La inteligencia artificial se está convirtiendo en un nuevo factor de competitividad económica y geopolítica. ¿Qué se juega Iberoamérica en esta transformación y cuál debería ser su prioridad para evitar quedar rezagada frente a otras regiones? ¿Hasta qué punto considera importante desarrollar capacidades tecnológicas propias y avanzar hacia una mayor autonomía o soberanía digital?
América Latina y el Caribe lleva décadas de bajo crecimiento comparada con otras regiones. Durante un tiempo, el precio de los commodities y la entrada masiva de personas al mercado laboral ayudaron a reducir la pobreza. Ninguno de esos motores está garantizado hacia adelante. Con el fin del bono demográfico, mayores fricciones al comercio y un espacio fiscal más estrecho, mejorar la productividad es imprescindible. Para lograrlo necesitamos rediseñar cómo se produce, se gestiona y se decide. La inteligencia artificial es hoy la herramienta más potente para ese rediseño. Pero aprovecharla exige algo más que disponer de tecnología. La soberanía empieza por la capacidad efectiva de decidir cómo utilizarla y de crear valor a partir de ella.
La productividad no mejora simplemente por digitalizar. El acceso a Internet y el reemplazo de sistemas analógicos por digitales no consiguieron por sí solos impulsar nuestras economías. Las ganancias aparecen cuando cambian los procesos. La IA se integra como una capa transversal de esa transformación y necesita infraestructura, datos, capacidades institucionales y organizaciones capaces de adaptar su forma de trabajar.
La IA puede ampliar el acceso a servicios y oportunidades, pero también concentrar capacidades y valor en quienes ya cuentan con infraestructura, datos y talento. En América Latina y el Caribe, sus efectos dependerán de cómo atendamos las brechas entre países, territorios, empresas y personas.
En CAF estamos organizando esa agenda alrededor de tres capacidades habilitantes: infraestructura para IA, incluidos conectividad, energía, cómputo, nube y datos; marcos de regulación y gobernanza; y talento y capacidades institucionales. Sobre esa base se desarrollan dos líneas de transformación: IA para la modernización y capacidad del Estado, e IA para la transformación productiva. El futuro del trabajo atraviesa ambas. Esta arquitectura permite vincular las inversiones con la capacidad de los países para adoptar, adaptar y gobernar la tecnología, y para generar valor público, productivo y social.
Desarrollar un ecosistema propio requiere infraestructuras, capacidad computacional, conectividad, datos, talento y formación. ¿Dónde identifica su institución las mayores necesidades de inversión en la región?
Las inversiones en IA tienen una lógica distinta de la que tradicionalmente utilizábamos para financiar proyectos digitales. Reunir infraestructura, fortalecimiento institucional, talento y operación en una misma intervención es necesario, pero insuficiente. Hay que financiar el ciclo completo de construcción de una capacidad, incluida su adopción, evaluación y evolución.
La soberanía empieza por la capacidad efectiva de decidir cómo utilizar la IA y de crear valor a partir de ella
El ecosistema digital es una cadena de valor que parte de los recursos naturales y la energía, sigue por la conectividad, la capacidad de cómputo y los centros de datos, y llega a los datos, los modelos y las aplicaciones. El talento, la investigación y la ciberseguridad atraviesan todos esos eslabones. Ningún país puede desarrollar por sí solo todas esas capacidades. Debemos identificar en cuáles conviene invertir, dónde tenemos ventajas, qué podemos compartir regionalmente y cuáles dependencias externas necesitamos administrar. La región cuenta con energía renovable, minerales críticos, talento joven, datos y contextos propios. También necesita escala, y la cooperación entre países puede ayudar a conseguirla.
Eso es lo que entendemos por soberanía tecnológica pragmática y cooperativa. Un país puede adoptar soluciones avanzadas y, al mismo tiempo, volverse más dependiente si no comprende cómo funcionan, no puede auditarlas o carece de alternativas cuando necesita cambiar de proveedor. Compartir capacidades, definir estándares y negociar en conjunto amplía el margen de decisión. También necesitamos empresas capaces de adoptar estas tecnologías, adaptarlas y construir sobre ellas para que una mayor parte del valor permanezca en la región.
La infraestructura pública digital es parte de esa base. Identidad, pagos e interoperabilidad son funciones reutilizables sobre las que se construyen servicios en salud, educación, justicia, protección social y recaudación. La IA puede integrarse como una capa transversal. Como los modelos y proveedores cambiarán, la capacidad que debe permanecer en el Estado es la de evaluar, adoptar, sustituir y escalar soluciones sin perder el control de sus procesos.
Para la banca de desarrollo, esto significa acompañar el rediseño institucional, la construcción y retención de capacidades, la implementación inicial y la integración con los sistemas existentes. El financiamiento debe prever también la operación, la evaluación, la actualización de las soluciones y el paso de los pilotos a una escala útil. Desde el diseño del proyecto hay que saber quién mantendrá esa capacidad, cómo será adoptada por instituciones, empresas y personas, y cómo podrá cambiarse de tecnología o proveedor cuando sea necesario. El proyecto no termina con la puesta en funcionamiento de una plataforma.
¿Qué papel deben desempeñar los bancos multilaterales de desarrollo para acelerar la adopción de la IA en Iberoamérica?
CAF puede actuar en cuatro ejes. El primero es la integración regional. Podemos generar escala en ámbitos donde un país que actúa solo enfrenta límites de mercado, talento, datos, cómputo o capacidad de negociación. Esto supone distinguir qué capacidades conviene desarrollar en cada país, cuáles pueden compartirse regionalmente y dónde hacen falta alianzas globales.
El segundo eje es el trabajo con gobiernos subnacionales. Muchos servicios cercanos a la ciudadanía y decisiones sobre movilidad, seguridad, gestión territorial y desarrollo productivo se ejecutan en ciudades, municipios y otros niveles de gobierno. CAF puede trabajar con ellos, conectar sus prioridades con las estrategias nacionales y facilitar que una solución probada en un territorio se adapte en otros.
El tercero es el fortalecimiento del tejido empresarial. Nuestra agenda abarca grandes empresas, empresas tecnológicas, startups, MiPyMEs y empresas de cadenas productivas tradicionales. Queremos fortalecer su capacidad para absorber IA, adaptarla, integrarla en sus procesos y construir productos y servicios propios sobre las tecnologías disponibles. Así, una mayor parte del valor generado puede permanecer en la región.
El financiamiento debe dirigirse de manera deliberada hacia quienes tienen menos capacidad de llegar solos
El cuarto eje es la soberanía pragmática. Los países necesitan comprender sus dependencias, elegir qué capacidades desarrollar, negociar con proveedores, proteger sus datos, auditar resultados y cambiar de solución sin perder el control de sus procesos. Esto requiere también empresas capaces de absorber tecnología y construir sobre ella.
Estos cuatro ejes se traducen en tres papeles para la banca de desarrollo. El primero es convertir las ideas y prioridades de los países en proyectos que se puedan ejecutar y financiar. El segundo es movilizar a terceros. Hay iniciativas que ni un gobierno, ni una empresa ni un banco pueden asumir solos. CAF puede combinar cooperación técnica, financiamiento, garantías, conocimiento y capacidad de convocatoria para compartir riesgos y atraer recursos. El tercero es crear bienes públicos regionales, como modelos abiertos, infraestructura de cómputo compartida, metodologías de evaluación y estándares de interoperabilidad. Su utilidad se extiende más allá de un país.
¿Cómo se podría impulsar y potenciar la actual Carta Iberoamericana de Principios y Derechos en Entornos Digitales?
La Carta tiene un buen marco conceptual, pero un marco conceptual no cambia nada por sí solo. Su utilidad depende de que cada país la traduzca en una hoja de ruta: quién es responsable de qué, con qué metas, qué recursos y qué indicadores. Sin eso queda como una declaración de principios que todos firman y nadie utiliza para decidir.
La forma de activarla es vincularla con el financiamiento. Un proyecto digital apoyado con recursos públicos debería mostrar cómo protege derechos, cómo reduce brechas y qué mecanismos de transparencia, supervisión y reclamación contempla. Eso cambia la naturaleza de la Carta: deja de ser una adhesión voluntaria y se convierte en un criterio para diseñar, contratar, financiar y evaluar proyectos.
Existe el riesgo de que la inteligencia artificial aumente las diferencias entre países, empresas y ciudadanos que pueden acceder a esta tecnología y quienes quedan al margen. ¿Cómo puede la financiación para el desarrollo contribuir a que la IA reduzca brechas en lugar de ampliarlas? ¿Cómo puede la financiación para el desarrollo evitar que la IA amplíe las brechas?
Financiar IA de manera inteligente no significa comprar licencias ni pagar pilotos que después no escalan. Es una inversión de largo plazo en infraestructura, productividad y capacidad pública, y tiene que dejar capacidad instalada en lugar de una dependencia nueva. Los modelos y los proveedores van a cambiar; lo que debe permanecer es la capacidad de los Estados, las empresas y los trabajadores para adoptar y adaptar la tecnología cuando eso ocurra. Por eso el financiamiento no puede ser solo infraestructura: tiene que ir acompañado de asistencia técnica, fortalecimiento institucional, datos y formación.
Un proyecto no debería financiarse porque usa inteligencia artificial, porque eso no dice nada sobre si vale la pena
Ese financiamiento debe dirigirse además, de manera deliberada, hacia quienes tienen menos capacidad de llegar solos: MiPyMEs, gobiernos con menos recursos técnicos, territorios rezagados, trabajadores expuestos a la transición. En una región donde la informalidad alcanza al 55 % de la fuerza laboral, eso no es una consideración de equidad ajena al diseño del financiamiento: es el diseño del financiamiento. Si solo llega a quienes ya están preparados, la IA amplía la brecha que ya existe; si se usa para construir infraestructura y capacidades compartidas, hace lo contrario.
¿Qué sectores son prioritarios y por qué para la aplicación de la IA en América Latina y el Caribe por su capacidad para generar desarrollo y bienestar?
No hay una lista de sectores que sirva igual para todos los países, porque las prioridades dependen de la estructura productiva y de los problemas de cada economía. Importar soluciones o copiar la política de otro país no resuelve problemas complejos, y transformar un sector completo lo es.
Hay, sin embargo, dos frentes claros. Uno es el Estado y sus servicios —salud, educación, justicia, protección social—, donde la IA puede mejorar diagnósticos, reducir tiempos de trámite y orientar mejor el gasto público. El otro es la productividad de las MiPyMEs y de cadenas como agroindustria, manufactura, minería, energía, logística y turismo, donde el valor aparece cuando la IA transforma el proceso de producción y no cuando se agrega como una herramienta más. El criterio para elegir es siempre el mismo: dónde el financiamiento genera mayor retorno público y mayor efecto de derrame sobre el resto de la economía.
¿Cómo deben incorporar los bancos de desarrollo criterios de IA responsable como condición o elemento de evaluación de los proyectos que apoyan?
CAF debe ayudar a que los países y los equipos de proyecto formulen las preguntas correctas antes de diseñar, comprar, implementar o escalar una solución de IA. Las autoridades necesitan capacidad para evaluar, elegir, supervisar, auditar y, cuando corresponda, sustituir un sistema o cambiar de proveedor. Esa capacidad crítica también forma parte de la soberanía tecnológica.
Hay que empezar por el problema que se quiere resolver. ¿Es necesaria la IA o existe una alternativa más sencilla? ¿Quién se beneficia y quién puede verse afectado? ¿Qué datos se usarán y cómo se protegerán? En servicios que afectan derechos o decisiones importantes para las personas, debemos examinar los riesgos de error, manipulación y discriminación, con atención específica a niños, niñas y adolescentes. Los usuarios necesitan información, mecanismos de reclamación y posibilidad de reparación. También debe estar claro qué decisiones requieren supervisión humana y quién responde si el sistema falla.
La evaluación continúa durante el uso del sistema. Hay que monitorear su desempeño, comprobar que el Estado pueda auditarlo o sustituirlo y definir qué resultados y salvaguardas hacen falta antes de escalar. La proporcionalidad significa concentrar la evaluación más exigente donde el daño potencial es mayor, especialmente en servicios esenciales y para poblaciones vulnerables.
Los Centros de Oportunidades, Seguridad y Transparencia de la IA pueden ayudar a instalar esa capacidad en los países. Pueden desarrollar evaluaciones de impacto, auditorías, registros de sistemas de alto impacto, espacios de experimentación y guías de compra pública. También pueden identificar oportunidades, preparar proyectos financiables y conectar a los gobiernos con empresas, universidades y fuentes de financiamiento. Su propósito es que los países cuenten con mejores herramientas para aprovechar la IA, proteger a las personas y corregir los sistemas cuando la evidencia lo exija.
La IA necesita grandes cantidades de energía, agua, capacidad de procesamiento e infraestructuras de datos. ¿Cómo compatibilizar la expansión de estas tecnologías con los objetivos climáticos y de desarrollo sostenible?
La infraestructura digital y la transición energética son la misma agenda vista desde dos ángulos. Un centro de datos necesita energía estable, redes robustas y, en algunos casos, volúmenes importantes de agua, de modo que su localización debe decidirse con una planificación energética, hídrica y territorial detrás, y no solo mirando dónde hay terreno barato o buena conectividad. Conviene además dimensionar bien el problema: el consumo energético de la IA debe medirse junto con el del resto de los sectores, no como si fuera un asunto aparte.
Lo que sí debería exigirse en cada proyecto es generación adicional de energía limpia, eficiencia, sistemas de enfriamiento adecuados al contexto local, reutilización de agua y transparencia sobre consumo y emisiones, sin competir con las necesidades básicas de la comunidad donde se instala. Hay además una tensión que conviene reconocer: la IA genera nueva demanda energética, pero al mismo tiempo permite optimizar redes, anticipar la demanda, integrar renovables y reducir pérdidas. No es solo consumo, también es una herramienta para gestionar mejor el sistema eléctrico.
El informe de CAF sobre IA y energía calcula que los centros de datos representaban cerca del 1,6 % de la demanda eléctrica regional en 2023 y que podrían acercarse al 5 % en 2035. La respuesta no es frenar la inversión, sino exigir desde el inicio que venga acompañada de energía limpia, redes, agua, desarrollo local y rendición de cuentas.
Musk habla de un mundo donde no habrá trabajo, ni necesidad de dinero, y sí una sociedad de bienestar. ¿Cómo ve esa profecía de realista?
Musk plantea un escenario de abundancia extrema. Es un ejercicio interesante, pero no es el marco desde el que trabaja un banco de desarrollo. Nuestra tarea es leer tendencias y convertirlas en política pública, financiamiento e instituciones, y en una realidad compleja los escenarios absolutos casi nunca se cumplen tal como se plantean. Puede haber más productividad y más informalidad al mismo tiempo. Más bienes disponibles y peor distribución de esos bienes. Menos empleos tradicionales y, en paralelo, una demanda enorme de capacidades nuevas, protecciones nuevas y pactos fiscales que hoy no existen.
La pregunta relevante no es si el trabajo va a desaparecer, sino quién se queda con el valor que genera la tecnología, cómo se protege a quienes quedan expuestos en la transición y si nuestros Estados tendrán la capacidad de gobernar ese proceso en lugar de sufrirlo.
En el horizonte de 2030, ¿qué tendría que haber cambiado para afirmar que América Latina y el Caribe ha aprovechado con éxito la revolución de la inteligencia artificial?
2030 está cerca y no tiene por qué ser la fecha límite para determinar si a la región le fue bien o mal, menos aún con una tecnología que cambia todos los meses. El cambio de fondo ya está ocurriendo, y tiene que ver con cómo el sector público y el productivo empiezan a pensarse distinto.
Lo que hace falta es agilidad, capacidad técnica, financiamiento bien diseñado, colaboración entre sectores que hoy no se hablan lo suficiente y una visión propia de la región, no una fórmula importada de otro lugar. Eso es lo que define si aprovechamos esta transformación. Los indicadores y los resultados sectoriales son consecuencia de esa decisión, no la decisión misma.
CAF ha respaldado el desarrollo de Latam-GPT, presentado como un modelo de lenguaje abierto desarrollado desde y para América Latina y el Caribe. ¿Qué importancia estratégica tiene que la región sea capaz de crear sus propias infraestructuras y modelos de inteligencia artificial y no solamente utilizar los desarrollados en otros lugares? ¿Puede la inversión en IA convertirse también en una herramienta para preservar la diversidad cultural y lingüística de Iberoamérica?
El valor de Latam-GPT no está en competir con los modelos grandes, una carrera que no tiene sentido correr. Está en ofrecer una base abierta que un gobierno, una universidad o una empresa puede tomar, adaptar y mejorar sin partir de cero. Eso permite montar lo que llamamos fábricas de IA: espacios donde se reúnen los datos, el talento, el cómputo y las reglas de gobernanza necesarias para ajustar el modelo a un problema público concreto, evaluarlo e integrarlo después a los sistemas del Estado.
Si solo llega a quienes ya están preparados, la IA amplía la brecha existente
El mayor potencial está en modelos pequeños y especializados: salud, justicia, compras públicas, administración tributaria, agricultura, protección social. Necesitan menos infraestructura, trabajan con datos sectoriales que se pueden controlar y son mucho más fáciles de evaluar y auditar que un modelo general. Entrenar de forma permanente un modelo general grande en español es otra cosa: ahí se compite con los modelos de frontera en costo de cómputo, en la infraestructura para atender a millones de usuarios y en una inversión continua en investigación y seguridad que pocos países pueden sostener solos.
La prioridad regional no es correr esa carrera, sino usar una base abierta para construir capacidad de adaptar, especializar y desplegar. El resultado que importa no es tener otro chatbot general: es que el ecosistema regional pueda construir sus propias soluciones, cambiar de modelo cuando le convenga y depender menos de proveedores cerrados. Hay además una dimensión cultural: un modelo entrenado con nuestros datos y nuestro contexto representa lo que somos y no lo que otros asumen que somos, y eso también forma parte de preservar la identidad cultural y lingüística de la región.
CAF participa junto con UNESCO en la construcción de una hoja de ruta regional para una inteligencia artificial ética. ¿Cómo se traduce esa apuesta por una IA centrada en las personas a la hora de decidir qué proyectos tecnológicos apoyar o financiar?
Una IA centrada en las personas empieza por una pregunta simple: qué problema público estamos tratando de resolver y quién se beneficia si lo resolvemos. Un proyecto no debería financiarse porque usa inteligencia artificial, porque eso no dice nada sobre si vale la pena. Tiene que demostrar valor público, que la solución es proporcional al problema y que mejora algo frente a las alternativas más simples que ya existían.
La alianza entre CAF y UNESCO comenzó en 2022 y desde entonces hemos apoyado a los países en políticas nacionales, evaluaciones de preparación, experimentación regulatoria y fortalecimiento institucional. Las cumbres de Santiago, Montevideo y Santo Domingo permitieron pasar de los principios generales a una Hoja de Ruta Regional de IA Ética 2026–2027.
En términos de financiamiento, eso se traduce en evaluar derechos, privacidad, sesgos, seguridad, impacto ambiental y efectos laborales, y en exigir supervisión humana, trazabilidad y capacidad del Estado para gobernar el sistema una vez implementado. La ética no se demuestra en un documento. Se demuestra en cómo se diseña una licitación, cómo funciona un hospital, cómo opera una escuela o cómo atiende una ventanilla pública. El objetivo es que esos principios se conviertan en instituciones y procedimientos concretos.
