La inteligencia artificial avanza en varias direcciones al mismo tiempo.

No es un salto brusco, sino una evolución continua que combina mejoras técnicas, nuevas arquitecturas y decisiones políticas que influyen en cómo se desarrolla y cómo se utiliza.

Para comprender este escenario, conviene adoptar una mirada amplia, que no se limite a los centros tecnológicos más visibles y que permita entender cómo estas dinámicas afectan también a regiones que históricamente han quedado más lejos del debate.

La IA se despliega bajo marcos de gobernanza distintos, que reflejan prioridades y valores diversos:

• Estados Unidos impulsa la innovación rápida y la experimentación empresarial, con marcos regulatorios flexibles. Su Plan de Acción de IA de 2025 apostó explícitamente por reducir trabas regulatorias y acelerar la construcción de centros de datos e infraestructura.[1]

• China combina modelos de gran escala con una regulación estricta sobre contenidos: desde septiembre de 2025 exige que todo contenido generado por IA lleve etiquetado identificativo, buscando a la vez competitividad tecnológica y control social.[2]

• Europa prioriza la transparencia, la trazabilidad y la protección de derechos. El AI Act ya es una realidad operativa: las obligaciones para los modelos de propósito general se aplican desde agosto de 2025.

En cuanto a los sistemas de alto riesgo, su calendario acaba de cambiar: el paquete «Digital Omnibus», propuesto por la Comisión Europea en noviembre de 2025 y aprobado por el Parlamento (16 de junio de 2026) y el Consejo (29 de junio de 2026), aplaza esas obligaciones.

Los sistemas autónomos del Anexo III —empleo, educación, crédito, aplicación de la ley, etc.— pasan a ser exigibles el 2 de diciembre de 2027, y los integrados en productos ya regulados (Anexo I) el 2 de agosto de 2028. Ahora bien, el 2 de agosto de 2026 no queda vacío: las obligaciones de transparencia del artículo 50 —avisar de que un contenido está generado por IA o de que se está interactuando con una IA— sí entran en vigor en esa fecha, según lo previsto.[3] Estas orientaciones compiten en algunos planos —el acceso a chips avanzados o la atracción de talento son terrenos de rivalidad explícita—, pero en la práctica coexisten y se influyen mutuamente.

Comprenderlas es clave para interpretar cómo se despliega la IA y qué implicaciones tiene para instituciones y comunidades, incluidas aquellas que no siempre participan en la definición de estos marcos.

Más allá de las diferencias regionales, hay una tendencia común:

La IA se está volviendo más adaptable.

Los modelos generalistas siguen siendo importantes, pero cada vez más actores buscan sistemas ajustados a contextos específicos: idiomas, sectores, procesos internos o necesidades locales.

Técnicas como el ajuste fino ligero (LoRA) o la generación aumentada con recuperación (RAG) permiten adaptar un modelo existente a un dominio concreto con una fracción del coste de entrenarlo desde cero.

Esta personalización permite que la IA sea más útil y más cercana a los usos reales.

También abre la puerta a que organizaciones de distintos tamaños puedan aprovecharla sin depender de soluciones únicas.

Proyectos como LatamGPT —el primer gran modelo de lenguaje abierto de la región, coordinado por el CENIA de Chile junto a instituciones de toda Latinoamérica y lanzado en febrero de 2026— o los modelos entrenados en lenguas africanas y del sudeste asiático muestran que el Sur Global no solo consume esta tecnología: empieza a construirla desde sus propias realidades lingüísticas y culturales.[4]

CENIA (Chile), Latam-GPT: la primera IA regional abierta creada con datos latinoamericanos (10 de febrero de 2026): cenia.cl.

La investigación explora nuevas formas de aprendizaje que permiten a los modelos mejorar sin necesidad de reentrenarlos desde cero.

Algunas propuestas se inspiran en procesos biológicos; otras, en agentes capaces de reorganizar su memoria de trabajo entre sesiones o de generar sus propios ejemplos de entrenamiento (los llamados datos sintéticos, ya habituales en el desarrollo de los grandes modelos actuales).

Aunque estas ideas aún están en desarrollo, apuntan hacia sistemas más dinámicos y más eficientes.

Esto plantea oportunidades, pero también preguntas sobre cómo supervisar modelos que cambian con el tiempo y cómo garantizar que sus mejoras sean seguras y comprensibles para todos los usuarios, independientemente de su contexto tecnológico.

La IA no opera bajo un único marco regulatorio.

Cada región define sus prioridades:

• seguridad,
• innovación,
• derechos,
• competitividad,
• control de contenidos.

El resultado es un mosaico normativo con efectos prácticos visibles: hay capacidades y productos de IA que se lanzan primero en unos mercados y llegan meses después —o no llegan— a otros, precisamente por las diferencias entre marcos legales.

Esta diversidad no es un obstáculo: refleja la pluralidad de realidades culturales y políticas.

Pero sí exige prestar atención a cómo estas diferencias afectan a la interoperabilidad, la confianza y el acceso equitativo, especialmente en regiones donde los recursos para adaptarse a estos marcos son más limitados.

La IA ya no está solo en la nube.

Modelos más ligeros y eficientes —de pocos miles de millones de parámetros, frente a los cientos de miles de millones de los grandes modelos— ya funcionan directamente en teléfonos móviles, como hacen los asistentes integrados de Google y Apple, y en robots, sensores y vehículos, sin depender de grandes centros de datos.

Este paso hacia el mundo físico implica nuevas formas de interacción y nuevas responsabilidades: seguridad, privacidad, autonomía y convivencia con sistemas que actúan en tiempo real.

También plantea desafíos para regiones donde la infraestructura digital es desigual, y donde la llegada de estos dispositivos puede tener impactos distintos a los observados en los países más avanzados.

La IA que funciona en el propio dispositivo reduce la dependencia de la conectividad.

Es una paradoja especialmente relevante para el Sur Global:

Puede mejorar el acceso en regiones con redes deficientes, pero solo si los dispositivos llegan con costes que no excluyan a la mayoría de usuarios.

Estas tendencias no describen un cambio abrupto, sino una evolución continua que requiere ser interpretada con calma y sin resonancia con el ruido mediático.

La inteligencia artificial avanza en múltiples planos, cada uno con sus oportunidades y sus riesgos.

Comprender este escenario exige una narrativa que combine rigor técnico con humildad, y que permita a instituciones y comunidades situarse en un debate complejo sin perder claridad.

Por eso importa que esta comprensión no quede restringida a los centros tecnológicos más avanzados: desde iniciativas como el OSICO Open AI Observatory promovemos una lectura abierta que permite a las regiones del Sur Global seguir el ritmo de estos cambios y participar activamente desde sus propias realidades.

[1]Casa Blanca, Winning the Race: America’s AI Action Plan (23 de julio de 2025) y Orden Ejecutiva 14318. Portal oficial: ai.gov / whitehouse.gov.

[2]Administración del Ciberespacio de China (CAC), Medidas para el etiquetado de contenido generado por IA, en vigor desde el 1 de septiembre de 2025. Traducción de referencia: China Law Translate.

[3]Reglamento (UE) 2024/1689 (AI Act), en EUR-Lex; y paquete «Digital Omnibus on AI» de la Comisión Europea (propuesto el 19 de noviembre de 2025; aprobado por el Parlamento el 16 de junio y por el Consejo el 29 de junio de 2026). Nuevas fechas de alto riesgo: Anexo III → 2 de diciembre de 2027; Anexo I → 2 de agosto de 2028; transparencia del art. 50 → 2 de agosto de 2026.

[4]CENIA (Chile), Latam-GPT: la primera IA regional abierta creada con datos latinoamericanos (10 de febrero de 2026): cenia.cl.