Por José Luis Preciado
La inteligencia artificial ha dejado de ser únicamente una tecnología comercial para convertirse en una infraestructura estratégica comparable, por su importancia sistémica, con la energía, las telecomunicaciones o la industria de defensa. Esta transformación aparece con extraordinaria nitidez al leer conjuntamente el reportaje de Zach Dorfman en The Washington Post sobre la reorganización de la Agencia de Seguridad Nacional de Estados Unidos; el análisis difundido por el canal especializado Darpa and CIA sobre la adopción militar de modelos avanzados; el estudio de The Economist sobre el impacto todavía contradictorio de la IA en el empleo estadounidense; y la conversación de Maxim Orekhin con Ankush Sabharwal, fundador de CoRover.ai y responsable de BharatGPT, en el podcast Diálogo Abierto, dedicada precisamente a los requisitos de una inteligencia artificial soberana. El hilo que conecta esos materiales es más profundo de lo que parece: quien no controle el modelo, los datos, el hardware, la energía y el entorno en el que la inteligencia artificial ejecuta decisiones no poseerá realmente inteligencia artificial soberana, sino acceso condicionado a una capacidad tecnológica perteneciente a otros.
La reestructuración de la NSA es posiblemente la demostración institucional más clara de este cambio. Según Dorfman, el general Joshua M. Rudd está impulsando la reorganización interna más profunda de la agencia en al menos una década, articulándola alrededor de cinco grandes centros dedicados a inteligencia artificial, China, ciberseguridad, apoyo a operaciones de combate e inteligencia global. Los responsables de estas nuevas estructuras tendrán un nivel de autoridad equivalente, en la práctica, al de un subdirector, mientras que la histórica unidad ofensiva Tailored Access Operations quedará subordinada al área de inteligencia global y recibirá previsiblemente un aumento significativo de presupuesto. La transición organizativa debe comenzar a mediados de octubre y alcanzar plena capacidad operacional en enero de 2027. No estamos ante la creación de un pequeño laboratorio de innovación dentro de una burocracia tradicional. La arquitectura misma de la mayor agencia estadounidense de inteligencia de señales está siendo reordenada para colocar la inteligencia artificial y la competencia con China en el mismo nivel estructural que la ciberseguridad, la inteligencia global y las necesidades del combate.
El significado de esa reorganización se aprecia mejor cuando se observa lo que ha sucedido simultáneamente en el Pentágono. El material de partida mencionaba una presentación de GENAI.MIL en la que Gemini aparecía ya desplegado mientras Grok y ChatGPT todavía figuraban como próximos desarrollos. Esa fotografía correspondía efectivamente a una fase anterior. El proceso avanzó rápidamente: el 31 de agosto y el 1 de septiembre de 2026, el Departamento de Defensa estadounidense incorporó formalmente ChatGPT Mil y Grok for Government a GenAI.mil, donde ya funcionaba Gemini. Las tres plataformas están ahora disponibles dentro del sistema seguro del Departamento, concebido para una plantilla potencial superior a tres millones de militares, civiles y contratistas.
El salto cualitativo es considerable. Gemini fue autorizado desde el lanzamiento inicial de GenAI.mil para información no clasificada controlada bajo el estándar Impact Level 5. ChatGPT Mil opera también dentro de infraestructura gubernamental aislada y puede trabajar con documentación, planificación, logística, políticas internas, investigación, adquisiciones y otras tareas institucionales. Esto obliga a precisar una afirmación frecuente en el debate público: la disponibilidad de modelos dentro del sistema militar no significa que un chatbot comercial haya recibido autonomía irrestricta para decidir operaciones de combate. Significa algo estructuralmente más importante: la IA generativa comienza a incorporarse de manera rutinaria al procesamiento de información, planificación y administración de la organización militar más poderosa del mundo.
La diferencia es fundamental porque la revolución militar de la IA probablemente no comenzará con una máquina autónoma tomando decisiones espectaculares en el campo de batalla, sino con millones de pequeñas ventajas acumulativas. Resumir miles de páginas de inteligencia, identificar contradicciones, programar software, traducir documentación técnica, comparar escenarios, organizar cadenas logísticas, revisar adquisiciones, cruzar bases de datos o detectar anomalías con mayor velocidad puede alterar la eficiencia de un aparato militar incluso antes de que los modelos controlen directamente sistemas cinéticos. La orden interna que acompañó el lanzamiento de GenAI.mil en diciembre de 2025 era significativa: el Departamento pidió a su personal incorporar la IA a su actividad cotidiana y tratarla como una herramienta recurrente de trabajo.
Esto ayuda a entender por qué la NSA está reorganizando simultáneamente sus estructuras de inteligencia. La revolución de la IA militar no consiste sólo en disponer del modelo más poderoso, sino en construir una organización capaz de absorberlo. Un modelo instalado sobre sistemas informáticos anticuados, bases de datos incompatibles, redes vulnerables y protocolos burocráticos lentos produce mucho menos valor estratégico que el mismo modelo integrado en una arquitectura diseñada desde el principio para explotarlo. Precisamente por ello el Pentágono enfrenta ahora otra contradicción: la inteligencia artificial aumenta su capacidad ofensiva y analítica, pero también facilita a los adversarios encontrar vulnerabilidades en redes informáticas envejecidas. Funcionarios y expertos estadounidenses han advertido recientemente que décadas de mantenimiento insuficiente han convertido parte de esa infraestructura digital en un riesgo de seguridad nacional.
La competencia con China debe leerse dentro de ese marco y no mediante la caricatura de dos chatbots enfrentándose en una clasificación pública. El material remitido sostiene que los modelos chinos ya son comparables a los estadounidenses e incluso superiores en determinados ámbitos. La evidencia disponible permite formular una conclusión algo más precisa: Estados Unidos continúa conservando ventajas importantes en los modelos de frontera, capital, chips avanzados y capacidad computacional, pero China ha reducido rápidamente la distancia y ha construido un ecosistema especialmente competitivo en modelos abiertos y eficientes. Informes recientes sitúan a varios desarrolladores chinos sólo unos meses por detrás de los principales laboratorios estadounidenses en determinadas capacidades, pese a operar bajo restricciones mucho mayores de acceso a semiconductores y con presupuestos inferiores.
Esta diferencia entre modelo cerrado y modelo abierto puede adquirir enorme importancia geopolítica. Estados Unidos puede ofrecer a sus aliados acceso a versiones gubernamentales de modelos comerciales dentro de infraestructuras controladas; China, en cambio, dispone de un ecosistema creciente de modelos abiertos o de pesos abiertos que terceros países pueden descargar, modificar y ejecutar dentro de sus propios centros de datos. En apariencia, el primer esquema ofrece acceso a modelos de frontera potencialmente superiores; el segundo ofrece algo políticamente muy valioso: mayor capacidad para instalar el modelo sin que cada inferencia dependa de servidores bajo jurisdicción extranjera.
Ahí comienza realmente el debate sobre inteligencia artificial soberana.
El problema es que muchos países que no disponen de modelos de frontera propios podrían terminar utilizando sistemas chinos abiertos sobre hardware nacional. Sin embargo, conviene introducir una precisión. La disponibilidad de un modelo descargable no convierte automáticamente un sistema en soberano. Si los aceleradores son extranjeros, la nube pertenece a otra jurisdicción, el sistema operativo depende de actualizaciones externas, los datos nacionales no están bajo control doméstico o los modelos fundamentales no pueden auditarse y modificarse, persisten importantes dependencias.
Ankush Sabharwal lleva esta reflexión mucho más lejos. En su conversación con Maxim Orekhin identifica cinco condiciones para una inteligencia artificial soberana: que el sistema se despliegue dentro del país, que exista control nacional sobre la infraestructura, que el entrenamiento utilice datos propios, que la inferencia se produzca localmente y que el modelo esté culturalmente adaptado. Su planteamiento coincide con declaraciones públicas anteriores en las que ha insistido en que la soberanía no consiste simplemente en almacenar información dentro de las fronteras, sino en conservar el control efectivo sobre ella y sobre los sistemas que la procesan.
Esta formulación desmonta buena parte del marketing que rodea actualmente a la “IA nacional”. Un Estado puede poseer un chatbot que habla perfectamente su idioma y aun así depender por completo de otro país para obtener GPUs, centros de datos, energía, modelos base y actualizaciones. También puede entrenar un modelo doméstico y perder soberanía si toda la infraestructura productiva necesaria para ejecutarlo pertenece a un proveedor extranjero. Y puede controlar hardware y modelos, pero alimentar el sistema con datos deficientes, externos o culturalmente inadecuados. La inteligencia artificial soberana no es, por tanto, un objeto. Es una relación entre componentes.
Sabharwal resume esa idea distinguiendo tres grandes capas: infraestructura y modelos, datos y sistemas de integración. El verdadero poder reside en las conexiones entre ellas. Ésta es quizá la conclusión estratégica más importante de las fuentes consultadas. Durante la primera era digital podía bastar con comprar computadoras y licencias. En la era de la IA, comprar acceso puede significar comprar dependencia.
La cuestión adquiere una dimensión todavía más sensible dentro del ámbito militar. El material remitido afirma que para las necesidades de los estados mayores se requieren modelos con menos restricciones que los productos comerciales, pues determinados filtros diseñados para consumidores civiles pueden bloquear análisis militares legítimos. El problema existe, aunque reducirlo simplemente a eliminar “censura” sería insuficiente. Un modelo militar útil necesita permisos adecuados para operaciones legales, pero también trazabilidad, control de acceso, segmentación de información, seguridad de datos, auditoría, supervisión humana y reglas de empleo mucho más estrictas que las de un chatbot ordinario. El desafío no consiste en construir una IA sin límites, sino una IA cuyos límites sean definidos por la estructura de mando y no por las políticas comerciales de una aplicación pública.
La evolución de Palantir ilustra la complejidad. Su plataforma AIP para defensa está diseñada para trabajar con modelos comerciales, abiertos y autoalojados dentro de redes privadas, incluso clasificadas. En agosto de 2026, Palantir añadió además acceso a modelos de DeepSeek, Z.ai y Moonshot AI en determinados entornos comerciales mediante AWS Bedrock. Esto demuestra la extraordinaria circulación internacional de capacidades de IA, aunque no prueba que modelos chinos estén operando dentro de redes militares estadounidenses clasificadas. Éste es precisamente el tipo de distinción que será cada vez más importante: utilizar un modelo, alojarlo, controlarlo y depender de él son cuatro cosas diferentes.
La inteligencia artificial soberana no afecta únicamente a la guerra. Su segunda gran dimensión es económica, y aquí los datos recientes obligan también a matizar los pronósticos más extremos. The Economist publicó el 4 de septiembre un análisis que cuestionó, al menos por ahora, la idea de un inminente “apocalipsis laboral”. Según sus estimaciones, la expansión de la IA desde mediados de 2023 estaría asociada con aproximadamente un millón de empleos adicionales en Estados Unidos, frente a unos 200,000 despidos atribuidos explícitamente a la tecnología. El propio material remitido subraya correctamente que esta cifra debe manejarse con cautela porque deriva de una estimación contrafactual —comparar el empleo observado con el empleo que presumiblemente habría existido sin el auge de la IA— y no de un registro administrativo exacto de empleos “creados por IA”.
Los datos generales del mercado laboral sí son verificables directamente. La Oficina de Estadísticas Laborales informó que Estados Unidos creó 162,000 empleos no agrícolas en agosto y mantuvo una tasa de desempleo del 4.1 por ciento. Estos datos contradicen, al menos de momento, las previsiones de una destrucción masiva e inmediata de empleo agregada.
Pero la aparente paradoja desaparece cuando observamos dónde se están creando esos puestos.
La IA es software, pero su expansión depende de una infraestructura extraordinariamente material. Centros de datos, redes eléctricas, generadores, subestaciones, refrigeración, construcción, transformadores, fibra óptica, técnicos y mantenimiento forman el esqueleto físico de lo que superficialmente parece una revolución puramente digital. El análisis de The Economist estima que alrededor de 320,000 empleos adicionales se han concentrado precisamente en actividades relacionadas con la construcción de esa infraestructura. Una reconstrucción independiente del estudio sitúa igualmente el efecto en cientos de miles de puestos vinculados al desarrollo de centros de datos y profesiones técnicas relacionadas.
Aquí aparece una paradoja decisiva. La inteligencia artificial puede automatizar trabajo cognitivo y, simultáneamente, generar una extraordinaria demanda de trabajo físico para construir la infraestructura que permite esa automatización. El electricista que instala una subestación, el técnico que conecta un rack de GPUs, el ingeniero que diseña sistemas de refrigeración y el trabajador que construye un centro de datos participan en la economía de la inteligencia artificial aunque jamás entrenen un modelo.
Pero también aquí conviene evitar conclusiones prematuras. La construcción de un centro de datos necesita grandes cantidades de mano de obra durante meses o años, mientras que su operación posterior requiere muchas menos personas. El actual auge del empleo puede representar, en parte, la fase de inversión de una transformación cuyo efecto laboral de largo plazo todavía desconocemos.
Además, el crecimiento no se distribuye uniformemente. Algunas ocupaciones de desarrollo, ingeniería, matemáticas y ciencia de datos se benefician de una demanda creciente; otras tareas administrativas, de atención al cliente o procesamiento rutinario muestran mayor exposición a la automatización. El fenómeno correcto no es “la IA crea empleo” ni “la IA destruye empleo”, sino una recomposición acelerada de la estructura ocupacional.
Rusia ofrece un caso particularmente revelador de la diferencia entre desempleo y escasez laboral. Allí, el problema no sería tanto una masa disponible de trabajadores sustituibles como un desajuste entre las capacidades que existen y las capacidades que la economía necesita. Las carencias se concentran en áreas físicas, manuales y técnicas precisamente donde los modelos lingüísticos sustituyen menos trabajo. Para economías que atraviesan problemas demográficos o escasez de trabajadores, la utilidad estratégica de la IA dependerá de si puede cerrar esos déficits reales y no simplemente automatizar sectores donde ya existe abundancia de mano de obra.
Este punto conecta empleo y soberanía de una manera inesperada. Una estrategia nacional de inteligencia artificial no puede consistir únicamente en entrenar el mejor modelo. Debe responder a una pregunta económica más elemental: ¿qué carencias concretas de la sociedad debe resolver ese modelo?
Estados Unidos parece responder mediante una combinación de productividad administrativa, inteligencia, defensa y capacidad científica. China persigue simultáneamente industrialización, automatización, modelos abiertos y autosuficiencia tecnológica. India intenta construir modelos que respondan a su escala demográfica, diversidad lingüística y administración pública. Rusia explora cómo utilizar sistemas externos o nacionales dentro de una estructura económica que sufre restricciones tecnológicas y falta de trabajadores especializados. Ninguno de esos países enfrenta exactamente el mismo problema. Por eso la inteligencia artificial soberana no puede reducirse a copiar ChatGPT bajo una bandera diferente.
Existe, además, una dimensión energética que probablemente será tan importante como los propios algoritmos. Los centros de datos necesitan electricidad abundante y estable; las GPUs requieren cadenas de fabricación altamente concentradas; las redes de transmisión necesitan años de inversión; y el agua, el suelo industrial y los sistemas de refrigeración comienzan a convertirse en variables políticas. En California, por ejemplo, la rápida expansión de centros de datos ya genera conflictos sobre consumo de electricidad, agua, contaminación y costos de infraestructura. La inteligencia artificial soberana depende por ello de algo profundamente tradicional: centrales eléctricas, redes, transformadores, hormigón y suelo.
Ésta es la razón por la cual la actual carrera tecnológica se parece cada vez menos a la economía digital aparentemente ingrávida de principios de siglo y cada vez más a una competencia industrial clásica. Los modelos pueden descargarse en segundos; la capacidad para ejecutarlos a escala no.
La reorganización de la NSA debe interpretarse desde ese contexto. China, inteligencia artificial, ciberseguridad, inteligencia global y apoyo al combate no son cinco asuntos independientes, sino cinco caras de la misma transformación. La capacidad de interceptar comunicaciones, defender redes, explotar vulnerabilidades, procesar cantidades inmensas de señales, identificar patrones y proporcionar inteligencia a fuerzas desplegadas está convergiendo alrededor de infraestructuras de IA. Que esos ámbitos reciban ahora estructuras directivas propias dentro de la NSA significa que Washington ha comenzado a institucionalizar una realidad que las empresas tecnológicas comprendieron antes: la inteligencia artificial no es una herramienta adicional dentro del sistema; tiende a convertirse en la capa que conecta muchas de sus funciones.
China parece haber llegado a una conclusión equivalente. La competencia ya no se limita a producir mejores puntuaciones en pruebas de razonamiento. Pekín busca controlar modelos, centros de datos, semiconductores, suministro energético, telecomunicaciones y estándares. La ventaja de sus modelos abiertos es que pueden integrarse en ecosistemas extranjeros con mayor facilidad, pero ello no elimina las preocupaciones de seguridad ni convierte automáticamente a sus usuarios en independientes de China. Del mismo modo, el extraordinario poder de los modelos estadounidenses no elimina la dependencia que sus clientes adquieren frente a laboratorios, proveedores de nube y legislación estadounidense.
Así, la verdadera división mundial puede terminar produciéndose no entre países “con IA” y países “sin IA”, sino entre Estados capaces de decidir cómo, dónde y para qué ejecutan sus modelos y Estados que sólo pueden consumir inteligencia artificial bajo condiciones fijadas por otros.
Sabharwal acierta al insistir en que soberanía no significa aislamiento. Intentar construir absolutamente cada componente dentro de las fronteras nacionales sería prohibitivamente caro para la mayoría de los países. La soberanía real consiste en determinar cuáles dependencias son tolerables y cuáles se convierten en puntos críticos de vulnerabilidad. Un país puede utilizar hardware extranjero y conservar autonomía si dispone de proveedores alternativos, control operativo y capacidad para sustituir componentes. Puede emplear un modelo abierto creado en otro país y conservar cierto grado de soberanía si controla los servidores, los datos, la adaptación y la inferencia. También puede poseer un modelo nacional y ser profundamente dependiente si carece de chips, energía o nube propios.
En definitiva, el concepto de inteligencia artificial soberana obliga a regresar a una definición material del poder. No basta con poseer código. Hay que poseer la capacidad de ejecutarlo.
Esa capacidad está reorganizando al mismo tiempo los servicios de inteligencia, los ejércitos, la industria, las redes eléctricas y el empleo. La nueva NSA de Joshua Rudd, los tres grandes modelos integrados en GenAI.mil, la aceleración china en modelos abiertos, la apuesta india por BharatGPT y el auge estadounidense de centros de datos forman parte de un mismo proceso histórico. Las sociedades están descubriendo que la inteligencia artificial, lejos de abolir la infraestructura física, aumenta su importancia.
Y allí aparece la consecuencia geopolítica decisiva. Si un Estado depende de otro para entrenar, alojar, actualizar o ejecutar los sistemas que procesan su inteligencia militar, administran sus instituciones o coordinan su economía, la dependencia tecnológica puede convertirse en dependencia política. De ahí que Estados Unidos y China estén incorporando la IA al núcleo mismo de sus aparatos estratégicos y que países como India busquen explícitamente modelos soberanos.
La carrera que comienza no decidirá solamente quién tiene el chatbot más brillante. Decidirá quién controla los datos con los que piensa, los chips con los que calcula, la energía con la que funciona, los centros de datos donde reside y las instituciones que convierten sus resultados en decisiones.
La inteligencia artificial soberana es, por eso, mucho más que una política tecnológica. Es la nueva infraestructura de la autonomía nacional.
Fuentes consultadas
Zach Dorfman. National Security Agency launches historic restructuring. The Washington Post. 13 de septiembre de 2026.
C. Todd Lopez. ChatGPT, Grok Added to War Department’s AI System Options. Pentagon News / U.S. Department of Defense. 1 de septiembre de 2026.
OpenAI. Bringing ChatGPT to GenAI.mil. OpenAI. 9 de febrero de 2026.
The Economist. The jobs apocalypse is postponed. An AI jobs boom is here. The Economist. 4 de septiembre de 2026.
U.S. Bureau of Labor Statistics. The Employment Situation — August 2026. Bureau of Labor Statistics. 4 de septiembre de 2026.
Maxim Orekhin y Ankush Sabharwal. Cómo crear una IA soberana. Diálogo Abierto. Septiembre de 2026.
