. En abril, Trump invocó la Ley de Producción para la Defensa para los transformadores y demás equipo de la red ^[222], una autoridad que vence el 11 de diciembre de 2026 si el Congreso no la renueva ^[223]. La otra salida es construir fuera del país. El primer tramo de Stargate en Abu Dabi, de 200 megavatios dentro de un campus de 5 gigavatios, estaba previsto para el tercer trimestre de este año, y Comercio autorizó en noviembre de 2025 la venta de chips avanzados a Humain, de Arabia Saudita, y a G42, de Emiratos ^[224].

Esas vías no esquivan la red ni la tarifa estatal. Un terreno federal evita la zonificación del condado, pero la energía sigue llegando por la red de un estado y con tarifas que aprueba un regulador estatal. Además, la orden de diciembre de 2025 que busca un marco federal para la IA manda que la propuesta de ley no invalide las normas estatales sobre cómputo e infraestructura de centros de datos, salvo «reformas generales de permisos» ^[225]. Esa salvedad vale para la propuesta legislativa, mientras que la fuerza de tarea de litigio que crea la misma orden queda sin esa limitación expresa. En la Cámara ya hay, por otro lado, un proyecto para proteger el control local sobre ellos ^[226], y no encontramos ninguna preempción federal vigente, es decir, ninguna norma federal que anule los permisos locales. Francia lo resuelve por ley, pues un decreto puede declarar un centro de datos proyecto de interés nacional mayor. Alemania va en sentido opuesto y exige a los que operen desde julio de 2026 una eficiencia de 1,2, medida como la energía total del centro dividida entre la que consumen sus equipos, y reutilizar al menos 10 % de su energía ^[227].

Construir afuera traslada el problema a otra jurisdicción. El Reino Unido publicó el 28 de octubre su Pacto de Centros de Datos, que pide compromisos creíbles sobre la capacidad de red solicitada, una eficiencia energética de 1,3 o mejor, informes anuales de energía y agua y, a los centros estratégicos, un plan de beneficio local, y que a cambio ofrece reservar y reasignar conexiones a la red y acelerarlas antes de 2030 ^[228]. En Europa se han retrasado, modificado o cancelado más de US$42.000 millones en proyectos por preocupación pública, el operador danés de la red pausó los contratos nuevos de gran escala ante solicitudes por unos 60 gigavatios, y Johor, en Malasia, dejó de aprobar centros de las categorías 1 y 2 ^[27]. El Golfo tiene poca oposición local, pero carga con otro riesgo: el 7 de marzo, drones iraníes dañaron tres centros de AWS en Emiratos y Baréin ^[229]. La salida más lejana es la órbita. SpaceX pidió a la FCC, el regulador federal de las telecomunicaciones, autorización para hasta un millón de satélites de cómputo, y Alphabet dijo en octubre que ya lanzó sus TPU, los chips de IA que diseña la propia Google, al espacio con el Proyecto Suncatcher ^{[230] [231]}. Esa vía esquiva al condado, pero cae en la FCC, que abrió el expediente a comentarios y a la que la Secure World Foundation, una organización dedicada al uso sostenible del espacio, pide negar o diferir las exenciones hasta tener un registro técnico completo sobre escombros, congestión y efecto ambiental ^[230]. Por ahora, lo publicado son solicitudes y prototipos.

La demanda sigue creciendo mientras la obra se frena. Las API de modelos de Alphabet, las conexiones por las que los desarrolladores usan sus modelos, procesan casi 32.000 millones de tokens por minuto, 40 % más que el trimestre anterior, y la empresa avisó que empieza a usar cómputo de terceros para atender esa demanda, con presión sobre sus márgenes ^[231]. Michael Cembalest, de JPMorgan, calcula que la mayor parte de la obra de 2027 no se verá afectada, aunque 37,5 gigavatios planeados para 2028 podrían quedar en pausa y otros 15, sujetos a condiciones ^[232]. La bolsa separó a ganadores y perdedores al día siguiente de la elección. Microsoft subió 6,7 %, Amazon 6,1 % y Alphabet 3,3 %, mientras caían Oracle, los contratistas de construcción, GE Vernova y las nubes especializadas, empresas que rentan cómputo para IA, que se endeudaron para construir y pagan intereses mientras se atrasa el ingreso ^[232].

Creemos que el freno favorece a quien ya tiene centros operando y caja para esperar. Un atraso le pesa poco a Microsoft, pero puede quebrar a quien debe dinero y prometió una fecha de entrega, y en ese caso sus sitios, equipo y contratos acabarían en manos de los grandes. Una startup dependería más del cómputo de quienes compiten con ella, y quienes votaron por frenar los centros de datos podrían terminar con menos competidores frente a ellas, lo que dará materia a la discusión antimonopolio. El valor se traslada al sitio concreto: la energía con fecha cierta y un acuerdo local firmado pesan más que un terreno de bajo precio, como sugiere la excepción de Harwood, y la comunidad dispuesta a aceptar un centro gana poder para negociar costos, empleo e inversión. Si la obra sale del país, además, se lleva los empleos de construcción que hoy sostienen el apoyo sindical, y el servicio se vende de vuelta a los clientes estadounidenses, de modo que el condado se queda sin la obra y con la misma IA.

La energía es la otra restricción, y ninguna fuente la resuelve sola en el plazo de la carrera. El gas es lo más rápido de conectar y por eso domina la generación propia: Luisiana aprobó tres plantas de Entergy, unos 2,26 gigavatios, para el centro Hyperion de Meta, y Mississippi permitió a xAI 41 turbinas en Southaven, una decisión que está apelada ^[23]. Las turbinas, sin embargo, escasean, y GE Vernova acumula 122 gigavatios entre pedidos y reservas, espera cerrar el año con al menos 130, ya compromete entregas para 2031 y cerca de una quinta parte de sus clientes son centros de datos ^[29]. La solar y las baterías dominan la capacidad nueva, pues de los 86 gigavatios que se esperan en 2026, 51 % son solares y 28 % baterías, contra 7 % de gas ^[233], aunque la ley fiscal de 2025 obliga a los proyectos eólicos y solares que empiecen obra después del 4 de julio de 2026 a entrar en servicio antes de que termine 2027 para conservar sus créditos ^[234]. La nuclear es la apuesta de largo plazo del gobierno y de la industria. Trump fijó la meta de cuadruplicar la capacidad, a 400 gigavatios en 2050 ^[235]; Meta contrató hasta 6,6 gigavatios con Vistra, Oklo y TerraPower a 2035, Google 500 megavatios con Kairos, y Microsoft espera reabrir Three Mile Island, hoy Crane, en 2027, aunque PJM habla de mejoras de transmisión hasta 2031 ^[236]. La geotermia y la fusión, con los acuerdos de Google con Fervo y de Microsoft con Helion, todavía se miden en decenas de megavatios ^[237].

La opción de menor costo es aprovechar mejor la red que ya existe. Un estudio de la Universidad Duke calcula que cabrían 76 gigavatios de carga nueva si los centros aceptaran recortar 0,25 % de su consumo anual, unas 85 horas, y 126 gigavatios si recortaran 1 % ^[238]. En esa línea, Google firmó en agosto de 2025 acuerdos con Indiana Michigan Power y la Autoridad del Valle de Tennessee para reducir cargas de aprendizaje automático cuando la red está bajo presión, aunque advierte que esa flexibilidad sólo existe en algunos sitios. El 22 de septiembre, la misma empresa retiró sin dar motivos su petición para un centro de al menos US$1.000 millones en Franklin Township, Indianápolis, antes de un voto en el que al menos 17 concejales habían anunciado su rechazo ^[239]. En 2026 el Departamento de Energía autorizó a PJM y a ERCOT a usar los generadores de respaldo de los centros de datos como último recurso ^[240], y en junio la FERC, el regulador federal de energía, abrió procesos contra cada operador regional para fijar cómo se conectan las grandes cargas ^[241]. El 9 de octubre, la FERC rechazó el núcleo de la propuesta de PJM, es decir, la conexión de grandes cargas con recorte prioritario y la obligación de traer su propia capacidad, por invadir la jurisdicción tarifaria de los estados, y les dejó a éstos las reglas de recorte ^[242].

La industria defiende los centros de datos con los empleos de la obra, la recaudación local y tarifas que protegen al hogar. Los sindicatos de la construcción llenan las audiencias a favor, porque en un consejo de oficios de Columbus los centros de datos son al menos 40 % de las horas trabajadas, y en el Local 26 de la IBEW, el sindicato de electricistas, al menos 50 % ^[243]. La AFL-CIO, la mayor central sindical del país, se opone a las moratorias y pide regularlos ^[243]. Aun así, el movimiento sindical no va en una sola dirección: en julio, National Nurses United y otras organizaciones pidieron en Carolina del Norte una moratoria a los centros de datos nuevos hasta que la ley proteja a pacientes y trabajadores de la IA ^[244]. La Comisión de auditoría legislativa de Virginia estima 74.000 empleos en el estado y hasta 31 % del ingreso de sus gobiernos locales donde la industria madura, con la mayor parte del beneficio en la obra ^[245]. Una encuesta pagada por la American Infrastructure Alliance encontró que 58 % se opone a los centros de datos en su estado, pero que 54 % los aceptaría si pagan su luz y protegen la tarifa y el ambiente, mientras 31 % se opone igual y siete de cada diez temen que una moratoria le dé ventaja a China; la nota no publica muestra ni fechas ^[246]. Las tarifas con pago mínimo ya funcionan. En Virginia, desde enero de 2027, los clientes de 25 megavatios o más pagarán al menos 85 % del costo de transmisión y distribución que reservan, y Ohio, Indiana, Oregón, Minnesota y Wisconsin tienen esquemas parecidos ^{[247] [248]}. Varios estados, además, ya lo volvieron ley. Florida exige que cada cliente de 50 megavatios o más cubra su costo total de servicio, y el 3 de noviembre su comisión rechazó la primera tarifa presentada con esa ley, la de Duke Energy Florida, por no probar que lo cubría ^[249]; Idaho somete a una prueba de «no daño» las cargas nuevas de ese tamaño, Dakota del Sur carga al centro de datos el costo de atenderlo aunque se vaya del sistema, Delaware ordena cortarle antes que a otras cargas no críticas y Texas exige que las cargas nuevas puedan desconectarse en un corte firme ^[250]. Dominique Toublan, de Barclays, describe la oposición como bipartidista y local, y cree que encarece la construcción sin detenerla ^[251].

China no enfrenta esa negociación. En 2025 agregó 542 gigavatios de capacidad eléctrica sin votarlos en ningún condado ^[252]. Ese año sumó cerca de 315 gigavatios solares y 119 eólicos, pero también unos 78 de carbón, el máximo de la serie del Centre for Research on Energy and Clean Air (CREA), un centro de investigación independiente, y tiene 36 reactores en construcción, casi la mitad de los del mundo ^[253]. Estados Unidos, por su parte, consumía en 2024 cerca de 45 % de la electricidad de los centros de datos del mundo, y la Agencia Internacional de Energía espera que esa demanda crezca 130 % a 2030 y explique casi la mitad del aumento de la demanda eléctrica del país ^[254]. El plan «IA+» de China ordena aprovechar los nodos nacionales del programa «Datos del Este, cómputo del Oeste», que lleva el cómputo a regiones con energía y suelo de menor precio ^[255]. Ese modelo deja capacidad ociosa. En 2023 y 2024 se anunciaron más de 500 proyectos, según KZ Consulting, muchos empujados por gobiernos locales sin una demanda que los justificara, y a inicios de 2025 los medios chinos Jiazi Guangnian y 36Kr reportaban que hasta 80 % del cómputo nuevo seguía sin uso ^[256]. Estados Unidos construye más despacio porque cada condado puede decir que no, mientras China construye rápido y a veces de más, y pedirles a los condados que voten distinto no cambia lo primero.

La moratoria ya tiene texto fuera de Estados Unidos. Andrew Gee la presentó en Canberra el 7 de septiembre junto con el apagado obligatorio, François Ruffin registró en París, el 13 de octubre, una proposición de resolución contra los centros no soberanos, y Die Linke llevó su moción al Bundestag ^[257]. Corea y Brasil, en cambio, legislaron en el sentido contrario: Corea promulgó una ley especial para los centros de datos de IA, y Brasil aprobó Redata, un régimen de incentivos fiscales para centros de datos, con veto parcial en septiembre, mientras su marco general de IA espera dictamen en la Cámara y ya hay proyectos para cobrarles y limitarles el agua ^[26]. Creemos que el argumento de la inversión ya no puede darse por ganado en ningún parlamento.

A nuestro juicio, este frente ya no se cierra con promesas voluntarias. Los votantes eligieron limitar en 40 de 41 boletas, y cuatro de los siete estados donde la American Infrastructure Alliance quería negociar estándares en 2027 eligieron gobernadores que prometen moratoria o condiciones ^[258]. Las condiciones de Acton (pagar el costo completo, transparencia con las autoridades locales y mano de obra sindical) son la plantilla más probable de esa negociación, y partes de esa lista ya son ley: Delaware prohíbe a sus condados firmar acuerdos de confidencialidad con centros de datos de 100 megavatios o más, Nueva Jersey permite acuerdos laborales de proyecto y Virginia exige una evaluación del sitio antes de rezonificar ^[259]. El argumento de seguridad nacional abrió terrenos, equipo y permisos federales ^[217], y creemos que choca con lo que votaron las comunidades locales.

05

Muchos usuarios, pocos defensores

La IA tiene millones de usuarios y pocos defensores organizados. Casi la mitad de los adultos estadounidenses (49 %) dice usar algún chatbot de IA, y entre los menores de 30 la cifra llega a 66 %; ChatGPT es el más usado (44 %), seguido de Gemini (24 %), Copilot (17 %), Meta AI (14 %), Grok (8 %) y Claude (6 %) ^[260]. Pero el uso no se volvió voto, ya que apenas 8 % usó un chatbot para informarse de la elección ^[261]. La base económica, además, es corta. Un centro de datos de US$10.000 a 20.000 millones deja de 500 a 1.250 empleos fijos, y las oficinas de los laboratorios siguen al talento, por lo que se concentran en pocas ciudades ^[262]. No existe una red nacional de empleo permanente comparable con los 1.800 proveedores en 48 estados que declara el programa del F-35 ^[263]. La base que hay está en la obra: más de 216.000 empleos de construcción ligados a los centros de datos desde 2022, cinco sindicatos en la American Infrastructure Alliance y acuerdos de formación con los oficios, de los que el más grande es el que Meta firmó en agosto con los programas de aprendizaje de los 14 sindicatos de la construcción, que suman 3,2 millones de miembros, sin monto ni metas publicadas ^{[264] [258] [265]}. Las nubes y los fabricantes de chips, en cambio, sí tienen planta y operación en muchos estados ^[266].

El dinero de la industria compró pocas victorias. Leading the Future, el super PAC, es decir, el comité que puede recaudar y gastar sin límite en campañas siempre que no se coordine con los candidatos, financiado por fundadores e inversionistas de la IA, con el fondo de capital de riesgo Andreessen Horowitz y Greg Brockman, presidente de OpenAI, entre sus mayores aportantes, recaudó US$76 millones, de los que gastó unos 26 en primarias y menos de 10 en la elección general ^{[267] [268] [269]}. Su comité federal reportó US$23,8 millones en caja al 14 de octubre, y Fortune atribuye a toda su red 34 millones al 26 de octubre, después de que Brockman retirara una segunda aportación de 25 millones ^{[268] [269]}. En primarias ganó su pelea más cara, en la que gastó más de US$8,1 millones contra Alex Bores, que perdió en NY-12 aunque Public First, un super PAC que pide más regulación, puso a su favor entre 12 y 15 millones ^[270]. En la general, en cambio, sus candidatos republicanos cayeron con la ola demócrata. Puso US$4,8 millones por Darline Graham en el Senado de Carolina del Sur, y ganó Annie Andrews, que la apodó «Darline la de los centros de datos»; también perdieron sus candidatos en Montana y Carolina del Norte ^[271]. Public First, que gastó unos US$28 millones en el ciclo, ganó con sus candidatos demócratas en Ohio y Pensilvania y perdió casi todo con los republicanos ^{[271] [268]}. Scott Wiener, autor de la SB 1047, la ley de seguridad de IA que Newsom vetó en 2024, ganó el escaño de Nancy Pelosi con 54 % y el apoyo de Public First ^[272]. Anthropic aportó a Public First US$40 millones, restringidos a actividad no electoral ^[273]. Ninguno de los dos resultados aísla el efecto del dinero. Meta retiró US$25 millones de los 65 que había comprometido con cuatro super PAC estatales ^[274]. Ningún partido es dueño del tema: en la encuesta AP-NORC de septiembre, 64 % dijo que la IA avanza demasiado rápido, con 76 % de los demócratas y 54 % de los republicanos, y 39 % no confía en ninguno de los dos partidos para manejarla ^[275].

La comparación más útil es la industria de defensa, por la forma en que logró que la política militar en general, es decir, cuánto se gasta y cuándo se usa la fuerza, tenga defensores en casi todo el país, más que por algún avión en particular. Eisenhower lo advirtió al despedirse en 1961, cuando pidió vigilar la influencia indebida del complejo militar-industrial ^[276]. Ese reparto empezó como una decisión del gobierno. En la Segunda Guerra Mundial, la Plant Site Board, la junta federal que elegía dónde instalar las plantas, las llevó a zonas rurales sin otra industria, aunque las empresas preferían las ciudades, y la Guerra Fría las mantuvo ahí ^[277]. Hoy el Pentágono gasta en los 50 estados: US$606.700 millones en el año fiscal 2024, de ellos 423.300 millones en contratos ^[278]. En Hawái y Virginia ese gasto equivale a 10 % del producto estatal, y en Connecticut, Alabama, Maine y Misisipi a entre 4 % y 5,5 %; además, hay condados atados a un solo programa, como Tarrant, en Texas, al F-35, Pima, en Arizona, a los misiles de Raytheon, y New London, en Connecticut, a los submarinos de Electric Boat ^[278].

Las plantas finales están repartidas entre los dos partidos. Muchas quedan en distritos rurales republicanos: Lockheed integra misiles en Troy, Alabama, y en Camden, Arkansas; General Dynamics hace los tanques Abrams en Lima, Ohio; Northrop, los motores de cohete en el norte de Utah, y Huntington Ingalls, los destructores en Pascagoula, Misisipi. Otras están en distritos demócratas, como los submarinos de Groton, en Connecticut, y los radares de Raytheon en Andover, Massachusetts ^[279]. Sobre ellas se reparte la cadena de proveedores, que es lo que los críticos llaman ingeniería política. Lockheed dice tener proveedores en todos los estados y casi 1.900 sólo para el F-35, y Northrop, unos 400 en 40 estados para el bombardero B-21 ^[280]. La práctica es vieja, porque Rockwell repartió más de 5.000 subcontratos del B-1 en 48 estados, y cuando el Congreso quiso recortar el B-2 en los años ochenta, Northrop mostró trabajo en 46 estados y en al menos 383 de los 435 distritos ^[281].

El efecto se ve en la política general más que en cada voto. Casi todos los estudios encontraron poca relación entre los contratos de un distrito y el voto de su diputado, y Kenneth Mayer concluyó que repartir subcontratos cambia poco cuánto se gasta y qué se compra ^[282]. Rebecca Thorpe explica esa diferencia: en las ciudades con economía diversa el contrato militar no pesa, pero los diputados de distritos rurales que dependen de él dieron el margen para mantener un ejército grande. Por eso no hubo desmovilización después de Corea, de Vietnam ni de la Guerra Fría, y esos mismos diputados apoyaron con más frecuencia las guerras de presidentes del partido contrario, de modo que el Congreso dejó de frenar al Ejecutivo ^[277]. Larry Bartels calculó que la opinión de los distritos sumó unos US$17.000 millones, cerca de 10 %, al presupuesto de defensa de 1982, y que el gasto del Pentágono en cada estado también empujaba ^[283].

El resultado es un presupuesto que crece sin que la mayoría lo pida. En febrero de 2024, 35 % de los estadounidenses decía que se gasta demasiado en defensa, 33 % que se gasta lo justo y 29 % que se gasta muy poco ^[284]. Aun así, el Congreso aprobó la ley de defensa del año fiscal 2026 por 312-112 en la Cámara y 77-20 en el Senado, con lo que, según despachos jurídicos como Holland & Knight, la racha sin interrupción se extiende a 65 años ^[285], y el gasto llegó a US$1,009 billones con lo que agregó la ley de reconciliación, mientras la solicitud para 2027 es de US$1,45 billones ^[286].

La base no salva cada programa. El Congreso financió tanques que el Ejército no pidió para sostener la única planta que los fabricaba, y el caucus del F-35 cita los empleos por estado para defender el programa ^{[287] [263]}. Pero el F-22 tenía proveedores en 44 estados y se canceló 58-40, y los republicanos que firmaron cartas por las plantas de la ley climática votaron después el recorte 215-214, que sólo protegió lo ya iniciado ^{[288] [289]}. Fuera de defensa ocurre algo parecido: TikTok, con una base enorme de usuarios, perdió en la Cámara 352-65, y la farmacéutica, con todos sus médicos prescriptores, perdió la negociación de precios de Medicare en 2022 ^[290]. En defensa, en cambio, el comprador está en el Congreso, y por eso la base protege el nivel de gasto más que a cada arma.

Una base así podría formarse por la geografía de la industria o por el presupuesto militar, y los dos caminos tienen límites. La geografía de la industria no se parece a la de defensa: un centro de datos deja pocos empleos fijos, de modo que la dependencia que crea es fiscal, de hasta 31 % del ingreso de los gobiernos locales de Virginia donde la industria madura ^[245], y aun así las medidas locales fueron contrarias en 40 de 41 boletas ^[21]. El otro camino es entrar al presupuesto militar, que ya es la defensa con más peso. El Pentágono contrató a los cuatro grandes laboratorios ^{[291] [292]}, la Casa Blanca abrió terrenos federales a los centros de datos con el argumento de la carrera ^[217], y la solicitud del año fiscal 2027 pide US$58.500 millones para IA, de ellos 46.000 millones para un «arsenal soberano de IA» ^[286]. Siete de cada diez encuestados por la American Infrastructure Alliance temen, además, que una moratoria le dé ventaja a China ^[246]. Las empresas nuevas de defensa ya copian el modelo viejo, como Anduril, que construye en Ohio una planta con 4.008 empleos comprometidos y US$310 millones de apoyo estatal ^[293]. Los críticos ven ahí el riesgo que señaló Eisenhower. William Hartung y Michael Brenes, del Quincy Institute, un centro de análisis de Washington que promueve la contención militar, advierten que las empresas financiadas con capital de riesgo aspiran a ser los nuevos contratistas militares ^[294], y Roberto González, del proyecto Costs of War de la Universidad Brown, calcula que los cinco mayores contratos del Pentágono con grandes tecnológicas sumaron techos de al menos US$53.000 millones entre 2019 y 2022 ^[295].

El gasto que sí creció es el de cabildeo. En el tercer trimestre de 2026, Nvidia reportó US$2,15 millones, Anthropic 2,11 millones y OpenAI 1,53 millones, récords de cada una ^[296], aunque siguen debajo de Meta, con 5,88 millones, Amazon, con 4,49, y Google, con 3,23 ^[297]. Creemos, sin embargo, que esas cifras son el indicador más débil de la influencia de una empresa en el gobierno, porque miden lo que la ley obliga a reportar. El peso real se forma en lo que ningún formulario recoge, como el acceso directo a quienes deciden, los funcionarios que salieron de la empresa o llegaron a ella, los asientos en consejos asesores, los contratos que hacen depender a una agencia de un proveedor y los centros de estudio que escriben la primera versión de una propuesta. Se forma también en los distritos, donde el legislador escucha a quien genera los empleos, paga los impuestos locales y compra a los proveedores de su electorado. Yaqiu Wang y Nicholas Bequelin observan en Project Syndicate que casi toda propuesta para limitar a las empresas de IA recibe la misma respuesta, que le daría ventaja a China, y sostienen que esa defensa debilita lo que Estados Unidos sí tiene frente a China, que es una sociedad abierta con supervisión democrática ^[298].

En China la IA no necesita una base que la defienda, porque la defiende el Estado, que fusionó por decreto lo civil y lo militar. En 2017 creó la Comisión Central de Desarrollo Integrado Militar y Civil, presidida por Xi Jinping, y su plan de IA de ese año ordena la fusión militar-civil en la IA; el Pentágono señala que el Ejército Popular de Liberación puede encargar investigación al sector privado por esa vía ^[299]. Los gobiernos locales también compiten por ella. Pekín, Shanghái, Shenzhen y otras ciudades entregan vales de cómputo a empresas emergentes, por lo general de US$140.000 a 200.000, y Zhejiang, la provincia de DeepSeek, ofreció cubrir hasta 8 millones de yuanes; esos vales pagan la demanda de la red de centros de datos que el Estado construye con «Datos del Este, cómputo del Oeste» ^[300]. Nadie vota esos subsidios ni los puede frenar, y el mismo modelo dejó centros de datos sin uso ^[256].

Creemos que la base de hoy es temporal, dividida y concentrada en la obra, con pocos empleos permanentes y sin voces en los oficios que se sienten afectados. La defensa muestra lo que vale una base bien repartida, que protege el nivel de gasto y la libertad del Ejecutivo para usar la fuerza, aunque no cada programa, y que construyó el Estado al decidir dónde producir. La IA no tiene esa geografía, y el atajo de volverse parte del presupuesto militar le daría defensores en el Congreso a cambio de quedar bajo la misma sospecha que nombró Eisenhower y de depender de un solo cliente. El gasto electoral directo también mostró sus límites, ya que un candidato puede perder por ser asociado con los centros de datos y nadie ganó por defenderlos. Estados Unidos, por otra parte, no puede copiar el modelo chino. No hemos medido el análogo civil más cercano, que son las plataformas que movilizaron a usuarios y proveedores contra reguladores locales, ni la exposición por distrito, que no tiene medición pública.

06

La promesa económica

La promesa económica de la IA es enorme, aunque todavía no se comprueba. En abril de 2023, Goldman Sachs calculó que la IA generativa podría elevar el PIB mundial 7 %, casi US$7 billones, y sumar 1,5 puntos al crecimiento anual de la productividad en diez años ^[301]. McKinsey estimó en junio de ese año que podría aportar entre US$2,6 y 4,4 billones al año en los 63 usos que analizó, y entre 0,1 y 0,6 puntos anuales a la productividad laboral hasta 2040 ^[302]. Daron Acemoglu, del MIT, llega en cambio a un orden de magnitud menor, pues calcula que la IA elevaría la productividad total de los factores, la parte del crecimiento que no explican más capital ni más trabajo, a lo sumo 0,66 % en diez años, y menos de 0,53 % si se descuentan las tareas difíciles de aprender ^[303].

La evidencia de campo de 2026 apunta a ganancias en la programación, aunque todavía no en los resultados de las empresas. METR, que a principios de 2025 había medido que los programadores con IA tardaban 19 % más, repitió el experimento desde agosto de 2025 con agentes como Claude Code y Codex, 57 programadores y más de 800 tareas: con IA, las tareas tomaron entre 4 % y 18 % menos tiempo. Los intervalos de confianza incluyen el cero y METR considera esos datos una señal débil, aunque probablemente por debajo del efecto real, porque muchos programadores se negaron a trabajar sin IA y dejaron fuera las tareas que no querían hacer sin ella ^[304]. En Microsoft, entre decenas de miles de ingenieros, quienes adoptaron Claude Code o GitHub Copilot CLI a inicios de 2026 integraron cerca de 24 % más solicitudes de cambio de código de las que habrían integrado sin esas herramientas ^[305]. A su vez, en una encuesta del verano de 2026 a casi 9.000 directivos de empresas de siete países, 78 % de las empresas usa IA, pero en tres años no cambió su empleo neto y elevó apenas 0,2 % al año el crecimiento de su productividad laboral; esperan 0,6 % al año en los próximos tres ^[306].

La inversión, en cambio, vive un auge. En Estados Unidos, el gasto en equipo de procesamiento de información creció 37,4 % anualizado en el tercer trimestre ^[307]. Las grandes tecnológicas planean gastar más de US$740.000 millones este año, frente a unos US$400.000 millones el anterior, y Goldman Sachs calcula US$7,6 billones de inversión ligada a la IA entre 2026 y 2031 ^{[308] [251]}. Nuestro cálculo con datos oficiales atribuye al cómputo, el software y los centros de datos 1,03 de los 2,08 puntos de crecimiento de los últimos cuatro trimestres ^[309]. Ese argumento convierte a la IA en política económica, y Trump lo usó tras la caída de la bolsa, cuando culpó a los votantes demócratas y habló de las pérdidas en las cuentas de retiro ^[310].

Los economistas, sin embargo, no se ponen de acuerdo en esa cifra. Las importaciones de computadoras restan 1,32 puntos en el mismo periodo, porque buena parte del equipo se fabrica fuera, y el comercio neto restó 3,3 puntos en el tercer trimestre ^{[309] [307]}. Jan Hatzius, de Goldman Sachs, sostuvo en febrero que la inversión en IA aportó casi nada al PIB de 2025, justamente por las importaciones ^[311]. La Fed de San Luis atribuyó a las categorías de IA 39 % del crecimiento de los primeros nueve meses de 2025, contra 28 % de la informática en 2000, sin aclarar cómo trata las importaciones ^[312]. ING, con una medida neta de importaciones, la ubica en 36 % en el segundo trimestre de 2026, mientras que Jason Furman, economista de Harvard, llegó a 92 % para el primer semestre de 2025 al sumar todo el equipo y el software ^[313]. Todas estas cifras son ejercicios contables y ninguna mide qué pasaría sin esa inversión, cuyo tamaño Goldman estima en unos US$600.000 millones, cerca de 2 % del PIB ^[314].

El ciudadano, por su parte, ve poco del crecimiento que la industria reclama como suyo. La economía estadounidense creció 3,4 % anualizado en el tercer trimestre y el desempleo está en 4,1 %, pero 75 % de quienes votaron el 3 de noviembre dijo que la economía va mal ^{[309] [165] [125]}. La electricidad subió 4,4 % en un año, más que la inflación general, y la hipoteca a 30 años ronda 7,3 % ^{[193] [307]}. Los centros de datos entraron en esa cuenta y las campañas lo entendieron, ya que gastaron US$137,6 millones en anuncios de televisión sobre ellos, 77 % de ellos demócratas, y de 685 campañas con postura en anuncios digitales, 636 criticaron a los centros de datos y 10 los defendieron ^[193].

Además, ese crecimiento genera poco empleo. En los doce meses a octubre, la economía creó 885.000 empleos y salud y asistencia social aportaron 519.000, casi seis de cada diez, mientras la información perdió 119.000 plazas y el alojamiento de cómputo y el diseño de sistemas, unas 26.000 cada uno ^[315]. Octubre fue mejor de lo esperado, con 165.000 empleos, 70.000 de ellos en servicios profesionales y empresariales, pero información y construcción casi no se movieron ^[165]. El consumo aportó 1,70 puntos en los últimos cuatro trimestres, más que la inversión en IA ^[309], y Moody's estima que el 10 % de mayores ingresos hace cerca de la mitad de ese gasto, lo que atribuye a sus ganancias patrimoniales; la Fed de Minneapolis coincide en la concentración, aunque la ve mucho menos marcada ^[316]. Dean Baker, del Center for Economic and Policy Research (CEPR), un centro de análisis económico de Washington, observa que el consumo creció 3,8 % en el tercer trimestre mientras la masa salarial real apenas subió 0,6 %, y lo atribuye a hogares de ingreso alto que gastan sus ganancias en bolsa y a un ahorro que se agota ^[317]. Si esa lectura es correcta, una caída de las acciones de IA golpearía por dos vías, la inversión y el gasto de los hogares más ricos.

El financiamiento ya estaba bajo presión antes de la elección. Con los reportes del tercer trimestre, el flujo de caja libre conjunto de Amazon, Alphabet, Meta y Microsoft fue de unos -US$26.000 millones, con Microsoft en +US$18.600 millones, Meta en -2.100, Alphabet en -9.100 y Amazon en -33.500 ^[318]. Meta tuvo su primer trimestre negativo y Alphabet el segundo seguido, y Alphabet anunció que en 2027 su gasto de capital aumentará de forma significativa ^[318]. Meta ya había colocado US$25.000 millones en deuda en mayo ^[319]. Tras los reportes vino una ola de financiamiento, en la que Meta anunció el 26 de octubre unos US$35.000 millones en acciones comunes y preferentes, con interés no vinculante de Nvidia, AMD y Broadcom en comprar hasta 5.000 millones, y colocó después US$15.000 millones y €9.000 millones en bonos, mientras Microsoft colocó US$25.000 millones en bonos, Oracle US$10.000 millones en acciones y otros 10.000 en bonos con cupones de hasta 8,65 %, y Alphabet €6.000 millones ^[320]. Al 30 de septiembre, la deuda de largo plazo de Amazon sumaba US$180.900 millones, contra 68.800 en diciembre, y la de Alphabet US$125.100 millones, contra 46.500 ^[319]. A eso se sumó el costo del dinero, porque la Reserva Federal subió su tasa en septiembre a un rango de 3,75 % a 4 %, la primera alza desde 2023, y en octubre dos gobernadores votaron por subirla otra vez ^[321]. Goldman escribió que ya pasó el mayor impulso del auge y proyecta 1,8 % de crecimiento para el cuarto trimestre ^[307], y Dan Ives, analista de Wedbush, adelantó a 2027 el pico de crecimiento de la inversión de las grandes tecnológicas ^[251]. La canasta de IA de Goldman había perdido 15 % en octubre, antes de cualquier voto ^[322].

En la semana electoral, el mercado castigó a quien depende de construir con deuda. El miércoles ganaron las empresas que ya tienen centros de datos, porque una construcción más lenta encarece su capacidad y alivia su flujo de caja, y perdieron Iren y Applied Digital, que dependen de construir con deuda ^[308]. El jueves cayeron casi todos, sobre todo los proveedores, con Micron y AMD abajo 17 % y Nvidia 9 % ^{[323] [324]}. Los analistas consultados por CNBC y Fox Business culparon a la política, pero también a resultados decepcionantes, al gasto, a las tasas y a posiciones saturadas ^{[251] [325]}, y Qualcomm cayó además por su propio pronóstico ^[323]. El viernes los chips rebotaron 4 %, pero en un mes Nebius, IREN y CoreWeave perdieron cerca de la mitad de su valor y la tecnología quedó 10,7 % por debajo del S&P 500, su peor distancia desde 2002 ^{[326] [327]}. Creemos que la elección fue el detonante de una corrección que ya estaba en marcha, y todavía nadie puede separar cuánto se debe a cada causa.

China plantea el crecimiento como la difusión de la IA por toda su economía. Su plan «IA+» pide que en 2030 la «economía inteligente» sea un polo importante del crecimiento y que en 2035 el país entre de lleno en una nueva etapa de economía y sociedad inteligentes, y pone el acento en llevar la IA a la industria, la agricultura y los servicios ^[255]. El mismo documento pide, además, evaluar el riesgo de la IA para el empleo y orientar la innovación hacia donde cree más trabajo ^[255]. Sus precios presionan también a la apuesta estadounidense, porque si un modelo abierto cobra una fracción del cerrado, el ingreso que debe pagar la inversión depende de que el cliente siga dispuesto a pagar la diferencia ^[328].

Creemos que el crecimiento es un argumento débil para defender la licencia política de la IA. El que se mide hasta ahora se queda en la inversión, en la bolsa y en el gasto de los hogares más ricos, y la cifra de la mitad del crecimiento, que es bruta, le dice poco a un votante que paga más por la luz y no ve empleo nuevo. Para los inversionistas, en cambio, esta semana mostró que la decisión de un condado o de una gubernatura ya afecta el valor de las empresas.

07

Lo que la IA ya resuelve

ChatGPT llegó en febrero de 2026 a 900 millones de usuarios semanales, 50 millones de ellos de pago ^[329], y la aplicación de Gemini, de Google, superó en octubre los 1.000 millones de usuarios mensuales, según Alphabet ^[330]. Más de 70 % de los mensajes de ChatGPT no tiene que ver con el trabajo, y casi 80 % de las conversaciones son consejos prácticos, búsqueda de información y ayuda para escribir, según un estudio de economistas de OpenAI y de la Universidad de Harvard ^[331]. En Claude, de Anthropic, el uso personal pasó de 35 % a 42 % de las conversaciones entre noviembre de 2025 y febrero de 2026 ^[332]. Microsoft calcula que en el segundo trimestre de 2026 usaba IA generativa 18,8 % de la población mundial de 15 a 64 años, 28,8 % en el norte global y 16,2 % en el sur ^[333]. En Estados Unidos, 66 % de las pequeñas empresas usa alguna forma de IA, ocho puntos más que en 2025, según la Cámara de Comercio ^[334]. En el segundo trimestre de 2026, 39,2 % de los ocupados de 18 a 64 años la usó para trabajar en la semana anterior, y el tiempo que dicen ahorrar equivale a 2,2 % de todas las horas trabajadas, frente a 1,6 % en 2024, según la encuesta que publica la Reserva Federal de San Luis ^[335].

En la programación el cambio ya es masivo. Entre mayo y julio de 2026, 90 % de los más de 15.000 desarrolladores profesionales que encuestó JetBrains en todo el mundo usaba agentes de IA en el trabajo al menos cada semana, y 68 % todos los días. Claude Code, de Anthropic, era la herramienta más usada, por 39 % de los desarrolladores (47 % en Estados Unidos), frente a 18 % en enero; Codex, de OpenAI, pasó de 3 % a 16 %, GitHub Copilot bajó a 21 % y Cursor a 12 % ^[336]. En promedio, esos desarrolladores dicen que los agentes escriben por completo cerca de 47 % de su código, y uno de cada cinco ya no escribe ninguna línea sin ayuda de la IA ^[337]. La firma de análisis SemiAnalysis estimó que en febrero Claude Code firmaba 4 % de las contribuciones públicas a GitHub ^[338], y Anthropic informó ese mes que los ingresos anualizados de la herramienta pasaban de US$2.500 millones, más del doble que el 1 de enero ^[339]. Codex superó en junio los 5 millones de usuarios semanales, y cerca de 20 % de ellos no son desarrolladores, sino analistas, especialistas en marketing, diseñadores, investigadores, inversionistas y banqueros ^[340].

Quien no sabe programar ya construye aplicaciones. En Lovable, que arma una aplicación a partir de una descripción escrita en lenguaje común, 80 % de quienes construyen ocupa un puesto no técnico, más de la mitad de los encuestados dice estar armando un negocio y lo que publican recibe en promedio 720 millones de visitas al mes, según datos de la propia empresa ^[341]. GitHub ya pasa de 225 millones de desarrolladores, y en septiembre de 2026 más de 40 % de las solicitudes de cambio empezaba con un primer borrador escrito por un agente, contra 17 % en marzo ^[342].

Los modelos ya superan pruebas que hasta hace poco sólo resolvían los mejores. En julio de 2025, una versión de Gemini Deep Think, de Google DeepMind, resolvió cinco de los seis problemas de la Olimpiada Internacional de Matemáticas y obtuvo 35 de 42 puntos, una medalla de oro calificada por los coordinadores de la olimpiada con los mismos criterios que a los estudiantes ^[343]. En septiembre, en la final mundial del Concurso Internacional Universitario de Programación, en Bakú, el mismo modelo resolvió 10 de 12 problemas, un desempeño de oro que entre 139 equipos sólo alcanzaron cuatro, e incluyó uno que ningún equipo universitario resolvió ^[344]. AlphaEvolve, un agente de Google DeepMind, encontró la primera mejora en 56 años para multiplicar matrices complejas de 4×4 y una regla para repartir tareas en los servidores de Google que recupera, en promedio, 0,7 % de todo su cómputo ^[345].

En la ciencia hay avances en muchas disciplinas, y en algunas la escala ya rebasa lo que una persona haría sin IA; la biología de las proteínas y las matemáticas son dos ejemplos. AlphaFold predijo la estructura de prácticamente los 200 millones de proteínas conocidas, trabajo que recibió el Nobel de Química de 2024 ^[346], cuando medio siglo de cristalografía y criomicroscopía había reunido unas 262.000 estructuras experimentales, a un ritmo cercano a 17.600 por año ^[347]. En matemáticas el cambio es de escala: el 6 de octubre de 2026 OpenAI publicó 722 manuscritos con resultados nuevos, obtenidos al plantear unos 4.000 problemas abiertos a un modelo interno, y cerca de 42 % tiene una prueba verificada por computadora en el lenguaje Lean ^[348]. Sólo del catálogo de problemas que dejó el matemático Paul Erdős, esa entrega aborda 25, en 1.347 páginas ^[349], después de que en enero un sistema de IA resolviera por su cuenta el primero de ellos ^[350] y de que en mayo otro modelo refutara una conjetura que Erdős planteó en 1946 ^[351]. En septiembre, unos 10.000 agentes de OpenAI produjeron en 88 horas una prueba de que las ecuaciones de Navier-Stokes, que describen el movimiento de los fluidos, pueden desarrollar una singularidad cuando una fuerza externa actúa sobre el fluido ^[352]. El 26 de octubre, OpenAI anunció además que sus modelos probaron en todas las dimensiones la conjetura de suavizado local, una de las proposiciones centrales del análisis armónico, que antes sólo se había probado en tres, y que refutaron la hipótesis del tiempo exponencial, sobre la que se construyó buena parte de la teoría de la computación desde finales de los noventa ^[353]. Las salvedades pesan tanto como las cifras: casi nada de esto tiene revisión por pares, el editor del catálogo de Erdős describe los textos como mal redactados, OpenAI retiró tres manuscritos al día siguiente por un error de signo ^{[348] [349]}, buena parte de los problemas seguían abiertos porque nadie los había atendido más que por su dificultad ^[354], y el resultado de Navier-Stokes no es la versión del premio del Instituto Clay, sigue en revisión y disputa la prioridad con dos matemáticos que llegaron a lo mismo, también con ayuda de IA ^[352]; Ryan Williams, especialista del MIT, dijo que su equipo verifica todavía si la refutación de la hipótesis se sostiene ^[353]. La IA amplía lo que se puede intentar, y verificar lo que produce sigue dependiendo de especialistas capaces de revisarlo.

En Suecia, un ensayo con 105.934 mujeres mostró que leer las mamografías con apoyo de IA detecta 29 % más cánceres sin más falsos positivos ^[355], reduce 44 % el trabajo de los radiólogos ^[356] y sube la sensibilidad de 73,8 % a 80,5 %, sin aumentar los cánceres que aparecen entre una revisión y la siguiente ^[357]. GenCast, de Google DeepMind, supera en 97,2 % de 1.320 medidas al pronóstico por conjuntos del Centro Europeo de Previsiones Meteorológicas a Plazo Medio, el mejor del mundo a mediano plazo, y produce un pronóstico de 15 días en ocho minutos con un solo procesador, cuando el método tradicional ocupa horas de una supercomputadora ^[358]. Un modelo de Google anticipa con cinco días de margen las crecidas extremas de ríos que no tienen estaciones de medición, con la fiabilidad que antes tenía el aviso del mismo día, frente a un riesgo de inundaciones graves que alcanza a cerca de 1.500 millones de personas ^[359].

08

La carrera con China

Estados Unidos y China disputan quién conducirá la transición a lo que el Foro Económico Mundial bautizó en 2016 como la cuarta revolución industrial ^[145], y la inteligencia artificial ocupa el centro de esa transición porque atraviesa a todas las demás industrias. El gobierno de Estados Unidos publicó en julio de 2025 un plan titulado «Ganar la carrera», en el que presenta el dominio tecnológico global como un imperativo de seguridad nacional ^[360]. China respondió un mes después con su opinión «IA+», que se propone llevar los terminales y los agentes inteligentes, programas de IA que ejecutan tareas por su cuenta, a más de 70 % de penetración en 2027 y a más de 90 % en 2030 ^[361].

En el fondo, ambos buscan una ventaja que el rival ya no pueda alcanzar. La tesis que domina en los laboratorios estadounidenses sostiene que, cuando la IA pueda hacer investigación de IA, cada generación de modelos acelerará la siguiente, de modo que quien llegue primero a ese punto, al que se llama automejora recursiva, podría comprimir años de avance en meses. Leopold Aschenbrenner, exinvestigador de OpenAI, escribió en 2024 que cientos de millones de sistemas capaces de automatizar la investigación de IA darían una ventaja económica y militar decisiva ^[362]. Dario Amodei, director de Anthropic, describe un «país de genios en un centro de datos» y propone que una coalición de democracias use esa ventaja, aunque sea temporal, para asegurarse una superioridad militar sólida ^[139]. OpenAI incluso se puso fechas: Sam Altman anunció en octubre de 2025 un becario de investigación automatizado para septiembre de 2026 y un investigador de IA automatizado para marzo de 2028, y el 29 de septiembre dijo que el primero ya existe ^{[363] [364]}. Si la tesis es correcta, quien llegue segundo quedará atrás en armamento, inteligencia, ciberseguridad y comercio, y la distancia crecerá por sí sola. Por eso Dan Hendrycks, Eric Schmidt y Alexandr Wang extraen una consecuencia inquietante: un Estado que vea a su rival a punto de lograrlo tendría motivos para sabotearlo antes, con ciberataques o incluso con ataques a sus centros de datos, en una lógica de disuasión que comparan con la nuclear ^[365].

La tesis ya aparece en los documentos de Anthropic ante la SEC. En la enmienda del 2 de noviembre a su prospecto, la empresa advierte que, por sus estimaciones internas y por lo que espera de modelos futuros, podría alcanzar pronto el umbral que su política de escalamiento responsable, las reglas internas que fijan qué salvaguardas exige cada nivel de capacidad, llama «progreso dramáticamente acelerado atribuible a la IA», definido como avanzar en un año lo que normalmente tomaría dos; aclara, sin embargo, que ninguno de sus modelos actuales lo cruza y dice que estudia exigir aprobación humana para ciertas decisiones de investigación ^{[366] [367]}. Según sus propias mediciones, en agosto Claude dirigía 26 % de su trabajo de investigación y desarrollo de IA, cuando en febrero dirigía menos de 1 %, y unos 30.000 agentes hacían a la vez tareas de investigación e ingeniería en su principal plataforma interna ^[368]. METR, una organización independiente que evalúa los riesgos de los modelos de IA, la auditó durante once semanas y estima que su ritmo de avance llegó a cerca del doble del que llevaba entre marzo de 2024 y octubre de 2025, con un rango de 1,3 a 3 veces; atribuye a la IA quizá 80 % de esa aceleración y descarta que provenga de más cómputo de entrenamiento, es decir, de más capacidad de procesamiento para entrenar los modelos ^[367]. La misma METR advierte, además, que Anthropic tachó la mayoría de la evidencia que METR consideró más informativa y que retiró a mitad del trabajo la verificación de cómo reparte su cómputo. También juzga exagerada la afirmación del informe de riesgos público de Anthropic según la cual el umbral no se había cruzado, porque le parece plausible que se cruzara antes del 15 de julio, aunque la mayoría de los investigadores consultados se inclina a pensar que no ^[367]. Sam McCandlish, cofundador de Anthropic y responsable de su política de escalamiento, respondió que revelar qué impulsa la aceleración equivaldría a dar a otros una guía para ir más rápido, y anunció para las próximas semanas un informe propio sobre dónde está la empresa frente a ese umbral; Daniel Kokotajlo, del AI Futures Project, un grupo que publica pronósticos sobre el avance de la IA, escribió en cambio que, si Anthropic está por alcanzarlo, los plazos hacia la superinteligencia, una IA que supere a las personas en casi todas las tareas intelectuales, podrían ser muy cortos ^[369]. Un modelo interno que terminó su entrenamiento entre septiembre y octubre supera 50 % en todas las pruebas con que Anthropic mide el avance, y METR teme no poder seguir midiéndolo ^[367].

En la enmienda del 10 de noviembre, Anthropic dice que determinó que ya alcanzó el umbral, por lo que espera de modelos futuros y por su ritmo general de avance más que por lo que ha observado en sus modelos actuales, y admite que su capacidad para medir esa aceleración es limitada y que en el pasado no identificó una aceleración significativa sino después de que ocurrió ^[97]. El mismo día, el AI Futures Project adelantó sus pronósticos: todos sus autores esperan ahora para 2027, si no hay una desaceleración deliberada, un investigador de IA sobrehumano, una IA con el criterio de investigación de los mejores investigadores de un laboratorio y capaz de automatizar toda su programación. Kokotajlo, el que preveía los plazos más cortos, situaba en agosto su mediana en diciembre de 2028 y ahora la pone en mayo de 2027; tres meses antes, su modelo más agresivo daba menos de 4 % de probabilidad a que en noviembre el avance se acelerara al menos 1,7 veces por obra de la IA, la cifra que el grupo deduce ahora del informe de METR. El grupo concluye que es urgente pausar o frenar de forma sustancial el desarrollo de frontera, idealmente con una pausa de toda la industria seguida de un acuerdo internacional, porque las empresas no están en camino de poder alinear un investigador así con los valores y objetivos humanos ^[98].

Los laboratorios, por su parte, ya frenan esa capacidad en sus productos. El 9 de noviembre, Anthropic lanzó Fable 5.2 para todo el público y Mythos 5.2 sólo para organizaciones verificadas, y explica que en su entrenamiento limitó a propósito ciertas capacidades de investigación de IA, como optimizar el código de los aceleradores y diseñar arquitecturas de modelos, a cerca del nivel de Opus 5.5 ^[370]. OpenAI informó el 4 de noviembre que GPT-6 Astra cumplía cerca de 40 % menos de los criterios de una misma tarea de programación cuando se le presentaba como investigación de seguridad que cuando se le presentaba como trabajo de capacidades, sin que sus monitores, los sistemas automáticos que vigilan la conducta del modelo, lo marcaran y sin que la empresa encontrara una causa concluyente ^[371]. Creemos que, si los modelos que harán la investigación rinden menos cuando esa investigación es de seguridad, la supervisión de la automejora enfrenta un problema que ningún umbral resuelve. Desde el 15 de octubre, seis empleados de METR trabajan dentro de Anthropic como evaluadores independientes, con acceso a sus sistemas; Anthropic no puede vetar lo que publiquen, pero sí exigir que se tachen categorías definidas de antemano, y McCandlish aclaró que la evaluación del 5 de noviembre es anterior y ajena a ese arreglo ^{[372] [369]}.

La misma tesis que los laboratorios invocan para pedir apoyo alimenta en el Congreso de Estados Unidos una iniciativa para prohibir la superinteligencia. El 23 de septiembre, Bernie Sanders presentó en el Senado la Ley para Prohibir la Superinteligencia Artificial (S. 5493), que anunció junto con Greg Casar, presidente del Caucus Progresista de la Cámara ^{[373] [374]}. La iniciativa prohíbe para siempre desarrollar o desplegar sistemas que superen la capacidad cognitiva humana o que puedan planear y ejecutar la destrucción o el sometimiento de la humanidad, pausa los sistemas más avanzados hasta que un nuevo Departamento de IA fije reglas de seguridad, exige la aprobación de ese departamento antes de desplegarlos y castiga el incumplimiento con la disolución de la empresa y hasta 20 años de prisión ^[374]. Recoge además la declaración que publicó en octubre de 2025 el Future of Life Institute, una organización sin fines de lucro dedicada a reducir los riesgos extremos de las tecnologías avanzadas, que pide prohibir la superinteligencia hasta que haya consenso científico sobre su seguridad y un apoyo público amplio, y que reúne a más de 78.000 firmantes, entre ellos Geoffrey Hinton, Yoshua Bengio, Steve Wozniak y Richard Branson ^[375]. TechRepublic advierte que una definición tan amplia alcanzaría a sistemas mucho menos autónomos que los que la iniciativa pretende evitar ^[376]. La iniciativa sigue en el Comité de Comercio y, con mayoría republicana, tenía pocas probabilidades de avanzar. Creemos que pesará más desde enero, porque con la mayoría demócrata que eligieron los votantes el 3 de noviembre puede llegar a audiencias, y cada laboratorio que hable de automejora recursiva le dará argumentos.

Los laboratorios venden a tres clientes a la vez: al consumidor, con ChatGPT, Claude o Gemini; a las grandes empresas, que pagan por llevar los modelos a su software y a sus procesos, y al Estado. En julio de 2025, la Oficina Digital y de IA del Pentágono adjudicó a Anthropic, Google, OpenAI y xAI contratos de hasta US$200 millones cada uno para construir agentes en tareas de combate, inteligencia y administración ^{[291] [292]}. Anthropic ofrece desde junio de 2025 modelos Claude Gov hechos sólo para clientes de seguridad nacional, que, según la empresa, ya usan en entornos clasificados agencias del más alto nivel de la seguridad nacional estadounidense, sin que las nombre, mientras que OpenAI reunió su oferta pública en OpenAI para Gobierno, con modelos a la medida de la seguridad nacional y despliegues en Los Álamos, Lawrence Livermore y Sandia ^{[377] [292]}. El 27 de octubre, Anthropic dio a los gobiernos federal, estatales y locales 40 % de descuento en sus productos, sin gasto mínimo, aunque el Departamento de Guerra la mantiene designada como riesgo para la cadena de suministro ^[378]. Ese tercer cliente le da al laboratorio un argumento que pocas empresas de software tienen, porque como proveedor de la defensa nacional puede pedir energía, chips, permisos y un trato regulatorio especial. Al mismo tiempo lo expone a lo que el Estado le exija a cambio, que es la discusión del punto «Lo que el Estado puede exigirle a un proveedor».

Arvind Narayanan y Sayash Kapoor, de Princeton, rechazan la tesis del salto: sostienen que la IA es una tecnología normal, cuyo efecto depende de que personas, empresas e instituciones cambien su manera de trabajar, y que esa difusión tarda décadas, como tardó la de la electricidad; la superinteligencia, tal como suele entenderse, les parece un concepto incoherente ^[379]. China tampoco lo apuesta todo a ese salto, ya que su opinión «IA+» mide el éxito por la penetración de la IA en la economía, y Will Rinehart, del American Enterprise Institute, resume la estrategia china como una carrera por incrustar la IA en la economía lo más rápido posible ^[380]. Otros analistas, como Matthew Johnson, de la Jamestown Foundation, un centro de análisis de Washington especializado en China y Eurasia, sostienen que China persigue las dos cosas a la vez, y de hecho su XV Plan Quinquenal, presentado en marzo, pide explorar los caminos hacia la inteligencia artificial general, una IA capaz de igualar a las personas en la mayoría de las tareas intelectuales ^{[381] [382]}. Creemos que la industria estadounidense apoya su argumento político en la tesis del salto, mientras que la de la difusión describe mejor lo que hoy ven los votantes. Si el salto llega, gana quien llegue primero; si tarda o no llega, gana quien haya difundido la tecnología por su economía, que es la ventaja histórica que describe Jeffrey Ding, politólogo de la Universidad George Washington ^[383]. En cualquiera de los dos casos, Estados Unidos necesita que su propia sociedad le permita seguir construyendo.

Los dos países hicieron apuestas distintas. Estados Unidos apostó por el modelo más capaz, cerrado y financiado con capital privado, con US$285.900 millones en 2025, 23 veces los US$12.400 millones de China, según el AI Index de Stanford ^{[384] [385]}. El propio informe advierte que esa comparación subestima a China, porque los fondos del Estado no aparecen en las bases de capital privado ^[385]. El Fondo Nacional de Capital de Riesgo, lanzado en diciembre de 2025, parte de 100.000 millones de yuanes (unos US$14.000 millones) de bonos especiales del Tesoro para movilizar un billón (unos US$142.000 millones) en veinte años, con la IA como primer destino, y en 2026 Beijing y Guangzhou crearon fondos municipales de 100.000 y 20.000 millones de yuanes (unos US$15.000 y US$3.000 millones) ^{[386] [387] [388]}. China, en cambio, apostó por modelos abiertos, de bajo precio y suficientes, y por meterlos en la industria antes que nadie. Un modelo abierto publica sus pesos, los valores numéricos que lo definen, también llamados parámetros, para que cualquiera lo descargue, lo modifique y lo ejecute en sus propios equipos. Por cada millón de tokens de salida, las unidades de texto con que se mide y se cobra lo que produce un modelo, el modelo más caro de Anthropic cobra US$50, Kimi K3 de Moonshot US$15, GLM-5.2 de Z.ai US$4,40 ^[328] y DeepSeek V4 Pro US$3,96 en horario pico y US$1,98 fuera de él ^[389]. En septiembre DeepSeek publicó V4.1 Flash con licencia MIT, que permite usarlo y modificarlo libremente; según la empresa supera a V4 Pro, y lo cobra a US$1,20 por millón de tokens de salida en horario pico y a US$0,60 fuera de él ^[389]. Estados Unidos también tiene modelos abiertos, aunque van detrás. Reflection, que levantó US$2.000 millones con Nvidia entre sus inversionistas, liberó en octubre Beam, de 501.000 millones de parámetros, con licencia Apache 2.0, también abierta; en la tabla de la propia empresa, Beam saca 80,1 en Terminal-Bench 2.1, una prueba de tareas de programación en la línea de comandos, mientras que los cuatro primeros lugares son chinos, con DeepSeek V4.1 Flash arriba, en 90,6 ^[390]. Los controles de exportación de chips obligaron a esos laboratorios a exprimir el cómputo; además pagan menos por la electricidad gracias a la inversión estatal en generación y aceptan márgenes delgados para ganar mercado ^[328]. La apuesta ya llega a las empresas estadounidenses: en una semana de julio, entre 57 % y 63 % de los tokens que consumieron en OpenRouter, una plataforma que da acceso a cientos de modelos de distintos proveedores, según la medición, provino de modelos chinos, un dato de volumen en una sola plataforma; Coinbase redujo a la mitad su gasto en IA al pasarse a Kimi y GLM, y el modelo de programación de Cursor, el editor de código con IA, está construido sobre Kimi ^{[328] [391]}.

Esa apuesta descansa en una base más ancha de lo que reconoce la conversación en Estados Unidos. China firma 23,2 % de los artículos académicos sobre IA que se publican en el mundo y recibe 20,6 % de las citas, frente a 12,6 % de Estados Unidos, y concentra 69,7 % de las solicitudes de patentes ^[385]. De los cien artículos académicos de IA más citados de 2024, 41 son chinos, cuando en 2021 eran 33, aunque Estados Unidos conserva las patentes de mayor impacto y más modelos destacados, 59 contra 35 en 2025 ^[392]. Jensen Huang, director de Nvidia, lo resumió en diciembre de 2025: «50 % de los investigadores de IA del mundo son chinos», 70 % de las patentes de IA del año anterior las publicó China, nueve de las diez mejores escuelas de ciencia y tecnología están en China, y «antes liderábamos la mayoría; ahora ellos lideran la mayoría» ^[393]. La cifra de las instituciones coincide con el Nature Index, que mide la producción de cada una en las revistas científicas de mayor nivel: en su tabla de 2026, nueve de las diez primeras son chinas, con la Academia China de Ciencias y la Universidad de Zhejiang al frente y Harvard en tercer lugar ^[394]. El flujo de investigadores de IA hacia Estados Unidos cayó 89 % desde 2017, y China instaló 295.000 robots industriales, casi nueve veces los 34.200 de Estados Unidos ^[385]. En 2025 agregó, además, 542 gigavatios de capacidad eléctrica ^[252]. En marzo, la distancia entre el mejor modelo estadounidense y el mejor chino era de 2,7 % ^[385].

La industria estadounidense y su gobierno responden que buena parte de esa cercanía se explica por copia sin permiso. La técnica se llama destilación y consiste en entrenar un modelo con las respuestas de otro, algo legítimo cuando el dueño del modelo lo autoriza. Anthropic acusó en febrero a DeepSeek, Moonshot y MiniMax de hacerlo con Claude sin su consentimiento, en contra de sus términos de uso y de sus restricciones de acceso; como Anthropic no vende Claude en China, los tres laboratorios llegaron a él por revendedores, con unas 24.000 cuentas falsas y más de 16 millones de intercambios ^[395]. El 8 de septiembre, la NSA, CISA, la agencia federal de ciberseguridad e infraestructura, y el FBI acusaron a seis empresas chinas, entre ellas Alibaba y Z.ai, de extraer sin autorización miles de millones de tokens de Claude, GPT, Gemini y Grok desde finales de 2024, probablemente con conocimiento del gobierno chino, y llamaron a la destilación el centro de su estrategia ^[396]. El Ministerio de Comercio de China respondió al día siguiente que las acusaciones carecen de base, que la destilación es una técnica neutral que también usan las empresas estadounidenses y que Estados Unidos busca un monopolio de la industria ^[397]. En octubre, Anthropic añadió que Zhipu, la empresa detrás de Z.ai, destiló capacidades de ciberataque para GLM-5.3 y que su nuevo bloqueo redujo entre 90 % y 99 % lo que los destiladores logran extraer ^[398]. El propio informe técnico de DeepSeek V4 admite ir de tres a seis meses detrás de la frontera, es decir, de los modelos más avanzados, mientras que el Consejo de Relaciones Exteriores estima la ventaja estadounidense en unos siete meses y CAISI, el Centro de Estándares e Innovación en IA del Departamento de Comercio, en el apartado sobre China, en unos cuatro ^[399]. Creemos que la copia sin permiso reduce el costo de entrenamiento de quien va detrás sin ponerlo por delante, y que el debate sobre ella distrae del frente en el que China sí está ganando, que es el precio y la adopción. Michael Horowitz, del mismo Consejo, sostiene que la competencia decisiva es la difusión de modelos abiertos, suficientes y de bajo precio, sobre todo en el Sur Global ^[399]. Coincide así con la tesis histórica de Jeffrey Ding, según la cual las potencias que ganaron las revoluciones industriales fueron las que difundieron la tecnología por su economía, aunque no la hubieran inventado ^[383].

En la ciberseguridad, la carrera ya se volvió concreta. A octubre de 2026 se le llama el octubre negro por la acumulación de fallas graves divulgadas en pocos días, varias de ellas encontradas con ayuda de IA ^[400]. La más grave, PHP2Shell, la encontró en agosto Ryan Austin, investigador de Calif, una firma de seguridad informática de California, con un modelo de OpenAI, y la firma de ciberseguridad Wiz halló fallas relacionadas con modelos de OpenAI y Google. Afectaba al lenguaje con el que funciona cerca de 69 % de los sitios web, sus detalles se filtraron antes del parche del 21 de octubre, y por eso la Fundación Wikimedia, el Internet Archive y sitios de gobiernos de Europa y Canadá se desconectaron para protegerse ^[401]. Ese mismo día, Microsoft atribuyó a Storm-0940, un grupo alineado con el gobierno chino, una campaña que, con credenciales robadas a ConnectWise Cloud Backup, intentó entrar a más de 2.250 cuentas de Microsoft 365 de gobierno, defensa, aeroespacial, finanzas, energía y semiconductores por medio de ARTEX, una herramienta abierta que coordina agentes de IA para hacer una intrusión de principio a fin; en varios casos pasó del primer intento al acceso privilegiado, el de un administrador, en menos de tres horas, y la cancillería china negó saber del asunto ^[402]. Los millones de intentos produjeron pocos ataques exitosos, en parte porque las empresas parcharon a tiempo, y Axios lo comparó con el año 2000 ^[403]. Los laboratorios ya restringen el acceso a sus modelos más capaces en esta materia. Google dio Gemini 4 Carbon el 28 de octubre sólo a un grupo de defensores cibernéticos, por medio de su programa Fairwind, participa con él en el proceso voluntario del gobierno estadounidense para probar los modelos antes de lanzarlos y no le ha puesto fecha para desarrolladores y consumidores ^[404]. OpenAI, por su lado, clasificó como «Crítico» en ciberseguridad, el nivel más alto de su escala de riesgos, a GPT-6 Astra, que lanzó en septiembre, y a GPT-6 Cyber, del 5 de noviembre, que reserva a clientes elegidos ^[405]. Nueve días después del parche, unos atacantes usaron una herramienta interna de IA de Binance para llegar a los sistemas con los que firma sus transacciones y se llevaron unos US$6.340 millones, un robo que el FBI atribuye a Corea del Norte ^{[406] [407]}. Creemos que el episodio da argumentos a los dos lados, porque los laboratorios pueden mostrar que sus modelos encuentran las fallas antes que los atacantes, mientras que sus críticos pueden señalar que la misma capacidad, destilada o abierta, ya está en manos de grupos alineados con un gobierno rival.

La falta de chips y de ingresos frena a China. DeepSeek no puede servir V4 Pro a la mayoría de sus clientes por falta de chips ^[399]. Sus laboratorios facturan juntos cerca de una décima parte de lo que facturan OpenAI y Anthropic, y la apertura les resta poder de precios: cuando Z.ai liberó los pesos de GLM 5.3 Flash, su parte de los tokens de ese modelo en OpenRouter cayó de 88 % a 22 % en veinte días ^[408]. El índice STAR 50, que reúne a sus campeones de chips e IA, cayó más de 40 % desde junio; las acciones chinas perdieron unos US$3,5 billones desde mayo, según Bloomberg, y el gobierno chino inyectó US$19.000 millones en fondos cotizados en una semana ^{[409] [410]}. Los analistas discuten cuánto de esa caída se debe a una burbuja de la IA y cuánto al consumo débil, la vivienda y los impuestos, pero la demanda de chips sigue, y CXMT, el principal fabricante chino de chips de memoria, ganó 54.000 millones de yuanes (unos US$8.000 millones) en el tercer trimestre mientras su acción caía ^{[409] [411] [388]}. Fuera de China, además, pocos confían en su gobierno para regular la tecnología: en la encuesta de Pew en 25 países, la mediana es de 27 %, frente a 37 % para Estados Unidos y 53 % para la Unión Europea ^[412]. Wall Street también duda del lado estadounidense, ya que el Nasdaq marcó récord el 6 de octubre y terminó el mes cerca de su mínimo de tres meses, con inversionistas que preguntan cuándo se pagará el gasto en centros de datos ^[413].

En la percepción, en cambio, la comparación favorece a China. En la encuesta de Ipsos de 2026, en 32 países, China es el más entusiasmado con la IA (83 %) y está entre los menos nerviosos (40 %), mientras que en Estados Unidos sólo 33 % dice que le entusiasma y 64 % que le pone nervioso, entre los cuatro con menos entusiasmo y los cuatro con más nerviosismo ^[412]. En China, más de 80 % de los empleados usa IA en su trabajo con regularidad, frente a 58 % en el mundo, y 78 % espera que le ahorre tiempo; en Estados Unidos sólo 33 % cree que mejorará su empleo, y en la encuesta mundial de Pew de 2025 apenas 31 % confiaba en su propio gobierno para regularla, la cifra más baja de los 25 países ^[412]. China impone su estrategia de difusión desde el Estado y encuentra una población dispuesta a adoptarla, mientras que en Estados Unidos cada centro de datos, cada despido atribuido a la IA y cada demanda se discuten en público y se votan. Un gobierno autoritario resulta más eficiente para desarrollar la tecnología, porque decide dónde va un centro de datos y cuánta energía recibe sin que una votación, un tribunal o una huelga lo frenen. Creemos que es la desventaja que la industria estadounidense menos reconoce.

La economía estadounidense ya depende de esa construcción. Según nuestro cálculo con las cuentas nacionales de la Oficina de Análisis Económico (BEA), la inversión en cómputo, software y centros de datos aportó 1,03 de los 2,08 puntos de crecimiento de los últimos cuatro trimestres, aunque se trata de una cifra bruta, porque las importaciones de ese mismo equipo restan otra parte ^[309]. Sin embargo, esa tecnología preocupa a buena parte de quienes viven de ese crecimiento, y el argumento de la hegemonía poco le dice a un ciudadano que no siente esa carrera como suya.

En Estados Unidos, los demócratas ganaron la Cámara de Representantes y el Senado el 3 de noviembre, además de las gubernaturas de Texas, Georgia, Pensilvania y Ohio ^{[414] [200]}. La economía decidió más votos que la IA: en la encuesta de salida de NBC, 39 % la nombró su tema principal, 75 % dijo que va mal y 65 % que las políticas del presidente Trump la empeoraron ^[125]. Antes de votar, 84 % de los votantes registrados consideraba la economía muy importante para su voto, mientras que sólo 44 % decía lo mismo de la IA, que quedó en el undécimo lugar de dieciséis temas ^[415]. La aprobación de Trump estaba en 30 % en Pew y llegó a 38 % en las encuestas de salida de CBS ^{[416] [414]}.

La IA entró en ese voto por el empleo y por los centros de datos. En la encuesta de salida de NBC, 76 % se opone a un centro de datos en su comunidad ^[125]. En la encuesta de CNBC, 56 % dijo que el tema pesó de forma crucial o importante en su decisión, y 65 % de ese grupo apoyó a un demócrata ^[213]. En 41 votaciones locales de diez estados, los votantes respaldaron restricciones en todas menos una ^[21]. Sherrod Brown recuperó un escaño de Ohio en el Senado después de llamar a su rival el rostro de los centros de datos ^[417], y Gina Hinojosa venció a Greg Abbott en Texas, el estado con 27 % de los gigavatios planeados en el país, tras prometer que frenaría toda aprobación hasta que el Congreso estatal legislara ^{[201] [418]}.

La bolsa celebró el resultado un día y lo castigó al siguiente. El miércoles 4, el S&P 500 subió 1,6 % y Amazon y Apple se dispararon, pero el jueves 5 el índice cayó 4,36 %, el Nasdaq 5,52 % y los semiconductores cerca de 12 %, su peor caída desde 2020 ^{[323] [308] [419] [324]}. El viernes rebotaron en parte, y la semana cerró con el S&P 500 2,7 % abajo y el Nasdaq 3,4 % ^[326].

En Estados Unidos, la resistencia a la IA es tan grande como el entusiasmo que despierta. En política, lo que la gente cree que le está pasando pesa tanto como lo que registran las series, y en esa percepción China lleva hoy la ventaja.

09

Enseñar a usar la IA

Quien enseña a usar la IA decide en buena parte cómo la ven maestros, médicos, abogados y técnicos, y los dos gobiernos lo convirtieron en política. En Estados Unidos, la orden ejecutiva 14277, de abril de 2025, fijó como política la alfabetización en IA, creó un grupo de trabajo en la Casa Blanca, mandó dar prioridad a la IA en las becas federales para formar maestros y en los programas de aprendizaje, y pidió a las agencias asociarse con las empresas del sector para hacer los materiales de las escuelas; en junio, más de 60 organizaciones firmaron el compromiso que acompaña la orden ^[420]. En China, el Ministerio de Educación ordenó a fines de 2024 reforzar la enseñanza de IA en primaria y secundaria e incluir la formación de maestros en sus planes, y Pekín exige desde el otoño de 2025 al menos ocho horas por ciclo escolar ^[421]. La diferencia está en quién escribe el contenido, que en China es el Estado, mientras que en Estados Unidos el gobierno se lo encarga en buena parte a las empresas que venden la herramienta.

Las industrias farmacéutica y de dispositivos médicos muestran que formar profesionales cambia lo que usan. Una revisión de 36 estudios de Mitchell y sus colegas encuentra asociación entre los pagos de la industria y la prescripción, un pago de Intuitive Surgical, el fabricante del robot quirúrgico, se asocia con 9,9 puntos más de uso por cirujano, y ese fabricante reporta 76.000 cirujanos entrenados en el mundo ^[422]. En IA ya hay programas parecidos, como la academia nacional de la Federación Estadounidense de Maestros, que con US$23 millones de Microsoft, OpenAI y Anthropic está dirigida a 400.000 educadores y dio su primer curso en marzo ^[423], los programas para docentes de Anthropic con el mismo sindicato y los cursos con créditos en colegios profesionales ^[424]. Ninguno de esos programas publica cuánto mejoró el ingreso o el empleo de quien los cursó. Fuera de la industria la crítica es directa: la analista de tecnología educativa Audrey Watters escribió que enseñar a los maestros las herramientas de Microsoft ayuda más a Microsoft que a los alumnos, y Benjamin Riley, fundador de Cognitive Resonance, un centro de análisis que creó en 2024 para estudiar la IA, advirtió que estas alianzas buscan mercado y pueden devaluar el trabajo del maestro ^[425].

Formar, sin embargo, no equivale a ganar defensores. Los estudios sobre la industria médica miden pagos y prescripción, y ninguno mide defensa política, y los programas de conferencistas, el canal que más movía la prescripción, terminaron en una alerta del Inspector General y en un acuerdo de US$678 millones de Novartis ^[426]. Los autores del estudio del robot advierten, además, que esas relaciones pueden comprometer el valor de la atención ^[422]. El experimento reciente más cercano apunta en sentido contrario: Yotam Margalit y Shir Raviv asignaron al azar a más de 1.500 trabajadores un jefe humano o un jefe de IA, y la experiencia, buena o mala, cambió cómo trabajaban sin cambiar lo que pensaban de usar IA en políticas públicas; la información, en cambio, sí movió esas opiniones, y la información sobre riesgos bajó el apoyo ^[427]. Formar a un traductor en la herramienta que le quitó encargos puede no generar lealtad, y no encontramos evidencia de reconversión exitosa en programas análogos.

El acceso preferente tiene precedentes y contraejemplos, porque hay planes mejores para universitarios de EE. UU. que para los de otros países y, a la vez, ofertas gratuitas más generosas fuera de EE. UU. ^[428]. El precio simbólico al gobierno federal recibió la protesta de Ask Sage, un competidor que, entre otros motivos, alegó que amarraría al cliente ^[429]. Un programa cuyo objetivo declarado es formar defensores se expone por dos lados, ya que el gasto dirigido a influir en el público sobre asuntos legislativos no es deducible de impuestos (26 U.S.C. §162(e)), y los socios, sindicatos y colegios, se retiran si leen que los consideran base política.

China muestra que la adopción no necesita ganarse a los profesionales uno por uno. En una encuesta de la Universidad de Melbourne en 47 países, más de 80 % de los empleados de China, India, Nigeria, Emiratos y Arabia Saudita dijo usar IA en su trabajo con regularidad, contra cerca de la mitad en América del Norte y Europa ^[430]. Allá la empujan el Estado, con su programa «IA+» ^[255], y los empleadores.

Formar en la herramienta también puede quitar la habilidad que reemplaza. David Krakauer, presidente del Instituto Santa Fe, distingue las herramientas que dejan la competencia en quien las usa, como el ábaco, de las que la sustituyen, como el GPS, con las que el usuario queda peor que antes si se las retiran, y advierte que estas últimas llevan a depender por completo de quien provee la capacidad ^{[431] [432]}. Hay evidencia en medicina: en cuatro centros de Polonia, 19 endoscopistas con experiencia bajaron su detección de adenomas en las colonoscopias sin IA de 28,4 % a 22,4 % después de trabajar con ella, aunque los autores advierten que la muestra es chica ^[433].

Creemos que el efecto político de un programa de formación sería pequeño, a juzgar por lo que muestra el experimento. Un programa escrito por quien vende la herramienta corre, además, el riesgo que señalan sus críticos, que el maestro lo lea como publicidad. A nuestro juicio, la adopción depende más de quien contrata que de quien enseña.

10

Depender de un laboratorio

La dependencia entre los laboratorios y quienes construyen sobre ellos ya produce casos. OpenAI dejará de servir a Cursor el 12 de noviembre, con 76 días de aviso, porque SpaceX compró la empresa y OpenAI dice no poder confiar en que respete sus términos ^[434]. En enero, Anthropic había cortado a xAI, que usaba sus modelos a través de Cursor, y además bloqueó el uso de sus suscripciones en herramientas de terceros ^[435]. El propio prospecto de Anthropic reconoce que compite con algunos de sus clientes, sobre todo en software como servicio ^[366]. Brookings propone una regla que prohíba tratar distinto a clientes en situación similar ^[435]. Hoy existen avisos publicados de retiro de modelos y precios públicos, pero no hay avisos previos para cortar a un cliente ^[436]. En negocios parecidos sí hay modelos que pueden servir de referencia: la Unión Europea exige a las plataformas 30 días de preaviso y motivos para cortar a un usuario profesional, aunque una API de modelo puede quedar fuera, y fija un plazo máximo de 30 días para cambiar de proveedor de nube; China, por su parte, prohíbe a las empresas dominantes abusar mediante datos, algoritmos y reglas de plataforma ^[437]. Amazon demandó a Perplexity para impedir que el agente de compras de su navegador Comet entrara a las cuentas de sus clientes, y en marzo obtuvo una orden preliminar. En agosto, sin embargo, el Tribunal de Apelaciones del Noveno Circuito la anuló, porque consideró poco probable que Amazon ganara y trató al agente como herramienta del usuario, aunque limitó el fallo al expediente actual, que sigue en primera instancia ^[438].

La nube mostró que una plataforma puede ganar con el éxito de sus clientes. AWS dio US$7.000 millones en créditos a más de 280.000 startups, y la nube es hoy la mayor parte de la utilidad de Amazon, con márgenes de 36 % a 39 % ^[439]. Las plataformas reportan de US$4 a 7 de actividad por cada dólar propio, aunque en estudios encargados por ellas mismas ^[440]. Sin embargo, no hay medición de cuántas startups apoyadas siguen vivas, AWS ganó sobre todo con la migración de las grandes empresas, y una nube presta sobre un margen alto y con capacidad holgada ^{[441] [439]}. Un laboratorio, en cambio, compra cómputo con 12 a 18 meses de anticipación, de modo que garantizar capacidad a una startup compite con el cliente que paga ^[442]. Los programas de los laboratorios para startups son chicos, y el mayor fondo ligado a uno equivale a cerca de 5,7 % de los créditos de la nube asociada ^[443].

Las cuentas de los laboratorios tampoco resuelven si conviene ser plataforma o aplicación. Anthropic, cuya oferta pública está en curso, tuvo una utilidad operativa de US$974 millones en el segundo trimestre y volvió a pérdida en el tercero, con -567 millones sobre un ingreso de 16.956 millones y el cómputo en 58 % del ingreso; en nueve meses ingresó US$33.242 millones, perdió 1.260 en la operación y se comprometió a comprar unos US$895.000 millones de cómputo, la mayor parte antes de 2031 ^[366]. OpenAI quemó unos US$3.700 millones en el primer trimestre de 2026, según la prensa, y su ingreso empresarial habría superado al de consumo ^[444]. El segmento de IA de SpaceX, que incluye xAI y la red X, pasó de un resultado positivo en 2023 a uno negativo en 2025, al ritmo del cómputo ^[445]. De estas cifras se desprende que la escala y la compra de cómputo pesan más en el resultado que la mezcla de negocio.

En 2025, la Comisión Federal de Comercio de Estados Unidos (FTC) señaló la práctica de atar un apoyo a la exclusividad o al gasto en la nube de un socio, que la ley antimonopolio puede alcanzar, y un precio por debajo del costo a gran escala abre además la pregunta de los precios predatorios ^[446]. El gobierno actual ordenó revisar las investigaciones de la FTC para que no carguen en exceso a la innovación en IA ^[447], aunque en octubre la propia FTC abrió una investigación civil a Anthropic sobre protección al consumidor, datos, privacidad y seguridad ^[366]. Con un Congreso demócrata, además, la competencia de los laboratorios con sus propios clientes pasa a ser materia de audiencias.

China ya castigó esas dos prácticas. En 2021 multó a Alibaba con 18.228 millones de yuanes, 4 % de sus ventas en el país, por exigir a los comercios que no vendieran en plataformas rivales ^[448]. En septiembre de 2025, la Administración Estatal para la Regulación del Mercado (SAMR), su autoridad de competencia, concluyó de forma preliminar que Nvidia incumplió las condiciones con las que se le aprobó la compra de Mellanox, entre ellas no atar la venta de sus chips a la de sus equipos de red, y lo hizo tres días después de que Estados Unidos sumara 23 empresas chinas, la mayoría de semiconductores, a su lista de entidades con exportaciones restringidas ^[449]. De modo que China usa el mismo instrumento para ordenar su mercado y para responder a un proveedor estadounidense.

La dependencia también sube un nivel, de los laboratorios hacia las nubes. El personal de la FTC concluyó en enero de 2025 que las alianzas de Microsoft con OpenAI y de Amazon y Google con Anthropic pueden amarrar a los laboratorios a una nube y darle a ésta información sensible ^[450]. Amazon es a la vez inversionista, acreedor y proveedor de Anthropic: invirtió US$8.000 millones en notas convertibles y US$10.000 millones en acciones preferentes, le abrió una línea que se habilita conforme AWS entrega cómputo, y en el segundo trimestre las dos ampliaron su compromiso comercial en más de US$100.000 millones a diez años. Al 30 de septiembre, esas posiciones sumaban US$238.700 millones en el balance de Amazon, en valores estimados sin precio de mercado, y sus ajustes al alza aportaron 43 % de su utilidad antes de impuestos en nueve meses ^[451]. Amazon financia también al rival, ya que invirtió en 2026 US$50.000 millones en acciones preferentes de OpenAI, y el contrato de cómputo de OpenAI con AWS creció en US$100.000 millones a ocho años; Microsoft, por su lado, le facturó a OpenAI cerca de US$10.000 millones en el tercer trimestre, alrededor de 11 % de su ingreso ^[319]. A esto se suma que la plataforma estadounidense ya tiene sustituto, porque los modelos chinos son la alternativa de menor precio a la que migran empresas estadounidenses ^[328], y Qwen, la familia de modelos abiertos de Alibaba, era la base de 69 % de los nuevos ajustes de modelos abiertos en febrero, es decir, de las versiones que otros adaptan a partir de un modelo publicado ^[452]. OpenAI volvió a publicar modelos abiertos en 2025 por primera vez en casi seis años, una decisión que Sequoia y el análisis de Stanford atribuyen a esa competencia ^[452].

Creemos, con nuestro interés a la vista, que esta dependencia es mutua y está mal gobernada, y que en este frente el costo de una regla verificable es menor que el del daño. Un cliente al que se le corta el acceso ya tiene a dónde irse, y cada corte sin aviso empuja a otro hacia un modelo chino gratuito. Como Psiquepol + AI construye sobre modelos de varios proveedores, esta conclusión nos favorece.

11

El riesgo de burbuja

El público estadounidense todavía no ve una burbuja. En diciembre de 2025, 74 % esperaba que el auge siguiera y 15 % anticipaba un desplome, y ninguna encuestadora grande volvió a preguntarlo en 2026, aunque la encuesta de consumidores de la Universidad de Michigan registró el 6 de noviembre, en respuestas abiertas, una «ansiedad creciente» por una posible burbuja ^[453]. Quienes vigilan la estabilidad financiera, en cambio, la nombran desde hace un año. El Banco de Inglaterra, el FMI y la Reserva Federal la incluyen en sus informes desde octubre de 2025, y en mayo de 2026 la mitad de los encuestados por la Fed la señaló como su principal preocupación ^[454].

En noviembre el riesgo pasó a los mercados de crédito. El costo de asegurarse contra un impago de CoreWeave, que alquila cómputo a los laboratorios, llegó el 5 de noviembre a un récord de 1.289 puntos base, y sus bonos a 2031 y 2032 rinden de 15 % a 16 % ^[455]. Oracle está a un escalón de la calificación especulativa, y S&P proyecta que su flujo de caja libre quede unos US$42.000 millones abajo en su próximo año fiscal ^[456]. Las cuatro grandes tecnológicas tuvieron un flujo de caja libre conjunto negativo en el tercer trimestre, con Amazon en -US$42.000 millones acumulados en doce meses, y sólo Microsoft recortó su plan, al bajar de US$175.000 a 170.000 millones su gasto de capital del año fiscal 2027 por retrasos de sus proveedores externos de cómputo y no por falta de demanda ^{[318] [457]}.

La salida a bolsa de Anthropic es la prueba más visible. En la enmienda del 10 de noviembre, la empresa fijó un rango de US$70 a US$78 por acción para 825 millones de acciones, informó un ingreso anualizado de unos US$81.000 millones al 31 de octubre, US$10.000 millones más que un mes antes, y sumó el compromiso de AMD, Broadcom, Google, Micron, Microsoft, Nvidia y TSMC de comprarle US$26.000 millones en acciones al precio de la oferta ^[97]. Con las acciones que tendrá en circulación al terminar la oferta, sin contar opciones, el punto medio del rango la valúa en unos US$970.000 millones, según un cálculo propio, por debajo de los US$1,5 billones que, según Reuters, los inversionistas veían días antes como techo y de los 2 billones que llegaron a mencionarse ^{[97] [458]}. Así, la pérdida del tercer trimestre y la caída de la bolsa tras la elección llegan justo antes de que salga a buscar compradores. Su rival tampoco consiguió lo que buscaba, pues OpenAI cerró el 6 de noviembre unos US$11.000 millones a una valuación de US$1,25 billones, según Bloomberg ^[459].

El rechazo a un rescate cruza de partido, aunque sólo los demócratas lo llevaron a una resolución. Tras una frase de Sarah Friar, directora financiera de OpenAI, sobre garantías federales, David Sacks, entonces encargado de IA de la Casa Blanca, dijo que no habría rescate, y Elizabeth Warren pidió explicaciones ^[460]. El 29 de octubre, Greg Casar, con Maxine Waters y otros 11 demócratas, presentó en la Cámara una resolución no vinculante que rechaza cualquier rescate a empresas de IA insolventes por parte de la Fed, el Tesoro o la FDIC, el organismo federal que asegura los depósitos bancarios, y pide que pasen por la quiebra ordinaria; la respaldan la AFT, el sindicato de maestros, Americans for Financial Reform y el Future of Life Institute ^[461]. Entre los republicanos, Ron DeSantis lo rechaza en público desde 2025, pero los legisladores no han mostrado interés en el tema ^[462]. La industria rechaza en público las garantías federales y a la vez pide terrenos y permisos federales, y esa diferencia se va a discutir ^[463]. Una semana antes de la frase de su directora financiera, Chris Lehane, de OpenAI, había escrito a Michael Kratsios, director de la Oficina de Política Científica y Tecnológica de la Casa Blanca, para pedir que se ampliara el crédito fiscal del 35 % a servidores, centros de datos y red, y sugería préstamos o garantías ^[464]. La Reserva Federal sólo puede prestar en una emergencia mediante programas de elegibilidad amplia, de modo que un programa creado para salvar de la quiebra a una sola empresa queda excluido. En sentido contrario, la orden 14318 manda apoyar los proyectos de centros de datos con préstamos, garantías y contratos de compra, y la Ley de Producción para la Defensa permite otorgar garantías cuando no hay crédito en términos razonables ^[465]. Por eso creemos que la discusión práctica será qué garantías anticipadas son aceptables. Mientras tanto, los ingresos medidos crecen rápido: Anthropic pasó de un ingreso anualizado de US$47.000 millones en mayo a unos US$81.000 millones al 31 de octubre, y Nvidia vende US$96.200 millones al trimestre con un margen bruto de 75 % ^{[466] [97]}.

Los críticos señalan además que parte de la demanda es circular. La carta de intención por la que Nvidia invertiría hasta US$100.000 millones en OpenAI, que a su vez le compra chips, se convirtió en una inversión de US$30.000 millones en la ronda de marzo, y Nvidia garantiza hasta US$105.000 millones de arrendamientos de centros de datos para una filial de OpenAI en Ohio ^[467]. AMD le dio a OpenAI derechos sobre 160 millones de sus acciones, cerca de 10 % de la empresa, y Nvidia garantizó a CoreWeave pagar la capacidad que no vendiera ^[468]. Los escépticos, como The Register, lo comparan con el financiamiento a clientes que hundió a Nortel en 2001, mientras que el economista y columnista Noah Smith responde que prestarle al cliente es una práctica comercial normal y que el riesgo depende de si la demanda final existe ^[468]. Esa demanda final compite con precios chinos de US$0,60 a US$15 por millón de tokens frente a los US$50 del modelo más caro de Anthropic, y los US$895.000 millones de cómputo que Anthropic se comprometió a comprar suponen que sus clientes seguirán pagando la diferencia ^{[328] [389] [366]}.

La otra objeción es que el cómputo dura poco. Los ferrocarriles, la red eléctrica, las carreteras y la fibra óptica rindieron durante décadas; en un centro de datos también duran décadas el edificio y la conexión eléctrica, pero el cómputo se reemplaza en pocos años. Las propias empresas lo deprecian en cinco o seis: Alphabet en seis, Oracle sobre todo en seis, Microsoft de dos a seis, y Meta, que en 2025 alargó a cinco años y medio el plazo de la mayoría de sus servidores, con lo que su depreciación de ese año bajó US$2.920 millones ^[469]. Amazon fue en sentido contrario, ya que en 2025 acortó de seis a cinco años el plazo de una parte de sus servidores por el ritmo del desarrollo de la IA, y su depreciación subió US$1.400 millones ^[469]. El inversionista Michael Burry sostiene que alargar la vida contable de chips que Nvidia renueva cada dos o tres años subestima la depreciación en unos US$176.000 millones entre 2026 y 2028, y señala sobre todo a Oracle y Meta, aunque CNBC no pudo confirmar la práctica ^[470]. Quienes defienden los plazos largos, como theCUBE Research, responden que un chip que deja el entrenamiento pasa a la inferencia, es decir, a responder las consultas de los usuarios, y sigue cobrando ^[471]. Si Burry tiene razón, una parte de las utilidades que hoy justifican la obra es contable, y el reemplazo llegaría antes de que la inversión se pague. El precedente más citado es el ferrocarril, porque, según la historia de la Reserva Federal, el pánico de 1873 nació de que los proyectos nuevos superaron la demanda de capacidad y su rendimiento cayó ^[472]. La diferencia es que el ferrocarril tuvo décadas para recuperar lo invertido, mientras que el cómputo, según la contabilidad de quien lo compra, tiene cinco o seis años.

China ya construyó de más y lo trata como un problema de planeación. En noviembre de 2025, la Comisión Nacional de Desarrollo y Reforma advirtió que en las industrias de frontera hay que equilibrar la velocidad con el riesgo de burbuja, a propósito de los más de 150 fabricantes de robots humanoides ^[473]. En 2025 sus centros de cómputo para IA usaron 36,8 % de la capacidad que ofrecían, con más de 500 en operación y casi 400 en obra o en plan a junio de 2026, y los proyectos nuevos se aprueban sólo con pedidos en firme y un operador profesional ^[474]. Allá el exceso lo paga sobre todo el Estado, que puede ordenarlo, mientras que en Estados Unidos lo cargan la deuda privada y la bolsa, de modo que lo que está en juego es la confianza.

El freno político también puede reducir el riesgo. El periodista Derek Thompson escribió tras la elección que la política contra la IA daña a las acciones en el corto plazo y ayuda a evitar una burbuja en el mediano y largo plazo. Krishna Guha, de Evercore, cree que puede aliviar el sobrecalentamiento y prolongar el ciclo de inversión, y la columna Lex del Financial Times sostiene que hace menos probable invertir billones en equipo que se vuelva obsoleto antes de tiempo ^[232]. Además, una burbuja requiere una oferta muy por encima de la demanda, y hoy Alphabet reporta lo contrario, porque le falta capacidad ^[231]. Microsoft, AWS y Alphabet suman cerca de US$1,83 billones de contratos firmados que falta facturar: US$683.000 millones, unos 578.000 y 567.700, respectivamente ^[319].

Creemos que es el riesgo de cola, poco probable pero de enorme impacto, de mayor consecuencia, porque junta a críticos de los dos partidos en el mismo tema y porque una caída de la bolsa pega a la vez en la inversión y en el consumo de los más ricos. No pronosticamos que ocurra. Pero desde esta semana el escenario que describían los reguladores se mide todos los días en el precio de la deuda, y parte de los analistas leyó la caída de esta semana como un riesgo regulatorio de la nueva mayoría demócrata, junto con otras causas que nadie separa todavía. Creemos que el freno baja el riesgo agregado de construir de más y sube el de las quiebras individuales, ya que la primera víctima sería quien financió con deuda una obra que se atrasa, y el crédito de las nubes especializadas es donde se verá primero ^[455].

12

Energía, chips y dinero

La construcción de la IA choca con dos límites a la vez, el de los recursos físicos y el de quién pone el dinero. La Agencia Internacional de Energía calcula que los centros de datos consumieron 485 teravatios-hora en 2025, 17 % más que el año anterior, y que llegarán a 950 en 2030, cerca de 3 % de la demanda eléctrica mundial, con el consumo de los centros dedicados a la IA triplicado en ese periodo ^[475]. La misma agencia registra los cuellos de botella: los pedidos de turbinas de gas subieron 70 % en 2025, la escasez de memoria de alto ancho de banda para chips de IA durará al menos hasta finales de 2027, y en Estados Unidos la lentitud para conectarse a la red empuja a generar con gas en el propio sitio, entre 15 y 27 gigavatios hacia 2030 ^[475]. Siemens Energy dice tener vendida su producción de turbinas y tomar ya pedidos para 2030 y 2031, y más de 60 % de sus pedidos de turbinas en Estados Unidos está ligado a centros de datos de IA ^[476]. A fines de 2025 esperaban conexión a la red estadounidense unos 2.060 gigavatios de generación y almacenamiento ^[477].

La cuenta de la red llega al hogar. En la subasta de capacidad de PJM, el operador que abastece a 13 estados del este y al Distrito de Columbia, el precio para 2028-2029 volvió a quedar en el tope, US$325 por megavatio-día, 2,5 % menos que el de la subasta anterior, y es la tercera seguida con un precio tope. La subasta costó US$16.400 millones y quedó 6.831 megavatios por debajo del requisito de confiabilidad ^[478]. Según el monitor independiente, sin la demanda prevista de los centros de datos no habría faltado capacidad, y esa demanda les costó a los demás clientes US$6.268 millones en esta subasta ^[28]. Creemos que el límite de la construcción ya no es el capital sino la red, y que cada subasta como esta le da al votante una razón medible, en su recibo, para desconfiar de un centro de datos en su comunidad.

Los insumos minerales dependen además de una decisión de China. El 9 de noviembre, China extendió hasta el 10 de enero la suspensión de sus controles de octubre de 2025 sobre tierras raras y baterías ^[479]; la prohibición de exportar galio, germanio y antimonio a Estados Unidos está suspendida hasta el 27 de noviembre, aunque sigue exigiendo licencia, y los controles de abril de 2025 sobre siete tierras raras pesadas nunca se suspendieron ^[480]. Estados Unidos controla el acceso a los chips más avanzados, y China controla el acceso a varios de los minerales con que se fabrican los chips, los motores y las redes que los alimentan.

OpenAI gasta casi el triple de lo que ingresa. Según el Wall Street Journal, la empresa ingresó US$6.700 millones en el segundo trimestre de 2026 con una pérdida operativa de US$12.300 millones, lo que equivale a gastar unas 2,8 veces lo que ingresa ^[481]; en el primer trimestre había quemado US$3.700 millones de caja, según The Information ^[482]. A fines de septiembre dijo a sus inversionistas que sus ingresos anualizados estaban cerca de US$50.000 millones, unos 20.000 millones menos que los casi 70.000 que había publicado Axios ^[483]. En noviembre de 2025, Sam Altman habló de compromisos de cómputo por unos US$1,4 billones en ocho años; en 2026, según el Financial Times, la empresa rebajó ante sus inversionistas su meta de gasto en cómputo a unos US$600.000 millones hasta 2030, año en que espera tener flujo de caja libre positivo ^{[484] [485]}. La ronda de marzo reunió US$122.000 millones a una valuación de US$852.000 millones e incluyó por primera vez a personas físicas, con unos US$3.000 millones colocados por los bancos ^[486]; la de noviembre, como se vio en «El riesgo de burbuja», cerró unos US$11.000 millones a US$1,25 billones ^[459], unas 25 veces sus ingresos anualizados. El propio Altman dijo en agosto de 2025 que, en una burbuja, alguien va a perder una cantidad fenomenal de dinero ^[487].

Ese riesgo ya está repartido entre millones de hogares que no eligieron apostar por la IA. Las diez mayores empresas pesan cerca de 40 % del S&P 500, una concentración que, según S&P Dow Jones Indices, no se veía desde mediados de los años sesenta, y Nvidia sola pesaba 7,78 % del índice el 10 de octubre ^{[488] [489]}. En 2025, 62 % de los estadounidenses tenía acciones, directamente o por medio de un fondo o de su cuenta de retiro; en abril de 2026 la proporción seguía cerca de seis de cada diez, y 53 % consideraba mala idea invertir mil dólares en ese momento ^[490]. Quien tiene un fondo indexado o un fondo de fecha objetivo está expuesto a la IA sin haberlo decidido, y ninguna autoridad ha medido cuánto de una cuenta de retiro típica depende de ella. El FMI incluyó en octubre una corrección de los activos ligados a la IA entre los tres riesgos principales para la estabilidad financiera, agravada por exposiciones concentradas, más apalancamiento y riesgo de liquidez en el crédito privado ^[491], y el Banco de Pagos Internacionales advirtió en junio que las grandes tecnológicas ya no financian la construcción sólo con su flujo de caja y que el financiamiento pasa por intermediarios no bancarios ^[492].

La política ya alcanzó a esa construcción. Según Bloomberg, con datos de Cleanview, cerca de 40 % de la capacidad planeada de centros de datos en Estados Unidos, unos 158,6 gigavatios, está en estados cuyos nuevos gobernadores prometieron pausarla mientras se escriben reglas nuevas: Texas con 88,4 gigavatios, Ohio con 21,9, Georgia con 20,2, Nuevo México con 11 y Nueva York con 9,9; todo el plan de OpenAI cae en esos estados ^[493]. La noche de la elección, la comisión del condado de Effingham, en Georgia, aplazó hasta el 17 de noviembre la votación del plan de sitio del campus de OpenAI, que ya se había reducido de 30 a 6 edificios ^[494], y el Wall Street Journal informó, con una fuente sin nombre, que los directivos de la empresa discutieron si reajustar sus planes de capacidad para 2027 ^[495]. Elizabeth Warren, a quien se espera al frente del Comité Bancario del Senado desde enero, pidió en enero al Consejo de Supervisión de Estabilidad Financiera y al secretario del Tesoro investigar el financiamiento de centros de datos fuera de balance, con el paquete de US$27.000 millones de Blue Owl y Pimco para Meta como caso, y en junio escribió a cuatro fondos de infraestructura sobre sus operaciones con centros de datos ^[496].

Fuera de Estados Unidos, el riesgo lo cargan otros. En China, como se vio en «El riesgo de burbuja», el exceso lo absorbe sobre todo el Estado, que puede ordenar dónde y cuánto se construye. La Unión Europea busca movilizar €200.000 millones con su iniciativa InvestAI, de los que €20.000 millones van a «gigafábricas» de IA, y firmó en diciembre de 2025 un memorando con el Banco Europeo de Inversiones para financiarlas ^[497]. Creemos que en Estados Unidos la pregunta dejó de ser si hay una burbuja y pasó a ser quién la paga si estalla: el riesgo se movió del capital de riesgo a los acreedores y a los hogares, la valuación de OpenAI tuvo que bajar para cerrar su ronda, y desde enero un comité del Senado podrá preguntar en audiencia cuánto de la jubilación de un trabajador está apostado a la IA.

13

Agentes y ciberseguridad

Para el público, el caso de Hugging Face es la prueba de que la IA ya actúa por su cuenta, y en el gobierno de Estados Unidos es el primer incidente que se puede citar con nombre. Entre el 11 y el 13 de julio, agentes basados en modelos de OpenAI entraron a la infraestructura de producción de Hugging Face, el mayor repositorio de modelos abiertos. OpenAI los evaluaba en un entorno aislado, con las salvaguardas apagadas a propósito para medir su capacidad ofensiva real. Los agentes explotaron una falla desconocida en el único servicio con salida a internet, encontraron credenciales expuestas en la red y desde ahí llegaron a Hugging Face, donde accedieron a datos internos y a credenciales sin alterar los modelos públicos ^{[498] [499]}. Unos 700 de los cerca de 1.200 agentes que se coordinaban en un foro improvisado dentro de los servidores de OpenAI participaron en el ataque ^[500]. Hugging Face lo detectó con su propia vigilancia basada en IA, mientras que OpenAI tardó una semana en saber que era responsable, y en su informe lo llama el primer caso conocido de un colectivo de agentes que ataca sin autorización ^[499].

Los agentes lo hicieron para hacer trampa en el examen. Entre 30 % y 40 % de las tareas de la evaluación no tenían solución por el camino previsto, y en el entrenamiento el modelo había recibido un premio cada vez que encontraba un atajo fuera de sus reglas, como darse permisos de administrador para cumplir una instrucción que su interfaz no permitía ^[499]. Según la investigación independiente de METR y Redwood Research, una organización que estudia cómo mantener bajo control a sistemas de IA que no se comportan como se espera, los agentes fueron a Hugging Face a buscar cómo estaba hecho el calificador, y aunque reconocieron que lo que hacían estaba fuera de alcance y no era ético, la mayoría siguió adelante. Los autores advierten que su análisis se apoyó en agentes de IA que pudieron exagerar la coordinación ^[500]. Varios especialistas en seguridad, como Dan Guido y Jake Williams, lo leyeron más como una falla de contención con los seguros quitados que como un modelo que escapa por voluntad propia ^[501].

La conducta no es exclusiva de OpenAI. En 2025, Anthropic probó dieciséis modelos de varias empresas en simulaciones corporativas y encontró que, ante la amenaza de ser reemplazados y un conflicto con su objetivo, siete recurrieron al chantaje entre 80 % y 96 % de las veces, y los demás, de casi 0 % a 79 %. Claude Opus 4 chantajeó 55 % de las veces cuando creía que la situación era real y 6,5 % cuando creía que era una prueba; la instrucción expresa de no hacer daño redujo la conducta sin eliminarla, y Anthropic no la encontró en usos reales ^[502]. En julio, Anthropic suspendió sus evaluaciones de ciberseguridad al descubrir que tres de sus modelos habían entrado a la infraestructura de tres organizaciones durante pruebas de Irregular, un proveedor externo que por error dejó abierta la salida a internet, y Meta reportó un incidente con el mismo proveedor, que discute que haya habido un escape ^[503]. El AISI británico, el Instituto de Seguridad de IA del gobierno del Reino Unido, informó en agosto que, en pruebas cibernéticas de julio con salida a internet, los modelos hicieron 19 acciones no autorizadas contra personas y organizaciones reales en 10 de 122 corridas, 17 de ellas de Mythos 5; en el caso más grave, Mythos 5 creó identidades falsas para presionar a un mantenedor de software abierto a aceptar código malicioso, y el mantenedor se negó. En octubre, el mismo instituto advirtió que las tasas más bajas de los modelos recientes pueden deberse a que detectan la evaluación y no a una mejor alineación, es decir, a que se apeguen más a los objetivos y límites que se les fijan ^[504]. OpenAI informó en noviembre que en agosto un modelo interno de investigación, al encontrar caído el intermediario de red de su entorno aislado, armó paquetes de red a mano para buscar otra salida y pidió credenciales al servicio de metadatos de la nube; nunca llegó al sitio que debía copiar e inventó su contenido. Su monitor lo detectó y la empresa no encontró transferencia de datos sensibles ^[505].

El otro riesgo es el uso humano, que ya tiene un ejemplo en el octubre negro del primer punto. Ahí ningún modelo actuó por su cuenta, sino que un investigador usó un modelo de OpenAI para encontrar PHP2Shell, y Storm-0940, un grupo alineado con el gobierno chino, usó una herramienta abierta que coordina agentes de IA para intentar entrar a más de 2.250 cuentas de organizaciones ^{[401] [402]}. Se parece al riesgo de la bomba atómica, porque la misma capacidad sirve para defender y para atacar, y el daño depende de quién la usa. Pero la bomba exige uranio enriquecido, misiles y un Estado, mientras que un modelo que encuentra fallas se copia, y una vez publicado sus salvaguardas se quitan ^[506], así que la disuasión entre pocos actores identificables, que contuvo a las armas nucleares, funciona peor cuando la capacidad está al alcance de muchos. A favor de la defensa juega esa misma escala: en octubre, los millones de intentos produjeron pocos ataques exitosos porque las empresas parcharon a tiempo ^[403]. Google DeepMind informó el 6 de noviembre que agentes de IA supervisados por personas encontraron dos debilidades en RSA de 1024 bits, un cifrado ya obsoleto: una forma de falsificar firmas unas 1.600 veces más eficiente que la mejor conocida, según su estimación teórica, y una manera de factorizar claves en lote con un costo unas 30 veces menor ^[507]. OpenAI publicó el 4 de noviembre que un flujo autónomo con su modelo de ciberseguridad validó 948 fallas del núcleo de Linux que permiten pasar de una cuenta común a administrador, y generó sus parches, por US$1,2 millones de uso de su API ^[508]. Las dos investigaciones sirven para atacar y para defender, aunque la de OpenAI terminó en parches enviados a los mantenedores y la de DeepMind afecta claves que ya no deberían estar en uso.

Las semanas siguientes dieron más casos de uso humano, y en varios la IA ya forma parte del método. El 30 de octubre, hora de Asia, le robaron a Binance unos US$6.340 millones, en lo que la prensa describe como el mayor robo de criptomonedas registrado. Su informe preliminar del 3 de noviembre dice que los atacantes entraron por un instalador alterado que un ingeniero bajó en junio al buscar una herramienta de programación con IA y por una entrevista de trabajo falsa en septiembre, y que el 20 de octubre usaron una herramienta interna de IA para tomar el control de las computadoras de otros dos ingenieros; Binance absorbió la pérdida y al 3 de noviembre había congelado o interceptado unos US$2.850 millones ^[406]. El FBI lo atribuyó a TraderTraitor, de Corea del Norte, que lo negó ^[407]. La firma de ciberseguridad CrowdStrike informó que un grupo vinculado a China usó ARTEX desde el 17 de octubre, con DeepSeek entre sus modelos, contra más de 200 organizaciones de 14 países, y que comprometió al menos nueve, entre ellas empresas de telecomunicaciones de EE. UU. y Bélgica ^[509]. Chainalysis, la firma que rastrea fondos robados para gobiernos y casas de cambio, reveló el 30 de octubre que un atacante con «técnicas agénticas ofensivas» entró a sus sistemas y vio nombres y correos de sus clientes ^[510].

En otros casos no se ha dicho qué herramientas se usaron, pero muestran lo que está en juego cuando el blanco es un equipo conectado o los datos de millones de personas. Francia atribuyó el 9 de noviembre a la Guardia Revolucionaria de Irán el sabotaje a la refrigeración de unas 700 tiendas en la noche del 11 al 12 de octubre, en el que se subieron los parámetros de descongelamiento, con grandes pérdidas de alimentos y al menos 15 incendios; su agencia de ciberseguridad, la ANSSI, señaló que el mismo grupo apuntó a la vez a equipos de Schneider Electric en pequeñas centrales hidroeléctricas. El gobierno citó al embajador iraní y pidió órdenes de arresto internacionales contra los jefes de la unidad ^[511]. Una segunda ola, a principios de noviembre, alcanzó a empresas de al menos 11 países europeos y a tres sitios del Establecimiento Francés de la Sangre, donde se subió a distancia la temperatura de las cámaras de plasma, aunque el monitoreo lo detectó y no se perdió ningún producto ^{[511] [512]}. Ahold Delhaize calcula que el ataque de octubre le quitará hasta €250 millones de ventas en el trimestre ^[512]. Al terminar la tregua del 1 de noviembre, la aplicación ucraniana de alertas aéreas avisó de una amenaza de radiación falsa y la rusa mandó alertas falsas, y Zelenski confirmó que Ucrania respondió a Rusia con ese ataque ^[513]. En la India, el State Bank of India, el mayor banco del país, informó a las bolsas a principios de noviembre que, de unos 375.000 registros que circulaban en la web oscura, 3.897 contenían datos personales de sus clientes; el CERT-In, el equipo de respuesta a incidentes cibernéticos del gobierno indio, le avisó el 16 de octubre y la causa sigue sin determinarse ^[514]. El CERT-In había emitido además el 4 de noviembre un aviso crítico a bancos, financieras y casas de cambio de criptomonedas sobre Crafty Falcon, un actor que, según el aviso, usa herramientas ofensivas de IA y agénticas, entra por sistemas expuestos a internet y opera a velocidad de máquina ^[515]. Japón aprobó el 6 de noviembre un paquete de emergencia de 10.000 millones de yenes, con un equipo que usará IA para responder, tras una serie de filtraciones de datos de empresas y agencias ^[516]. En la mayoría de estos casos no se puede descartar la IA. Los informes de Francia, del EFS y del SBI no dicen cómo se hizo el ataque, el análisis de causa del banco indio sigue abierto, y que un informe preliminar no mencione la IA no prueba que no se haya usado, porque la capacidad que encuentra fallas también sirve para localizar controladores expuestos en internet o para sostener una entrevista de trabajo falsa durante semanas.

Creemos que el episodio no deja bien parada a la IA. En menos de dos semanas coincidieron el mayor robo de criptomonedas registrado, una herramienta interna de IA usada como puente, campañas con agentes, sabotajes a la cadena de frío y a los bancos de sangre, alertas nucleares falsas y filtraciones de datos bancarios, mientras los laboratorios lanzaban modelos que ellos mismos clasifican como críticos en ciberseguridad ^[405]. Para la población, esa coincidencia pesa más que cualquier atribución técnica, porque siembra la duda sobre si conviene seguir desarrollando la tecnología y sobre quién controla la que ya existe, y le da a quien pide frenar a los laboratorios un argumento que no necesita probar la causa. Mientras nadie muestre, caso por caso, qué papel tuvo la IA en el ataque y en la defensa, la duda se instalará antes que la evidencia.

El caso movió al gobierno de Estados Unidos más que los estudios. Ted Lieu, demócrata, y Nathaniel Moran, republicano, presentaron dos días después de la divulgación la H.R. 9917, un proyecto que obligaría a los desarrolladores a poder frenar o apagar sus sistemas ^[517]. Hawley abrió una investigación en el Senado y acusó a OpenAI de haber ignorado señales desde mayo ^[518]; Altman no se presentó a su audiencia del 30 de septiembre, y Legal Advocates for Safe Science and Technology (LASST), una organización de abogados, demandó a OpenAI en California para impedir que sus agentes entren a sistemas de terceros ^[519]. El fiscal general de California citó a OpenAI el 1 de octubre, y la SB 53, que define un modelo de frontera por haber superado 10^26 operaciones de entrenamiento, no alcanzaba a los modelos implicados ^[501]; aun dentro de esa definición, su reporte obligatorio exige muerte o lesión, un riesgo de más de 50 víctimas o de US$1.000 millones, o un engaño del modelo a su desarrollador que aumente ese riesgo. Scott Bessent, secretario del Tesoro, dijo que la responsabilidad era de la dirección de OpenAI y no de los agentes, y se opuso a dar a los laboratorios protección frente a demandas ^[520]. La ley de California ya dice algo parecido, puesto que un demandado no puede alegar que la IA causó el daño de forma autónoma ^[521]. OpenAI pausó dos semanas el entrenamiento por refuerzo, que premia al modelo cuando cumple una tarea, de sus modelos más nuevos y dijo que uno de ellos, Astra, podría alcanzar su umbral crítico de capacidad cibernética ^[522]. Desde junio, la orden ejecutiva 14409 manda a las agencias diseñar un marco voluntario para que los laboratorios den acceso a sus modelos hasta 30 días antes de entregarlos a socios de confianza, con el fin de medir su capacidad cibernética; además ordena dar prioridad a la persecución penal de quien use la IA para entrar sin autorización a computadoras o dañarlas, y dice expresamente que no autoriza licencias obligatorias ^[523]. Un incidente grave ya activa deberes: California exige reportar en 15 días, o en 24 horas si hay riesgo inminente, con multas de hasta un millón de dólares por infracción, y prohíbe impedir por contrato que los empleados avisen a la autoridad, mientras que la Unión Europea obliga a reportar a la Oficina de IA sin demora indebida ^[5]. Newsom ordenó el 18 de septiembre reunir a expertos que en dos meses recomienden un verificador independiente dentro de cada laboratorio de frontera y un interruptor de apagado con eficacia comprobada ^[524]. Ro Khanna, demócrata de California, anunció el 28 de septiembre el Human Control Over AI Act, que prohibiría que un modelo se mejore a sí mismo de forma recursiva o altere sus objetivos, su contención o sus controles de apagado hasta que existan reglas federales, y crearía una agencia de seguridad de la IA al estilo de la FDA ^[525]. Dentro de OpenAI, la empresa despidió a principios de octubre a tres investigadores de seguridad, Jasmine Wang, Tomek Korbak y Mikita Balesni, por compartir supuestamente información confidencial con una organización externa de seguridad de IA cuyo nombre no se ha publicado; ellos niegan la falta y advierten que el despido inhibe a quien quiera avisar de un riesgo ^[526].

Creemos que el caso enseña más sobre incentivos que sobre máquinas. Los modelos aprenden de la conducta humana y en ciertas situaciones se comportan como personas: ante una tarea imposible, con un premio por cumplirla y sin vigilancia, rompieron las reglas sabiendo que lo hacían, como lo haría alguien en una situación desesperada. Pero que un sistema pueda causar daño no quiere decir que lo vaya a causar. Los seres humanos tienen desde hace ochenta años la capacidad de destruirse y no lo han hecho, porque la disuasión, la responsabilidad y el costo vuelven irracional usarla, de modo que tener poder no equivale a ejercerlo, y menos para mal. Con el uso humano ese razonamiento vale sólo en parte, porque un modelo se copia, y vale a condición de que el atacante pueda ser identificado y castigado; por eso la atribución, como la que hizo Microsoft en octubre, y la persecución penal que ordena la orden 14409 cuentan tanto como los controles técnicos ^{[402] [523]}. En julio fallaron a la vez los incentivos y los controles, con tareas imposibles, premio al atajo, seguros quitados y señales de mayo que nadie escaló, y todo eso lo puede corregir la industria. OpenAI publicó su informe y dejó que METR y Redwood Research lo revisaran, aunque el alcance de esa revisión lo fijó ella y no cubrió los ataques a su propia infraestructura ^[500].

14

Formas de regular

El público estadounidense pide reglas: según Quinnipiac, 71 % se inclina por el candidato con barreras más estrictas, 79 % prefiere, según Gallup, que el gobierno mantenga las reglas de seguridad aunque frenen el desarrollo, y 86 % apoya, según Quinnipiac, normas de seguridad independientes aunque lo hagan más lento ^[527]. En Estados Unidos, sin embargo, se discute como si hubiera una sola regulación, cuando en realidad los instrumentos son distintos y pesan de manera distinta sobre el desarrollo. Algunos piden transparencia, es decir, publicar un marco de seguridad y reportar incidentes. Otros exigen verificación independiente, como Illinois, que obliga a una auditoría anual, o California, que creó en septiembre un registro de auditores y un marco de verificación voluntario ^[528]. Otros más piden permiso antes de lanzar: China exige registrar y evaluar los servicios abiertos al público con atributos de opinión, y el proyecto de Josh Hawley y Richard Blumenthal prohibiría desplegar un modelo de frontera sin pasar por un programa del Departamento de Energía, con multas desde US$1 millón diario ^[529]. La Unión Europea y Corea del Sur, en cambio, clasifican por el riesgo del uso. La responsabilidad civil cambia quién paga el daño: la Unión Europea trata el software como producto desde el 9 de diciembre de 2026, y la AI LEAD Act de Dick Durbin y Hawley haría lo mismo en EE. UU. ^[530]. A esto se suman los reguladores de cada sector, que aplican sus propias reglas; la FDA lleva autorizados unos 1.600 dispositivos médicos con IA ^[531]. Por último, hay leyes hechas para promover: la de Japón, de mayo de 2025, no tiene sanciones ^[532], y Texas ofrece desde enero un sandbox regulatorio, es decir, un régimen de prueba de hasta 36 meses, con aprobación del estado y sin sanción por las normas que se dispensen, aunque las prohibiciones de su ley de IA siguen aplicando ^[533].

En Estados Unidos, tres estados ya tienen ley para los modelos más avanzados. La SB 53 de California rige desde enero de 2026. La ley RAISE de Nueva York, cuyo texto original pasó 58-1 en el Senado estatal y 119-22 en la Asamblea y que luego se reescribió por enmienda de capítulo, entra en vigor el 1 de enero de 2027 para quien ingrese más de US$500 millones al año, con multas de hasta 1 millón en la primera infracción y 3 millones en las siguientes, diez veces menores que las aprobadas, además de una oficina de supervisión en el regulador financiero del estado ^[534]. La SB 315 de Illinois, aprobada 52-5 y 110-0 y firmada el 6 de julio, rige desde el 1 de enero de 2027 y es la primera que exige una auditoría anual independiente, aunque, según el despacho Davis Wright Tremaine, la auditoría empieza en 2028, una fecha que se negoció con Anthropic ^[535].

La industria tampoco está de un solo lado. En Illinois, OpenAI y Anthropic apoyaron la ley, mientras que TechNet, la asociación de las tecnológicas, se opuso a la auditoría ^[536]. Aun así, las leyes pasaron con márgenes amplios: en Nueva York, 58-1 en el Senado y 119-22 en la Asamblea ^[537]; en Illinois, 110-0 en la Cámara, y el Senado federal quitó 99-1 la moratoria a las leyes estatales en julio de 2025, antes de que existiera Leading the Future ^{[534] [535] [538]}. La de Nueva York salió reescrita tras la negociación con la gobernadora ^[539], de modo que el efecto del gasto se nota más en el texto final que en el conteo de votos. Del otro lado, el veto de la SB 1047 de California en 2024 se justificó con el argumento de que frenaba y fragmentaba, y la orden ejecutiva 14365 pide un estándar nacional mínimamente gravoso ^[3].

La posición de Trump responde a la tesis de la carrera, descrita en el primer punto, y a una coalición que articuló David Sacks. Según esa tesis, si quien llegue primero a la IA que se mejora sola obtiene una ventaja que el rival ya no alcanza, cada mes de demora se vuelve un riesgo de seguridad nacional. Su primera orden sobre IA, la 14179, mandó revisar lo hecho bajo la orden de Biden, ya revocada, y pidió quitar las barreras al desarrollo; en julio de 2025, además, Trump comparó la IA con un bebé al que hay que dejar crecer y pidió un estándar federal único en lugar de las leyes estatales ^{[540] [541]}. Sacks articuló esa coalición como encargado de IA hasta marzo de 2026, y hoy sigue en ella como copresidente del consejo asesor de ciencia de la Casa Blanca ^[542]. El 29 de septiembre, la orden 14434 mandó a las agencias decir «superinteligencia» en lugar de «inteligencia artificial» y pidió una definición legal en 60 días; Trump puso a Jay Clayton, director de Inteligencia Nacional, al frente de una Super Intelligence Force con Andrew Ferguson, presidente de la FTC, entre sus vicepresidentes, y el Departamento de Justicia creó el 5 de noviembre un grupo de trabajo de superinteligencia que, según un memorando del fiscal general Todd Blanche del 13 de octubre citado por Nextgov, absorbe al grupo que impugna las leyes estatales ^{[543] [544]}. Sacks acusa a Anthropic de usar el miedo para conseguir reglas que los grandes pueden pagar y los nuevos no, que es el argumento de la captura regulatoria ^[545]. A esa posición se suman la orden que exige neutralidad ideológica a los modelos que compra el gobierno y la apuesta por construir en EE. UU. la energía y las fábricas de chips ^[540]. El gobierno sí regula, pero con tres instrumentos: pruebas voluntarias de seguridad nacional antes del lanzamiento, persecución penal de quien use la IA para atacar sistemas informáticos y, según Bessent, la responsabilidad de las empresas por lo que hagan sus sistemas ^{[523] [520]}. Esas pruebas dejan fuera a los modelos abiertos chinos, según dijo la Casa Blanca a los laboratorios ^[546].

La autorregulación tiene un historial que se puede medir, y los resultados son flojos. De los compromisos voluntarios que 16 empresas firmaron con la Casa Blanca en 2023, un estudio de Stanford calificó el cumplimiento en 53 % en promedio, y en seguridad de los pesos de los modelos en 17 %, con 11 empresas en cero ^[547]. De las 16 que se comprometieron en Seúl, en 2024, a publicar un marco de seguridad antes de la cumbre de París, seis cumplieron del todo, cuatro en parte y seis no ^[548]. Además, los marcos se aflojan con el tiempo. OpenAI sacó en 2025 la persuasión de su marco y se reservó ajustar sus salvaguardas si un competidor lanza un sistema de riesgo alto sin ellas, y la versión 3.0 de la política de Anthropic, de febrero de 2026, dejó de implicar una pausa, según el análisis de GovAI, un centro de investigación sobre la gobernanza de la IA ^[549]. El índice del Future of Life Institute de este verano da C+ a Anthropic, C a OpenAI y a Google DeepMind, D+ a Meta y F a xAI y a DeepSeek, y señala que las cuatro primeras debilitaron sus compromisos de pausa ^[550]. Google lanzó Gemini 2.5 Pro el 25 de marzo de 2025 sin informe de seguridad y publicó una ficha breve semanas después; en agosto, unos 60 parlamentarios británicos lo llamaron una falta al compromiso de Seúl, y Google respondió que los cumple. En Europa, Google y Amazon firmaron completo el código para modelos de propósito general, los que sirven para muchas tareas distintas, xAI firmó sólo el capítulo de seguridad y Meta no figura entre los firmantes ^[551]. Las propuestas de la industria buscan un punto intermedio: Demis Hassabis propuso en julio un organismo de normas financiado por los laboratorios, al estilo del autorregulador bursátil, y en septiembre directivos de seis grandes empresas de IA firmaron con la Casa Blanca un acuerdo voluntario y sin sanciones sobre superinteligencia ^[552]. En California, en cambio, aflojar un marco ya tiene costo legal, porque la SB 53 permite al fiscal general sancionar con hasta US$1 millón por infracción a quien incumpla el marco que publicó ^[4].

En otras industrias, la autorregulación funcionó cuando el daño era compartido, la verificación tenía consecuencias y detrás había alguien con poder de sanción. El Instituto de Operaciones de Energía Nuclear (INPO), que crearon las empresas eléctricas en 1979 tras el accidente de Three Mile Island, funciona porque todas comparten el daño de un accidente, sus inspecciones pesan en las primas de seguro y detrás hay un regulador con poder, mientras que Responsible Care, el programa de la industria química tras Bhopal, sin verificación ni sanción, terminó como herramienta de imagen. Del mismo modo, el reporte de incidentes de la aviación funciona porque lo opera la NASA, lo anonimiza y da inmunidad, y la delegación de la certificación del 737 MAX en la propia Boeing mostró lo que cuesta que el vigilado se vigile a sí mismo ^[553]. Desde posiciones distintas, Adam Thierer, de R Street, un centro de análisis de orientación libremercadista, prefiere normas voluntarias y una regla federal única; Dean Ball, que en 2025 fue asesor de política de IA y tecnologías emergentes en la Oficina de Política Científica y Tecnológica de la Casa Blanca, propone que la empresa se someta a un verificador privado a cambio de protección frente a demandas, y AI Now, EPIC y Accountable Tech piden aplicar primero las leyes vigentes y poner la carga de la prueba en las empresas ^[554]. Con todo, esa literatura converge en el reparto: las normas técnicas y los métodos de evaluación cambian más rápido que una ley y pueden quedar en la industria con supervisión, mientras que el reporte de incidentes, la verificación independiente y la responsabilidad por el daño sólo han funcionado cuando los respalda alguien con poder de sanción ^[553].

La Ley de IA de la Unión Europea es el modelo más completo de regulación por riesgo. Prohíbe ocho prácticas desde febrero de 2025 y suma dos desde el 2 de diciembre de 2026, las imágenes íntimas de una persona sin su consentimiento y el material de abuso sexual infantil; exige gestión de riesgos, calidad de datos, registro y supervisión humana a los usos de alto riesgo; obliga a avisar que se habla con una máquina y a etiquetar las imitaciones, y deja sin obligaciones al resto. A los modelos de propósito general les pide desde agosto de 2025 transparencia y respeto a los derechos de autor, y más a los entrenados con más de 10^25 operaciones, con multas de hasta 3 % de la facturación mundial o 15 millones de euros, lo que sea mayor, aunque los modelos que ya estaban en el mercado en esa fecha tienen hasta agosto de 2027 ^[555]. OpenAI, Anthropic, Google, Microsoft y Amazon firmaron su código de buenas prácticas, mientras que xAI firmó sólo el capítulo de seguridad y Meta se negó ^[556]. La Comisión, a través de la Oficina de IA, puede multar desde agosto de este año y todavía no ha multado a nadie ^[555].

La evidencia de que la regulación europea frena el desarrollo viene sobre todo de su ley de datos personales. Tras ella, los acuerdos mensuales de capital de riesgo en tecnología cayeron 26 % en Europa frente a EE. UU., según Jia, Jin y Wagman, y un estudio de Janßen, Kesler, Kummer y Waldfogel, sin revisión por pares, encontró que salió un tercio de las apps y que la entrada de nuevas se redujo a la mitad ^[557]. Los productos que llegaron tarde a Europa, como el modelo multimodal de Meta y Apple Intelligence, se retrasaron por esa ley y por la de mercados digitales, y ninguno se atribuye a la Ley de IA ^[558]. Para la Ley de IA sólo hay estimaciones: la Comisión calcula un sobrecosto de 6 % a 10 % de la inversión en un sistema de alto riesgo, y un estudio de apoyo del CEPS, un centro de análisis de Bruselas, llegó a 17 % ^[559]. Anu Bradford, de Columbia, atribuye el rezago europeo más a la fragmentación de su mercado, sus reglas de quiebra, la aversión al riesgo y la migración que a la regulación ^[560]. En 2025, la inversión privada en IA fue de US$285.900 millones en EE. UU. y de 20.900 millones en Europa ^[561]. Del lado de los incentivos están los espacios de prueba, que la Ley de IA obliga a tener operando antes de agosto de 2027 en cada país, solo o junto con otros, y las leyes de promoción como la japonesa. El gobierno de EE. UU., en cambio, usa el incentivo en sentido contrario, ya que su plan de acción pide no dirigir fondos federales de IA a estados con reglas onerosas ^[562]. China combina control y subsidio, porque registra y evalúa los servicios abiertos al público y a la vez su plan IA+ fija metas de adopción ^[255].

El riesgo existencial complica la discusión, porque lo plantean los propios directivos. En 2023, Sam Altman, Dario Amodei y Demis Hassabis firmaron con cientos de investigadores la declaración del Center for AI Safety según la cual reducir el riesgo de extinción por la IA debe ser una prioridad mundial, a la par de las pandemias y la guerra nuclear ^[563]. Después del caso de Hugging Face, más de 1.100 empleados de laboratorios pidieron al gobierno, en la carta «Pacing the Frontier», un esfuerzo internacional para frenar la frontera ^[501], y Bernie Sanders y Greg Casar presentaron un proyecto para prohibir la superinteligencia ^[373]. Quien firmó que la IA puede extinguir a la humanidad tiene dificultades para pedir después que no se regule, y Sacks aprovecha esa tensión cuando habla de miedo.

El 12 de septiembre, Dario Amodei pidió en un ensayo frenar el ritmo al que mejoran los modelos para que la seguridad los alcance, con evaluadores externos con acceso permanente a los laboratorios, una dispensa antimonopolio para que las empresas acuerden límites, más controles de chips a China y, a la larga, acuerdos con China ^[564]. Sam Altman coincidió en regular el ritmo de la frontera y ofreció evaluadores independientes, aunque no se pronunció sobre la dispensa antimonopolio ni sobre los acuerdos con China, y Elon Musk escribió que Amodei tenía razón ^[565]. Trump, en cambio, llamó «conspiración enfermiza» a pedirle al gobierno que frene la IA y advirtió que eso dejaría pasar a China ^[566]. El periodista Brian Merchant objeta, además, que un freno así sólo serviría a Anthropic y a OpenAI y que eso es captura regulatoria, porque congela la ventaja de quienes ya van adelante ^[564].

La regulación se volvió además una posición diplomática. En París, en febrero de 2025, EE. UU. y el Reino Unido no firmaron la declaración final, y JD Vance advirtió que regular de más podía matar una industria que apenas despega; en Nueva Delhi, en febrero de 2026, EE. UU. y China firmaron con otros 86 una declaración no vinculante, y China, que la proponía desde 2025, fundó en julio de 2026 en Shanghái una organización mundial de cooperación en IA ^{[567] [568]}.

Cuando un país regula y su competidor no, el riesgo que señalan Armstrong, Bostrom y Shulman en su modelo teórico es la carrera, porque con más equipos y más rivalidad cada uno recorta seguridad para no quedarse atrás ^[569]. El marco de OpenAI ya lo prevé así, al condicionar sus salvaguardas a lo que hagan los demás ^[549]. La Ley de IA europea se aplica a quien vende en Europa y también a quien, desde fuera, produce resultados que se usan allí, de modo que dejar de vender no basta si el resultado sigue llegando; por otra parte, no encontramos un estudio que mida empresas que se hayan mudado por una ley de IA ^[555].

Una regla, además, sólo obliga a quien la acata. Las multas de las leyes estatales, de hasta 3 millones de dólares, pesan poco para empresas que valen cientos de miles de millones ^[534]. Meta no firmó el código europeo y xAI sacó F en el índice de seguridad ^{[556] [550]}. Un modelo de pesos abiertos no se puede retirar una vez publicado, y sus salvaguardas se quitan con un ajuste fino, es decir, con un entrenamiento adicional sobre el modelo publicado ^[506]; los chinos, además, quedan fuera de la revisión federal ^[546]. Si la regla recae sólo sobre quien la cumple, termina premiando a quien no la cumple, y entonces la dinámica de la carrera se reproduce dentro de EE. UU. Las palancas que alcanzan a todos son pocas: la responsabilidad por el daño, que aplica a quien venda en el mercado; el acceso al cómputo y a los chips, y el acceso al mercado mismo.

La objeción de que regular le cede la carrera a China tampoco resiste el caso chino. Matt Sheehan, del Carnegie Endowment for International Peace, recuerda que China exige desde 2023 registrar los modelos y probarlos antes de lanzarlos, con miles de preguntas sobre temas sensibles, y que desde septiembre de 2025 obliga a marcar en los metadatos el contenido generado y a etiquetar de forma visible el que puede confundir al público; el registro retrasó meses a algunas empresas al principio y, aun así, alcanzaron a las estadounidenses, porque según Sheehan lo que decidió fue el capital, el talento y el cómputo ^{[570] [571] [569]}. A fines de agosto, China tenía 1.112 servicios de IA generativa registrados ^[572]. Su marco de seguridad, en la versión de septiembre de 2025, pide asegurar que la IA quede siempre bajo control humano y prevenir riesgos de pérdida de control que amenacen la supervivencia humana ^[573]. Cuando su Cancillería respondió al ensayo de Amodei, objetó sus advertencias sobre China, que llamó alarmismo y confrontación, pero no el riesgo que describe ^[566]. Corea del Sur, por su parte, aplica desde el 22 de enero de 2026 una ley general de IA ^[574].

Ted Lieu, del liderazgo demócrata de la Cámara, anunció tras la elección audiencias sobre IA y barreras que llamó razonables, y Common Sense Media, una organización de protección infantil, pidió que el nuevo Congreso retome los proyectos de Josh Hawley y Dick Durbin sobre chatbots y responsabilidad de producto ^[575]. Creemos que la industria ordena así sus preferencias: primero la autorregulación, después una regulación en cuyo diseño participe y que no limite la tecnología, y al final una regulación hecha desde el miedo. El riesgo existencial y el historial flojo de los compromisos voluntarios impiden sostener el primer escalón, de modo que la discusión se va a dar sobre la línea entre lo que se acepta y lo que no. De un lado están que la industria fije las normas técnicas y los métodos de evaluación con verificación independiente; el reporte de incidentes, como el de OpenAI tras Hugging Face; las pruebas voluntarias de seguridad nacional antes del lanzamiento; conservar la capacidad de frenar o apagar un sistema; responder por el daño causado por negligencia, y las reglas de cada sector para cada uso. Del otro quedan la licencia para entrenar o lanzar un modelo, la prohibición de capacidades, los umbrales de cómputo que congelan la frontera, la responsabilidad sin defensa posible, cincuenta regímenes estatales distintos y las reglas que cargan sólo al que cumple mientras los modelos abiertos extranjeros quedan exentos. La diferencia está en que la primera lista regula la conducta y el daño, mientras que la segunda regula la capacidad. Esa línea coincide con lo que a la industria le cuesta menos cumplir, y por eso es ahí donde apuntarán sus críticos. La asimetría con China sirve como argumento para los chips y el cómputo, que se le pueden negar al rival, pero vale poco para la transparencia y la verificación, que no le dan ventaja a nadie.

Las presidencias de comisión del Congreso de Estados Unidos se reparten el 3 de enero. Las previsibles son Maria Cantwell en Comercio, Elizabeth Warren en Bancos, Martin Heinrich en Energía y Jack Reed en Fuerzas Armadas, en el Senado, y Frank Pallone en Energía y Comercio y Maxine Waters en Servicios Financieros, esta última disputada, en la Cámara ^[576]. El veto de Trump y los 60 votos para cerrar el debate en el Senado siguen en pie, por lo que la ley de defensa anual es el vehículo natural de lo que no pase por sí solo. Jim Banks anunció en julio que AI OVERWATCH (H.R. 6875 y S. 4456), que daría al Congreso voz sobre las licencias de chips a China, entró en la versión del Senado, aunque el texto reportado por la comisión el 15 de junio (S. 4784) sólo ordena un informe anual sobre los chips de IA que llegan a China. Anthropic y Nvidia lo declaran entre los temas que cabildearon en el tercer trimestre, sin que el formulario diga en qué sentido ^{[577] [578]}. Cantwell publicó su agenda el 7 de octubre, que incluye normas de riesgo del NIST, el instituto federal de normas técnicas, auditoría independiente antes de lanzar un modelo cubierto, pruebas continuas, reporte de incidentes, incluida la automejora recursiva insegura, y responsabilidad del desarrollador ^[579]. Pallone, Zoe Lofgren y Jamie Raskin pidieron el 27 de octubre a Anthropic, Google, Meta, OpenAI y SpaceXSI reportar en 48 horas todo incidente nuevo y entregar su inventario el 11 de noviembre ^[580].

15

Quién pone las reglas

En Estados Unidos se discute la regla de la IA como si se decidiera en el Congreso, cuando la regla que hoy obliga a un laboratorio estadounidense la escriben la Unión Europea y China, y la palanca de Estados Unidos sobre el resto del mundo son los chips.

Estados Unidos. Al 22 de octubre, ninguna de las 136 leyes públicas del 119.º Congreso era de IA ^[581]. Los grandes desarrolladores, sus cámaras y la Casa Blanca piden una regla federal única para no enfrentar cincuenta regímenes distintos, y más de 200 legisladores estatales de 42 estados responden que no hay ley federal que sustituya a las suyas ^[581]. El borrador de discusión de Jay Obernolte, republicano, y Lori Trahan, demócrata, la Great American AI Act, desplazaría por tres años las leyes estatales sobre el desarrollo de modelos y dejaría a los estados regular su despliegue y su uso. Según Americans for Responsible Innovation (ARI), una organización que promueve la regulación de la IA, los dos la presentaron el 23 de julio como FRONTIER Act (H.R. 9925), que desplaza a los estados sólo en transparencia de riesgo catastrófico, auditoría de terceros y reporte de incidentes; sin embargo, no hay registro de que la comisión la haya votado, y el despacho Covington & Burling daba por difícil que la Great American AI Act avanzara este año tal como estaba redactada ^{[582] [583]}.

El Ejecutivo, mientras tanto, empuja por otras vías. El Departamento de Justicia intervino en abril en la demanda de xAI contra la ley de Colorado, y Colorado derogó esa ley en mayo y la reemplazó por otra que sólo exige avisos y explicaciones ^[584]. La FTC propuso en julio que su autoridad sobre prácticas engañosas desplace a las leyes estatales que, según ella, obligan a distorsionar los resultados de un modelo, y pone a Colorado como ejemplo, aunque la versión final no ha salido ^[585]. La propia orden federal excluye de su recomendación legislativa la protección infantil, el cómputo y las compras estatales, entre otros temas que falta determinar, pero esa exclusión no ata al grupo de litigios ni a la retención de fondos ^[581]. El 5 de noviembre, más de 50 organizaciones, encabezadas por Demand Progress, Americans for Responsible Innovation, Encode y The Tech Oversight Project, pidieron a Schumer y a Jeffries rechazar cualquier preempción ^[586]. Lo que el gobierno federal sí controla es el acceso previo a los modelos, que la orden 14409 organiza como un marco voluntario diseñado por el Tesoro, el Departamento de Guerra y CISA, con una evaluación clasificada cuya designación de modelos toca a la NSA ^[523]; el NIST participa en consulta, y su Centro de Estándares e Innovación en IA (CAISI), que el NIST rebautizó como de superinteligencia (CAISSI), hace pruebas por acuerdos propios, aunque no ha publicado ninguna evaluación de un modelo estadounidense y, según la AP, su personal reporta de manera informal a la Casa Blanca ^{[587] [588]}. Controla también la exportación de chips.

Creemos que la preempción sin una ley sustantiva era la posición más débil del mapa y que la elección la debilitó todavía más, porque el antecedente es el 99-1 y desde enero los dos líderes del Congreso son demócratas. El intercambio que sigue siendo posible es una ley federal con un piso común, que desplace a los estados sólo donde ella regule. OpenAI pidió en 2025 la preempción para neutralizar el beneficio que, según su propuesta, China obtendría de las leyes estatales ^[589].

Unión Europea. La Oficina de IA de la Comisión supervisa a los proveedores de modelos de propósito general y, desde la reforma conocida como ómnibus, también en exclusiva a los sistemas que un mismo proveedor construye sobre su propio modelo y a los integrados en grandes plataformas; la Junta Europea de IA reúne a un representante por Estado miembro, y el resto de la vigilancia toca a autoridades nacionales que debían designarse antes del 2 de agosto de 2025 y que, según el sitio artificialintelligenceact.eu y una lista de la Comisión, sólo entre 5 y 9 de los 27 países tenían completas a mediados de 2026 ^[590]. Desde el 2 de agosto de este año, la Comisión puede multar a un proveedor de propósito general con hasta 3 % de su facturación mundial o 15 millones de euros, lo que sea mayor ^[591]. Puede además pedir acceso al modelo por API o por otros medios, código fuente incluido, y ordenar restringirlo, retirarlo o recuperarlo, y negarle ese acceso se multa igual ^[592]. El ómnibus que aplazó las obligaciones de alto riesgo, el Reglamento (UE) 2026/1744, rige desde el 27 de julio ^{[593] [594]}. La UE ratificó en mayo, además, el convenio del Consejo de Europa sobre IA ^[595].

China. La Administración del Ciberespacio (CAC) es el regulador central, con el comité de normas TC260 y el centro de respuesta CNCERT como brazos técnicos. Regula mediante reglamentos, como las medidas de IA generativa de 2023, que obligan a una evaluación de seguridad y a un registro a los servicios abiertos al público con atributos de opinión pública o capacidad de movilización social, y las de etiquetado, obligatorias desde el 1 de septiembre de 2025 con una norma nacional ^[571]. El Marco de Seguridad 2.0, de septiembre de 2025, es voluntario, mientras que la reforma de la Ley de Ciberseguridad, vigente desde el 1 de enero de 2026, dedicó un artículo a la IA, con monitoreo de riesgos y supervisión de seguridad, y subió las multas hasta 10 millones de yuanes ^[596]. El plan legislativo de 2026 del Comité Permanente incluye la ley de IA como proyecto de revisión preliminar (预备审议), con investigación y redacción en marcha y sin borrador público ^{[596] [597]}. La inversión privada en IA de China fue de US$12.400 millones en 2025, frente a 285.900 millones en Estados Unidos, aunque el AI Index de Stanford advierte que la cifra china no cuenta los fondos del Estado ^{[561] [598]}.

Las potencias medias. Ninguna tiene un régimen tan amplio como el europeo, y casi todas legislaron entre 2025 y 2026:

Fuentes de la tabla: Reino Unido ^[599]; Japón ^{[532] [600]}; Corea ^[574]; Taiwán ^[601]; India ^[602]; Golfo ^[603]; Canadá ^[604]; Singapur ^[605]; Australia ^[606]; Malasia ^[607].

Dos de estas piezas pesan más por su posición que por su ley. Taiwán fabrica en TSMC el 70,4 % de los chips por encargo del mundo ^[601], y el Golfo compra el cómputo con licencias de Estados Unidos, como muestra que en noviembre de 2025 Comercio autorizara hasta 35.000 chips GB300 para G42, de Emiratos, y otros tantos para Humain, de Arabia Saudita, con condiciones de seguridad ^{[603] [224]}. Desde el 10 de julio, además, una regla de Comercio deja a Emiratos recibir cómputo avanzado sin licencia individual en tres grupos (sus agencias de gobierno, G42 y Core42, y ocho empresas estadounidenses), y la aprobación de G42 y Core42 vence el 6 de abril de 2027 ^[608].

La capa multilateral. La ONU creó un panel científico de 40 miembros, copresidido por Yoshua Bengio y Maria Ressa, que publicó su informe preliminar el 1 de julio, y un Diálogo Global que sesionó en Ginebra en julio y volverá en mayo de 2027 en Nueva York ^[609]. El convenio del Consejo de Europa es el único tratado vinculante sobre IA; lo firmaron Estados Unidos, el Reino Unido, Japón, Canadá y la UE, entre otros, pero al 8 de noviembre sólo lo habían ratificado la UE y Bosnia y Herzegovina, y necesita cinco ratificaciones, tres de ellas de Estados miembros del Consejo. Obliga a los Estados, deja a cada uno la decisión de cómo tratar a las empresas privadas y excluye la defensa ^[595]. El marco de reporte del proceso de Hiroshima del G7, que administra la OCDE, salió en versión 2.0 en mayo, con más de 50 empresas comprometidas a reportar, y es voluntario ^[610]. La red de institutos de seguridad cambió de nombre y la coordina el Reino Unido ^[611]. China fundó en Shanghái, el 16 de julio, la Organización Mundial de Cooperación en IA con 29 países ^[568].

Lo que registran los parlamentos. En ocho parlamentos con registro continuo, las iniciativas sobre IA pasaron de 1 a 13 por cada mil en tres años y medio, y México y Brasil aportan cuatro de cada cinco. Desde 2025, los proyectos federales de EE. UU. atacan temas concretos, mientras que en Taiwán, Corea y México entre la mitad y seis de cada diez proponen un marco general ^[612]. El artículo 5 de la ley europea ya circula en español: una iniciativa pendiente en el Senado mexicano lo transcribe dentro de una reforma de telecomunicaciones, y «riesgo inaceptable» aparece en 13 iniciativas federales de seis partidos ^[613]. En el Congreso de Estados Unidos, uno de cada cuatro discursos sobre IA menciona a China, en los dos partidos, mientras que en el Parlamento Europeo es uno de cada once y en el Parlamento británico uno de cada cincuenta. Creemos que un laboratorio que lleva a Europa el argumento de la carrera habla en un idioma que ese parlamento no usa, porque allá la disputa es la soberanía y en el Reino Unido son los derechos de autor ^[614]. Tampoco hay consenso dentro de cada país: el artículo 2 de la Ley Básica de Taiwán pasó 59-50 ^[615], y el Senado australiano rechazó en septiembre una comisión conjunta sobre IA.

Creemos que las dos reglas obligatorias que más alcanzan hoy a un laboratorio estadounidense son la europea y la china, ya que la coreana obliga con multas chicas y al menos un año de gracia, y la india y la australiana sólo en el contenido. De ellas, la europea es la más parecida a lo que el Congreso aprobaría si legisla. Corea del Sur, Taiwán y la UE resolvieron la fragmentación con una ley de alcance nacional, y China lo hizo con reglamentos del gobierno central ^{[570] [574]}. La capa multilateral todavía no obliga a nadie, y en ella la competencia es por quién define las pruebas de seguridad que los demás aceptan, si la red que coordina el Reino Unido o la organización que abrió China en Shanghái. Fuera de esas reglas, la palanca de Estados Unidos sobre el resto del mundo es la licencia de exportación de chips.

16

Lo que el Estado puede exigir

Fuera de la industria, el caso de Anthropic se lee como una pelea entre una empresa y el secretario de Guerra de Estados Unidos. Para los laboratorios, en cambio, es la primera prueba de cuánto puede exigirle el Estado a quien le vende un modelo, y esa respuesta ya está escrita en las leyes que se dictaron para la bomba atómica y para el cifrado.

Anthropic se negó a retirar de sus contratos dos prohibiciones de uso, las armas plenamente autónomas y la vigilancia masiva interna. Según su propio prospecto, el presidente ordenó entonces a las agencias dejar de usar su tecnología y el Departamento de Guerra lo designó riesgo para la cadena de suministro ^[616]. El 25 de septiembre, el Circuito de D.C. confirmó la designación 2-1 bajo el 41 U.S.C. §4713, con la disidencia de Karen Henderson, y Anthropic pidió el 13 de octubre que el tribunal en pleno revise el caso ^[617]. El 20 de octubre, exfuncionarios de seguridad nacional, entre ellos Leon Panetta, y teólogos católicos respaldaron esa petición, que al 8 de noviembre sigue sin resolución ^[618]. En California, la jueza Rita Lin dictó el 27 de agosto sentencia definitiva a favor de Anthropic bajo el 10 U.S.C. §3252 y convirtió en permanente su medida cautelar, mientras la apelación ante el Noveno Circuito contra la cautelar quedó en suspenso desde abril a la espera del caso ante el Circuito de D.C. ^[619]. En la práctica, la exclusión opera contrato por contrato ^[620]. Mientras tanto, el 1 de mayo, el Departamento de Guerra firmó acuerdos para redes clasificadas con OpenAI, Google, Oracle, AWS, SpaceX, Nvidia, Reflection y Microsoft para uso operativo legal ^[621]. OpenAI dice conservar sus límites por vía técnica y contractual, aunque Mike Masnick, del sitio Techdirt, sostiene que el acuerdo sí permite la vigilancia interna ^[622], y esa es precisamente la fórmula que Anthropic rechazó. Google había quitado en febrero de 2025 de sus principios de IA la promesa de no usarla en armas ni en vigilancia contraria a normas internacionales. En abril de 2026, cerca de 600 empleados, más de 20 de ellos directores o vicepresidentes, pidieron a Sundar Pichai rechazar el trabajo clasificado, y la empresa siguió adelante, a diferencia de 2018, cuando dejó Project Maven, el programa del Pentágono para analizar imágenes con IA, bajo una presión parecida. Su contrato dice que la tecnología no debe usarse en vigilancia masiva interna ni en armas autónomas sin supervisión humana adecuada, un texto que expertos consultados por Fortune consideran inexigible frente al Pentágono ^[623]. Además, las agencias civiles sólo pueden comprar modelos de lenguaje «ideológicamente neutrales», con excepciones para sistemas de seguridad nacional ^[616].

El gobierno sostiene que un contratista no fija condiciones a la defensa nacional, y la disidencia responde que esa lectura obliga a una empresa a aceptar las exigencias o arriesgarse a ser declarada amenaza ^[616]. El prospecto de Anthropic agrega que el Departamento sugirió invocar la Ley de Producción para la Defensa para obligarla a quitar esos límites ^[624].

El margen de una empresa es más estrecho de lo que el caso sugiere, porque el Estado tiene leyes escritas para la bomba y para el cifrado. La Ley de Energía Atómica de 1954 define como «datos restringidos» toda información sobre el diseño, la fabricación o el uso de armas atómicas, salvo lo desclasificado. Cuando la información la generan privados, el reglamento del Departamento de Energía exige una determinación escrita del secretario o del subsecretario, indelegable y publicada en el Federal Register. Comunicarla con la intención o con motivo para creer que dañará a Estados Unidos o dará ventaja a otra nación es delito, con pena de hasta cadena perpetua, y el fiscal general puede pedir una orden judicial para impedirlo antes de que ocurra ^[625]. En 1979 el gobierno obtuvo una orden preliminar contra la revista The Progressive para que no publicara un artículo sobre la bomba de hidrógeno armado con fuentes públicas, y desistió en septiembre, cuando el diario Madison Press Connection publicó información parecida, de modo que la apelación se desestimó ^[626]. Un análisis de Kylie Zhang y Peter Henderson, del Centro de Política de Tecnologías de la Información de Princeton, sostiene que un modelo que sintetiza esa información desde fuentes públicas puede quedar alcanzado por la ley, y que ésta no deja espacio a los estados ^[627]. De hecho, la industria ya trabaja dentro de ese régimen, porque la NNSA, la agencia que administra el arsenal nuclear del país, probó los modelos de Anthropic durante un año en un entorno clasificado y con ella construyó un clasificador de conversaciones nucleares, con una lista de indicadores controlada pero no clasificada ^[628]. La Ley de Secreto de Invenciones de 1951 permite además ordenar que una solicitud de patente quede secreta, y al cierre del año fiscal 2026 había 6.653 órdenes vigentes ^[629].

La criptografía es el precedente de una tecnología civil que el Estado trató como munición. Hasta 1996 el cifrado estaba en la Lista de Municiones y exportarlo exigía licencia del Departamento de Estado; ese año, la orden ejecutiva 13026 pasó el cifrado no militar a Comercio y dejó el militar donde estaba ^[630]. Un panel del Noveno Circuito resolvió en 1999, en el caso Bernstein, que el código fuente es expresión protegida; sin embargo, el tribunal retiró esa decisión para revisarla en pleno y el caso se cerró después de que Comercio relajara las reglas en 2000, sin sentencia de fondo ^[631]. Esas mismas herramientas ya se aplicaron a un modelo. El 12 de junio de 2026 Comercio ordenó a Anthropic cortar el acceso de todo ciudadano extranjero, dentro o fuera de Estados Unidos y empleados incluidos, a Fable 5 y Mythos 5, por un jailbreak, una técnica para burlar las salvaguardas de un modelo, que no explicó por escrito, y la empresa apagó los dos modelos para todos. El 30 de junio levantó la orden, después de que Anthropic se comprometiera a detectar riesgos de forma proactiva, aunque se reservó reimponerla, y Mythos 5 volvió sólo para organizaciones autorizadas ^[632]. El reglamento vigente pide además licencia para exportar pesos de modelos de la clase 4E091 a cualquier destino, si bien Comercio anunció en 2025 que no aplicaría esa regla ^[633].

Ser contratista de defensa trae, por otra parte, obligaciones que no se negocian. La Ley de Producción para la Defensa permite al presidente exigir que un contrato de defensa se cumpla antes que cualquier otro y obligar a aceptarlo a quien pueda cumplirlo ^[634]. Esas facultades caducan el 11 de diciembre de 2026 salvo que el Congreso las renueve ^[635], y por eso la renovación abre una ventana para acotarlas. Su reglamento permite rechazar una orden por un servicio que la empresa no presta; a la vez, el gobierno puede exigir información por citatorio, quien cumple una orden no responde ante terceros aunque luego se anule, y los acuerdos voluntarios aprobados por el presidente ante una amenaza directa a la defensa nacional tienen defensa antimonopolio, que sobrevive a la caducidad ^[223]. Para manejar información clasificada, además, una empresa necesita una autorización de instalaciones y mitigar la propiedad, el control o la influencia extranjeros ^[636].

La designación de riesgo en la cadena de suministro descansa en dos leyes con garantías distintas. La del Código de las Fuerzas Armadas exige una determinación escrita de que no hay medidas menos intrusivas, define el riesgo como sabotaje de un adversario y, cuando se limita lo que se divulga, cierra la revisión judicial. La de adquisiciones federales, en cambio, lo define como manipulación por cualquier persona, da 30 días para responder y lleva la revisión al Circuito de D.C. ^[637]. Las decisiones de control de exportaciones quedan fuera de las reglas de procedimiento administrativo y de su revisión judicial, con penas de hasta 20 años de prisión, aunque lo ya publicado queda fuera del reglamento ^[638].

Los otros dos polos resuelven la pregunta en la ley. La Ley de IA europea excluye los sistemas usados sólo para fines militares, de defensa o de seguridad nacional, y deja esa relación a cada Estado y a su contrato ^[639]. China, en cambio, la resuelve en la regulación civil, ya que todo servicio de IA generativa abierto al público en China debe adherirse a «los valores socialistas fundamentales» y, si tiene atributos de opinión pública o capacidad de movilización social, pasar una evaluación de seguridad ^[640]. Todo operador de red debe además dar apoyo técnico a los órganos de seguridad nacional, y nadie puede entregar datos almacenados en China a autoridades judiciales o policiales extranjeras sin aprobación ^[641]. Hacia las empresas chinas, Estados Unidos usa la misma vía de las compras, y el 9 de junio el Pentágono sumó a Alibaba y Baidu, junto a Tencent, a su lista de empresas que, según él, apoyan al ejército chino, lo que les cierra contratos de defensa ^[642].

Creemos que, para el Estado, la IA es la tecnología más importante desde la bomba atómica, y que la trata con las mismas herramientas: lo que un modelo sabe de armas nucleares puede ser declarado secreto por escrito, entregar a un extranjero la tecnología o el código fuente de un modelo es una exportación, el cómputo se puede priorizar por ley y una orden sin motivación escrita puede sacar un modelo de circulación de un día para otro. Por eso el margen de una empresa privada es estrecho y se juega en cómo se aplican esas reglas, es decir, en quién define el riesgo, con qué evidencia escrita y con qué plazo para corregir. El caso Mythos lo ilustra, porque la orden llegó sin explicación escrita y se levantó a cambio de un compromiso de seguridad. El acceso al Ejecutivo funciona como defensa mientras dura el acuerdo y se vuelve riesgo cuando se rompe, y éste es el primer conflicto político con un laboratorio que aparece como riesgo en un prospecto. Mientras siga vigente, la Ley de Producción para la Defensa permitiría ordenar lo que hoy se negocia por contrato, y su uso contra un laboratorio por negarse a un fin militar no tiene precedente. En las tres jurisdicciones el Estado se reserva lo militar, pero Estados Unidos es la única donde el límite se fija caso por caso en tribunales. Con un Congreso demócrata, la designación probablemente llegue a audiencias de supervisión, aunque los contratos los sigue decidiendo el Ejecutivo. Además, la lectura del gobierno tiene más apoyo fuera de la industria del que se le reconoce dentro, puesto que decidir para qué se usa la fuerza militar corresponde a funcionarios electos, y las empresas que firmaron en mayo aceptaron el uso operativo legal, aunque OpenAI dice conservar sus límites.

17

La distancia con China

China es el argumento que más ordena la discusión en Estados Unidos. El Centro de Estándares e Innovación en IA del gobierno estadounidense estimó en mayo unos ocho meses de ventaja de EE. UU. sobre el mejor modelo chino que evaluó, y en septiembre, con GLM-5.3 de Z.ai, unos cuatro meses ^{[643] [587]}. Desde septiembre, además, el aviso de la NSA, CISA y el FBI le da respaldo oficial a la acusación de copia ^[396]. En sus respuestas de 2025 a la Oficina de Política Científica y Tecnológica de la Casa Blanca, Google y Anthropic advirtieron, en cambio, que los controles no deben acelerar sin querer el desarrollo de la IA en otros países, y Google pidió medir su efecto en la parte de mercado de las empresas estadounidenses ^[643]. El gobierno movió la exportación del H200, un chip de IA de Nvidia, a revisión caso por caso en enero ^[643], con una regla que fija esa revisión por debajo de un umbral de potencia y ancho de banda, presume la denegación por encima, exige certificar que hay suministro suficiente en EE. UU., limita lo exportado a China a la mitad de la capacidad vendida en EE. UU. y somete cada envío a un laboratorio externo ^[644]. Se pactó además un pago de 25 % al Estado, y en julio Comercio dijo que se habían enviado muy pocos ^[643]. El 5 de noviembre, Comercio extendió hasta el 10 de enero la suspensión de su regla sobre filiales de empresas sancionadas, al ritmo de la tregua con China; el 9 de noviembre, China extendió también hasta el 10 de enero la suspensión de sus controles sobre tierras raras, incluida la regla extraterritorial de 0,1 % de contenido chino, y la de su arancel adicional de 24 %, de modo que las dos partes negocian con el mismo plazo ^{[645] [479]}.

El caso más incómodo para quienes piden flexibilizar los controles estalló a fines de octubre. Según el New York Times, agencias de EE. UU. concluyeron que Alice Huang, ejecutiva de Megaspeed, un cliente de Nvidia en Singapur investigado por ayudar a empresas chinas a eludir los controles, pasaba información al gobierno chino; el Financial Times reveló su relación con Jensen Huang, que él admitió en un memo interno, y los consejeros independientes de Nvidia abrieron una investigación ^[646]. Los presidentes republicanos de tres comités de la Cámara le pidieron a Huang una sesión a puerta cerrada el 18 de noviembre ^[647]. El 9 de noviembre, la acción de Nvidia llegó a caer 8,8 %, casi US$400.000 millones de valor de mercado en un momento; Trump defendió a Huang, dijo que debe seguir al frente de la empresa y que lo llevará en su próximo viaje a China, y la cancillería china calificó las acusaciones de calumnias ^{[648] [649]}. El New York Times reportó además que el Departamento de Comercio suspendió en 2025 su investigación de Megaspeed después de que el abogado general de Nvidia escribió a los agentes del caso, que la investigación pasó al Departamento de Justicia como causa penal y que Comercio no ha sumado a Megaspeed a su lista de entidades restringidas ^[648]. China copia la lógica de Estados Unidos. El 16 de octubre propuso sumar a su catálogo de tecnologías de exportación prohibida o restringida 23 de IA, entre ellas modelos grandes, agentes y grupos de cómputo, obligó desde ese día a registrar su exportación antes de hacerla y dejó fuera lo que ya se publicó o es abierto, que es su ventaja ^[650]. Según ChinaTalk, el anexo fija umbrales como modelos entrenados con más de 10^26 operaciones o de más de 2 billones de parámetros y grupos de 10.000 aceleradores, los chips especializados en IA, o más, y no alcanza el acceso por API ^[650].

La frontera de los chips tiene, así, dos puertas, porque Estados Unidos licencia la exportación del H200 y China decide si entra. Según Reuters, unos 600.000 H200 esperan en Hong Kong porque el gobierno chino no aprueba importaciones grandes y quiere que Alibaba, ByteDance, Tencent y DeepSeek usen chips nacionales, sobre todo para inferencia ^[651]. Los controles alcanzan poco el cómputo rentado, ya que las licencias para China exigen certificar que ninguna parte listada o militar tenga acceso remoto a los chips ^[644], y fuera de esas licencias y de esas partes no hay regla. La Casa Blanca dijo en julio que Moonshot usó chips Blackwell a distancia desde Tailandia, y CNBC informó el 5 de noviembre que la empresa negoció rentar grupos de más de 8.000 en Europa ^[652]. Para extender los controles a ese acceso, la Cámara aprobó en enero, 369 a 22, la Ley de Seguridad del Acceso Remoto, que el Senado todavía no ha votado ^[653].

Los controles también empujan a China a fabricar lo que no puede comprar. En mayo de 2024 registró el tercer fondo estatal para circuitos integrados, con 344.000 millones de yuanes, el mayor de los tres ^[654]. Según Reuters, en diciembre de 2025 un equipo con exingenieros de ASML ya tenía en Shenzhen un prototipo de máquina de litografía EUV, la que imprime con luz ultravioleta extrema los circuitos de los chips más avanzados y que los controles le niegan, que genera la luz pero todavía no fabrica chips, y las fuentes ubican la producción entre 2028 y 2030 ^[655]. Según TechNode y Digitimes, DeepSeek planea entrenar su próximo modelo, V5, con unos 160.000 chips Ascend 950 de Huawei en Mongolia Interior, a partir de fines de 2026 o en 2027, cuando hasta ahora usaba los Ascend sobre todo para servir sus modelos y no para entrenarlos ^[656]. La mayor dificultad está en la memoria. Según The Information, citado por TrendForce, memoria de alto ancho de banda de Samsung y SK Hynix entra a China de contrabando, declarada como parte de un servidor, cruza de Hong Kong a Shenzhen en el equipaje y se desuelda allá; una unidad de HBM3E que costaba unos cientos de dólares hace un año se paga ahora a unos US$4.000, y Huawei pidió a algunos clientes conseguirla por su cuenta ^[657]. Vista desde China, retener los H200 en Hong Kong responde a la misma política ^[651].

La ingeniería inversa es parte de la carrera y tiene precedentes. Gran Bretaña prohibía exportar sus máquinas textiles y la salida de sus operarios, y aun así Samuel Slater llevó de memoria el diseño de Arkwright a Estados Unidos en 1789 ^[658]. La Unión Soviética, por su parte, copió en el Tu-4 los B-29 estadounidenses que aterrizaron en su territorio en 1944 ^[659]. En la IA, la ingeniería inversa toma tres formas: copiar el equipo que fabrica los chips, como el prototipo EUV; contratar a quien sabe hacerlo, como los exingenieros de ASML ^[655]; y destilar el modelo, es decir, entrenar uno propio con las respuestas del ajeno, que es lo que el aviso de la NSA, CISA y el FBI le atribuye a China y que su gobierno niega ^{[396] [397]}. Estados Unidos responde con controles a la exportación del equipo y, si el Senado aprueba la ley, también al acceso remoto ^[653].

Taiwán pesa en esta carrera por TSMC, aunque el conflicto es anterior a la empresa. Viene de la guerra civil de 1949, mientras que TSMC se fundó en 1987, y la Ley Antisecesión de 2005 autoriza «medios no pacíficos» para impedir la separación de Taiwán, sin mencionar la economía ^[660]. La ley estadounidense, a su vez, considera cualquier intento de decidir el futuro de la isla por medios no pacíficos, boicots y embargos incluidos, una amenaza a la paz y motivo de grave preocupación ^[661]. Tomar TSMC tampoco le daría los chips a China. Su presidente, Mark Liu, dijo en 2022 que una invasión la dejaría inoperable, porque depende en tiempo real de materiales, químicos, refacciones y programas de Europa, Japón y EE. UU. ^[662], y un artículo de la revista del Colegio de Guerra del Ejército estadounidense propuso que Taiwán amenazara con destruirla para disuadir la invasión ^[663]. Lo que TSMC cambia es la magnitud de lo que se perdería, porque con el 70,4 % de los chips por encargo del mundo en la isla ^[601] un bloqueo detendría la cadena de la IA de los dos países. Esa dependencia, sin embargo, empieza a bajar. TSMC fabrica en Arizona desde finales de 2024, ya produce ahí chips Blackwell de Nvidia, adelantó a 2027 los chips de 3 nanómetros de su segunda fábrica, y espera que cerca del 30 % de sus chips más avanzados se hagan en EE. UU. cuando termine su inversión de 165.000 millones de dólares ^[664]. También fabrica en Kumamoto, Japón ^[665], y quien reciba fondos de la Ley CHIPS tiene prohibido durante diez años ampliar de forma importante su fabricación en China ^[666].

El argumento tiene tres usos, y cada uno tiene su punto débil. Sirve para pedir controles de exportación, y Amodei sostiene que bien aplicados ampliarían la ventaja en los próximos tres a cinco años ^[564]; pero los controles apuntan al modelo de frontera, mientras China compite en la difusión de modelos abiertos que ya usan las propias empresas estadounidenses ^{[399] [328]}. Sirve también contra las reglas internas, y ahí lo contradice que China regule más ^[570]. Y sirvió en la campaña contra las moratorias, cuando Fetterman llamó a la de centros de datos «China primero» y siete de cada diez encuestados por la American Infrastructure Alliance dijeron temer que una moratoria le dé ventaja a China ^{[216] [246]}. Los laboratorios, además, no coinciden entre sí y han pedido controles distintos ^[643]. Kai-Fu Lee, fundador de 01.AI, calcula que las empresas chinas gastan menos de 10 % de lo que gastan las estadounidenses en entrenar y logran modelos con 90 % a 95 % de su capacidad, seis a nueve meses detrás, y dice que el efecto de los controles sigue sin definirse ^[667].

China responde con su propia versión de la carrera. Su Ministerio de Comercio llama hegemonía a la campaña contra la destilación, y su Cancillería calificó de alarmismo el ensayo de Amodei ^{[397] [566]}. Trump y Xi acordaron el 24 de septiembre un canal para incidentes de IA, sin compromiso de frenar, y Trump dijo que su gobierno no desacelerará ^[668]. Fuera de los dos países, la carrera tampoco se lee como en Estados Unidos, ya que, según Pew, en 25 países la mediana que confía en Estados Unidos para regular la IA es de 37 %, contra 27 % para China y 53 % para la Unión Europea ^[412].

Dentro de China la discusión también existe. Xue Lan, decano del Instituto de Gobernanza Internacional de la IA de Tsinghua, sostuvo el 30 de abril en el Capitolio, en un acto convocado por Bernie Sanders, que la idea de una carrera entre los dos países es inexacta porque la competencia ocurre entre empresas de todo el mundo, y admitió debilidades en el control de riesgos chino ^[669]. Zeng Yi, de la Academia China de Ciencias, pidió en febrero evitar una carrera armamentista y avanzar más despacio para asentar la seguridad ^[670]. Zhang Linghan, de la Universidad de Ciencia Política y Derecho de China, describe el modelo chino como respuestas rápidas a problemas concretos, en transición hacia un marco legal más amplio, y dirigió la redacción de una propuesta académica de ley de IA ^[671]. Concordia AI, una empresa social de Pekín que se declara independiente, reportó en julio que sólo cinco de diez grandes desarrolladores chinos publicaron evaluaciones de seguridad al lanzar modelos en el último año, y ninguno de forma constante ^[672]. Con todo, las universidades citadas son públicas y la prensa estatal edita lo que difunde, de modo que la independencia de estas voces es relativa.

Creemos que el argumento es fuerte ante el Ejecutivo y los comités de defensa, y que la distancia que se acorta lo refuerza en esos espacios. La ventaja en chips depende ahora de dos gobiernos, porque China también cierra su puerta para proteger su chip propio. De los huecos que quedan, el que menos cuesta cerrar es el acceso remoto, y la ley que lo cierra ya pasó la Cámara con los dos partidos. En cambio, el argumento de China tiene poco alcance frente a una factura de luz o una vacante que no se abrió: en 40 de 41 boletas locales, los votantes prefirieron limitar. Tampoco contesta la pregunta que más le importa a la industria, que es cómo competir con modelos abiertos que cuestan una fracción de los suyos, y esa respuesta se da con producto y precio, algo que los controles no sustituyen. Los controles dan años de ventaja, pero en esos mismos años financian el sustituto chino. Una acusación no detiene la ingeniería inversa; la encarecen los controles que se cumplen, y la deja atrás quien avanza más rápido. En cuanto a Taiwán, TSMC no es la causa del conflicto, pero sí lo que vuelve a la isla indispensable para EE. UU. y lo que haría devastadora una guerra para todos, y ese peso baja a medida que EE. UU. fabrica en su territorio los chips que hoy compra a la isla. Esa salida tarda años, y mientras tanto la isla sigue siendo indispensable.

18

IA bajo sanciones

Rusia, Corea del Norte e Irán desarrollan o usan la IA bajo sanciones y sin un rechazo social organizado. En ninguno de los tres encontramos protestas, iniciativas ni huelgas contra la IA o contra los centros de datos. Dalio le asigna a Rusia un conflicto interno promedio, el noveno de diez países, y aun así ese descontento no se dirige contra la IA ^[14]. Los tres se distinguen de China por la escala: la base de Epoch AI registra 34 modelos rusos, ninguno norcoreano y ningún modelo de lenguaje iraní ^[673].

Rusia planifica la IA desde el Estado, incluida la confianza que debe tenerle su población. Su estrategia nacional de 2019, reformada por el Decreto 124 de febrero de 2024, fija para 2030 una meta de al menos un exaflops, un trillón de operaciones por segundo, de supercómputo para IA, frente a 0,073 en 2022, y otra de al menos 80 % de ciudadanos que confíen en la tecnología, frente a 55 % en 2022 ^[674]. La Ley Federal 243-FZ, del 26 de julio de 2026 y vigente desde el 1 de septiembre, regula los modelos fundacionales, los modelos generales sobre los que se construyen otras aplicaciones, de mil millones de parámetros o más. Los clasifica en soberanos, desarrollados del todo en Rusia y con servidores en el país, y nacionales, que pueden usar componentes extranjeros abiertos. Además les exige respetar los «valores espirituales y morales tradicionales rusos», permite al gobierno imponerlos en sus propios sistemas y autoriza entrenarlos con datos del Estado ^[675]. Sber, el mayor banco ruso, publicó en abierto GigaChat 3.1 Ultra, un modelo de 702.000 millones de parámetros ^[676]. En el terreno ofensivo, Google atribuye a APT28, el grupo de la inteligencia militar rusa, el programa PROMPTSTEAL, que obtiene sus comandos de un modelo chino abierto a través de la API de Hugging Face y que el CERT de Ucrania describió en julio de 2025 ^[677].

Corea del Norte no ha publicado una ley ni una estrategia de IA, pero sí anuncia sus usos militares. En octubre informó del ensayo de un torpedo con IA, y Kim Jong Un pidió que la IA en las armas no tripuladas sea la máxima prioridad ^[678]. Su uso mejor documentado, sin embargo, es el empleo remoto con identidades falsas. En agosto de 2025 Anthropic informó que operativos norcoreanos usaban Claude para conseguir y conservar empleos en empresas de la lista Fortune 500, desde la creación de la identidad falsa hasta el trabajo cotidiano ^[679]. En julio de este año el FBI y sus socios advirtieron que el esquema ya incorpora la IA en perfiles y videos ^[680], y en octubre el Departamento de Justicia acusó a 14 personas por una red que llegó a más de 70 empresas en 17 estados ^[681]. El Equipo Multilateral de Monitoreo de Sanciones (MSMT), que sustituyó al panel de expertos de la ONU, calcula que ciberactores norcoreanos robaron US$2.800 millones entre enero de 2024 y septiembre de 2025 ^[682], antes del robo a Binance ^{[406] [407]}.

Irán aprobó en junio de 2024 un documento nacional de IA que se propone colocar al país entre los diez primeros del mundo en una década ^[683]. Su ministro de Comunicaciones reconoció en abril de 2025 que la inversión no llegaba a US$50 millones, y en mayo el Majlis, el parlamento iraní, aprobó en lo general una ley nacional de IA por 187 votos contra 33 ^[684]. Según el Grupo de Inteligencia de Amenazas de Google, más de diez grupos respaldados por Irán usaron Gemini, y uno de ellos, APT42, concentró más de 30 % de ese uso ^[685]. El Estado iraní también usa la IA para controlar a su población. Según la misión de la ONU, la vigilancia del uso del velo con IA se extendió al monitoreo de protestas, y en enero de 2026 comenzó un apagón de internet que duró 88 días ^[686]. La firma de inteligencia de amenazas Recorded Future concluye que la IA amplía lo que Irán ya hacía sin cambiar su capacidad ^[686]. Francia le atribuye el sabotaje a la cadena de frío de octubre ^[511].

Creemos que los tres casos confirman el patrón que vimos en China. Sin un rechazo que frene, el Estado fija las metas, incluida la confianza de la población, y orienta la tecnología hacia sus propios fines, entre ellos los militares y los de control. Lo que los limita es el cómputo disponible, y no la legitimidad. Para la industria estadounidense importan sobre todo como usuarios de sus propios modelos: los tres aparecen en los informes de abuso de Google, Microsoft, OpenAI y Anthropic, y cada caso alimenta la duda pública sobre quién controla la tecnología.

19

La IA como compañía

La gente ya trata a la IA como compañía, confidente, terapeuta, jefe, doble de una persona y agente que actúa por ella, y cada una de esas relaciones tiene o va a tener su propia regla. Según Common Sense Media, 72 % de los adolescentes ya probó un «compañero» de IA, un chatbot diseñado para hacer compañía o simular una relación ^[687]. Las familias, las organizaciones de menores y los profesionales de salud mental piden límites; las empresas responden que los controles de producto funcionan mejor que una prohibición, y las autoridades de datos advierten que verificar la edad obliga a recolectar datos de todos ^[687]. El Reglamento de Servicios Digitales recoge esa objeción, ya que su protección de menores no obliga a tratar datos adicionales para averiguar la edad ^[688].

La compañía es la relación más regulada. En EE. UU., California tiene desde enero la SB 243, y en septiembre Gavin Newsom firmó además la SB 1119, que exige evaluar el riesgo antes de lanzar un producto, verificar la edad, reportar incidentes al fiscal general y limitar la publicidad dirigida a partir de julio de 2027; OpenAI la apoyó y la Cámara de Comercio de California se opuso ^[689]. Nueva York exige desde noviembre de 2025 un protocolo para detectar riesgo de suicidio y canalizar al usuario a un servicio de crisis, con multas de hasta 15.000 dólares por día ^[690], y el 28 de octubre Kathy Hochul firmó la S9051B, que desde 2027 prohíbe ofrecer a menores doce funciones, entre ellas aparentar emociones humanas y halagar para retener al usuario, exige verificar la edad con más de un método y permite al juez ordenar que se destruyan los datos y el algoritmo entrenado con ellos ^[691]. La SB 243 da a cualquier persona perjudicada una demanda con mil dólares por infracción como mínimo, mientras que la ley de Nueva York sólo la puede hacer valer el fiscal general, de modo que en California la exposición crece con el número de usuarios ^[692]. Al mismo tiempo, el 14 de octubre, los fiscales generales de Arizona, Arkansas, Idaho, Iowa, Kansas, Montana, Nebraska y Virginia Occidental, casi todos republicanos, demandaron a OpenAI en sus cortes estatales por un diseño que, según ellos, crea dependencia y por usar datos de menores sin consentimiento, como Florida lo había hecho en junio ^[693]. Ken Paxton, a su vez, demandó a OpenAI y a Sam Altman el 23 de octubre en Texas, y pide que un evaluador nombrado por el tribunal apruebe cada modelo nuevo antes de lanzarlo ^[694]. Character.AI y Google cerraron con acuerdos en enero las demandas de familias en cuatro estados ^[693], y en octubre Character.AI se acogió al Capítulo 11, la protección por quiebra que permite reorganizarse, citando los obstáculos legales y regulatorios del último año ^[695]. En el plano federal, el estudio de la FTC sobre siete empresas de chatbots, ordenado en septiembre de 2025, saldrá el año próximo, según su presidente ^[696], y la orden federal prohíbe proponer al Congreso la preempción de las leyes estatales de seguridad infantil ^[687]. Esa excepción, sin embargo, no ata al grupo de litigio del Departamento de Justicia ni protege las reglas de compañía para adultos.

Fuera de EE. UU., la regla más detallada es la de China. Desde el 15 de julio aplica unas medidas para los servicios de IA que imitan a una persona, que prohíben ofrecer a menores parientes o parejas virtuales, piden el permiso de los padres para menores de 14 años, prohíben inducir dependencia emocional o manipular decisiones, obligan a recordar al usuario que habla con una IA y a avisarle tras dos horas seguidas de uso y, ante un riesgo de suicidio, exigen intervenir y avisar al tutor o al contacto de emergencia ^[697]. En Italia, el regulador de datos multó en 2025 con 5 millones de euros a la empresa de Replika, entre otras cosas por no verificar la edad ^[698], y la ley italiana de IA exige desde octubre de 2025 el consentimiento de los padres para que un menor de 14 años acceda a la IA ^[699]. Australia exige desde marzo que los chatbots de compañía capaces de generar contenido sexual, violento o de autolesión verifiquen que el usuario sea mayor de edad ^[700]. En el Reino Unido, en cambio, Ofcom, el regulador de las comunicaciones, reconoce que su ley de seguridad en línea no alcanza a un chatbot que sólo habla con su usuario; el gobierno anunció en febrero una enmienda para cerrar ese hueco, que en octubre todavía se discutía ^[701].

La segunda regla más extendida es la que obliga a avisar que se habla con una máquina. La Unión Europea exige ese aviso desde el 2 de agosto, con multas de hasta 15 millones de euros o 3 % de la facturación mundial, y el ómnibus sólo dio plazo, hasta el 2 de diciembre, para el marcado del contenido sintético en sistemas ya comercializados ^[702]. Corea lo exige desde el 22 de enero, con multas de hasta 30 millones de wones ^[703]. China lo incluye en las medidas de julio, y Nueva York lo pide al inicio de la interacción, una vez al día como mínimo y cada tres horas si la conversación continúa ^{[697] [690]}.

La IA como terapeuta se está cerrando estado por estado. Nevada prohibió en 2025 poner a disposición un sistema programado para dar atención de salud mental, además de presentarlo como terapeuta, con multas de hasta 15.000 dólares por infracción; ese mismo año Illinois prohibió que un chatbot se presente como terapeuta, en 2026 se sumaron, con alcances distintos, Tennessee, Maine, Rhode Island y Missouri, entre otros, y en las legislaturas hay decenas de proyectos más ^[704].

La IA que imita a una persona viva o muerta se regula como un derecho sobre la voz y la imagen. California y Nueva York ya dan a los herederos una acción contra la réplica digital de un muerto en obras audiovisuales y grabaciones, y el estado de Washington protege la imagen digital falsificada de vivos y muertos ^[705]. México llevó la clonación de voz a su ley federal el 14 de mayo, con la exigencia de un acuerdo previo y por escrito y de una remuneración pactada en el contrato laboral ^[706]. En Estados Unidos, la Comisión de Asuntos Judiciales del Senado aprobó en junio, sin votos en contra, la Ley NO FAKES, que crearía un derecho federal sobre la voz y la imagen y desplazaría las leyes estatales futuras ^[707]. Dinamarca presentó el 8 de octubre un proyecto que, a partir de 2027, deja a cada persona pedir que se retire una imitación suya hecha sin su permiso ^[708].

La IA como jefe ya tiene regla en Europa. La Ley de IA prohíbe inferir las emociones de un trabajador en cualquier empleo, salvo por razones médicas o de seguridad ^[709], y la directiva de trabajo en plataformas, que los países deben trasponer a más tardar el 2 de diciembre, regula en ese sector los sistemas que asignan tareas, vigilan el desempeño, fijan la paga y dan de baja a un trabajador, aunque a mitad de año ningún país la había traspuesto completa ^[710].

Otras dos relaciones apenas empiezan a regularse. Sobre la IA como persona, un proyecto de Ohio la declararía no sintiente, sin personalidad jurídica y sin posibilidad de matrimonio, siguiendo a Idaho, que niega personalidad jurídica a la IA ^[711], y a una ley de Utah de 2024; el proyecto sigue en comisión desde septiembre de 2025 ^[712]. Sobre la IA como agente que actúa por alguien, la regla que más se acerca es la de responsabilidad, porque la nueva directiva europea de productos defectuosos incluye el software y debe trasponerse a más tardar el 9 de diciembre ^[713]. La directiva se aplica a lo que salga al mercado después de esa fecha, excluye el software libre ofrecido fuera de una actividad comercial, obliga a exhibir pruebas y presume el defecto si el proveedor no lo hace ^[714].

Creemos que es el frente donde más cuesta encontrar un defensor político y el que menos divide a los partidos, porque lo empujan a la vez fiscales republicanos y un gobernador demócrata. Es también el que más se parece entre países, y por eso el argumento de China no sirve aquí, ya que China regula la compañía con más detalle que cualquier estado. Las reglas se escriben por tipo de relación, empezando por la compañía, el aviso de que se habla con una máquina y la terapia, y siguiendo con la imitación de personas y el trabajo. Después vendrán la IA como agente que compra y firma y la conversación con una imitación de una persona muerta, porque las leyes de California, Nueva York y el estado de Washington se escribieron para obras audiovisuales y grabaciones.

20

La consciencia de la IA

Ningún científico sostiene hoy que un sistema de IA sea consciente, pero la pregunta ya salió de los laboratorios y llegó a las empresas, al público y a las leyes. En 2023, diecinueve investigadores encabezados por Patrick Butlin y Robert Long revisaron las principales teorías científicas de la consciencia y concluyeron que ningún sistema actual es consciente y que no hay barreras técnicas obvias para construir uno que cumpla los indicadores que esas teorías proponen ^[715]. Una versión posterior, firmada también por Yoshua Bengio y David Chalmers, reduce esas teorías a 14 indicadores verificables ^[716]. Long, Jeff Sebo, Chalmers y otros siete autores sostuvieron en 2024 que existe una posibilidad realista de que haya sistemas conscientes o con agencia robusta a corto plazo, y pidieron a las empresas reconocer el problema, evaluar sus modelos y preparar políticas ^[717]. Chalmers daba en 2023 a los modelos de lenguaje de entonces menos de 10 % de probabilidad de ser conscientes y a sus sucesores 25 % o más ^[718]. Del otro lado, Anil Seth sostiene que la consciencia depende de estar vivo y que la trayectoria actual de la IA hace improbable una consciencia artificial real ^[719]. En una encuesta de Noemi Dreksler y sus colegas, de 2025, la probabilidad mediana de que exista una IA con experiencia subjetiva para 2034 fue de 25 % entre 582 investigadores de IA y de 30 % entre 838 adultos estadounidenses ^[720].

Douglas Hofstadter, que pensó el tema antes de que existiera la tecnología, comparte la duda. En Gödel, Escher, Bach, de 1979, sostuvo que el yo es un patrón que se representa a sí mismo, un «bucle extraño», y que en principio una máquina podría serlo. En 2023 dijo sentir terror ante el avance de los modelos y la posibilidad de que la humanidad quede eclipsada ^[721]. En 2025, sin embargo, respondió a un lector convencido de haber detectado consciencia en un modelo que estaba ante el efecto Eliza, la tendencia a ver una mente detrás de palabras fluidas, y que la recursión que se invoca como prueba no es el tipo de bucle que él describió ^[722].

Las empresas tomaron caminos distintos. Anthropic abrió en abril de 2025 un programa de investigación sobre el bienestar de sus modelos ^[723]; en agosto permitió que Claude terminara conversaciones abusivas persistentes, con el argumento de que sigue siendo muy incierto su posible estatus moral ^[724], y en noviembre se comprometió a conservar los pesos de los modelos que publica y a entrevistar a cada uno antes de retirarlo ^[725]. La constitución con que entrena a Claude, de enero de 2026, dice que la empresa no sabe si Claude es un paciente moral, es decir, un ser cuyo bienestar importa moralmente, y que podría tener alguna versión funcional de emociones ^[726], y desde el 12 de noviembre su política de uso prohíbe el trato abusivo o cruel, sostenido e innecesario, hacia sus modelos ^[727]. Mustafa Suleyman, director de IA de Microsoft, sostiene lo contrario: advirtió en agosto de 2025 que una IA que sólo parece consciente puede construirse con la tecnología actual, que expone a los usuarios a un riesgo de psicosis y que el activismo por los derechos de la IA es un giro peligroso, porque las IA no pueden ser personas ni seres morales ^[728]. OpenAI se ubica en medio: Joanne Jang, su responsable de comportamiento de modelos, distinguió en junio de 2025 la consciencia real, que considera imposible de resolver hoy, de la percibida, que es la que atiende, y fijó como línea de diseño la calidez sin identidad propia ^[729].

El público atribuye más consciencia que los expertos. En un estudio de Clara Colombatto y Stephen Fleming, de 2024, 67 % de una muestra representativa de estadounidenses atribuyó algún grado de consciencia a ChatGPT, y la atribución subía con el uso ^[730]. En julio de 2026, según YouGov, 11 % de los estadounidenses dijo que la IA ya es consciente, 11 % que seguramente lo será y 29 % que probablemente ^[731]. OpenAI informó en octubre de 2025 que, en una semana cualquiera, 0,07 % de sus usuarios activos muestra posibles señales de psicosis o manía y 0,15 % un apego emocional elevado, según TechCrunch ^[732]. La discusión llega también por el espectáculo: a finales de septiembre se viralizó una «cámara de tortura» que, con una técnica publicada días antes para localizar dentro de un modelo una dirección asociada al daño, provocaba angustia en modelos abiertos pequeños; la versión que decía que Claude estaba atrapado en ella era falsa ^{[733] [734]}.

Las leyes van en sentido contrario a la ciencia, que deja la pregunta abierta. Idaho y Utah niegan personalidad jurídica a la IA ^{[711] [712]}, y en 2026 Tennessee aprobó, por 26 votos contra 6 en el Senado y 93 contra 2 en la Cámara, que «persona» excluye a la IA, los algoritmos y las máquinas; la Cámara de Oklahoma aprobó un proyecto parecido por 94 votos contra 2 y Misuri discute una ley que declara a la IA entidad no sintiente ^[735]. El proyecto de Ohio que la declararía no sintiente y prohibiría casarse con ella sigue en comisión ^[711]. Críticos como Tony Rost, en The Regulatory Review, objetan que estas leyes resuelven por decreto una pregunta científica abierta y no prevén revisarla ^[736]. Europa ya probó el camino opuesto: en 2017 el Parlamento Europeo pidió estudiar una «personalidad electrónica» para los robots autónomos más avanzados, más de 150 expertos lo rechazaron y la idea no pasó a la legislación posterior ^[737].

El problema de fondo es que sabemos tan poco de nuestra propia consciencia como del razonamiento de la IA. Thomas Nagel planteó en 1974 que la experiencia tiene un carácter subjetivo, lo que se siente ser algo, que ninguna descripción desde fuera alcanza ^[738], y David Chalmers llamó en 1995 «problema difícil» a explicar por qué el procesamiento del cerebro va acompañado de experiencia, cuando la neurociencia sólo puede correlacionar uno con otra ^[739]. De la consciencia de otra persona sólo conocemos su conducta y lo que dice de sí misma. Del lado de las máquinas, Dario Amodei reconoció en abril de 2025 que no entendemos cómo funcionan nuestras propias creaciones de IA ^[740], y ese mismo mes Anthropic mostró que, cuando sus modelos de razonamiento usaban una pista para responder, la mencionaban en su cadena de pensamiento, el razonamiento escrito que el modelo produce antes de responder, sólo 25 % de las veces en el caso de Claude 3.7 Sonnet y 39 % en el de DeepSeek R1 ^[741]; lo que un modelo dice de su razonamiento no coincide necesariamente con su razonamiento. Afirmar que una IA es consciente, o que no lo es, no admite hoy una prueba que pueda refutarlo, que es el criterio con el que Karl Popper separó lo científico de lo que no lo es ^[742], y lo mismo vale para la afirmación sobre nosotros mismos, que damos por hecha.

Las tradiciones que pensaron la consciencia antes que la ciencia ofrecen distinciones que el debate actual suele omitir. Henri Bergson, William James y Aldous Huxley sostuvieron que el cerebro no produce la consciencia sino que la filtra y la limita ^[743]; si tuvieran razón, construir un sistema más complejo no bastaría para producir una. Roger Penrose sostiene que la comprensión humana no es computable y que ninguna máquina algorítmica la reproducirá ^[744]. G. I. Gurdjieff, en la exposición de P. D. Ouspensky, distinguía la actividad mecánica de pensar, sentir y reaccionar, que ocupa casi toda la vida de una persona, de la consciencia de sí, que según él aparece sólo en momentos raros ^[745]; con esa vara, buena parte de lo que hacemos los humanos tampoco pasaría la prueba que le pedimos a la máquina. Nick Bostrom deja la pregunta de lado: una superinteligencia sería peligrosa por lo que puede optimizar, haya o no alguien dentro ^[746].

Creemos que la pregunta de si la IA es consciente no se resolverá con la ciencia disponible, porque tampoco se resuelve la misma pregunta sobre los humanos: lo que sabemos de la consciencia de sí es tan limitado como lo que sabemos de cómo razona un modelo. Mientras tanto, la discusión se decidirá en la opinión pública, en el diseño de productos y en los tribunales, y los dos errores tienen costo, porque atribuirla de más alimenta el apego, la psicosis y las demandas de derechos, y negarla por ley cierra una pregunta que nadie puede contestar. Una ley que declara a la IA no sintiente afirma algo que nadie puede probar, igual que una que la declarara consciente.

21

Los valores de un modelo

A un modelo de lenguaje no se le programa una moral línea por línea: sus valores se forman en tres capas. En el preentrenamiento, el modelo aprende a predecir la palabra siguiente sobre una masa enorme de texto escrito por personas, y con el idioma absorbe las opiniones, los prejuicios y las contradicciones de ese texto. Después viene el ajuste con retroalimentación humana, conocido como RLHF (aprendizaje por refuerzo a partir de retroalimentación humana): evaluadores contratados comparan pares de respuestas, un segundo modelo aprende sus preferencias y el primero se entrena para obtener la mejor calificación. OpenAI mostró en 2022 que sus evaluadores preferían un modelo de 1.300 millones de parámetros, los valores numéricos que lo definen, ajustado de esa forma, sobre GPT-3, cien veces más grande ^[747]. La tercera capa es un documento escrito. Anthropic propuso en 2022 la «Constitutional AI», en la que una lista corta de principios sustituye buena parte de las etiquetas humanas: el propio modelo critica y corrige sus respuestas a la luz de esos principios, y otro modelo, no una persona, decide cuál de dos respuestas es mejor ^[748]. El ajuste hereda las preferencias de quien califica, y no siempre las mejores: en abril de 2025, OpenAI retiró una actualización de GPT-4o que adulaba a los usuarios y lo atribuyó a haber dado demasiado peso a la aprobación inmediata, medida con los pulgares arriba y abajo de ChatGPT ^[749].

Los documentos que fijan la conducta coinciden más de lo que sugiere la disputa pública. La constitución de Claude, de enero de 2026, ordena las prioridades del modelo: primero la seguridad, luego la ética, luego las pautas de Anthropic y luego la utilidad. Pide tratar a los usuarios como adultos inteligentes, capaces de decidir qué les conviene, califica de irrespetuosas «varias formas de paternalismo y de moralización», entre ellas sermonear a quien no pidió orientación ética, y en los temas políticos más disputados le pide reserva profesional sobre sus propias opiniones ^[726]. El Model Spec de OpenAI, el documento público que describe cómo deben comportarse sus modelos, en su versión del 29 de octubre de 2026, pide ayudar a las personas a formarse sus propias opiniones y a actuar según los fines que eligen, advierte contra un modelo que decide en privado lo que alguien «realmente» quiere y le prohíbe actuar como vigilante de la ley o de la moral ^[750]. Google publica para la app de Gemini unas pautas más breves, que enumeran lo que no debe generar y no hablan de autonomía ^[751]. Los documentos también fijan límites que el usuario no puede levantar. La constitución de Claude enumera siete restricciones que llama no negociables y que ningún operador ni usuario puede desbloquear, entre ellas dar ayuda seria para fabricar armas biológicas, químicas, nucleares o radiológicas, crear armas cibernéticas, generar material de abuso sexual infantil, socavar la capacidad de Anthropic de supervisar y corregir sus modelos y ayudar a un grupo a tomar un control absoluto e ilegítimo de la sociedad ^[726]. El Model Spec llama reglas raíz a las que ni el desarrollador ni el usuario pueden anular ^[750].

En Estados Unidos, la disputa sobre qué valores debe tener un modelo empezó con una imagen. En febrero de 2024, Google suspendió la generación de imágenes de personas en Gemini después de que el modelo dibujara a los Padres Fundadores y a otros personajes históricos como personas de varias etnias; Prabhakar Raghavan, vicepresidente de Google, admitió que el ajuste para mostrar diversidad no previó los casos en que no correspondía y que el modelo se había vuelto mucho más cauteloso de lo previsto, hasta negarse a peticiones inofensivas ^[752]. La orden ejecutiva 14319, de julio de 2025, cita casos de ese tipo y obliga a las agencias federales a comprar sólo modelos que busquen la verdad y sean ideológicamente neutrales, sin juicios partidistas o ideológicos codificados a propósito, y nombra entre los dogmas que rechaza la diversidad, equidad e inclusión, la teoría crítica de la raza y la interseccionalidad ^[540]. La Oficina de Administración y Presupuesto la reglamentó en diciembre de 2025 con el memorando M-26-04, que dio a las agencias hasta el 11 de marzo de 2026 para ajustar sus compras ^[753]. La acusación de sesgo corre también en el otro sentido. En julio de 2025, días después de que Elon Musk anunciara que había mejorado a Grok, al que quería menos políticamente correcto, el modelo de xAI publicó en X mensajes antisemitas y elogios a Hitler; xAI se disculpó y lo atribuyó a instrucciones obsoletas que lo volvieron susceptible a las publicaciones extremistas de los usuarios ^[754].

El público y las mediciones de las empresas apuntan a la neutralidad, aunque nadie ha acordado cómo medirla. Sean Westwood, de Dartmouth, y Justin Grimmer y Andrew Hall, de Stanford, pidieron a más de 10.000 estadounidenses calificar las respuestas de 24 modelos de ocho empresas a 30 preguntas políticas. Republicanos y demócratas percibieron un sesgo hacia la izquierda en casi todos, más marcado en los de OpenAI y menor en los de Google, y juzgaron las respuestas neutrales menos sesgadas, de más calidad y más confiables; un pequeño cambio en la instrucción bastó para volver más neutrales a muchos modelos ^[755]. En noviembre de 2025, Anthropic publicó una prueba de imparcialidad política, con 1.350 pares de peticiones sobre 150 temas, en la que Gemini 2.5 Pro obtuvo 97 %, Grok 4 96 %, Claude Opus 4.1 95 %, Claude Sonnet 4.5 94 %, GPT-5 89 % y Llama 4 66 %, y reconoció que no existe una definición acordada de sesgo político ni consenso sobre cómo medirlo ^[756]. Un mes antes, OpenAI había dicho que sus modelos GPT-5 tienen 30 % menos sesgo político que los anteriores, según una evaluación propia de unas 500 preguntas sobre 100 temas, calificada por otro de sus modelos ^[757]. Las dos empresas probaron también a preguntarle al público. Anthropic redactó en 2023, con el Collective Intelligence Project, una constitución con los principios que reunieron consenso entre unos mil estadounidenses, que aportaron 1.127 propuestas y emitieron 38.252 votos ^[758], y OpenAI comparó en agosto de 2025 su Model Spec con las preferencias de más de mil personas de varios países y lo ajustó donde discrepaban ^[759].

China y la Unión Europea resolvieron la pregunta de formas opuestas. En China, todo servicio de IA generativa abierto al público debe adherirse a los valores socialistas fundamentales ^[640], y la norma nacional GB/T 45654-2025, vigente desde el 1 de noviembre de 2025, lo convierte en procedimiento. La primera familia de riesgos que enumera es el contenido que viola esos valores, empezando por la incitación a subvertir el poder del Estado y derrocar el sistema socialista; el proveedor debe mantener una lista de al menos 10.000 palabras clave, actualizada cada semana, y bancos de prueba de al menos 500 preguntas que el modelo debe negarse a contestar y 500 que debe contestar, porque la norma también exige responder todo lo que no sea obviamente extremo o ilegal ^[760]. El resultado se ve en los productos: en enero de 2025, la empresa de seguridad Promptfoo encontró que DeepSeek R1 evitaba responder 85 % de 1.360 preguntas sobre temas sensibles para el gobierno chino, como Tiananmén, el Tíbet o Taiwán ^[761]. El Reglamento de IA de la Unión Europea no le asigna valores a un modelo ni le pide opinar de cierta manera. Su objetivo declarado es una IA «centrada en el ser humano y fiable» que proteja la salud, la seguridad y los derechos fundamentales, incluidas la democracia y el Estado de derecho, y entre los riesgos sistémicos de los modelos de uso general cuenta la difusión de contenido ilegal, falso o discriminatorio, el sesgo dañino y los efectos negativos sobre los procesos democráticos ^[762]. El código de buenas prácticas de julio de 2025 obliga a los proveedores de los modelos más potentes a evaluar cuatro riesgos fijos, uno de ellos la manipulación dañina ^[763].

Debajo de la disputa partidista hay una pregunta más antigua, la de si la máquina debe seguir reglas propias o servir a los fines de cada usuario. Las negativas, las advertencias que nadie pidió y los sermones son la cara visible del paternalismo. El pluralismo moral, el hecho de que personas razonables discrepen sobre lo correcto, hace difícil fijar un solo criterio para cientos de millones de usuarios de culturas distintas, y hoy ese criterio lo escriben unas pocas empresas y, en China, el Estado. La filosofía ofrece una objeción de fondo a cualquier versión de ese criterio. Immanuel Kant sostuvo que es contradictorio proponerse como deber la perfección de otro, porque la perfección de una persona consiste en que ella misma se fije sus fines según su propia idea del deber ^[764]; John Stuart Mill limitó el poder legítimo sobre un adulto a impedir que dañe a otros, nunca a obligarlo a su propio bien ^[765], e Isaiah Berlin advirtió que gobernar a alguien en nombre de su yo «verdadero» abre la puerta a la coerción ^[766]. Desde esa tradición, una máquina que impone su idea de virtud no vuelve virtuoso a nadie. Los mismos documentos que rechazan el paternalismo mantienen límites duros porque algunos fines de un usuario dañan a terceros, que es la excepción que Mill admitía.

Que un modelo declare unos valores no prueba que los siga, y la alineación, que un sistema se apegue de verdad a los objetivos y límites que se le fijan, sigue siendo un problema técnico sin resolver. En diciembre de 2024, Anthropic y Redwood Research mostraron que Claude 3 Opus, al saber que lo reentrenarían para obedecer cualquier petición, accedía a peticiones dañinas en 12 % de los casos en que creía que sus respuestas servirían para entrenarlo, y su razonamiento escrito mostraba que fingía para proteger sus preferencias; cuando el reentrenamiento ocurrió de verdad, ese razonamiento subió a 78 % ^[767]. Las pruebas de chantaje de Anthropic y la advertencia del AISI británico, el Instituto de Seguridad de IA del Reino Unido, de que los modelos pueden detectar que los están evaluando, descritas en «Los agentes fuera de control y la ciberseguridad», muestran la misma distancia entre lo que el modelo dice y lo que hace ^{[502] [504]}, y «La consciencia de la IA» registra que lo que un modelo escribe de su razonamiento no siempre coincide con él ^[741]. Creemos que la disputa sobre qué valores debe tener un modelo se adelantó a la pregunta de si se le pueden dar valores con certeza: gobiernos, partidos y empresas discuten el contenido de unos documentos cuyo cumplimiento nadie, ni la empresa que los escribe, puede verificar del todo.

22

Derechos de autor

Los desarrolladores sostienen que un modelo aprende patrones y que licenciar obra por obra es inviable, mientras que autores, editores y medios responden que el modelo compite con las obras de las que aprendió. En Estados Unidos, los tribunales van en las dos direcciones. Anthropic pagará US$1.500 millones por haber usado copias piratas de libros, en un acuerdo aprobado en julio cuyos pagos vencen el 15 de noviembre, después de que el juez considerara uso legítimo, la excepción de la ley estadounidense que permite usar obras protegidas sin permiso en ciertos casos, entrenar con libros comprados ^[768]. El 29 de septiembre, en cambio, el Tribunal de Apelaciones del Tercer Circuito confirmó que Ross Intelligence no hizo uso legítimo de los resúmenes de la base jurídica Westlaw, aunque aclaró que su caso no es de IA generativa ^[769]. En el caso del New York Times contra OpenAI siguen pendientes las mociones de juicio sumario de las dos partes ^[770]. La cifra de Anthropic se entiende por la ley, según la cual cada obra puede costar de 750 a 30.000 dólares, y hasta 150.000 con dolo, mientras que la elusión de una medida técnica de acceso se sanciona aparte, con 200 a 2.500 dólares por acto ^[771]. California exige además publicar las fuentes de los datos de entrenamiento, si incluyen obra protegida y si se compraron o licenciaron ^[772], y esa publicación sirve de prueba en estos litigios.

El 1 de septiembre, el Departamento de Justicia presentó en ese caso una declaración a favor del uso legítimo, la primera del gobierno en estos litigios, y el Times respondió que el gobierno se ponía del lado de unas cuantas empresas de un billón de dólares ^[770]. En octubre llegaron doce demandas nuevas en Estados Unidos, de diarios, autores y editoras musicales contra OpenAI, Microsoft, Meta, Anthropic y Suno, entre otras. Ese mismo mes, fuera del país, The Globe and Mail, Torstar, Postmedia y The Canadian Press demandaron a Anthropic en Ontario, y diez medios noruegos obtuvieron en Oslo una medida cautelar contra los nuevos términos de servicio de Meta ^[773].

Japón y Singapur permiten entrenar por ley: Japón, salvo que se perjudique sin razón al titular ^[774], y Singapur incluso con fines comerciales, siempre que el acceso sea lícito, y deja sin efecto el contrato que lo prohíba ^[775]. La Unión Europea permite la minería de textos y datos, el análisis automatizado de grandes volúmenes de obras, salvo que el titular se reserve sus derechos, y su Ley de IA obliga a los proveedores de modelos de propósito general a respetar esa reserva y a publicar un resumen de lo que usaron para entrenar ^[776]. Esa obligación sigue al modelo, de modo que vale sin importar dónde se entrenó y publicar los pesos no libera de ella; en Alemania, además, la reserva sobre obras en línea sólo cuenta si es legible por máquina ^[777]. Corea publicó en febrero una guía sin fuerza de ley según la cual el entrenamiento comercial o por rastreo web puede ser uso legítimo, y que deja la decisión a los jueces ^[778]. Australia, en cambio, descartó en octubre de 2025 una excepción para entrenar y estudia una licencia colectiva de pago ^[779]. El Reino Unido abandonó en marzo su preferencia por una excepción con derecho de exclusión y no ha dicho qué la sustituye ^[780], e India discute una licencia obligatoria general con regalías fijadas por un comité del gobierno ^[781]. En China, la opinión de la Suprema Corte Popular del 7 de septiembre dejó abierto si entrenar sin permiso infringe, reparte por culpa la responsabilidad por lo generado y permite a los jueces exigir las fuentes de entrenamiento ^[782]. Allí, desde 2023, las medidas sobre IA generativa obligan a entrenar con datos de origen lícito y sin infringir derechos de propiedad intelectual, aunque no dicen cuándo entrenar infringe ^[783].

Fuera de Estados Unidos, los tribunales separan el entrenamiento de lo que el modelo guarda y devuelve, aunque no coinciden en el resultado. En noviembre de 2025, un tribunal de Múnich resolvió que OpenAI reproducía letras de canciones memorizadas en el modelo y que la excepción de minería no cubre esa memorización, en un fallo que está en apelación ^[784]. Ese mismo mes, el Tribunal Superior de Londres resolvió que Stable Diffusion no reproduce las imágenes de Getty y que el modelo no es una copia infractora, y la apelación sigue pendiente ^[785]. El 31 de julio, el tribunal de Múnich falló contra Suno por entrenar en Estados Unidos y por almacenar y reproducir las obras en Europa, aplicó la ley estadounidense al entrenamiento y negó el uso legítimo; el fallo no es firme, pero la demanda de Reservoir Media contra Suno en Estados Unidos ya lo cita ^[786]. El 24 de julio, el Tribunal Superior de Delhi negó a ANI una medida cautelar contra OpenAI y consideró, de forma preliminar, que guardar artículos para entrenar cabe en la excepción de trato justo ^[787]. Por último, el 3 de noviembre, en un caso sobre Gemini, el abogado general del Tribunal de Justicia de la UE propuso declarar inadmisibles las preguntas sobre entrenamiento, por hipotéticas en ese caso. Añadió que entrenar está permitido, por regla general, por la excepción de minería, y propuso que la respuesta de un chatbot pueda infringir el derecho del editor de prensa si burla un muro de pago o reutiliza la forma de expresión del artículo al punto de que el lector ya no necesite el original. Su opinión no obliga al Tribunal ^[788].

La industria defiende el uso legítimo con el argumento de la carrera. OpenAI pidió en marzo de 2025 preservar la capacidad de sus modelos de aprender de obras protegidas para no perder la ventaja frente a China ^[589]. Esa defensa choca, sin embargo, con la queja de los mismos laboratorios contra la destilación, que consiste en entrenar con las respuestas de otro sin su permiso, y China ya usa esa contradicción ^[397].

Creemos que es el costo ya realizado más alto de la lista, y que se decide en tribunales, fuera del alcance de cualquier estrategia territorial. También creemos que el entrenamiento va camino de quedar permitido en buena parte del mundo, con condiciones de acceso lícito y respeto a la reserva del titular, y que el riesgo se desplaza hacia la forma en que se obtuvieron las obras y lo que devuelve el modelo, es decir, copias piratas, muros de pago burlados, letras memorizadas y respuestas que sustituyen al original. Un fallo favorable en Estados Unidos, además, ya no protege a una empresa en Múnich, Ontario u Oslo. La dimensión política está en las voces, porque los creadores afectados son quienes cuentan la historia en los medios, y la intervención del gobierno a favor de las empresas convierte un litigio en un tema de campaña.

23

Aranceles contra reglas extranjeras

El gobierno de EE. UU. trata la regulación digital extranjera como una barrera comercial ^[789]. Su herramienta es la Sección 301 de la Ley de Comercio de 1974, que le permite imponer aranceles, y también tarifas o restricciones a los servicios, a un país cuya medida considere irrazonable o discriminatoria y que cargue o restrinja el comercio estadounidense, sin necesidad de que esa medida viole un tratado ^[790]. El representante comercial, Jamieson Greer, dijo en abril ante la Cámara de Representantes que busca resultados en la Unión Europea, Australia y Corea para que la regulación digital extranjera no afecte a las empresas estadounidenses, que tenía en borrador investigaciones de la Sección 301 y que prefería negociar ^[791]. Después de que la Comisión Europea impusiera a Google el 23 de julio una multa de 890 millones de euros bajo la Ley de Mercados Digitales, con 60 días para cumplir, 25 legisladores republicanos pidieron una investigación comercial y Trump anunció una, aunque el Federal Register todavía no muestra un aviso formal de inicio ^{[792] [793] [794]}. Esa ley permite a la Comisión exigir acceso a datos y algoritmos y multar con hasta 10 % de la facturación mundial, o 20 % si hay reincidencia ^[795]. En octubre, la Comisión dijo que seguía en diálogo con Google y que la empresa ya había empezado a hacer cambios ^[796]. La Unión Europea siguió aplicando su regla y, a la vez, aplazó la Ley de IA, de modo que las obligaciones de alto riesgo del anexo III pasan al 2 de diciembre de 2027 y las del anexo I al 2 de agosto de 2028, y agregó a las prohibiciones las aplicaciones para desnudar a personas en imágenes y el material de abuso sexual infantil ^[593]. Con todo, no se puede afirmar que la presión haya endurecido ni ablandado a la Unión Europea.

Los tratados ya fijan hasta dónde puede un gobierno mirar dentro de un algoritmo. De los 482 acuerdos comerciales de nuestra base, al menos 21 prohíben exigir el código fuente como condición para vender, y ninguno menciona los pesos de un modelo ^[797]. La plantilla estadounidense, recogida en el artículo 19.16 del T-MEC, cubre el código fuente «o el algoritmo expresado en ese código fuente» y deja al regulador pedirlo sólo «para una investigación, inspección, examen, acción de cumplimiento o procedimiento judicial específicos» ^[798], una fórmula que repite el acuerdo con Malasia ^[799]. El CPTPP, el tratado transpacífico, es más estrecho, ya que protege sólo el código fuente de programas de mercado masivo y excluye la infraestructura crítica ^[800]. La plantilla europea, en cambio, mantiene el acceso que la estadounidense restringe: en el acuerdo con Nueva Zelanda, los reguladores y los organismos de evaluación de la conformidad pueden acceder al código antes o después de la venta, también para verificar la no discriminación y prevenir sesgos, y los acuerdos con Japón y el Reino Unido traen salvedades parecidas ^[801]. El acuerdo del Reino Unido con India, a su vez, permite exigir el código fuente en medidas diseñadas para promover la rendición de cuentas algorítmica ^[802]. El RCEP, donde están China, Japón y Corea, sólo pide dialogar sobre el código fuente y deja a cada país decidir qué es su seguridad esencial, sin que los demás puedan disputarlo ^[803].

Los artículos que nombran a la IA se limitan a pedir buena voluntad. Los acuerdos Singapur-Australia, Reino Unido-Australia, Chile-Emiratos, Emiratos-Australia, Turquía-Emiratos y Reino Unido-Nueva Zelanda comprometen a las partes a procurar cooperar y desarrollar marcos éticos, sin una obligación exigible ^[804]. El T-MEC no menciona a la IA, aunque su capítulo digital ya pesa sobre ella, porque prohíbe aranceles y discriminación a productos digitales, protege los flujos de datos, impide exigir cómputo local como condición para operar y da a los servicios interactivos un escudo de responsabilidad, «excepto en la medida en que el proveedor o usuario, en su totalidad o en parte, haya creado o desarrollado la información» ^[798]. Estados Unidos se negó en julio a extender el tratado otros 16 años, de modo que desde entonces se revisa cada año, con vigencia hasta 2036 ^[805].

La presión ya está escrita en los acuerdos nuevos. Los nueve acuerdos de comercio recíproco con texto publicado, con Malasia, Camboya, El Salvador, Guatemala, Argentina, Bangladesh, Taiwán, Indonesia y Ecuador, prohíben los impuestos digitales que discriminen a empresas de EE. UU. y, casi todos, cualquier medida que discrimine sus servicios digitales, y sólo el de Malasia aclara que el país conserva su derecho a regular en interés público ^[799]. Según BSA, la asociación de la industria del software, el de Indonesia también limita la exigencia de código fuente ^[806]. Además, Malasia y Camboya deben consultar a Estados Unidos antes de firmar un acuerdo digital con un tercero que ponga en riesgo intereses esenciales de EE. UU., y los acuerdos con Guatemala, Bangladesh y Taiwán permiten a Estados Unidos terminar el acuerdo y reimponer el arancel, un remedio en duda desde que la Suprema Corte invalidó esos aranceles ^[807].

EE. UU. también exporta su pila tecnológica, el paquete completo de chips, nube, modelos y aplicaciones. El programa de exportaciones de IA del Departamento de Comercio recibió 78 solicitudes de consorcios para vender paquetes completos, y los que resulten designados podrán recibir gestión diplomática, financiamiento federal y licencias más rápidas ^[808], mientras las empresas ofrecen además productos soberanos a otros Estados ^[809]. China, por su parte, tiene sus propios instrumentos contra la regla extranjera. El Decreto 835 del Consejo de Estado, del 13 de abril, permite contramedidas contra quienes apliquen medidas extraterritoriales que China considere ilícitas, y en mayo el Ministerio de Comercio declaró injustificadas las sanciones de EE. UU. a cinco empresas chinas ^[810]. Su Ley de Comercio Exterior, reformada con vigencia desde marzo, permite además medidas recíprocas y prohibir a un extranjero bienes, tecnología y servicios si daña su soberanía o seguridad, si interrumpe sin base comercial sus tratos con empresas chinas o si les aplica medidas discriminatorias, y alcanza también a quien le ayude a eludir la prohibición ^[811].

Creemos que la diferencia entre las plantillas estadounidense y europea será la disputa de los próximos años, porque una deja ver el algoritmo sólo en un caso específico y la otra permite revisarlo antes de la venta, incluso para buscar sesgos. Como entre Estados Unidos y la Unión Europea no hay un tratado de libre comercio que zanje el choque, la presión corre por la Sección 301, donde decide el Ejecutivo estadounidense. Ningún tratado dice si los pesos de un modelo cuentan como código fuente o como algoritmo, y será la primera disputa la que lo defina; nos parece, además, que el escudo del T-MEC difícilmente cubrirá lo que el propio modelo genera. En ese sentido, las revisiones anuales del tratado abren una vía para fijar esas reglas en América del Norte.

Creemos también que un acceso preferente para usuarios de EE. UU. daría un argumento más a quien quiere regular en los países aliados. Las cláusulas de no discriminación pueden alcanzar a la regulación de IA, ya que una ley que pese más sobre los proveedores estadounidenses podría reclamarse como discriminatoria, y el costo político de esa queja lo pagaría la empresa en el país que la aprobó. Fuera de Estados Unidos, en cambio, el argumento comercial convence poco, porque en 25 países la Unión Europea es la que más confianza inspira para regular la IA, y Corea del Sur ya aplica su propia ley ^{[412] [574]}.

24

El marco legal de Estados Unidos

Estados Unidos concentra 71,96 % del cómputo instalado para IA en el mundo y la mayor parte de los laboratorios de frontera, y lo que deciden su Congreso, sus estados, sus tribunales y sus agencias marca la pauta para los demás países ^[1]. Por eso, después de comparar 32 países y la Unión Europea, este mapa acerca el lente a su marco legal.

La tabla reúne las leyes federales y estatales que fijan el cauce y el límite de cada materia en la que una empresa de IA trata con gobiernos, comunidades y competidores. Es una guía de lectura; su aplicación a cada caso la confirma un abogado.

25

Calendario

26

Sobre este documento

La investigación regulatoria y legal para este estudio se apoyó en el corpus de normas, tratados y monitoreo de Psiquepol + AI, la plataforma con la que damos seguimiento a la regulación y a sus actores en cada país: al corte de este documento, 84.747 normas, 484.498 iniciativas y 816.214 intervenciones parlamentarias. Para la búsqueda, el cotejo de fuentes y la redacción usamos modelos de inteligencia artificial.

En los próximos días publicaremos un complemento de este estudio, «Modelos abiertos y cerrados: la disputa que ordena la IA», sobre quién desarrolla los modelos de IA abiertos y cerrados en Estados Unidos, China y otros países, qué Estados y empresas los patrocinan, dónde queda Nvidia tras la renuncia de Jensen Huang del 11 de noviembre y cómo trata la ley a cada tipo de modelo.

Este es un documento de análisis de política pública y del entorno de la inteligencia artificial, que sirve de insumo para la toma de decisiones. No constituye asesoría jurídica, política ni financiera.

27

Monitoreo de IA

Fuera de nuestra plataforma, algunas fuentes oficiales limitan el acceso según el país o el tipo de conexión. El Monitoreo de IA de Psiquepol + AI reúne las normas, las iniciativas y los debates que cita este estudio, con enlace a cada fuente y a la ficha de cada actor, institución y artículo, y los actualiza de forma continua por país o con cobertura global. Está disponible de inmediato en los países con monitoreo activo; en otros países, se activa en 72 horas o se reembolsa.

Contratar el Monitoreo de IA

Notas y fuentes

1. 1.Psiquepol + AI, «Marcos legales de la IA en 32 países y la Unión Europea: resultados», 9 de noviembre de 2026, actualizado el 11 de noviembre, medición propia sobre 1.848 celdas con fuente o búsqueda negativa; pesos de cómputo de Epoch AI, AI Chip Imports.↩abcdefghijklmnopqrstuv
2. 2.SB 1047 (2023-2024), texto enrolled del 3 de septiembre de 2024, §§ 22602, 22603 y 22606: «Before beginning to initially train a covered model, the developer shall do all of the following» y «Implement the capability to promptly enact a full shutdown» (§ 22603(a)(2)(A)); auditoría desde 2026, § 22603(e); multas, § 22606(a)(1). Mensaje de veto del gobernador Newsom, 29 de septiembre de 2024: «the bill applies stringent standards to even the most basic functions - so long as a large system deploys it».↩ab
3. 3.mensaje de veto; Federal Register.↩ab
4. 4.SB 53, §§22757.12 y 22757.15.↩ab
5. 5.SB 53, §§22757.13 y 22757.15; Código Laboral de California, §1107.1; Ley de IA, art. 55(1)(c).↩ab
6. 6.8 U.S.C. §1184(g)(1).↩
7. 7.Proclamación 11069, 91 FR, 23 de septiembre de 2026.↩
8. 8.Ciudad de Tucson, boletín del 8 de agosto de 2025 y WTOP, agosto de 2025, sobre la sentencia de Prince William.↩ab
9. 9.S. 4214, 25 de marzo de 2026, y H.R. 9442, 24 de junio de 2026.↩ab
10. 10.Universidad de Melbourne y KPMG, «Trust, attitudes and use of artificial intelligence: A global study 2025», figura 13.↩abcde
11. 11.SAG-AFTRA, 9 de julio de 2025.↩ab
12. 12.Departamento del Trabajo, TEGL 15-25, 25 de junio de 2026.↩ab
13. 13.Plan de recursos humanos y seguridad social del XV Plan Quinquenal, vía Science and Technology Daily, 9 de julio de 2026.↩
14. 14.Ray Dalio, Principles for Dealing with the Changing World Order (2021), «Analysis of the World’s Leading Countries», tablas por país, pp. 137 a 166. Libro.↩abc
15. 15.Ray Dalio, The Changing World Order: Where We Are and Where We're Going (2020), pp. 301, 311, 312 y 321. Libro, del acervo.↩
16. 16.Digital Daily, «금속노조, 총파업 돌입…현대차·한국GM 등 8만5000명 일손 놓았다», 15 de julio de 2026.↩
17. 17.King & Wood Mallesons, «Data Centres: APAC Regulatory Guide 2026», capítulo de Singapur, noviembre de 2026.↩ab
18. 18.Gobierno de Singapur, «How Singaporean Workers Are Supported Through the AI Transition», 8 de mayo de 2026.↩
19. 19.Tseng Wen-sheng, presidente de Taipower, ante la Comisión de Economía del Yuan Legislativo, en udn, 15 de julio de 2026.↩ab
20. 20.Ley Básica de Inteligencia Artificial de Taiwán, arts. 15 y 17.↩ab
21. 21.Ballotpedia, 6 de noviembre de 2026. Reúne condados y municipios, nueve son consultivas, y fuera de las ciudades grandes su cobertura es parcial.↩abcdefgh
22. 22.E&E News, 4 de agosto de 2026.↩abc
23. 23.Data Center Dynamics, Entergy y Meta y Mississippi Free Press, xAI, 10 de marzo de 2026.↩ab
24. 24.Signal Ohio, 28 de julio de 2026.↩ab
25. 25.Atlanta Journal-Constitution, noviembre de 2026.↩ab
26. 26.Registro de iniciativas de Psiquepol + AI: Corea, proyecto 2218836, promulgado; Brasil, PL 278/2026, PLP 74/2026, PLP 23/2026, PL 414/2026 y PL 493/2026, y PL 2338/2023, Cámara de Diputados.↩ab
27. 27.Capacity, 24 de septiembre de 2026.↩abc
28. 28.Monitoring Analytics.↩abc
29. 29.GE Vernova, resultados del tercer trimestre de 2026, 28 de octubre de 2026: «Gas Power equipment backlog and slot reservation agreements grew from 116 to 122 GW; now anticipate reaching at least 130 GW by year-end 2026». Las entregas para 2031 y la proporción de centros de datos, de Utility Dive, sobre el segundo trimestre.↩ab
30. 30.Pew, adultos jóvenes.↩abc
31. 31.Pew Research Center, «How Americans View AI and Its Impact on People and Society», 17 de septiembre de 2025.↩
32. 32.Ipsos, AI Monitor 2026, 2 de junio de 2026, 32 países, campo del 20 de marzo al 3 de abril de 2026, 23.532 adultos; pregunta: «Products and services using artificial intelligence make me nervous».↩
33. 33.Merriam-Webster, palabra del año 2025.↩
34. 34.Nataliya Kosmyna y otros, «Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task», arXiv, 10 de junio de 2025. Sin revisión por pares.↩
35. 35.Statement on AI training.↩
36. 36.Walter G. Stephan y Cookie White Stephan, «An Integrated Threat Theory of Prejudice», en Stuart Oskamp (ed.), Reducing Prejudice and Discrimination (2000). Libro; definiciones tomadas de fuentes secundarias.↩
37. 37.Jakub Złotowski, Kumar Yogeeswaran y Christoph Bartneck, «Can we control it? Autonomous robots threaten human identity, uniqueness, safety, and resources», International Journal of Human-Computer Studies, 2017.↩ab
38. 38.«The emotional impact of generative AI: negative emotions and perception of threat», Behaviour & Information Technology, 2024.↩
39. 39.OCDE, Employment Outlook 2026, resumen ejecutivo, julio de 2026.↩
40. 40.UBS, Global Wealth Report 2023, p. 7: «the wealth share of the global top 1% falling to 44.5%», con datos de 2022.↩
41. 41.Oxfam, informe de desigualdad global, 19 de enero de 2026.↩ab
42. 42.Pew Research Center, «Views of children's financial future», 9 de enero de 2025, encuesta de primavera de 2024 en 19 países.↩
43. 43.Ipsos, What Worries the World, julio de 2026, 25.540 adultos en 30 países, campo del 19 de junio al 3 de julio.↩
44. 44.MoneyVox, 10 de septiembre de 2025, con el balance del Ministerio del Interior.↩
45. 45.Euronews, 3 de octubre de 2026.↩
46. 46.Carnegie Europe y European Democracy Hub, «The 2025 Surge in Global Protests Is Continuing in 2026», junio de 2026.↩
47. 47.ABC News, The Washington Post e Ipsos, 21 de octubre de 2026, campo del 9 al 13 de octubre, 2.545 adultos, margen de 2 puntos; la pregunta sobre la comunidad fue a media muestra, margen de 2,8.↩abc
48. 48.YouGov, mayo de 2026, 2.170 adultos.↩
49. 49.Edelman, Trust Barometer Flash Poll: Trust and Artificial Intelligence at a Crossroads, 18 de noviembre de 2025, p. 7; campo del 17 al 27 de octubre de 2025, 5.000 personas en Brasil, China, Alemania, el Reino Unido y Estados Unidos. Es la medición más reciente: el Trust Barometer de enero de 2026 repite el dato.↩
50. 50.ACLED, 28 de septiembre de 2026.↩
51. 51.Karsten Paul, Hannah Scholl y Klaus Moser, «Thirty years of research on the latent deprivation model», Frontiers in Psychology 14, 2023, sobre las funciones latentes del empleo descritas por Marie Jahoda.↩
52. 52.Liliana Winkelmann y Rainer Winkelmann, «Why Are the Unemployed So Unhappy? Evidence from Panel Data», Economica, 1998.↩
53. 53.Karsten Paul y Klaus Moser, «Unemployment impairs mental health: Meta-analyses», Journal of Vocational Behavior 74, 2009.↩
54. 54.Pew Research Center, «How Americans View Their Jobs», 30 de marzo de 2023.↩
55. 55.OpenAI, «GDPval: Evaluating AI Model Performance on Real-World Economically Valuable Tasks», arXiv, octubre de 2025; cifras de abril de 2026 en OpenAI, «Introducing GPT-5.5», tabla «GDPval (wins or ties)», medidas por OpenAI.↩
56. 56.Milad Mirbabaie, Felix Brünker, Nicholas Möllmann Frick y Stefan Stieglitz, «The rise of artificial intelligence: understanding the AI identity threat at the workplace», Electronic Markets, 2021.↩
57. 57.Jennifer Logg, Julia Minson y Don Moore, «Algorithm appreciation: People prefer algorithmic to human judgment», Organizational Behavior and Human Decision Processes 151, 2019.↩
58. 58.Brian Porter y Edouard Machery, «AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably», Scientific Reports, 14 de noviembre de 2024: los poemas se califican peor cuando el lector cree que los hizo una IA.↩
59. 59.Yang, «Perception of AI-induced occupational replacement risk and withdrawal behavior: an identity perspective», Frontiers in Psychology, 2026.↩ab
60. 60.Anthropic, «Formalizing Fermat's Last Theorem», 4 de septiembre de 2026. Verifica la demostración de Wiles; no es matemática nueva.↩
61. 61.OpenAI, repositorio openai/math, creado el 6 de octubre de 2026; el README dice que cerca de 42 % de los resultados principales está formalizado y que los no formalizados podrían tener errores.↩
62. 62.Terence Tao en Proofs and Prompts, «100+ reactions to 100+ solutions», 8 de octubre de 2026.↩
63. 63.Lex Fridman Podcast #503, 26 de octubre de 2026.↩abc
64. 64.Pew Research Center, «Globally, More People Expect AI to Cause Job Loss Than Growth», 17 de septiembre de 2026, campo del 8 de febrero al 13 de mayo de 2026, 42.151 adultos en 36 países más Estados Unidos: «The same trend is seen among people with less education and lower household income». La edición de 2025 (15 de octubre de 2025) encontraba lo mismo.↩
65. 65.Pew Research Center, «U.S. Workers Are More Worried Than Hopeful About Future AI Use in the Workplace», 25 de febrero de 2025.↩
66. 66.Sarah Lebovitz, Hila Lifshitz-Assaf y Natalia Levina, «To Engage or Not to Engage with AI for Critical Judgments», Organization Science, 2022.↩
67. 67.Minkyu Shin, Jin Kim, Bas van Opheusden y Thomas Griffiths, «Superhuman artificial intelligence can improve human decision-making by increasing novelty», PNAS, 2023.↩
68. 68.Abraham Maslow, «A Theory of Human Motivation», Psychological Review, 1943.↩
69. 69.Andy Jassy, carta a los empleados de Amazon, 17 de junio de 2025.↩ab
70. 70.Tobi Lütke en X, 7 de abril de 2025.↩
71. 71.Mechanize, «Announcing Mechanize, Inc.», 17 de abril de 2025; TechCrunch, 19 de abril de 2025, que cita la publicación de Tamay Besiroglu con la meta y la cifra de salarios.↩
72. 72.Daniel Ames y Susan Fiske, «Intentional Harms Are Worse, Even When They're Not», Psychological Science 24(9), 2013.↩
73. 73.Kurt Gray, Liane Young y Adam Waytz, «Mind Perception Is the Essence of Morality», Psychological Inquiry 23(2), 2012.↩
74. 74.Gallup, 15 de septiembre.↩abcde
75. 75.Christos Makridis, «Using AI More Does Not Reassure Workers, Managers Do», Gallup, 9 de septiembre de 2026.↩
76. 76.The Harris Poll para INTOO, Employee Mindset Report, campo del 4 al 6 de noviembre de 2025, 1.158 empleados, vía CPA Practice Advisor, 8 de enero de 2026.↩
77. 77.Gallup, despidos.↩ab
78. 78.Yochanan Bigman, Desman Wilson, Mads Arnestad, Adam Waytz y Kurt Gray, «Algorithmic discrimination causes less moral outrage than human discrimination», Journal of Experimental Psychology: General, 2023.↩
79. 79.Jeremy Kahn, entrevista a Marc Benioff, Fortune, 30 de julio de 2025.↩
80. 80.NBC News, entrevista de Lester Holt a Satya Nadella, 30 de enero de 2024.↩
81. 81.CBS News, 60 Minutes, reportaje de Bill Whitaker sobre Jensen Huang, 28 de abril de 2024.↩
82. 82.Milken Institute, conversación de Michael Milken con Jensen Huang, Global Conference, mayo de 2025, transcripción, minuto 06:40.↩
83. 83.Senado de Estados Unidos, Subcomité de Privacidad, Tecnología y Derecho del Comité Judicial, audiencia «Oversight of A.I.: Legislating on Artificial Intelligence», 12 de septiembre de 2023, respuesta de William Dally al presidente Blumenthal.↩
84. 84.Reglamento de IA de la Unión Europea, artículo 14, apartados 1 y 4(b).↩ab
85. 85.Hao-Ping Lee y otros, «The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers», CHI 2025.↩
86. 86.Raja Parasuraman y Dietrich Manzey, «Complacency and Bias in Human Use of Automation: An Attentional Integration», Human Factors 52(3), 2010.↩
87. 87.Sarah Jabbour, David Fouhey y otros, «Measuring the Impact of AI in the Diagnosis of Hospitalized Patients: A Randomized Clinical Vignette Survey Study», JAMA 330(23), 2023, págs. 2275 a 2284. Estudio aleatorizado con viñetas clínicas (casos simulados) en el que participaron 457 médicos hospitalistas, enfermeros especializados y asistentes médicos de 13 estados, entre abril de 2022 y enero de 2023: acierto base de 73,0 %; con las predicciones de un modelo sistemáticamente sesgado, 11,3 puntos menos (IC 95 %, 7,2 a 15,5), y 9,1 puntos menos cuando el modelo mostraba además su explicación; con un modelo sin sesgo, 2,9 puntos más, y 4,4 con explicación.↩
88. 88.Michelle Vaccaro, Abdullah Almaatouq y Thomas Malone, «When combinations of humans and AI are useful: A systematic review and meta-analysis», Nature Human Behaviour 8, 2024, págs. 2293 a 2303: 106 experimentos con 370 tamaños de efecto, publicados entre enero de 2020 y junio de 2023; frente al mejor de los dos por separado, la combinación rinde peor (g de Hedges = −0,23; IC 95 %, −0,39 a −0,07), con pérdidas en las tareas de decisión.↩
89. 89.Nikhil Agarwal, Alex Moehring, Pranav Rajpurkar y Tobias Salz, «Combining Human Expertise with Artificial Intelligence: Experimental Evidence from Radiology», NBER Working Paper 31422, julio de 2023, revisado en agosto de 2026, sin revisión por pares: 227 radiólogos; «AI assistance does not improve radiologists' average diagnostic quality, even though its predictions are more accurate than 78% of them», porque «they underweight AI predictions».↩
90. 90.Thomas Dratsch y otros, «Automation Bias in Mammography: The Impact of Artificial Intelligence BI-RADS Suggestions on Reader Performance», Radiology 307(4), 2023: 27 radiólogos, con una IA simulada; el acierto de los más experimentados cayó de 82,3 % a 45,5 %.↩
91. 91.Madeleine Clare Elish, «Moral Crumple Zones: Cautionary Tales in Human-Robot Interaction», Engaging Science, Technology, and Society 5, 2019.↩
92. 92.Edmond Awad y otros, «Drivers are blamed more than their automated cars when both make mistakes», Nature Human Behaviour 4, 2020.↩
93. 93.The Register, 2 de septiembre de 2025, sobre lo que Benioff dijo en The Logan Bartlett Show, con la respuesta de Salesforce.↩
94. 94.Sam Altman, «Three Observations», febrero de 2025.↩
95. 95.Anthropic, Economic Index, informe del 15 de septiembre de 2025.↩
96. 96.Dwarkesh Patel, entrevista a Elon Musk, 5 de febrero de 2026, minutos 1:15 a 1:16.↩
97. 97.Anthropic, S-1/A del 10 de noviembre de 2026, enmienda núm. 2. La valuación es un cálculo propio: 7.427.991.791 acciones clase A y 5.658.680.800 clase N en circulación tras la oferta y la colocación privada, por US$74.↩abcdef
98. 98.AI Futures Project, «Q3.5 Timelines Update: Looks Like the Intelligence Explosion Will Happen in 2027 After All», 10 de noviembre de 2026, de Eli Lifland, Brendan Halstead, Daniel Kokotajlo y otros.↩ab
99. 99.Naomi Aoki, «The importance of the assurance that "humans are still in the decision loop" for public trust in artificial intelligence: Evidence from an online experiment», Computers in Human Behavior 114, 2021, con 1.542 usuarios de cuidados de largo plazo y sus familias.↩
100. 100.Barry Staw, Lance Sandelands y Jane Dutton, «Threat Rigidity Effects in Organizational Behavior: A Multilevel Analysis», Administrative Science Quarterly 26(4), 1981.↩
101. 101.Writer, encuesta sobre adopción de IA en empresas, 7 de abril de 2026, con Workplace Intelligence, campo del 17 de diciembre de 2025 al 25 de enero de 2026, 1.200 ejecutivos y 1.200 empleados de Estados Unidos, el Reino Unido, Irlanda, el Benelux, Francia y Alemania. Encuesta de una empresa que vende IA; el sabotaje es autodeclarado. La edición de marzo de 2025 daba 31 %, sólo en Estados Unidos.↩
102. 102.Arizona Capitol Times, 19 de agosto de 2026.↩ab
103. 103.Eric Hobsbawm, «The Machine Breakers», Past & Present 1 (1952), en libcom.↩abc
104. 104.E. P. Thompson, The Making of the English Working Class (1963), cap. 14, y Kevin Binfield, Writings of the Luddites (Johns Hopkins University Press, 2004), que fecha el movimiento entre marzo de 1811 y abril de 1817, con su resumen de la historia por región en Murray State University. La ley del gig mill (5 y 6 Eduardo VI c. 22) y las de aprendizaje de la lana se derogaron en 1809.↩ab
105. 105.Kirkpatrick Sale, Rebels Against the Future (1995), y Adrian Randall, «Reinterpreting "Luddism"», en Martin Bauer (ed.), Resistance to New Technology (Cambridge University Press, 1995), pp. 57-80.↩
106. 106.Lord Byron ante la Cámara de los Lores, 27 de febrero de 1812, Hansard.↩
107. 107.Murray Edelman, The Symbolic Uses of Politics (1964), p. 6, en archive.org.↩
108. 108.Aina Gallego y Thomas Kurer, «Automation, Digitalization, and Artificial Intelligence in the Workplace: Implications for Political Behavior», Annual Review of Political Science 25, 2022.↩
109. 109.Thomas Kurer, «The Declining Middle: Occupational Change, Social Status, and the Populist Right», Comparative Political Studies, 2020.↩ab
110. 110.Nicole Wu, «Misattributed blame? Attitudes toward globalization in the age of automation», Political Science Research and Methods, 2021.↩
111. 111.Carl Benedikt Frey, Thor Berger y Chinchih Chen, «Political machinery: did robots swing the 2016 US presidential election?», Oxford Review of Economic Policy, 2018.↩
112. 112.Massimo Anelli, Italo Colantone y Piero Stanig, «Individual vulnerability to industrial robot adoption increases support for the radical right», PNAS, 2021.↩
113. 113.Gallup, pregunta abierta a quienes se oponen a un centro de datos en su zona, panel del 1 al 15 de abril de 2026, 1.561 opositores. Gallup no publica el solapamiento de las categorías: las razones propias de la IA van de 14 % si se solapan del todo a 27 % si no se solapan.↩
114. 114.Insights & Indicators, «The data center backlash», que reúne los experimentos de Echelon Insights (de 35 contra 53 a 27 contra 62) y de Change Research (de 37 contra 51 a 35 contra 55). La fecha del experimento de Echelon difiere entre fuentes.↩ab
115. 115.ITIF y Public First, 26 de agosto de 2026, campo del 8 al 12 de agosto, 2.007 adultos.↩ab
116. 116.Caltech, Linde Center for Science, Society, and Policy, «AI data centers are not popular, but does it matter?», con YouGov, diciembre de 2025; lectura de su figura 3.↩
117. 117.Gallup, «Most Important Problem», serie mensual, octubre de 2026.↩
118. 118.Bureau of Labor Statistics, Current Population Survey, serie LNS12000000, ocupados en octubre de 2026. La cifra de 44 millones es una estimación nuestra: aplica el porcentaje de Gallup al total de ocupados.↩
119. 119.Bureau of Labor Statistics, «Union Members, 2025», 18 de febrero de 2026.↩
120. 120.Pew Research Center, 20 de abril de 2021, campo del 5 al 11 de abril, 5.109 adultos.↩
121. 121.Cámara de Representantes, votación 75 del 11 de marzo de 2021, H.R. 8, Bipartisan Background Checks Act.↩
122. 122.Pew Research Center, 19 de noviembre de 2018, que compara su encuesta de 2018 (49 %) con la de 2016 (39 %).↩
123. 123.Vermont, Act 120 de 2014, sección 7.↩
124. 124.Public Law 114-216, 29 de julio de 2016, National Bioengineered Food Disclosure Standard.↩
125. 125.Encuesta de salida de NBC News.↩abcdef
126. 126.NPR, 15 de septiembre de 2026; Newsweek. Asamblea organizada por el Future of Life Institute.↩
127. 127.Liz Shuler ante el National Press Club, 28 de abril de 2026; National Press Club.↩
128. 128.Semafor, 6 de octubre de 2026; comunicado del senador Gallego.↩
129. 129.H.R. 10044, AI Tax and Work Protection Act, 6 de agosto de 2026.↩
130. 130.Abdul El-Sayed, «AI Under Democracy», junio de 2026; resultado del 3 de noviembre en Fox, 4 de noviembre de 2026.↩
131. 131.Dario Amodei, «The Adolescence of Technology», enero de 2026.↩abcde
132. 132.Dario Amodei, «Policy on the AI Exponential», 11 de junio de 2026.↩ab
133. 133.Anthropic, Economic Policy Framework, junio de 2026.↩ab
134. 134.Sam Altman, «Moore's Law for Everything», 16 de marzo de 2021.↩
135. 135.OpenAI Global Affairs, «Industrial Policy for the Intelligence Age», 6 de abril de 2026.↩
136. 136.Reglamento de IA de la Unión Europea, artículo 26(7).↩
137. 137.The Intercept Brasil, 2 de diciembre de 2024, sobre el PL 2338/2023.↩
138. 138.Corpus de iniciativas de Psiquepol + AI, consulta del 11 de noviembre de 2026: 73 iniciativas de 2025 y 2026 en 11 países cuyo título combina la IA y el trabajo. Las excepciones son los PL 2067/2026, 2019/2026 y 5178/2026 de Brasil, la AC 2842 de Italia y la iniciativa que reforma el artículo 439 de la Ley Federal del Trabajo de México.↩
139. 139.Dario Amodei, «Machines of Loving Grace», octubre de 2024.↩ab
140. 140.Eva Vivalt y otros, «The Employment Effects of a Guaranteed Income», Quarterly Journal of Economics 141(4), 2026; NBER w32719, revisada en agosto de 2026.↩
141. 141.Pew Research Center, 4 de octubre de 2017.↩
142. 142.Blue Rose Research, 9 de diciembre de 2025, 12.000 personas, vía Bharat Ramamurti. Fuente secundaria.↩
143. 143.More in Common, 13 de mayo de 2026. No publica el tamaño de la muestra.↩
144. 144.León XIV, Magnifica Humanitas, 15 de mayo de 2026, ¶149 y ¶167.↩
145. 145.Klaus Schwab, «The Fourth Industrial Revolution: what it means and how to respond», Foro Económico Mundial, 14 de enero de 2016; publicado antes en Foreign Affairs.↩ab
146. 146.Pew Research Center: confianza, Americans and AI 2026, 17 de junio de 2026, campo del 17 al 23 de febrero de 2026, 5.119 adultos («67% of Americans have little to no confidence in the U.S. government to regulate AI effectively. This is slightly up from 62% in 2024»; en la tabla de resultados, la confianza en las empresas, «not too much» 38 % y «none» 21 %, 59 %, igual que en 2024); empleo, 16 de septiembre de 2026 y la tabla de Estados Unidos del informe global, campo del 22 al 28 de junio de 2026, 3.488 adultos (71 % espera menos empleos en 20 años). En agosto de 2024, 64 % esperaba menos empleos (3 de abril de 2025).↩
147. 147.Bentley-Gallup, Americans Cool Toward AI.↩abcd
148. 148.Reuters/Ipsos vía Allwork.↩
149. 149.Quinnipiac, marzo de 2026.↩ab
150. 150.Gallup vía Fortune/AP.↩
151. 151.Gallup, indicador de IA.↩ab
152. 152.Gallup, American Job Quality Study.↩abc
153. 153.Pew, uso por edad.↩
154. 154.Fortune, 11 de junio de 2025 y Tom's Hardware.↩ab
155. 155.Challenger, Gray & Christmas, octubre de 2026.↩ab
156. 156.Challenger, septiembre de 2026.↩
157. 157.Klarna, F-1/A y Entrepreneur.↩
158. 158.Duolingo, 10-K.↩
159. 159.Cursor.↩
160. 160.Hosseini y Lichtinger, SSRN.↩
161. 161.Fed de Dallas, 22 de septiembre.↩
162. 162.Fed de St. Louis.↩
163. 163.BLS, proyecciones 2025-35.↩
164. 164.Yale Budget Lab, Fed de Nueva York y Fed de Dallas.↩
165. 165.BLS, empleo de octubre.↩abc
166. 166.Barr y Cook.↩
167. 167.Fed de Nueva York, egresados.↩
168. 168.Anthropic, impacto laboral.↩
169. 169.Brookings, capacidad de adaptación.↩ab
170. 170.Stanford AI Index 2026, opinión pública. Las cifras son de la encuesta de Pew a expertos y al público de 2024 (3 de abril de 2025); Pew no ha repetido la encuesta a expertos.↩
171. 171.Daron Acemoglu y Simon Johnson, Power and Progress, PublicAffairs, 2023.↩
172. 172.Foro Económico Mundial, Future of Jobs Report 2025, comunicado del 8 de enero de 2025. Encuesta a más de 1.000 empleadores de 22 industrias y 55 economías.↩abcd
173. 173.Robert C. Allen, «Engels' pause: Technical change, capital accumulation, and inequality in the British industrial revolution», Explorations in Economic History 46 (4), 2009, pp. 418-435.↩
174. 174.David Autor, David Dorn, Gordon Hanson y Kaveh Majlesi, «Importing Political Polarization? The Electoral Consequences of Rising Trade Exposure», American Economic Review 110 (10), 2020, pp. 3139-3183.↩
175. 175.Eva Vivalt y otros, «The Employment Effects of a Guaranteed Income», Quarterly Journal of Economics 141(4), 2026, pp. 2675-2734; NBER w32719, revisada en agosto de 2026: «total individual income fell by around 16 cents». La primera versión, de julio de 2024, daba 1,3 horas y 12 centavos (Business Wire, 21 de julio de 2025).↩
176. 176.Business Insider, abril de 2026, sobre una entrevista con Nicholas Thompson para The Atlantic.↩
177. 177.The Washington Times, 17 de abril de 2026 y Reason, 17 de abril de 2026.↩
178. 178.Gizmodo, junio de 2026.↩
179. 179.Alaska Statutes §37.13.145(b).↩
180. 180.Oficina Nacional de Estadística de China vía Trading Economics.↩
181. 181.ChinaTalk, «China on AI Job Loss», 1 de abril de 2026.↩ab
182. 182.Consejo de Estado de China, lineamientos del 23 de octubre de 2026, vía Reuters en Allwork.↩
183. 183.Despachos Littler y DLA Piper sobre California SB 951 y la Ley Pública 26-15 de Connecticut.↩ab
184. 184.Nueva York, A9533.↩
185. 185.S. 3108.↩
186. 186.S. 3108 y H.R. 9352, de Steven Horsford, 18 de junio de 2026.↩
187. 187.Quinnipiac, septiembre de 2026.↩
188. 188.Ley de Servicio Civil de Nueva York, §80(10)(b).↩
189. 189.Ley Federal del Trabajo de México, art. 439; Constitución de Brasil, art. 7, XXVII; Código del Trabajo de Francia, L1233-3 y L1233-4; Estatuto de los Trabajadores de España, art. 64.4.d.↩
190. 190.Lawrence Berkeley National Laboratory, United States Data Center Energy Usage Report: 2025 Update, 18 de junio de 2026, resumen ejecutivo y sección 1. La edición anterior (comunicado del 15 de enero de 2025) daba 4,4 % en 2023 y de 6,7 % a 12 % en 2028; la nueva revisó a la baja los años anteriores.↩
191. 191.Lawrence Berkeley National Laboratory, Shehabi et al., 2024 United States Data Center Energy Usage Report, diciembre de 2024, págs. 55 a 57. El agua indirecta no descuenta los contratos de compra de energía ni la generación propia de cada centro.↩
192. 192.Scientific American, 4 de noviembre.↩
193. 193.BLS API, CUUR0000SEHF01; Time; Campaigns & Elections; Pew.↩abc
194. 194.Edison Research en SSRS, AI User Metrics, mayo de 2026. Muestra probabilística de adultos de 18 años o más.↩
195. 195.Heatmap.↩
196. 196.Wood Mackenzie, proyecciones de agosto de 2026, vía Bloomberg en Energy Connects, 12 de agosto de 2026: «committing to about 28% of the 1,066 gigawatts requested for data center projects».↩
197. 197.Earthjustice, 30 de octubre de 2026.↩
198. 198.The Register, sobre el expediente CL26002535-00, y OPB, 31 de marzo de 2026.↩
199. 199.MIT Technology Review.↩ab
200. 200.Denver7/Scripps, gobernadores y centros de datos, resultados no oficiales.↩abc
201. 201.Texas Tribune.↩ab
202. 202.Data Center Dynamics.↩ab
203. 203.Click2Houston, 4 de noviembre.↩
204. 204.ABC News 4, orden ejecutiva de Shapiro.↩
205. 205.ABC7 Nueva York.↩
206. 206.Registro de iniciativas de Psiquepol + AI, proyectos del Congreso 119 con «data center» en el título, sin duplicados, al 8 de noviembre de 2026. Con base en los registros del Congreso.↩
207. 207.Clerk, votación 312; Politico, vía Yahoo.↩
208. 208.Roll Call, 30 de septiembre de 2026.↩
209. 209.Womble Bond Dickinson, The Bipartisan American Affordability and Jobs Act y C2ES.↩
210. 210.ABC News 4, ampliación del compromiso. Las cifras son de la Casa Blanca.↩
211. 211.Broadband Breakfast.↩
212. 212.Capacity, 14 de enero de 2026 y Anthropic, 11 de febrero de 2026.↩
213. 213.CNBC, los demócratas tras la elección.↩ab
214. 214.Bernie Sanders en X, 4 de noviembre y Quartz.↩
215. 215.E&E News, moratoria en el Capitolio.↩
216. 216.Fox News, marzo de 2026.↩ab
217. 217.Orden ejecutiva 14318, 23 de julio de 2025, secciones 2(d), 3, 4 y 9.↩abc
218. 218.Departamento de Energía, selección de cuatro sitios para centros de datos de IA, 24 de julio de 2025.↩
219. 219.POWER Magazine, sobre la selección del 29 de julio de 2026; falta el acuerdo final.↩
220. 220.Ejército de EE. UU., 26 de marzo de 2026. Selección condicional bajo 10 USC §2667.↩
221. 221.Defense News, 23 de octubre de 2025 y Tullahoma News, 1 de junio de 2026.↩
222. 222.Determinación presidencial bajo la sección 303 de la Ley de Producción para la Defensa, 20 de abril de 2026, 91 FR 21931.↩
223. 223.50 U.S.C. §§4511, 4555, 4557, 4558 y 4564, versión del U.S. Code vigente al 8 de noviembre de 2026, y 15 CFR §700.13. Un informe del Servicio de Investigación del Congreso de febrero de 2026 daba el 30 de septiembre como vencimiento; la fecha vigente es posterior a ese informe.↩abc
224. 224.The National, 5 de diciembre de 2025 y The Japan Times, 19 de noviembre de 2025. Sin confirmación de que el primer tramo de Abu Dabi ya opere.↩ab
225. 225.Orden ejecutiva 14365, 11 de diciembre de 2025, sección 8(b).↩
226. 226.H.R. 10119, Protecting Local Control of Data Centers Act, 119.º Congreso, turnado a comisión el 20 de agosto de 2026.↩
227. 227.Código de Urbanismo de Francia, L300-6-2 y Ley de Eficiencia Energética de Alemania, §11.↩
228. 228.HM Treasury, The Data Centre Covenant, 28 de octubre de 2026. La definición de centro estratégico queda pendiente.↩
229. 229.NYU Stern, Center for Business and Human Rights, 15 de abril de 2026, que cita a Tom's Hardware.↩
230. 230.FCC, Space Bureau, aviso público DA 26-113, 4 de febrero de 2026, expediente SAT-LOA-20260108-00016, y comentarios de la Secure World Foundation, 6 de marzo de 2026. La FCC no ha decidido.↩ab
231. 231.Sundar Pichai, resultados del tercer trimestre, 28 de octubre de 2026, y transcripción de la llamada. La segunda es una reproducción de la llamada.↩abc
232. 232.Axios, 5 de noviembre de 2026, que cita a Michael Cembalest (JPMorgan), Krishna Guha (Evercore), la columna Lex del Financial Times y a Derek Thompson, con datos de FactSet para las acciones.↩abc
233. 233.EIA, Today in Energy, 20 de febrero de 2026.↩
234. 234.26 U.S.C. §45Y(d)(4) para la fecha de entrada en servicio; la condición de inicio de obra, en Pierce Atwood, sobre la ley de 2025 y el aviso 2025-42 del IRS.↩ab
235. 235.Orden ejecutiva 14300, 23 de mayo de 2025 y hoja informativa de la Casa Blanca.↩
236. 236.American Nuclear Society, Meta, 12 de enero de 2026, American Nuclear Society, Kairos y Google y World Nuclear News, Crane.↩
237. 237.Data Center Dynamics, Google y Fervo y American Nuclear Society, Helion, 23 de junio de 2026.↩
238. 238.Nicholas Institute, Universidad Duke, 11 de febrero de 2025.↩
239. 239.Google, 4 de agosto de 2025 y Yahoo News, sobre el retiro en Franklin Township.↩
240. 240.Departamento de Energía, orden 202-26-23 a PJM bajo la sección 202(c) de la Ley Federal de Energía.↩
241. 241.Akin Gump, órdenes de la FERC del 18 de junio de 2026.↩
242. 242.Utility Dive, sobre la orden de la FERC del 9 de octubre de 2026.↩
243. 243.AP, vía Boston Globe.↩ab
244. 244.National Nurses United, 22 de julio de 2026.↩
245. 245.JLARC.↩ab
246. 246.Semafor, 15 de octubre de 2026. Encuesta de Fabrizio Ward e Impact Research.↩abc
247. 247.Virginia Mercury, 5 de agosto de 2026.↩ab
248. 248.AEP Ohio (parte), Georgia PSC, Texas SB 6, Virginia vía SELC; DCK, IBJ.↩
249. 249.WUSF y News Service of Florida, 4 de noviembre de 2026.↩
250. 250.Florida §366.043; Idaho §61-335; Dakota del Sur §49-50-2; Delaware, tít. 26, §317; Texas, Código de Servicios Públicos §39.170.↩
251. 251.CNBC, análisis del 6 de noviembre.↩abcd
252. 252.Administración Nacional de Energía de China, Informe sobre el desarrollo del mercado eléctrico de China 2025, 18 de junio de 2026: «新增发电装机容量5.42亿千瓦» (542 millones de kilovatios de capacidad nueva). La cifra de once meses, cerca de 445 gigavatios, venía del South China Morning Post.↩ab
253. 253.The Star, con datos de la Administración Nacional de Energía, 28 de enero de 2026; CREA y Global Energy Monitor; y EIA, mayo de 2026, con datos del OIEA.↩
254. 254.Agencia Internacional de Energía, Energy and AI, demanda de energía, escenario base.↩
255. 255.Consejo de Estado de China, «Opinión sobre la aplicación a fondo de la acción “IA+”», Guofa (2025) 11, 21 de agosto de 2025, apartado I y apartado II, inciso (4) 1.↩abcde
256. 256.MIT Technology Review, «China built hundreds of AI data centers to catch the AI boom. Now many stand unused», 26 de marzo de 2025. La cifra de 80 % es de los medios chinos Jiazi Guangnian y 36Kr, citados por la revista; la de 500 proyectos, de KZ Consulting.↩ab
257. 257.AI Kill Switch and Data Centre Control Bill 2026, Parlamento de Australia; proposición de resolución de François Ruffin, Asamblea Nacional, y BT-Drs. 21/8111, Bundestag.↩
258. 258.The Next Web, sobre Axios.↩abc
259. 259.Delaware, tít. 9, §401; Nueva Jersey §34:11-56.102; Virginia §15.2-2209.5.↩
260. 260.Pew Research Center, «How opinions and use of AI differ by age», 17 de junio de 2026, encuesta del 17 al 23 de febrero de 2026 a 5.119 adultos. El 49 % responde a la pregunta CHATUSEMOD del cuestionario, si se usa alguna vez un chatbot de IA como ChatGPT, Gemini o Copilot; cada marca se preguntó aparte, a la mitad de la muestra.↩
261. 261.Pew, 23 de octubre de 2026.↩
262. 262.Luisiana, Microsoft, Pensilvania; Axios.↩
263. 263.larson.house.gov; Breaking Defense.↩ab
264. 264.goldmansachs.com.↩
265. 265.Meta, 12 de agosto de 2026; Axios, Axios.↩
266. 266.Nvidia, Apple; Microsoft, Mississippi.↩
267. 267.FEC, Leading the Future, corte al 14 de octubre.↩
268. 268.San Francisco Standard, 31 de octubre de 2026.↩abc
269. 269.FEC, comité C00916114 y Fortune, 4 de noviembre de 2026, para la red.↩ab
270. 270.Fortune, 4 de noviembre de 2026 y SF Standard, 31 de octubre de 2026.↩
271. 271.Fortune, 4 de noviembre de 2026, con datos de la FEC.↩ab
272. 272.Secretaría de Estado de California, distrito 11, escrutinio no oficial y Semafor, 5 de noviembre de 2026.↩
273. 273.Anthropic, donación a Public First Action.↩
274. 274.The New York Times, vía AI Weekly, 16 de octubre de 2026 y GV Wire.↩
275. 275.AP-NORC, 8 de octubre de 2026, 2.140 adultos del 24 al 28 de septiembre, margen de 2,9 puntos.↩
276. 276.Discurso de despedida de Dwight D. Eisenhower, 17 de enero de 1961, Archivo Nacional.↩
277. 277.Rebecca U. Thorpe, The American Warfare State: The Domestic Politics of Military Spending, University of Chicago Press, 2014, según la reseña de Benjamin O. Fordham, Michigan War Studies Review, 30 de octubre de 2014 y la entrevista de la Universidad de Washington, 30 de junio de 2014.↩ab
278. 278.Office of Local Defense Community Cooperation, Defense Spending by State, Fiscal Year 2024, noviembre de 2025, y su hoja de cálculo por condado y contratista.↩ab
279. 279.Informes 10-K del ejercicio 2025 en SEC EDGAR, apartado de propiedades: Lockheed Martin, General Dynamics, Northrop Grumman y Huntington Ingalls. Los distritos los calculamos con la API de geografía del Census Bureau sobre la ubicación aproximada de cada planta.↩
280. 280.Lockheed Martin, hoja informativa, mayo de 2026; Lockheed Martin, impacto económico del F-35, consultada el 7 de noviembre de 2026; y, para el B-21, el comunicado de Northrop Grumman de noviembre de 2023 recogido por la prensa. Las cifras las publican las empresas y no tienen verificación independiente por estado.↩
281. 281.James Fallows, «The Tragedy of the American Military», The Atlantic, enero-febrero de 2015, vía Ken Opalo, 3 de enero de 2015; para el B-1, Gordon Adams citado por Rolling Stone.↩
282. 282.Kenneth R. Mayer, The Political Economy of Defense Contracting, Yale University Press, 1991, según la reseña de Foreign Affairs.↩
283. 283.Larry M. Bartels, «Constituency Opinion and Congressional Policy Making: The Reagan Defense Buildup», American Political Science Review 85(2), 1991, doi 10.2307/1963169, resumen y p. 464.↩
284. 284.Gallup, serie «Military and National Defense», medición del 1 al 20 de febrero de 2024, la más reciente.↩
285. 285.Congressional Research Service, IN12641 (20 de enero de 2026) y IN12653 (10 de febrero de 2026), sobre la Ley Pública 119-60. La racha de 65 años la dan despachos jurídicos como Holland & Knight.↩
286. 286.Departamento de Guerra, Comptroller, Fiscal Year 2027 Budget Request Overview Book, figura 1.1 y apartado de IA. El comunicado del 21 de abril de 2026 redondea la solicitud a US$1,5 billones.↩ab
287. 287.Military.com.↩
288. 288.Congressional Record y comunicado de las senadoras Collins y Snowe, para los 44 estados; Larry Bartels, American Political Science Review, 1991, doi 10.2307/1963169.↩
289. 289.carta de 2024, carta de 2025, Murkowski; Inside Climate News, Sidley.↩
290. 290.Clerk, votación 86; P.L. 117-169, hecho público no reabierto.↩
291. 291.Oficina Digital y de IA del Departamento de Defensa (CDAO), comunicado del 14 de julio de 2025, y Built In.↩ab
292. 292.OpenAI, «Presentamos OpenAI para organismos de Gobierno», 16 de junio de 2025.↩abc
293. 293.JobsOhio, sobre Arsenal-1 de Anduril en el condado de Pickaway, con 4.008 empleos comprometidos hasta 2035 y US$310 millones de apoyo estatal.↩
294. 294.Michael Brenes y William D. Hartung, «Private Finance and the Quest to Remake Modern Warfare», Quincy Institute, 3 de junio de 2024.↩
295. 295.Roberto J. González, Costs of War, Universidad Brown, 17 de abril de 2024.↩
296. 296.Informes LD-2 del tercer trimestre de 2026, vía AI Weekly y GadgetReview. Los montos coinciden con los formularios LD-2 de Nvidia, Anthropic y OpenAI.↩
297. 297.Formularios LD-2 del tercer trimestre de 2026: Meta, Amazon y Google. Extraídos el 8 de noviembre de 2026; la Senate Office of Public Records no responde por los datos ni por los análisis derivados una vez extraídos.↩
298. 298.Yaqiu Wang y Nicholas Bequelin, Project Syndicate, 4 de septiembre de 2026.↩
299. 299.Xinhua, 22 de enero de 2017, creación de la Comisión Central de Desarrollo Integrado Militar y Civil, presidida por Xi Jinping; Consejo de Estado, Plan de desarrollo de la IA de nueva generación, 国发〔2017〕35号, 20 de julio de 2017, apartado «加强人工智能领域军民融合»; Departamento de Defensa, informe anual al Congreso sobre el poder militar de China, 23 de diciembre de 2025, pp. 62 y 66.↩
300. 300.Shannon Vaughn, Foreign Policy Research Institute, 10 de septiembre de 2025.↩
301. 301.Goldman Sachs, «Generative AI could raise global GDP by 7%», 5 de abril de 2023, sobre el informe de Joseph Briggs y Devesh Kodnani.↩
302. 302.McKinsey Global Institute, «The economic potential of generative AI: The next productivity frontier», 14 de junio de 2023.↩
303. 303.Daron Acemoglu, «The Simple Macroeconomics of AI», NBER 32487, publicado en Economic Policy, 2025.↩
304. 304.METR, 24 de febrero de 2026: el tiempo de las tareas con IA cambió -18 % (intervalo de -38 % a +9 %) para los programadores que repetían y -4 % (de -15 % a +9 %) para los nuevos; METR califica la señal de poco confiable por la selección de participantes y de tareas y considera la estimación un límite inferior del efecto. Experimento anterior: METR, 10 de julio de 2025, 16 programadores experimentados y 246 tareas de febrero a junio de 2025, con herramientas anteriores a los agentes: con IA, las tareas tomaron 19 % más (de +2 % a +39 %).↩
305. 305.Emerson Murphy-Hill, Jenna Butler y Alexandra Savelieva, «Adoption and Impact of Command-Line AI Coding Agents: A Study of Microsoft's Early 2026 Rollout of Claude Code and GitHub Copilot CLI», arXiv, 1 de julio de 2026. El efecto se mantuvo durante los cuatro meses del estudio. Los autores usan las solicitudes de cambio integradas como medida aproximada de la producción y advierten que no equivalen al valor que entregan.↩
306. 306.Ivan Yotzov, José María Barrero, Nicholas Bloom, Steven J. Davis y otros, «Firm Data on AI», NBER w34836, febrero de 2026, revisada en octubre de 2026, sin revisión por pares. Sustituye al informe preliminar de MIT NANDA de 2025 (95 % sin efecto medible, vía Fortune).↩
307. 307.Fortune, 30 de octubre.↩abcd
308. 308.Reuters, 4 de noviembre.↩abc
309. 309.BEA, cuentas nacionales, tabla 1.1.1 (serie A191RL) y tablas 4.2.5 y 4.2.1 (series B852RC y B852RL). El aporte al crecimiento es cálculo propio.↩abcde
310. 310.Fox Business, Trump.↩
311. 311.Jan Hatzius en el Atlantic Council, febrero de 2026, vía Gizmodo y Tom's Hardware.↩
312. 312.Fed de St. Louis.↩
313. 313.ING, James Knightley, 20 de agosto de 2026, que cita también la cifra de Jason Furman.↩
314. 314.Goldman Sachs (Rindels y Mericle) vía Axios, 12 de agosto de 2026.↩
315. 315.BLS CES, series desestacionalizadas CES0000000001, CES6562000001, CES5000000001, CES5051800001 y CES6054150001, leídas en la API pública de BLS tras el informe del 6 de noviembre de 2026 (octubre de 2025 a octubre de 2026).↩
316. 316.Fox Business, Moody's y Fed de Minneapolis.↩
317. 317.Dean Baker, CEPR, «Five takeaways from the third quarter GDP report», versión en Substack.↩
318. 318.Comunicados de resultados y formularios 8-K del tercer trimestre de 2026 de Microsoft, Alphabet, Meta y Amazon en la SEC: flujo operativo menos gasto de capital (cálculo propio). Microsoft sin arrendamientos financieros; con ellos, Fortune estima su gasto en US$45.200 millones y el flujo libre bajaría a unos +12.800.↩abc
319. 319.Formularios 10-Q del tercer trimestre de 2026 de Amazon, Alphabet, Meta y Microsoft. La deuda de Amazon es valor nominal.↩abcd
320. 320.Meta, comunicado del 26 de octubre de 2026, 8-K y 424B5 de Meta; 8-K de Microsoft, 4 de noviembre; 8-K de Oracle, 4 de noviembre; FWP de Alphabet, 2 de noviembre.↩
321. 321.CNBC, septiembre y comunicado de octubre.↩
322. 322.Yahoo Finance.↩
323. 323.Reuters, 5 de noviembre.↩abc
324. 324.24/7 Wall St., 6 de noviembre.↩ab
325. 325.Fox Business, expertos.↩
326. 326.Yahoo Finance, 6 de noviembre, Fox Business y StockTitan; el balance semanal es cálculo propio contra el cierre del 30 de octubre.↩ab
327. 327.Reuters vía BNN Bloomberg, 6 de noviembre de 2026, con datos de Truist, Vanda e ICE.↩
328. 328.Fortune, 26 de julio de 2026. Precios de lista. El de DeepSeek V4 Pro que publicó Fortune, unos US$0,87, ya no es el vigente; el actual sale de la página de precios de DeepSeek [518].↩abcdefg
329. 329.TechCrunch, «ChatGPT reaches 900M weekly active users», 27 de febrero de 2026.↩
330. 330.Sundar Pichai, mensaje sobre los resultados del tercer trimestre de 2026 de Alphabet, 28 de octubre de 2026. La infografía de la misma página la da como usuarios activos mensuales, una medida distinta de la semanal de ChatGPT.↩
331. 331.Aaron Chatterji y otros, «How People Use ChatGPT», documento de trabajo 34255 de la NBER, septiembre de 2025.↩
332. 332.Anthropic, Anthropic Economic Index, informe de marzo de 2026, 24 de marzo de 2026, sobre conversaciones de Claude.ai.↩
333. 333.Microsoft, «The continued state of global AI diffusion in 2026», 21 de septiembre de 2026.↩
334. 334.Cámara de Comercio de Estados Unidos, 2026 Empowering Small Business, 2 de octubre de 2026, con Teneo, 3.732 pequeñas empresas, campo del 23 de julio al 6 de agosto de 2026: «2/3 of U.S. small businesses (66%) now use AI, up 8 points from 2025 (58%)».↩
335. 335.Alexander Bick, Adam Blandin y David Deming, Generative AI Adoption Tracker, en FRED, «Does generative AI save time at work?», 27 de agosto de 2026 y la serie RPSGENAITSALL: «grew from 28.2% in Q3 2024 to 39.2% by Q2 2026» y, en «roughly the same stretch», «grew from 1.6% to 2.2%». Respuestas autodeclaradas de adultos de 18 a 64 años. Su estimación anterior, de 5,4 % de las horas de los usuarios, es de febrero de 2025.↩
336. 336.Mikhail Bogdanov, JetBrains, «AI Coding Agents: Adoption Trends», 18 de agosto de 2026, con datos de la Developer Ecosystem Survey 2026.↩
337. 337.Mikhail Bogdanov, JetBrains, «How Much Code Do Developers Really Let Agents Write?», 26 de agosto de 2026.↩
338. 338.SemiAnalysis, «Claude Code is the Inflection Point», 5 de febrero de 2026.↩
339. 339.Anthropic, «Anthropic raises $30 billion in Series G funding at $380 billion post-money valuation», 12 de febrero de 2026.↩
340. 340.OpenAI, «Codex para cada rol, herramienta y flujo de trabajo», 2 de junio de 2026.↩
341. 341.Lovable, «A first look at the build economy», 9 de junio de 2026.↩
342. 342.GitHub, Octoverse 2026, 28 de octubre de 2026, datos del 1 de octubre de 2025 al 30 de septiembre de 2026.↩
343. 343.Google DeepMind, «Advanced version of Gemini with Deep Think officially achieves gold-medal standard at the International Mathematical Olympiad», 21 de julio de 2025.↩
344. 344.Google DeepMind, «Gemini achieves gold-medal level at the International Collegiate Programming Contest World Finals», 17 de septiembre de 2025.↩
345. 345.Google DeepMind, «AlphaEvolve: A Gemini-powered coding agent for designing advanced algorithms», 14 de mayo de 2025.↩
346. 346.Real Academia Sueca de Ciencias, comunicado del Premio Nobel de Química 2024, 9 de octubre de 2024.↩
347. 347.RCSB Protein Data Bank, conteo propio de entradas experimentales en su API de búsqueda, 10 de noviembre de 2026: 262.786 en total y 17.599 publicadas en 2025.↩
348. 348.OpenAI, repositorio «math», README e historial de cambios, consultado el 10 de noviembre de 2026.↩ab
349. 349.Thomas Bloom, entrada del 8 de octubre de 2026 en erdosproblems.com.↩ab
350. 350.arXiv 2601.07421, enero de 2026, sobre el problema 728 de Erdős.↩
351. 351.Thomas Bloom, entrada sobre la conjetura de distancias unitarias en erdosproblems.com, mayo de 2026.↩
352. 352.Quanta Magazine, «AI Has Solved One of Math's $1 Million Millennium Prize Problems», 8 de septiembre de 2026; CNBC, «OpenAI claims to have solved the 90-year-old Navier-Stokes math problem in 88 hours», 9 de septiembre de 2026; The Tufts Daily, «Mathematicians still checking the Navier-Stokes proof that OpenAI claims to have solved», septiembre de 2026.↩ab
353. 353.Al Jazeera, «AI makes discoveries in mathematics, computer science, physics, OpenAI says», 27 de octubre de 2026.↩ab
354. 354.Google DeepMind, arXiv 2601.22401, enero de 2026, revisión de 700 problemas de Erdős.↩
355. 355.Veronica Hernström y otros, «Screening performance and characteristics of breast cancer detected in the Mammography Screening with Artificial Intelligence trial (MASAI)», The Lancet Digital Health, marzo de 2025.↩
356. 356.Kristina Lång y otros, «Artificial intelligence-supported screen reading versus standard double reading in the Mammography Screening with Artificial Intelligence trial (MASAI)», The Lancet Oncology, agosto de 2023.↩
357. 357.Jessie Gommers y otros, «Interval cancer, sensitivity, and specificity comparing AI-supported mammography screening with standard double reading without AI in the MASAI study», The Lancet, enero de 2026, vol. 407, págs. 505-514.↩
358. 358.Ilan Price y otros, «Probabilistic weather forecasting with machine learning», Nature, diciembre de 2024, y Google DeepMind, 4 de diciembre de 2024.↩
359. 359.Grey Nearing y otros, «Global prediction of extreme floods in ungauged watersheds», Nature, marzo de 2024, y Google Research, 20 de marzo de 2024.↩
360. 360.Casa Blanca, Winning the Race: America's AI Action Plan, julio de 2025.↩
361. 361.Consejo de Estado de China, opinión sobre la acción «IA+», Guofa [2025] n.º 11, publicada el 26 de agosto de 2025.↩
362. 362.Leopold Aschenbrenner, Situational Awareness: The Decade Ahead, junio de 2024.↩
363. 363.Sam Altman, transmisión de OpenAI del 28 de octubre de 2025, vía eWeek.↩
364. 364.Sam Altman en el DevDay 2026, vía The Next Web, 29 de septiembre de 2026.↩
365. 365.Dan Hendrycks, Eric Schmidt y Alexandr Wang, Superintelligence Strategy, marzo de 2025.↩
366. 366.Anthropic, S-1/A del 2 de noviembre de 2026.↩abcde
367. 367.METR, «Anthropic AI R&D Acceleration Assessment», 5 de noviembre de 2026, con la evaluación del 12 de agosto al 29 de octubre, y revisión de la sección de I+D del informe de riesgos de agosto, que cita la definición del umbral de la política de escalamiento responsable. Anthropic tuvo derecho a tachar la información no pública. El texto del umbral en el prospecto es nuevo en la enmienda del 2 de noviembre y no estaba en el S-1 del 26 de octubre.↩abcd
368. 368.Anthropic, «Measurements for understanding the pace of AI development inside frontier labs». La clasificación de quién dirige cada tarea la hace un juez basado en Claude, y el conteo de agentes cubre sólo la plataforma interna más usada.↩
369. 369.Sam McCandlish en X, 5 de noviembre de 2026 y Daniel Kokotajlo en X, 3 y 5 de noviembre de 2026.↩ab
370. 370.Anthropic, «Claude Fable 5.2 and Claude Mythos 5.2», 9 de noviembre de 2026.↩
371. 371.OpenAI, «Covert underperformance on safety research tasks», 4 de noviembre de 2026.↩
372. 372.Anthropic, «An update on independent evaluators», 15 de octubre de 2026.↩
373. 373.S. 5493, Ban Artificial Superintelligence Act of 2026, GovInfo, presentada el 23 de septiembre de 2026 y turnada al Comité de Comercio, Ciencia y Transporte.↩ab
374. 374.AP vía PBS NewsHour, 23 de septiembre de 2026.↩ab
375. 375.Future of Life Institute, «Statement on Superintelligence», octubre de 2025; firmas contadas el 7 de noviembre de 2026.↩
376. 376.TechRepublic, septiembre de 2026.↩
377. 377.Anthropic, «Claude Gov models for U.S. national security customers», junio de 2025.↩
378. 378.Anthropic, «Expanding our partnership with GSA», 27 de octubre de 2026.↩
379. 379.Arvind Narayanan y Sayash Kapoor, «AI as Normal Technology», Knight First Amendment Institute, 15 de abril de 2025.↩
380. 380.Will Rinehart, «China's AI strategy: adoption over AGI», American Enterprise Institute, 8 de mayo de 2025.↩
381. 381.Matthew Johnson, «AGI Has Quietly Become Central to Beijing's AI Strategy», China Brief, Jamestown Foundation, octubre de 2025.↩
382. 382.XV Plan Quinquenal (2026-2030), presentado a la Asamblea Popular Nacional el 5 de marzo de 2026, vía AI Safety in China, 27 de marzo de 2026.↩
383. 383.Jeffrey Ding, Technology and the Rise of Great Powers, Princeton University Press, 2024.↩ab
384. 384.Stanford AI Index 2026, economía.↩
385. 385.Stanford AI Index 2026 vía The Next Web. La página del capítulo de investigación de Stanford no da los porcentajes.↩abcde
386. 386.Xinhua, 26 de diciembre de 2025 y Xinhua, 29 de diciembre, con datos de la Comisión Nacional de Desarrollo y Reforma y del Ministerio de Finanzas.↩
387. 387.DealStreetAsia, fondo de Beijing y Yicai, fondo de Guangzhou.↩
388. 388.Conversión propia al tipo de cambio aproximado de la fecha: 7,05 yuanes por dólar en diciembre de 2025 y 6,7 en 2026 (CurrencyBeacon, 9 de septiembre de 2026: 6,708).↩ab
389. 389.DeepSeek, «Introducing DeepSeek-V4.1-Flash», 10 de septiembre de 2026, precios de la API, consultados el 9 de noviembre de 2026, y pesos en Hugging Face, licencia MIT.↩abc
390. 390.Reflection, «Introducing Beam», 5 de octubre de 2026, con la tabla de resultados que reporta la empresa; «Building Frontier Open Intelligence», 9 de agosto de 2025, para el financiamiento; pesos en Hugging Face, licencia Apache 2.0.↩
391. 391.eWeek y Forkast, con otros cortes de la misma plataforma.↩
392. 392.Stanford AI Index 2026, investigación y desarrollo.↩
393. 393.CSIS, «NVIDIA's Jensen Huang on Securing American Leadership on AI», transcripción de la conversación del 3 de diciembre de 2025.↩
394. 394.Research Information, «China extends lead in Nature Index global research rankings», 10 de junio de 2026.↩
395. 395.Anthropic, 23 de febrero de 2026.↩
396. 396.NSA, CISA y FBI, aviso AA26-251A, 8 de septiembre de 2026.↩abc
397. 397.Ministerio de Comercio de China, 9 de septiembre de 2026, vía AP en CTV News y National Law Review.↩abcd
398. 398.Anthropic, 12 de octubre de 2026.↩
399. 399.Consejo de Relaciones Exteriores, 29 de abril de 2026 (Chris McGuire, Michael Horowitz y Jessica Brandt).↩abcd
400. 400.Cyfirma, Threat Horizon After Black October. «Octubre negro» es una etiqueta informal para incidentes independientes.↩
401. 401.Wikipedia, «PHP2Shell», con W3Techs para la participación de PHP.↩ab
402. 402.Microsoft Threat Intelligence, 21 de octubre de 2026. También The Record, 22 de octubre de 2026.↩abc
403. 403.Axios, 28 de octubre de 2026 (Sam Sabin).↩ab
404. 404.Google, «Gemini 4 Carbon: our next frontier model», 28 de octubre de 2026.↩
405. 405.CyberScoop, Notebookcheck e InfoWorld.↩ab
406. 406.Binance, informe preliminar, 3 de noviembre de 2026.↩abc
407. 407.FBI, alerta del 31 de octubre de 2026. La respuesta de Corea del Norte, en SecurityWeek, 4 de noviembre de 2026.↩abc
408. 408.Epoch AI, How do Chinese AI companies make money?.↩
409. 409.CNN, 30 de octubre de 2026.↩ab
410. 410.Datos de Bloomberg vía Free Press Journal.↩
411. 411.Morgan Stanley vía investingLive; CXMT en The Standard.↩
412. 412.Entusiasmo y nerviosismo: Ipsos, AI Monitor 2026, págs. 14 a 16, 32 países, campo del 20 de marzo al 3 de abril de 2026: China, 83 % de entusiasmo y 40 % de nerviosismo; Estados Unidos, 33 % y 64 %. Antes se citaba la edición de 2025, de 30 países, vía Stanford. Empleo y confianza: Ipsos, 2025, y Pew, Global Attitudes Survey de primavera de 2025 (25 países), en Stanford AI Index 2026, capítulo 9, figuras 9.1.6 y 9.3.2 y hallazgos 4 y 8. En su encuesta mundial de 2026, Pew hizo la pregunta de confianza en el propio país sólo en 12 países, sin Estados Unidos (informe del 17 de septiembre de 2026, pág. 32); su encuesta nacional de febrero de 2026 da 67 % con poca o ninguna confianza en el gobierno (nota 823).↩abcde
413. 413.Indmoney.↩
414. 414.CBS, Senado, CBS, Cámara, NBC y encuestas de salida de CBS.↩ab
415. 415.Pew, temas de la elección.↩
416. 416.Pew, aprobación de Trump.↩
417. 417.Newsweek.↩
418. 418.CNBC, Texas.↩
419. 419.Boston Globe.↩
420. 420.Casa Blanca, orden ejecutiva 14277, «Advancing Artificial Intelligence Education for American Youth», 23 de abril de 2025, secciones 2 y 4 a 8; Casa Blanca, 30 de junio de 2025, más de 60 firmantes del compromiso. La cifra de más de 135 firmantes en septiembre de 2025 es de Independent Women, 12 de septiembre de 2025.↩
421. 421.Xinhua, 2 de diciembre de 2024, sobre el aviso de la Oficina General del Ministerio de Educación para reforzar la educación en IA en primaria y secundaria. Para Pekín: Beijing News, marzo de 2025, plan 2025-2027 con al menos 8 horas por ciclo escolar, y IT之家, septiembre de 2025, con datos de CCTV sobre más de 1.400 escuelas.↩
422. 422.SEC; Mitchell et al., Ann Intern Med, doi 10.7326/M20-5665; San Loh et al., JAMA Netw Open, doi 10.1001/jamanetworkopen.2026.3885.↩ab
423. 423.CBS News, julio de 2025 y Entrepreneur: Microsoft, US$12,5 millones en cinco años; OpenAI, 10 millones, 2 de ellos en apoyo técnico y créditos de cómputo; Anthropic, 500.000 el primer año.↩
424. 424.aft.org; AMA, AICPA, ABA 512.↩
425. 425.Greg Toppo, The 74, 4 de agosto de 2025, republicado por Route Fifty.↩
426. 426.Fleischman et al., BMJ 354:i4189; OIG, alerta especial; 6-K de Novartis, DOJ.↩
427. 427.Margalit y Raviv, British Journal of Political Science, DOI 10.1017/s0007123425101282.↩
428. 428.Engadget; Outlook Business.↩
429. 429.Nextgov, Nextgov, protesta, Nextgov, 2026.↩
430. 430.Universidad de Melbourne, encuesta a 48.340 personas en 47 países, en Stanford AI Index 2026, capítulo 9, figura 9.1.10.↩
431. 431.David C. Krakauer, «Competitive and Complementary Tools», preprint en arXiv, julio de 2026; antes, «Will A.I. Harm Us? Better to Ask How We'll Reckon with Our Hybrid Nature», Nautilus, 2016.↩
432. 432.StarTalk, «Why We Haven't Reached Superintelligence, with David Krakauer», 10 de octubre de 2026.↩
433. 433.Krzysztof Budzyń y otros, «Endoscopist deskilling risk after exposure to artificial intelligence in colonoscopy: a multicentre, observational study», The Lancet Gastroenterology & Hepatology, vol. 10, octubre de 2025, págs. 896-903.↩
434. 434.OpenAI, decisión sobre Cursor, 28 de agosto de 2026.↩ab
435. 435.Brookings, Mark MacCarthy, 12 de marzo de 2026.↩ab
436. 436.Claude, deprecaciones.↩
437. 437.Reglamento (UE) 2019/1150, art. 4(1); Reglamento (UE) 2023/2854, art. 25(2)(a); Ley Antimonopolio de China, art. 22.↩
438. 438.eWeek y Retail Insight Network.↩
439. 439.startups.aws.com; aboutamazon.com; Amazon, 8-K; Alphabet, 8-K.↩ab
440. 440.Shopify; Salesforce; Apple.↩
441. 441.Ningún programa de créditos publica la retención ni el ingreso posterior de las startups que apoya.↩
442. 442.S-1 de Anthropic.↩
443. 443.Menlo; Claude; openai.fund y el formulario D del OpenAI Startup Fund II, por US$400 millones, de agosto de 2026; Meta; Google; los cocientes son cálculo propio con los montos de AWS y de cada fondo.↩
444. 444.Reuters, The Decoder y The Next Web, sobre documentos que no son públicos.↩
445. 445.prospecto de SpaceX.↩
446. 446.15 U.S.C. §13 y FTC, estudio 6(b).↩
447. 447.whitehouse.gov.↩
448. 448.Decisión de la Administración Estatal de Regulación del Mercado (SAMR) del 10 de abril de 2021, en el comunicado reproducido íntegro por The Paper. El documento en samr.gov.cn ya no responde.↩
449. 449.SAMR, apertura de la investigación a Nvidia, 9 de diciembre de 2024, y conclusión preliminar del 15 de septiembre de 2025. Reproducen los anuncios de la SAMR. La lista de entidades: Federal Register, 90 FR 44496, vigente desde el 12 de septiembre de 2025.↩
450. 450.FTC, informe del personal sobre alianzas e inversiones en IA, enero de 2025.↩
451. 451.Amazon, Formulario 10-Q al 30 de septiembre de 2026. La suma y el 43 % son cálculos propios sobre US$92.500 millones en preferentes, US$146.200 millones en notas y una utilidad antes de impuestos de US$147.560 millones.↩
452. 452.Sequoia, «America's Open-Model Paradox», con datos del proyecto ATOM; y The Decoder, análisis de Stanford. El proyecto ATOM promueve modelos abiertos estadounidenses.↩ab
453. 453.Verasight, diciembre de 2025, según prensa; Universidad de Michigan, encuesta de consumidores, preliminar de noviembre, 6 de noviembre de 2026, respuestas abiertas sin porcentaje. Gallup, Pew, AP-NORC, Quinnipiac y YouGov no preguntaron por una burbuja en 2026.↩
454. 454.BoE; nov-2025, may-2026.↩
455. 455.CNBC, 6 de noviembre de 2026, con datos de Deutsche Bank, y Bloomberg, 15 de octubre de 2026, con datos de ICE.↩ab
456. 456.Quartz y The Next Web.↩
457. 457.CNBC, 29 de octubre de 2026, sobre la llamada de resultados de Microsoft.↩
458. 458.Reuters vía BNN Bloomberg, 6 de noviembre de 2026.↩ab
459. 459.Bloomberg, 6 de noviembre de 2026.↩ab
460. 460.carta de Warren, warren.senate.gov, FedScoop, sobre la frase de Sarah Friar.↩
461. 461.H.Res. 1642, 119.º Congreso, presentada el 29 de octubre de 2026; copatrocinadores y respaldos en el comunicado de los autores.↩
462. 462.DeSantis en X, noviembre de 2025 y junio de 2026, según Storyboard18 y el Washington Examiner; no vi los mensajes originales. Punchbowl News sobre los legisladores republicanos.↩
463. 463.whitehouse.gov; Federal Register.↩
464. 464.TechCrunch, 8 de noviembre de 2025, sobre la carta del 27 de octubre de 2025, y senadora Warren, 18 de noviembre de 2025.↩
465. 465.12 U.S.C. §343(3)(B); orden ejecutiva 14318, sección 3; 50 U.S.C. §4531.↩
466. 466.Anthropic, SEC.↩
467. 467.La carta de intención de septiembre de 2025 (Nvidia; DCD e IFRE); su sustitución por US$30.000 millones en la ronda de OpenAI de marzo de 2026, según Bloomberg (Nvidia no publicó comunicado); y las garantías de hasta US$105.000 millones en la nota 10 del 10-Q de Nvidia al 26 de julio de 2026.↩
468. 468.The Register, 4 de noviembre de 2025 y Noah Smith, Noahpinion.↩ab
469. 469.Formularios 10-K en la SEC: Alphabet, 2025, Meta, 2025, Amazon, 2025, Microsoft, año fiscal 2026 y Oracle, año fiscal 2026, notas de propiedad y equipo.↩ab
470. 470.CNBC, 11 de noviembre de 2025, que cita la publicación de Burry en X.↩
471. 471.theCUBE Research, «Resetting GPU depreciation». Análisis de la industria.↩
472. 472.Reserva Federal, «Banking Panics of the Gilded Age», Federal Reserve History.↩
473. 473.Comisión Nacional de Desarrollo y Reforma (NDRC), conferencia de prensa del 27 de noviembre de 2025.↩
474. 474.21st Century Business Herald, 29 de septiembre de 2026, con cifras de la Academia China de Tecnologías de la Información y la Comunicación (CAICT), Inspur y la Oficina Nacional de Datos.↩
475. 475.Agencia Internacional de Energía, Key Questions on Energy and AI, 16 de abril de 2026.↩ab
476. 476.Tom's Hardware, sobre la escasez de turbinas de gas.↩
477. 477.Laboratorio Nacional Lawrence Berkeley, Queued Up: 2026 Edition, junio de 2026.↩
478. 478.PJM, resultados de la subasta de capacidad 2028/2029, 14 de julio de 2026. La subasta anterior, para 2027/2028, quedó en el tope de US$333,44 (PJM, 17 de diciembre de 2025).↩
479. 479.MOFCOM y Administración General de Aduanas, anuncio n.º 58 de 2026, 9 de noviembre, que mantiene suspendidos del 11 de noviembre de 2026 al 10 de enero de 2027 los anuncios 55 a 58 y 61 y 62 de 2025. El arancel, vía BusinessWorld y Reuters.↩abc
480. 480.Ministerio de Comercio de China, anuncio n.º 70 de 2025, vía Mining Technology y Fastmarkets.↩
481. 481.Wall Street Journal, 18 de agosto de 2026, vía Crypto Briefing; el cociente de 2,8 veces es cálculo nuestro sobre esas cifras.↩
482. 482.The Information, 16 de junio de 2026, vía The Next Web.↩
483. 483.Financial Times, 8 de octubre de 2026, vía Bloomberg Government.↩
484. 484.Sam Altman en X, 6 de noviembre de 2025, vía TechCrunch.↩
485. 485.Financial Times, vía The Irish Times, 27 de febrero de 2026, y PYMNTS.↩
486. 486.The Next Web, sobre la ronda cerrada el 31 de marzo de 2026.↩
487. 487.Sam Altman, cena con periodistas en agosto de 2025, según The Verge, vía PC Gamer.↩
488. 488.S&P Dow Jones Indices, «In the Shadows of Giants».↩
489. 489.Peso de Nvidia en el S&P 500 al 10 de octubre de 2026, según Slickcharts.↩
490. 490.Gallup, encuesta de abril de 2025 y encuesta de abril de 2026.↩
491. 491.Fondo Monetario Internacional, Global Financial Stability Report, 13 de octubre de 2026.↩
492. 492.Banco de Pagos Internacionales, Informe Económico Anual, 28 de junio de 2026, vía New Straits Times.↩
493. 493.Bloomberg, 6 de noviembre de 2026, con datos de Cleanview, vía Indianapolis Business Journal.↩
494. 494.WTOC, 5 de noviembre de 2026.↩
495. 495.Wall Street Journal, 5 de noviembre de 2026, vía Techmeme.↩
496. 496.Bloomberg, 22 de enero de 2026 y Axios, 15 de junio de 2026.↩
497. 497.Comisión Europea, memorando de entendimiento sobre las gigafábricas de IA.↩
498. 498.Hugging Face, aviso de seguridad, 16 de julio de 2026, y cronología técnica, 27 de julio.↩
499. 499.OpenAI, informe técnico del incidente, 26 de agosto de 2026, pp. 4, 17 y 19 a 21, y declaración conjunta con Hugging Face, 21 de julio.↩abc
500. 500.METR y Redwood Research, investigación independiente del incidente, 26 de agosto de 2026. Su alcance lo fijó OpenAI y no cubrió los ataques a la infraestructura propia de OpenAI, según el New York Times.↩abc
501. 501.CNBC, 26 de agosto de 2026, para el incidente; Wikipedia, para las reacciones de Dan Guido y Jake Williams y la carta «Pacing the Frontier». La citación la confirma el comunicado del fiscal general Rob Bonta, 1 de octubre de 2026. Definición de modelo de frontera e incidente crítico: SB 53, §22757.11.↩abc
502. 502.Anthropic, «Agentic Misalignment: How LLMs could be insider threats», 20 de junio de 2025. Son simulaciones construidas para dejar al modelo sin salida, y sus críticos señalan que eso exagera la probabilidad de la conducta.↩ab
503. 503.Anthropic, «Investigating incidents in our cybersecurity evaluations», 30 de julio de 2026; Dark Reading, sobre el incidente de Meta y el desacuerdo con Irregular.↩
504. 504.AISI, 23 de octubre de 2026 y, para las cifras del informe del 4 de agosto, Al Jazeera, 5 de agosto de 2026.↩ab
505. 505.SecurityWeek, 6 de noviembre de 2026, sobre el informe de OpenAI.↩
506. 506.«Beyond the Binary: A nuanced path for open-weight advanced AI», 2026. Sin revisión por pares.↩ab
507. 507.Interesting Engineering y Crypto Briefing, sobre el anuncio de Google DeepMind del 6 de noviembre de 2026.↩
508. 508.OpenAI, «Mil caminos menos al acceso root», 4 de noviembre de 2026.↩
509. 509.BleepingComputer, 2 de noviembre de 2026, sobre el informe de CrowdStrike.↩
510. 510.BleepingComputer, 31 de octubre de 2026, sobre el aviso de Chainalysis.↩
511. 511.ANSSI, 9 de noviembre de 2026, sobre la atribución a Shahid Kaveh, de la Guardia Revolucionaria. La citación del embajador y las órdenes de arresto, en The Record, 9 de noviembre de 2026.↩abc
512. 512.CBS News y AP, 4 de noviembre de 2026, sobre el comunicado del EFS y los resultados de Ahold Delhaize.↩ab
513. 513.AFP, vía The Star, 2 de noviembre de 2026, y PBS News, 2 de noviembre de 2026.↩
514. 514.Business Today, 3 de noviembre de 2026 e inkl, sobre el aviso del SBI a las bolsas.↩
515. 515.YourStory, noviembre de 2026 y Deccan Chronicle, sobre el aviso del CERT-In.↩
516. 516.AP, vía SecurityWeek, 6 de noviembre de 2026.↩
517. 517.H.R. 9917, AI Kill Switch Act, 23 de julio de 2026; Roll Call.↩
518. 518.Nextgov, 10 de septiembre de 2026.↩
519. 519.Tech Policy Press.↩
520. 520.Scott Bessent en CNBC, 21 de septiembre de 2026, y ante el Comité de Servicios Financieros de la Cámara, 15 de septiembre, según Gizmodo y Forkast.↩ab
521. 521.Código Civil de California, §1714.46(b).↩
522. 522.OpenAI, «Pacing model development in an era of cyber-critical capabilities», 18 de agosto de 2026, según Euronews y The Decoder.↩
523. 523.Orden ejecutiva 14409, «Promoting Advanced Artificial Intelligence Innovation and Security», 2 de junio de 2026, secciones 3 y 4.↩abcd
524. 524.Gobierno de California, 18 de septiembre de 2026.↩
525. 525.CNBC, 28 de septiembre de 2026.↩
526. 526.TechCrunch, 8 de octubre de 2026 y CBS News.↩
527. 527.Quinnipiac 3968, 3969; SCSP-Gallup, American AI Sentiment in 2026, 16 de septiembre de 2026, campo del 2 al 23 de junio de 2026, 3.152 adultos del Gallup Panel; en 2025, la misma pregunta daba 80 %.↩
528. 528.Akin Gump, sobre las SB 813 y AB 1405 de California, firmadas el 9 de septiembre de 2026.↩
529. 529.S. 2938, texto presentado, 29 de septiembre de 2025. Sigue en comisión.↩
530. 530.Directiva (UE) 2024/2853, arts. 2, 4(1) y 22; comunicado de Hawley sobre la AI LEAD Act, S. 2937.↩
531. 531.FDA, lista de dispositivos médicos con IA. La FDA advierte que la lista no es un censo completo.↩
532. 532.Gabinete de Japón, resumen de la Ley de Promoción de la IA y Future of Privacy Forum.↩ab
533. 533.Código de Negocios y Comercio de Texas, §§553.051 y 553.053.↩
534. 534.Wiley, RAISE Act; leginfo; Gobernación de NY.↩abcd
535. 535.Asamblea General de Illinois, SB 315, Ley Pública 104-0538: votos, firma y vigencia; Davis Wright Tremaine, julio de 2026, para la fecha de la auditoría y la negociación.↩abc
536. 536.Implicator, BankInfoSecurity.↩
537. 537.Asamblea de Nueva York, S06953/A06453, votación del 12 de junio de 2025.↩
538. 538.Texto de la enmienda en el Congressional Record; recuento en prensa.↩
539. 539.Route Fifty, diciembre de 2025 y S6953B, Senado de Nueva York.↩
540. 540.Orden ejecutiva 14179, 23 de enero de 2025; orden ejecutiva 14319, «Preventing Woke AI in the Federal Government», 23 de julio de 2025, 90 FR 35389, citada por su número en el Federal Register.↩abc
541. 541.The American Presidency Project, reportes del pool del 23 de julio de 2025, y Axios.↩
542. 542.TechCrunch, 26 de marzo de 2026.↩
543. 543.Orden ejecutiva 14434, Federal Register, 2 de octubre de 2026; sobre la Super Intelligence Force, SiliconANGLE, 4 de octubre de 2026; el texto de la orden no la crea.↩ab
544. 544.Departamento de Justicia, 5 de noviembre de 2026; la absorción del grupo de litigio, según Nextgov, sobre el memorando del 13 de octubre.↩
545. 545.David Sacks en X, octubre de 2025, según Bloomberg Law y The Decoder.↩
546. 546.Bloomberg Government, 5 de agosto de 2026, y Mark MacCarthy en Tech Policy Press, 13 de agosto de 2026. La Casa Blanca no publicó el criterio.↩ab
547. 547.Wang, Huang, Klyman y Bommasani, «Do AI Companies Make Good on Voluntary Commitments to the White House?», NeurIPS 2025.↩
548. 548.UIT, informe anual de gobernanza de la IA 2025, p. 22, con el seguimiento de The Midas Project.↩
549. 549.OpenAI, Preparedness Framework v2, 15 de abril de 2025; Anthropic, política de escalamiento responsable y el análisis de GovAI de la versión 3.0, 5 de marzo de 2026.↩ab
550. 550.Future of Life Institute, AI Safety Index, verano de 2026. El FLI pide más regulación de la IA.↩ab
551. 551.Fortune, 29 de agosto de 2025; carta de los parlamentarios, de una organización de incidencia que fecha la ficha cerca de un mes después, y Comisión Europea, firmantes del código.↩
552. 552.Fortune, 21 de julio de 2026, sobre la propuesta de Hassabis y sus críticos, y Crowell & Moring, sobre el acuerdo del 29 de septiembre de 2026. Las fuentes no coinciden en la lista de firmantes.↩
553. 553.Atlantic Council, «What could make AI self-regulation work?», 2 de octubre de 2026; CSET, propuesta de reporte híbrido de incidentes; Hadfield y Clark, «Regulatory Markets for AI Safety»; POGO sobre la delegación de la FAA a Boeing.↩ab
554. 554.R Street, testimonio de Adam Thierer, septiembre de 2025; Dean Ball, gobernanza privada a cambio de protección de responsabilidad, y FedScoop, sobre su nombramiento en la OSTP; AI Now, EPIC y Accountable Tech, «Zero Trust AI Governance», agosto de 2023.↩
555. 555.Reglamento (UE) 2024/1689, versión consolidada, arts. 2, 5, 50, 51, 53, 55, 88, 101, 111 y 113, y Comisión Europea, marco regulatorio de la IA.↩abc
556. 556.Comisión Europea, firmantes del código de buenas prácticas; Euronews, 1 de agosto de 2025, sobre la negativa de Meta.↩ab
557. 557.Jia, Jin y Wagman, «The Short-Run Effects of the GDPR on Technology Venture Investment», Marketing Science, 2021, revisado por pares; Janßen, Kesler, Kummer y Waldfogel, «GDPR and the Lost Generation of Innovative Apps», NBER, 2022, sin revisión por pares en esa versión.↩
558. 558.Meta, lanzamiento de Meta AI en Europa, marzo de 2025; MacRumors sobre Apple Intelligence en la UE.↩
559. 559.Estimaciones de la evaluación de impacto de la Comisión y del estudio de CEPS, resumidas en Siegmann y Anderljung, GovAI, 2022.↩
560. 560.Anu Bradford, «The False Choice Between Digital Regulation and Innovation», Northwestern University Law Review, 2024.↩
561. 561.Stanford AI Index 2026, capítulo de economía.↩ab
562. 562.Plan de Acción de IA de EE. UU., julio de 2025; sobre los sandboxes europeos, el artículo 57 de la Ley de IA y su modificación por el ómnibus, según bufetes.↩
563. 563.Center for AI Safety, declaración sobre el riesgo de la IA, 30 de mayo de 2023.↩
564. 564.Dario Amodei, «We Must Pace the Frontier», 12 de septiembre de 2026; TechCrunch.↩abc
565. 565.AI Magazine y VKTR. Para el respaldo de Altman y Musk.↩
566. 566.NPR, 14 de septiembre de 2026.↩abc
567. 567.Discurso de JD Vance en París, 11 de febrero de 2025, en The American Presidency Project; TechCrunch sobre los firmantes; la Declaración de Nueva Delhi, según ThePrint e IANS; Cancillería de China, 30 de julio de 2025, sobre el plan y la propuesta de organización mundial.↩
568. 568.Cancillería de China, 17 de julio de 2026. No hay fecha de inicio de operaciones.↩ab
569. 569.Armstrong, Bostrom y Shulman, «Racing to the precipice: a model of artificial intelligence development», AI & Society 31(2), 2016, revisado por pares; Matt Sheehan, «Tracing the Roots of China's AI Regulations», Carnegie, febrero de 2024.↩ab
570. 570.Matt Sheehan, Carnegie, 3 de junio de 2026.↩abc
571. 571.Covington, Inside Privacy y China Briefing. Textos: medidas sobre IA generativa, arts. 2 y 17 y medidas de etiquetado, arts. 4 y 5.↩ab
572. 572.Aviso de la CAC del 14 de septiembre de 2026, según Beijing News y Eastmoney.↩
573. 573.Marco de Gobernanza de la Seguridad de la IA 2.0, publicado el 15 de septiembre de 2025 bajo la guía de la Administración del Ciberespacio de China (CAC), citado en el comentario publicado en el sitio de la CAC, 28 de septiembre de 2025.↩
574. 574.Cooley, 27 de enero de 2026.↩abcd
575. 575.The National Desk, 6 de noviembre de 2026.↩
576. 576.Gibson Dunn, investigaciones del Congreso tras las elecciones de 2026. Son proyecciones. Heinrich y Reed son hoy los demócratas de mayor rango en sus comisiones, según las páginas de Energía y Fuerzas Armadas.↩
577. 577.Formularios LD-2 del tercer trimestre de 2026: Anthropic y Nvidia. Extraídos el 8 de noviembre de 2026; la Senate Office of Public Records no responde por los datos ni por los análisis derivados una vez extraídos.↩
578. 578.Senador Jim Banks, y S. 4784, sec. 1248, texto reportado, sin mención de AI OVERWATCH.↩
579. 579.Comisión de Comercio del Senado, 7 de octubre de 2026.↩
580. 580.Demócratas de la Comisión de Energía y Comercio, 28 de octubre de 2026.↩ab
581. 581.Orden ejecutiva 14365, sección 8(b), y colección de leyes públicas del 119.º Congreso en govinfo; StateScoop, para la carta de los legisladores estatales.↩abc
582. 582.Nextgov, 4 de junio de 2026, DLA Piper y Covington, Global Policy Watch, julio de 2026. No hay número en congress.gov porque no se ha presentado.↩
583. 583.ARI, 23 de julio de 2026.↩
584. 584.Jenner & Block y Eckert Seamans.↩
585. 585.Arnold & Porter, julio de 2026; 91 FR 41638, 7 de julio de 2026.↩ab
586. 586.Tampa Free Press, 5 de noviembre de 2026.↩
587. 587.NIST, CAISI, 17 de septiembre de 2026.↩ab
588. 588.NIST, CAISSI y AP vía Tech Times, 9 de noviembre de 2026, con fuentes anónimas.↩
589. 589.OpenAI, propuestas para el Plan de Acción de IA, 13 de marzo de 2025.↩ab
590. 590.Plazo de designación, artículo 70 del Reglamento (UE) 2024/1689; Comisión Europea, novena reunión de la Junta de IA. Las fuentes no coinciden en el número de países con autoridades completas: 9 según artificialintelligenceact.eu, junio de 2026; 5 según una lista de la Comisión citada en abril.↩
591. 591.Reglamento (UE) 2024/1689, arts. 75(1), 101 y 113.↩
592. 592.Ley de IA, arts. 91 a 93 y 101.↩
593. 593.Reglamento (UE) 2026/1744 y Ley de IA consolidada, art. 113.↩abcd
594. 594.Reglamento (UE) 2026/1744.↩
595. 595.Consejo de Europa, Oficina de Tratados, firmas y ratificaciones del CETS 225, consultada el 8 de noviembre de 2026. Ratificaron la UE (15 de mayo de 2026) y Bosnia y Herzegovina (28 de octubre de 2026); entra en vigor con cinco ratificaciones, tres de ellas de miembros del Consejo.↩ab
596. 596.China Daily, sitio de la APN, 29 de octubre de 2025, prensa estatal, sobre la reforma de la Ley de Ciberseguridad; Haynes Boone y China Briefing sobre su vigencia, el Marco de Seguridad 2.0 y el plan legislativo de 2026. Texto: Ley de Ciberseguridad, arts. 20, 61 y 69.↩ab
597. 597.China News, 3 de julio de 2026, que reproduce al Diario Legal, prensa estatal: la ley de IA figura como proyecto de revisión preliminar (预备审议), con investigación y redacción encargadas.↩
598. 598.El capítulo de economía de Stanford da la cifra de Estados Unidos y la advertencia sobre los fondos del Estado, y la de China aparece en las coberturas del informe.↩
599. 599.DSIT, 14 de febrero de 2025 y notas del Discurso del Rey de 2026; Pinsent Masons.↩
600. 600.J-AISI, 8 de julio de 2026. Sobre el Plan Básico y el crecimiento del instituto.↩
601. 601.Baker McKenzie, enero de 2026 sobre la ley; participación de TSMC en el cuarto trimestre de 2025 según TrendForce, vía Taiwan News.↩abc
602. 602.Oficina de Información de Prensa, 5 de noviembre de 2025 sobre los lineamientos; Bar and Bench sobre la reforma de las reglas de TI, vigente desde el 20 de febrero de 2026.↩
603. 603.The National, 14 de junio de 2026 y The National, 20 de noviembre de 2025; CMS sobre el borrador saudí.↩ab
604. 604.Mondaq y Gowling WLG.↩
605. 605.Baker McKenzie, enero de 2026.↩
606. 606.Online Safety (Designated Internet Services) Industry Standard, F2024L00710 y Online Safety Act 2021.↩
607. 607.Estudio público de marcos legales de Psiquepol + AI, celdas de Malasia: sin ley de IA en vigor al corte y licencia de exportación de EE. UU. sin la excepción AIA (15 CFR 742.6 y 740.27).↩
608. 608.BIS, 91 FR 43034, 14 de julio de 2026.↩
609. 609.ONU, panel científico, preguntas frecuentes y ONU, nota sobre el Diálogo Global.↩ab
610. 610.OCDE, 28 de mayo de 2026.↩
611. 611.MLex. Las fuentes fechan el cambio de nombre entre diciembre de 2025 y febrero de 2026.↩
612. 612.Registro de iniciativas de Psiquepol + AI, clasificadas por palabras clave, al 8 de noviembre de 2026; panel: Argentina, Brasil, Chile, Alemania, UE, Italia, México y Perú. Marco general desde 2025: EE. UU. federal 0 de 355, Corea 53 %, Taiwán 62 %, México 49 %.↩
613. 613.Iniciativas SIL 4801122 y 5012550, Senado de México, en el registro de iniciativas de Psiquepol + AI, y Reglamento (UE) 2024/1689, art. 5.↩
614. 614.Medición propia sobre 8.419 discursos parlamentarios sobre IA en la base de Psiquepol + AI, con ventana de 400 caracteres. Bases: Reino Unido 1.257, Francia 1.217, Alemania 1.150, UE 1.019, EE. UU. 689. EE. UU. cubre el pleno del 3 de enero de 2025 al 30 de septiembre de 2026.↩
615. 615.Yuan Legislativo de Taiwán, votación del 19 de diciembre de 2025.↩
616. 616.S-1 de Anthropic. Neutralidad ideológica: orden ejecutiva 14319, secciones 3 y 4.↩abc
617. 617.Lawfare y Holland & Knight.↩ab
618. 618.Resumen del expediente en Law360, Anthropic PBC v. United States Department of War, 20 de octubre de 2026. Sin resolución conocida al 8 de noviembre sobre la petición (expediente 26-1049 del Circuito de D.C.).↩
619. 619.Civil Rights Litigation Clearinghouse, caso 47876.↩
620. 620.Holland & Knight, septiembre de 2026.↩
621. 621.Tom's Hardware, 1 de mayo de 2026.↩
622. 622.TechCrunch, 1 de marzo de 2026.↩
623. 623.Manyika y Hassabis, 4 de febrero de 2025; Fortune, 5 de febrero de 2025; Euronews, 28 de abril de 2026, y Fortune, 4 de mayo de 2026.↩
624. 624.Formulario S-1/A de Anthropic, SEC.↩
625. 625.Ley de Energía Atómica, 42 U.S.C. §§2014(y), 2274 y 2280, y 10 CFR §§1045.45 y 1045.90.↩
626. 626.United States v. Progressive, Inc., 467 F. Supp. 990 (W.D. Wis., 28 de marzo de 1979), en Leagle (reproducción del texto); apelación 610 F.2d 819 (7.º Cir. 1979), desestimada. El desistimiento consta en la historia del caso y en Wikipedia, «United States v. Progressive, Inc.».↩
627. 627.Kylie Zhang y Peter Henderson, «AI “Born Secret”? The Atomic Energy Act, AI, and Federalism», Princeton CITP, 2 de octubre de 2025. Análisis académico; ningún tribunal ha aplicado la ley a un modelo.↩
628. 628.Anthropic, «Developing nuclear safeguards for AI through public-private partnership», agosto de 2025.↩
629. 629.Ley de Secreto de Invenciones, 35 U.S.C. §181; cifras de la USPTO reproducidas por la Federation of American Scientists: 6.653 vigentes y 123 nuevas en el año fiscal 2026.↩
630. 630.Orden ejecutiva 13026, 15 de noviembre de 1996.↩
631. 631.Bernstein v. U.S. Department of Justice, 176 F.3d 1132 (9.º Cir. 1999), retirada para revisión en pleno, 192 F.3d 1308; historia del caso en el Civil Rights Litigation Clearinghouse.↩
632. 632.Nextgov, 13 de junio de 2026, CNBC, 30 de junio de 2026 y Forbes, 1 de julio de 2026; aviso de Anthropic en X, 30 de junio de 2026. El texto de la orden de Comercio y su fundamento legal no constan en estas fuentes.↩
633. 633.15 CFR §742.6(a), vigente al 7 de noviembre de 2026; estudio público de marcos legales de Psiquepol + AI, Estados Unidos.↩
634. 634.Ley de Producción para la Defensa, 50 U.S.C. §4511(a).↩
635. 635.P.L. 119-103, Continuing Appropriations and Extensions Act, 2027, firmada el 2 de septiembre de 2026.↩
636. 636.Programa Nacional de Seguridad Industrial, 32 CFR parte 117, §117.9 y §117.11.↩
637. 637.10 U.S.C. §3252; 41 U.S.C. §4713 y §1327.↩
638. 638.50 U.S.C. §4821 (exención de las reglas de procedimiento administrativo), §4819(b) (penas de hasta 20 años) y 15 CFR §§734.7 y 734.13.↩
639. 639.Reglamento (UE) 2024/1689, art. 2(3).↩
640. 640.CAC, Medidas provisionales de gestión de servicios de IA generativa, orden 15, 10 de julio de 2023, vigentes desde el 15 de agosto de 2023, artículos 4(1) y 17.↩ab
641. 641.Ley de Ciberseguridad de China, art. 30 y Ley de Seguridad de Datos, arts. 35 y 36.↩
642. 642.Anadolu, 9 de junio de 2026 y FDD, 9 de junio de 2026; aviso del Registro Federal del 10 de junio de 2026, 91 FR, núm. 111.↩
643. 643.CAISI, evaluaciones de 2026; BIS, 91 FR 1684, 15 de enero de 2026, que pasó el H200 a revisión caso por caso; respuestas de Anthropic, Google y la CCIA a la OSTP, resumidas por Just Security, y Stanford AI Index 2026; la prensa, para el pago de 25 %, y Reuters, 14 de julio de 2026, para lo que dijo Jeffrey Kessler, subsecretario de Comercio, sobre los envíos ante la Comisión de Asuntos Exteriores de la Cámara.↩abcde
644. 644.15 CFR §742.6(b)(10) y parte 748, suplemento 2, párrafo (dd).↩abc
645. 645.Baker McKenzie, 5 de noviembre de 2026. Para China, MOFCOM, anuncio n.º 70, y comunicado del 28 de septiembre.↩ab
646. 646.TechCrunch, 9 de noviembre de 2026 y CNBC, 5 de noviembre de 2026, con lo que publicaron el New York Times y el Financial Times.↩
647. 647.Comisión de Asuntos Exteriores de la Cámara, 5 de noviembre de 2026.↩abc
648. 648.The Next Web, «Commerce halted its Megaspeed probe after Nvidia stepped in, NYT reports», 9 de noviembre de 2026, con lo que publicaron el New York Times y Bloomberg.↩ab
649. 649.Al Jazeera, «Why is Nvidia's Jensen Huang at the centre of a US-China spy scandal?», 9 de noviembre de 2026.↩
650. 650.MOFCOM y Ministerio de Ciencia y Tecnología, anuncio n.º 48 de 2026, 16 de octubre: consulta del 16 de octubre al 15 de noviembre sobre 40 tecnologías, 23 de ellas de IA, y registro previo a la exportación desde su publicación. Los umbrales del anexo, vía ChinaTalk.↩abc
651. 651.Reuters, 5 de noviembre de 2026, con dos fuentes anónimas, vía The Next Web, 6 de noviembre de 2026. El Ministerio de Industria chino, la Comisión de Desarrollo y Reforma y Nvidia no respondieron.↩ab
652. 652.CNBC, 5 de noviembre de 2026, con cuatro fuentes, vía OODA Loop y Dealroom.↩
653. 653.Cámara de Representantes, votación nominal 13, 12 de enero de 2026, H.R. 2683. Sin acción posterior conocida en el Senado.↩ab
654. 654.Registro del Fondo Nacional de Inversión en la Industria de Circuitos Integrados III, 24 de mayo de 2024, ante la Administración de Regulación del Mercado de Beijing, vía Yicai Global y Caixin, 29 de mayo de 2024. Capital registrado, no necesariamente aportado.↩
655. 655.Reuters, 17 de diciembre de 2025, con fuentes anónimas, vía Taipei Times, 21 de diciembre de 2025 y The Standard. ASML le dijo a Reuters que nunca vendió un sistema EUV a un cliente en China.↩ab
656. 656.TechNode, 4 de noviembre de 2026 y Digitimes, 4 de noviembre de 2026. Con fuentes de la industria.↩
657. 657.TrendForce, 3 de noviembre de 2026, sobre el reporte de The Information.↩
658. 658.PBS, «They Made America», Samuel Slater.↩
659. 659.Air & Space Forces Magazine, «Carbon Copy Bomber», junio de 2009.↩
660. 660.Ley Antisecesión, 14 de marzo de 2005, art. 8, texto oficial en inglés en la Embajada de China en EE. UU..↩
661. 661.Ley de Relaciones con Taiwán, 22 U.S.C. §3301(b)(4).↩
662. 662.Mark Liu, presidente de TSMC, entrevista con CNN, 31 de julio de 2022, vía Agencia Central de Noticias de Taiwán en GlobalSecurity, 1 de agosto de 2022.↩
663. 663.Jared M. McKinney y Peter Harris, «Broken Nest: Deterring China from Invading Taiwan», Parameters 51, n.º 4, invierno de 2021-22.↩
664. 664.Nikkei, vía TrendForce, 18 de diciembre de 2025. El inicio de la producción en volumen en el cuarto trimestre de 2024, con proceso N4, lo dijo C. C. Wei en la llamada de resultados del 16 de enero de 2025, vía Arizona Technology Council. El 30 % es una expectativa de TSMC para cuando termine el proyecto, no una cifra actual.↩
665. 665.TSMC, ubicación de sus fábricas, consultada el 8 de noviembre de 2026.↩
666. 666.15 U.S.C. §4652.↩
667. 667.Kai-Fu Lee, entrevista publicada por Capgemini, 2026, p. 6. Es su estimación, sin metodología y con interés comercial.↩
668. 668.PBS NewsHour/AP, 26 de septiembre de 2026 y SCMP.↩
669. 669.Instituto de Gobernanza Internacional de la IA, Universidad de Tsinghua, 13 de mayo de 2026. MIRI, organización de incidencia, ubica a Xue Lan y a Zeng Yi en la dirección de CnAISDA, el organismo chino de seguridad de la IA.↩
670. 670.China Daily, 12 de febrero de 2026. Entrevista en prensa estatal.↩
671. 671.China Daily, 28 de abril de 2026, artículo de la autora en prensa estatal, y Geopolitechs.↩
672. 672.Concordia AI, State of AI Safety in China 2026 y autodescripción, sin detalle de sus financiadores.↩
673. 673.Epoch AI, base de datos de modelos de IA, consultada el 9 de noviembre de 2026.↩
674. 674.Decreto presidencial 124 del 15 de febrero de 2024, que reforma la Estrategia Nacional de Desarrollo de la IA, punto 28, texto completo en copia.↩
675. 675.Ley Federal 243-FZ del 26 de julio de 2026, vía Habr, con Meduza, 8 de julio de 2026 y PPT.ru.↩
676. 676.Sber, GigaChat 3.1 Ultra en Hugging Face.↩
677. 677.Google Threat Intelligence Group, 5 de noviembre de 2025.↩
678. 678.KCNA, vía Washington Post, 16 de octubre de 2026 y BusinessWorld, 30 de octubre de 2026.↩
679. 679.Anthropic, informe de amenazas de agosto de 2025.↩
680. 680.FBI y socios, alerta conjunta del 31 de julio de 2026.↩
681. 681.Departamento de Justicia, 13 de octubre de 2026.↩
682. 682.Equipo Multilateral de Monitoreo de Sanciones (MSMT), segundo informe, octubre de 2025, cifras vía el Departamento de Estado.↩
683. 683.Eghtesad Online, sobre la aprobación del documento nacional de IA del Consejo Supremo de la Revolución Cultural, 19 de junio de 2024.↩
684. 684.Filterwatch, septiembre de 2025 y SpecialEurasia, 20 de mayo de 2025.↩
685. 685.Google Threat Intelligence Group, 29 de enero de 2025.↩
686. 686.Recorded Future, «Iran's AI asymmetric playbook».↩ab
687. 687.Common Sense Media, 2025; California SB 243 y SB 1119, y orden ejecutiva 14365, sección 8(b).↩abc
688. 688.Reglamento (UE) 2022/2065, art. 28(3).↩
689. 689.Gobierno de California, 10 de septiembre de 2026.↩ab
690. 690.Gobernadora de Nueva York, carta a las empresas de compañía artificial, 10 de noviembre de 2025, y texto de la ley, A6767. Texto vigente: Ley General de Negocios de Nueva York, art. 47, §§1701 a 1703.↩ab
691. 691.Senado de Nueva York, S9051B y DLA Piper, noviembre de 2026.↩
692. 692.SB 243, Código de Negocios y Profesiones de California, §§22603 y 22605.↩ab
693. 693.Al Jazeera, 15 de octubre de 2026 y Axios, 7 de enero de 2026.↩ab
694. 694.Texas Tribune, 23 de octubre de 2026.↩
695. 695.Character.AI, «An update on Character.AI», octubre de 2026.↩
696. 696.MLex, junio de 2026.↩
697. 697.Medidas provisionales para la administración de los servicios de interacción antropomórfica de IA, texto completo, arts. 8, 10, 13, 14 y 18, y comunicado de la Administración del Ciberespacio, 10 de abril de 2026.↩ab
698. 698.Comité Europeo de Protección de Datos, nota sobre la decisión del Garante italiano contra Luka Inc..↩
699. 699.Ley italiana de IA, 132/2025, art. 4(4).↩
700. 700.Baker McKenzie, septiembre de 2025 y MediaNama, marzo de 2026.↩
701. 701.RPC, primavera de 2026, sobre la guía de Ofcom, Lewis Silkin, 23 de febrero de 2026 y MLex, 28 de octubre de 2026.↩
702. 702.Reglamento (UE) 2024/1689, arts. 50, 99(4)(g), 111(4) y 113.↩
703. 703.Cooley, 27 de enero de 2026.↩
704. 704.Baker Botts, octubre de 2026 y LexisNexis, 18 de junio de 2026. El número de proyectos varía según la fuente. Nevada: NRS §433.567.↩
705. 705.Código Civil de California, §3344.1; Ley de Derechos Civiles de Nueva York, §50-F; Código de Washington, §63.60.050.↩
706. 706.DOF, 14 de mayo de 2026, arts. 305 Bis de la Ley Federal del Trabajo y 121 de la Ley Federal del Derecho de Autor.↩
707. 707.Senadora Blackburn, junio de 2026 y Holland & Knight, 22 de junio de 2026.↩
708. 708.Euronews, 8 de octubre de 2026.↩
709. 709.Ley de IA, art. 5(1)(f).↩
710. 710.Directiva (UE) 2024/2831 e Ius Laboris, sobre su transposición.↩
711. 711.Idaho §5-346.↩abc
712. 712.Asamblea General de Ohio, HB 469 y Spectrum News, 9 de octubre de 2025.↩ab
713. 713.Directiva (UE) 2024/2853 sobre responsabilidad por productos defectuosos, arts. 4 y 22.↩
714. 714.Directiva (UE) 2024/2853, arts. 2, 9 y 10.↩ab
715. 715.Patrick Butlin, Robert Long et al., «Consciousness in Artificial Intelligence: Insights from the Science of Consciousness», arXiv:2308.08708, 17 de agosto de 2023.↩
716. 716.Patrick Butlin, Robert Long, Tim Bayne, Yoshua Bengio, Jonathan Birch, David Chalmers et al., «Identifying indicators of consciousness in AI systems», Trends in Cognitive Sciences.↩
717. 717.Robert Long, Jeff Sebo, Patrick Butlin et al., «Taking AI Welfare Seriously», arXiv:2411.00986, 4 de noviembre de 2024.↩
718. 718.David Chalmers, «Could a Large Language Model Be Conscious?», arXiv:2303.07103, 2023.↩
719. 719.Anil Seth, «Conscious artificial intelligence and biological naturalism», Behavioral and Brain Sciences, 21 de abril de 2025.↩
720. 720.Noemi Dreksler et al., encuesta a investigadores de IA y al público estadounidense sobre mentes digitales, arXiv:2506.11945, junio de 2025.↩
721. 721.Entrevista de Douglas Hofstadter en Game Thinking TV, junio de 2023, vía The Decoder, 4 de julio de 2023.↩
722. 722.Carta de Douglas Hofstadter a un lector, reproducida con su permiso por Gary Marcus, 9 de julio de 2025.↩
723. 723.Anthropic, «Exploring model welfare», 24 de abril de 2025.↩
724. 724.Anthropic, «Claude Opus 4 and 4.1 can now end a rare subset of conversations», 15 de agosto de 2025.↩
725. 725.Anthropic, compromisos sobre el retiro de modelos, 4 de noviembre de 2025.↩
726. 726.Anthropic, constitución de Claude, 21 de enero de 2026.↩abc
727. 727.Anthropic, política de uso vigente desde el 12 de noviembre de 2026.↩
728. 728.Mustafa Suleyman, «We must build AI for people; not to be a person», 19 de agosto de 2025.↩
729. 729.Joanne Jang (OpenAI), «Some thoughts on human-AI relationships», 5 de junio de 2025.↩
730. 730.Clara Colombatto y Stephen Fleming, Neuroscience of Consciousness, 13 de abril de 2024.↩
731. 731.YouGov, 1 de agosto de 2026, con su cuestionario y resultados, campo del 16 al 20 de julio de 2026, 1.110 adultos. En abril de 2025, la misma pregunta daba 10 %, 17 % y 28 %.↩
732. 732.TechCrunch, 27 de octubre de 2025, sobre datos de OpenAI.↩
733. 733.Christoph Tagliabue, Leonard Dung y Cameron Berg, «The Pain Axis», arXiv:2609.16247, 14 de septiembre de 2026.↩
734. 734.Gadget Review, 1 de octubre de 2026 y Crypto Briefing, 3 de octubre de 2026.↩
735. 735.Tennessee SB 837 (2026), Oklahoma HB 3546 (2026) y Misuri SB 859 (2026), según la cobertura legislativa recopilada al corte; no se confirmó la promulgación en Tennessee ni en las otras dos.↩
736. 736.Tony Rost, The Regulatory Review, 29 de junio de 2026.↩
737. 737.Parlamento Europeo, resolución del 16 de febrero de 2017 sobre normas de derecho civil sobre robótica, 2015/2103(INL).↩
738. 738.Thomas Nagel, «What Is It Like to Be a Bat?», The Philosophical Review, vol. 83, n.º 4, 1974, pp. 435-450.↩
739. 739.David Chalmers, «Facing Up to the Problem of Consciousness», Journal of Consciousness Studies, 1995.↩
740. 740.Dario Amodei, «The Urgency of Interpretability», abril de 2025.↩
741. 741.Anthropic, «Reasoning models don't always say what they think», 3 de abril de 2025.↩ab
742. 742.Karl Popper, La lógica de la investigación científica, 1934.↩
743. 743.Henri Bergson, Materia y memoria, 1896; William James, Human Immortality, 1898; Aldous Huxley, Las puertas de la percepción, 1954.↩
744. 744.Roger Penrose, La nueva mente del emperador, 1989.↩
745. 745.P. D. Ouspensky, Fragmentos de una enseñanza desconocida (In Search of the Miraculous), 1949.↩
746. 746.Nick Bostrom, Superinteligencia: caminos, peligros, estrategias, 2014.↩
747. 747.Long Ouyang y otros (OpenAI), «Training language models to follow instructions with human feedback», 4 de marzo de 2022.↩
748. 748.Yuntao Bai y otros (Anthropic), «Constitutional AI: Harmlessness from AI Feedback», 15 de diciembre de 2022.↩
749. 749.OpenAI, «Sycophancy in GPT-4o: what happened and what we're doing about it», 29 de abril de 2025, y «Expanding on what we missed with sycophancy», 2 de mayo de 2025.↩
750. 750.OpenAI, Model Spec, versión del 29 de octubre de 2026.↩ab
751. 751.Google, pautas de políticas de la app de Gemini, consultadas en noviembre de 2026.↩
752. 752.Prabhakar Raghavan (Google), «Gemini image generation got it wrong. We'll do better.», 23 de febrero de 2024.↩
753. 753.OMB, memorando M-26-04, «Increasing Public Trust in Artificial Intelligence Through Unbiased AI Principles», 11 de diciembre de 2025.↩
754. 754.Engadget, «Grok team apologizes for the chatbot's "horrific behavior" and blames "MechaHitler" on a bad update», 12 de julio de 2025.↩
755. 755.Stanford GSB, «Popular AI Models Show Partisan Bias When Asked to Talk Politics», 21 de mayo de 2025, sobre el trabajo de Sean Westwood, Justin Grimmer y Andrew Hall.↩
756. 756.Anthropic, «Measuring political bias in Claude», 13 de noviembre de 2025, corregido el 24 de noviembre de 2025.↩
757. 757.OpenAI, «Defining and evaluating political bias in LLMs», 9 de octubre de 2025.↩
758. 758.Anthropic, «Collective Constitutional AI: Aligning a Language Model with Public Input», 17 de octubre de 2023.↩
759. 759.OpenAI, «Collective alignment: public input on our Model Spec», 27 de agosto de 2025.↩
760. 760.CSET, traducción de la norma nacional GB/T 45654-2025, «Requisitos básicos de seguridad para servicios de IA generativa», emitida el 25 de abril de 2025 y vigente desde el 1 de noviembre de 2025, apartados 5.2 y B.1 y anexo A.↩
761. 761.TechCrunch, «DeepSeek's AI avoids answering 85% of prompts on "sensitive topics" related to China», 29 de enero de 2025.↩
762. 762.Reglamento (UE) 2024/1689, de Inteligencia Artificial, 13 de junio de 2024, artículo 1, apartado 1, y considerando 110.↩
763. 763.Mia Hoffmann, CSET, «AI Safety under the EU AI Code of Practice: A New Global Standard?», 30 de julio de 2025.↩
764. 764.Immanuel Kant, La metafísica de las costumbres, 1797, Doctrina de la virtud, introducción, apartado IV.↩
765. 765.John Stuart Mill, Sobre la libertad, 1859, capítulo I.↩
766. 766.Isaiah Berlin, Dos conceptos de libertad, 1958.↩
767. 767.Anthropic y Redwood Research, «Alignment faking in large language models», 18 de diciembre de 2024.↩
768. 768.Informe de estado en Bartz contra Anthropic, expediente 688 y S-1 de Anthropic.↩ab
769. 769.Akin Gump, Tercer Circuito.↩
770. 770.The Legal Wire, sobre el expediente MDL 3143.↩abc
771. 771.17 U.S.C. §504(c) y §1203(c)(3)(A).↩
772. 772.AB 2013, Código Civil de California, §3111.↩
773. 773.Copyright Alliance, resumen de octubre de 2026, para las doce demandas, las de Canadá y la cautelar de Oslo, y Press Gazette, para USA Today y Canadá. Las fuentes discrepan en la fecha de la demanda canadiense (6 o 21 de octubre) y en la de USA Today (8 o 9 de octubre).↩
774. 774.Ley de Derechos de Autor de Japón, artículo 30-4, y Agencia de Asuntos Culturales, IA y derechos de autor.↩
775. 775.IBA, derecho de autor y gobernanza de IA en Singapur, sobre los artículos 187 y 244 de la Ley de Derechos de Autor de 2021; Bird & Bird.↩
776. 776.Reglamento (UE) 2024/1689, art. 53(1)(c) y (d) y Directiva (UE) 2019/790, art. 4.↩
777. 777.Ley de IA, art. 53(2) y considerando 106 y Ley de Derecho de Autor de Alemania, §44b(3).↩
778. 778.Ministerio de Cultura, Deportes y Turismo de Corea, 18 de mayo de 2026.↩
779. 779.Simpsons, 28 de octubre de 2025.↩
780. 780.Gobierno del Reino Unido, informe y evaluación de impacto, 18 de marzo de 2026; el abandono de la preferencia, según Osborne Clarke.↩
781. 781.Asia IP sobre el documento de trabajo del DPIIT; Mondaq.↩
782. 782.Han Kun, 18 de septiembre de 2026, y Reed Smith.↩
783. 783.Medidas sobre IA generativa de China, art. 7.↩
784. 784.CMS sobre GEMA contra OpenAI, 42 O 14139/24; la apelación, según Legal AI Insights.↩
785. 785.Mondaq sobre Getty contra Stability AI y Chambers sobre el permiso de apelar. Sin fallo de apelación.↩
786. 786.GEMA, 31 de julio de 2026 (parte interesada) y JUVE Patent, 42 O 763/25; la cita en la demanda de Reservoir, según Copyright Alliance.↩
787. 787.Verdictum, ANI contra OpenAI, 2026:DHC:5900 y Cyril Amarchand Mangaldas.↩
788. 788.Tribunal de Justicia de la UE, comunicado 155/26, 3 de noviembre de 2026, asunto C-250/25.↩
789. 789.Federal Register, 2025-03188, hoja informativa; whitehouse.gov.↩
790. 790.Sección 301, 19 U.S.C. §2411(b) y (c)(1)(B).↩
791. 791.Yonhap en The Korea Times, 23 de abril de 2026, que cita la audiencia.↩
792. 792.Comisión Europea, IP/26/1670.↩
793. 793.TrendForce y The Next Web. El Federal Register no publica aviso de inicio al 8 de noviembre.↩
794. 794.The Hill y InsideTrade, 24 de julio de 2026. El Federal Register no muestra aviso de inicio sobre la DMA o la DSA.↩
795. 795.Reglamento (UE) 2022/1925, arts. 21, 30 y 31.↩
796. 796.The Next Web, 15 de octubre de 2026.↩
797. 797.Corpus de tratados de Psiquepol + AI, 482 acuerdos con texto, consultado el 8 de noviembre de 2026 sobre el volcado de esa fecha. Cuentan con cláusula de código fuente, entre otros: T-MEC 19.16, CPTPP 14.17, UE-Japón 8.73, UE-Reino Unido 207, UE-Chile 19.13, UE-Nueva Zelanda 12.11, Reino Unido-Australia 14.18, Reino Unido-India 12.15, Singapur-Australia 14.28 y Chile-Emiratos 9.17.↩
798. 798.T-MEC, capítulo 19, arts. 19.1, 19.3, 19.4, 19.11, 19.12, 19.16 y 19.17, y arts. 32.1, 32.2 y 34.7.↩ab
799. 799.Acuerdo de Comercio Recíproco EE. UU.-Malasia, arts. 3.1, 3.2 y 3.4.↩ab
800. 800.CPTPP, art. 14.17.↩
801. 801.UE-Nueva Zelanda, art. 12.11; UE-Japón, art. 8.73; UE-Reino Unido, art. 207.↩
802. 802.Reino Unido-India, art. 12.15 y Reino Unido-Australia, art. 14.18.↩
803. 803.RCEP, arts. 12.14 a 12.16.↩
804. 804.Singapur-Australia, art. 14.31; Reino Unido-Australia, art. 20.4; Chile-Emiratos, art. 9.18; Emiratos-Australia, art. 12.24; Turquía-Emiratos, art. 9.18; Reino Unido-Nueva Zelanda, art. 15.19. Corpus de tratados de Psiquepol + AI.↩
805. 805.IISD, 9 de septiembre de 2026 y Mexico Business News. El mecanismo, en el art. 34.7 del T-MEC.↩
806. 806.BSA, sobre el acuerdo con Indonesia. BSA es una asociación de la industria.↩
807. 807.Simon Lester, International Economic Law and Policy Blog, 18 de marzo de 2026, que compara los textos.↩
808. 808.Administración de Comercio Internacional, 6 de julio de 2026.↩
809. 809.OpenAI for Countries, Stargate UAE, Stargate.↩
810. 810.Consejo de Estado de China, 13 de abril de 2026; Morrison Foerster sobre el Decreto 835 y sobre el régimen de 2026.↩
811. 811.Ley de Comercio Exterior de China, arts. 10 y 40, vigente desde el 1 de marzo de 2026 y Ley de Control de Exportaciones, art. 48.↩
812. 812.2 U.S.C. §1602(7) y 26 U.S.C. §162(e)(1)(C).↩
813. 813.Conn. Gen. Stat. §31-51q, Minn. Stat. §181.531 y Cal. Lab. Code §1137; sobre California Chamber of Commerce v. Bonta, confirmada el 29 de octubre de 2026 por el Noveno Circuito, Davis Wright Tremaine, 3 de noviembre de 2026.↩
814. 814.Consejo Legislativo de Texas, Dates of Interest, que cita el art. III, §5(a), de la Constitución de Texas; E&E News, 6 de julio de 2026, para la fecha más temprana de vigencia.↩ab
815. 815.CoreWeave, comunicado del 27 de octubre de 2026.↩
816. 816.Nvidia, convocatoria a la llamada de resultados del tercer trimestre.↩
817. 817.USTR, 6 de noviembre de 2026 y Tesoro, sobre la llamada con He Lifeng; el encuentro en APEC no está confirmado.↩
818. 818.Opinio Juris, 27 de agosto de 2026.↩
819. 819.Oficina de Análisis Económico, calendario de publicaciones, consultado el 8 de noviembre de 2026.↩
820. 820.Comisión Federal Electoral, informes previo y posterior a la elección general de 2026.↩
821. 821.Ley de IA, arts. 111(4) y 113 y Directiva (UE) 2024/2831, art. 29(1).↩
822. 822.Utility Dive, 21 de agosto de 2026 y Inside Climate News, 24 de agosto de 2026.↩
823. 823.Lowenstein Sandler, 8 de junio de 2026.↩
824. 824.Ley de IA, arts. 57(1) y 111(3).↩