La inteligencia artificial generativa ya no se limita a producir imágenes o responder preguntas. Uno de los terrenos donde más rápido está avanzando es el audiovisual: hoy es posible partir de una descripción escrita, definir una escena y obtener una secuencia en video sin pasar por buena parte del proceso tradicional de producción y edición.
En ese escenario gana terreno el texto a video, una tecnología que permite convertir texto a video con IA y que empieza a modificar la forma de producir piezas para redes sociales, campañas digitales, presentaciones y contenidos educativos. La combinación de Edimakor con Seedance 2.5 apunta precisamente a ese mercado, con una característica central: la posibilidad de generar videos de hasta 30 segundos en una sola operación.
La extensión puede parecer breve frente a los formatos audiovisuales tradicionales. Pero 30 segundos son una unidad considerable en el ecosistema de TikTok, Instagram Reels y YouTube Shorts, donde buena parte de la batalla por la atención se juega en contenidos rápidos, visuales y pensados para el consumo móvil.
De una descripción escrita a una escena en movimiento
La lógica detrás de estas herramientas es relativamente sencilla para el usuario. En lugar de construir una pieza plano por plano, se describe mediante un prompt aquello que se quiere obtener: personajes, ambiente, acciones, iluminación, estilo visual y hasta determinados movimientos de cámara.
El modelo interpreta esas instrucciones y genera la secuencia.
Esto abre una puerta particularmente interesante para usuarios que necesitan crear videos con texto automáticamente, pero no cuentan con cámaras, actores, locaciones o conocimientos avanzados de edición. También reduce el tiempo necesario para probar una idea antes de llevarla a una producción de mayor escala.
Edimakor funciona en este caso como un entorno que reúne generación y edición. La incorporación de Seedance 2.5 amplía esa capacidad hacia piezas más extensas y con mayor continuidad visual.
El salto no consiste solamente en hacer clips más largos. Cuanto mayor es la duración de un video generado por IA, más difícil resulta conservar la coherencia entre personajes, movimientos, objetos y escenarios. Allí se concentra una parte importante de la evolución actual de los modelos audiovisuales.
Cómo usar Edimakor + Seedance 2.5
El proceso de texto a video comienza con una decisión que sigue dependiendo del usuario: qué quiere contar.
A partir de allí, la descripción se convierte en la materia prima. En la función de generación mediante prompts, el usuario introduce las instrucciones que definirán la escena. Cuanto más clara sea la idea, mejores serán las posibilidades de obtener un resultado cercano a lo buscado.
Un prompt, por ejemplo, puede establecer que la escena transcurra al amanecer, precisar qué hace el personaje principal, indicar el tipo de iluminación y pedir un movimiento lento de cámara. No se trata solamente de enumerar objetos. Hay que describir una acción.
Después entra en juego el modelo generativo, que interpreta el pedido y construye el video. La pieza resultante puede incorporarse al flujo de edición para realizar ajustes antes de exportarla o integrarla a otro contenido.
La herramienta también permite trabajar desde una referencia visual. Con la función de imagen a video, una fotografía o ilustración puede funcionar como punto de partida para generar movimiento. Esto permite conservar con mayor precisión determinadas características estéticas que resultan más difíciles de transmitir únicamente mediante palabras.
La combinación de ambas modalidades -texto e imagen- amplía las posibilidades para quienes buscan transformar texto en video realista o desarrollar una estética específica sin comenzar desde cero.
El prompt importa tanto como la herramienta
La expansión de los generadores de video instaló una idea engañosa: que alcanza con escribir cualquier frase para obtener una pieza cinematográfica.
No funciona exactamente así.
La calidad de la instrucción sigue siendo determinante. Para cómo pasar un guion de texto a video, conviene pensar menos como quien escribe una orden para una computadora y más como quien explica una escena a un equipo audiovisual.
¿Dónde ocurre? ¿Quién aparece? ¿Qué está haciendo? ¿Cómo es la luz? ¿La cámara permanece quieta, acompaña al personaje o se acerca? ¿La escena busca realismo, animación o una estética fantástica?
También es conveniente evitar la tentación de incluir demasiadas acciones simultáneas. Una escena sobrecargada obliga al modelo a resolver muchas variables al mismo tiempo y puede reducir la coherencia del resultado.
En cambio, una descripción concreta, con acciones ordenadas y referencias visuales precisas, ofrece una base más sólida. Cuando el estilo es especialmente importante, sumar una imagen de referencia puede ayudar a controlar mejor el resultado.
De TikTok al marketing: dónde puede usarse
El atractivo del texto a video no reside únicamente en la tecnología. Su impacto aparece cuando reduce tiempos y costos para usos concretos.
Un comercio puede producir piezas breves para presentar un producto. Un creador puede experimentar con texto a video para redes sociales sin organizar una jornada de filmación. Una empresa puede transformar una idea de campaña en un primer prototipo audiovisual antes de invertir en una producción completa.
También aparece un campo importante en educación. La posibilidad de convertir textos educativos en videos animados permite trasladar conceptos, relatos o explicaciones a un lenguaje más visual. No reemplaza la elaboración pedagógica del contenido, pero suma otra herramienta para presentarlo.
En el terreno de las plataformas sociales, la relación es todavía más directa. Crear videos para TikTok con texto o producir texto a video para YouTube Shorts permite acelerar la generación de piezas en un ecosistema que exige una frecuencia de publicación cada vez mayor.
Lo mismo ocurre al analizar cómo usar texto a video para marketing digital. Una de las ventajas es la velocidad para probar alternativas. En lugar de comprometer recursos en una única pieza, una marca puede experimentar con diferentes escenas, enfoques o conceptos y luego decidir cuáles merecen mayor desarrollo.
La IA no elimina la decisión creativa
La automatización reduce pasos técnicos, pero no resuelve por sí sola qué merece ser contado.
Ese punto adquiere más importancia a medida que las herramientas se vuelven accesibles. Si miles de usuarios pueden generar imágenes y videos en pocos minutos, la diferencia deja de estar exclusivamente en la capacidad de producirlos. Pasa a estar en la idea, el criterio y la forma de utilizarlos.
Por eso, incluso frente a un generador de videos a partir de texto gratis o una plataforma que simplifica buena parte del proceso, la intervención humana sigue siendo decisiva. Hay que elegir el enfoque, escribir el prompt, evaluar el resultado, descartar lo que no funciona y editar.
La inteligencia artificial acelera la ejecución. La intención sigue estando antes.
Una nueva etapa para el video generado con IA
El avance hacia clips de 30 segundos marca otro paso en una carrera tecnológica que se mueve con rapidez. Edimakor reúne distintos modelos y funciones de inteligencia artificial dentro de una misma plataforma, mientras Seedance 2.5 incorpora una alternativa para generar secuencias más largas sin tener que construir cada fragmento de manera independiente.
Para quienes necesitan convertir texto a video con IA, la principal ganancia está en la reducción de barreras: menos infraestructura para probar una idea, tiempos de producción más cortos y mayor capacidad de experimentar.
El texto a video todavía tiene desafíos, especialmente cuando se exige continuidad, precisión absoluta o escenas complejas. Pero su evolución empieza a cambiar una pregunta básica de la producción audiovisual. Ya no se trata solamente de qué puede filmarse con los recursos disponibles, sino también de qué puede describirse con suficiente claridad para que una inteligencia artificial lo convierta en imágenes en movimiento.
El 7 de octubre, Posadas será sede de una jornada que reunirá a empresas, profesionales, universidades, cámaras, colegios y organismos públicos para conversar sobre los desafíos y oportunidades que plantea la transformación digital de la construcción en Misiones.
Durante el encuentro se compartirán experiencias concretas de adopción de BIM, aprendizajes y desafíos, y se brindarán herramientas para quienes quieran comenzar a incorporar esta metodología en sus organizaciones.
También se abordará cómo BIM se vincula con las nuevas tendencias de la industria: inteligencia artificial, datos, gemelos digitales, industrialización, sostenibilidad y nuevos perfiles profesionales.
El 7 de octubre de 15 a 18 h en Av. Francisco de Haro 2745 (PB), Salón Cacique – Posadas, Misiones
Un espacio para compartir experiencias, conectar actores y pensar juntos el futuro de la construcción.
La discusión sobre una posible desaceleración de la inteligencia artificial ingresó en una fase en la que seguridad, finanzas y geopolítica dejaron de ser debates separados. Mientras algunos de los principales desarrolladores de modelos avanzados advierten que el ritmo tecnológico puede superar la capacidad de control, otros actores sostienen que frenar la carrera implicaría entregar ventajas estratégicas a China.
Detrás de esa disputa aparece una segunda pregunta, menos visible pero decisiva: ¿cuánto cuesta seguir corriendo? La inteligencia artificial de frontera dejó de ser un negocio predominantemente basado en software para convertirse en una industria intensiva en capital, energía, chips, centros de datos y compromisos de infraestructura de largo plazo. En paralelo, las valoraciones privadas de sus principales compañías alcanzan cifras extraordinarias y algunas se preparan para ingresar al mercado público.
Por eso, la hipótesis de que una desaceleración pueda funcionar también como mecanismo de protección financiera merece ser analizada, pero no confundida con un hecho probado. Existe evidencia de una presión creciente sobre el capital y de compromisos de infraestructura de enorme magnitud. También existen riesgos tecnológicos documentados y una disputa geopolítica concreta. Lo que no puede establecerse únicamente a partir de esos datos es que las advertencias sobre seguridad constituyan una operación coordinada diseñada para rescatar financieramente a Silicon Valley.
La tensión real está precisamente allí: la misma medida que puede reducir riesgos tecnológicos y financieros también puede consolidar posiciones dominantes y modificar el equilibrio estratégico entre Estados Unidos y China.
La nueva economía de la IA: cuando crecer significa gastar más
Durante buena parte de la historia del software, agregar usuarios tenía un costo marginal relativamente bajo. Una vez desarrollado un programa, distribuir una copia adicional podía resultar prácticamente gratuito.
La inteligencia artificial de frontera funciona bajo una lógica diferente. Cada consulta requiere capacidad de cómputo; cada generación más sofisticada de modelos demanda entrenamiento adicional; y la expansión de los agentes autónomos puede multiplicar el consumo de tokens porque estos sistemas no solamente responden preguntas, sino que perciben información, razonan, ejecutan tareas y utilizan herramientas externas.
La consecuencia económica es importante: el crecimiento de la demanda no necesariamente mejora de manera automática la rentabilidad.
La infraestructura necesaria incluye aceleradores gráficos, redes, almacenamiento, centros de datos, sistemas de refrigeración y contratos energéticos de largo plazo. Y la escala de las inversiones ya modificó la estructura financiera del sector.
Un análisis del Financial Times publicado en agosto estimó que los grandes actores de infraestructura vinculados a la IA habían acumulado cerca de US$1,5 billones en compromisos de compra, incluyendo contratos relacionados con chips, capacidad informática, energía y centros de datos. Una parte considerable corresponde a obligaciones que todavía no aparecen plenamente reflejadas en los balances tradicionales.
El fenómeno no se limita a las empresas creadoras de modelos. Google, Amazon, Microsoft y Meta habían destinado conjuntamente más de US$1,1 billones en gastos de capital desde 2023, principalmente para centros de datos, chips e infraestructura energética. Para 2026, sus inversiones previstas rondaban los US$745.000 millones.
Esto modifica el problema financiero de fondo. La IA ya no es solamente una apuesta tecnológica: es una apuesta por una infraestructura industrial gigantesca cuyo retorno debe materializarse durante años.
El burn rate: la otra cara del crecimiento
En ese contexto aparece el concepto de burn rate: la velocidad a la que una compañía consume capital para financiar su expansión antes de alcanzar una generación de caja suficiente.
Para una startup convencional, un burn rate elevado puede ser problemático. Para una empresa que pretende construir la infraestructura tecnológica sobre la cual funcionará una parte importante de la economía futura, puede convertirse en una cuestión sistémica.
El dilema es sencillo de formular y difícil de resolver. Si una compañía reduce el ritmo de inversión, corre el riesgo de perder capacidades frente a sus competidores. Si mantiene la velocidad, necesita conseguir cantidades crecientes de capital y comprometerse con infraestructura cuyo retorno todavía depende de mercados futuros.
El mercado financiero puede tolerar pérdidas durante un período cuando existe la expectativa de crecimiento extraordinario. El problema aparece cuando la valoración comienza a depender de expectativas que todavía no fueron convertidas en flujos de caja.
El debate actual sobre la IA ocurre precisamente sobre esa frontera. El Financial Times señaló esta semana que algunos inversores y analistas ya discuten abiertamente si el boom de la IA presenta características de una burbuja, en un contexto en el que se proyecta alrededor de US$1 billón de gasto de capital anual en 2027 vinculado al sector.
Eso no significa que la IA sea una burbuja ni que sus tecnologías carezcan de valor económico. Significa algo más concreto: la magnitud del capital comprometido exige que las expectativas de monetización se materialicen a una escala inédita.
La desaceleración como mecanismo financiero
Es en este punto donde la discusión sobre seguridad adquiere una segunda dimensión. Dario Amodei, CEO de Anthropic, pidió que las empresas de IA desaceleren el avance de los modelos más potentes y propuso evaluadores independientes, coordinación entre compañías y cooperación internacional. Sam Altman respaldó públicamente la idea de dosificar el desarrollo, al igual que Elon Musk.
La propuesta no consiste formalmente en abandonar la investigación. El concepto es otro: reducir la velocidad a la que aumentan las capacidades mientras se desarrolla una estructura de seguridad capaz de acompañarlas.
Desde el punto de vista tecnológico, eso puede significar más tiempo para realizar pruebas, identificar vulnerabilidades y construir sistemas de supervisión.
Desde el punto de vista financiero, puede producir otro efecto: postergar inversiones adicionales.
El análisis del Financial Times sobre la cuestión señala justamente esta dimensión. OpenAI, por ejemplo, proyectaría alrededor de US$750.000 millones en gastos informáticos hasta 2030. Si parte de esos desembolsos pudiera desplazarse en el tiempo, el valor presente de las obligaciones también se reduciría.
La distinción es fundamental. Que una desaceleración pueda mejorar las condiciones financieras de las compañías no demuestra que haya sido diseñada con ese propósito.
Pero sí permite entender por qué seguridad y finanzas pueden producir incentivos convergentes. Una compañía que necesita gastar cientos de miles de millones para mantenerse en la frontera tecnológica tiene interés en que sus competidores no puedan acelerar indefinidamente. Un marco regulatorio homogéneo puede transformar una decisión empresarial individual —reducir el gasto— en una regla sectorial.
La regulación puede ser un costo o un muro de entrada
Aquí aparece la cuestión de la captura regulatoria. La regulación puede proteger al público frente a riesgos que las empresas no tienen incentivos suficientes para internalizar. Pero también puede generar barreras de entrada cuando los costos de cumplimiento son demasiado elevados para los nuevos competidores.
En inteligencia artificial, ese riesgo es especialmente relevante porque la regulación puede incorporar exigencias de auditoría, trazabilidad, ciberseguridad, documentación, evaluaciones de seguridad y controles de infraestructura.
Para una startup pequeña, cumplir puede significar un costo relativamente mayor que para una compañía que ya dispone de miles de empleados, departamentos legales y equipos especializados.
El resultado puede ser paradójico: una regulación diseñada para limitar el poder de los grandes actores puede terminar reforzándolo si solamente ellos pueden pagar el costo de cumplirla.
Pero tampoco sería correcto asumir que toda regulación beneficia automáticamente a las empresas dominantes. Un régimen de auditoría independiente, transparencia, estándares abiertos y controles antimonopólicos también puede aumentar la competencia y reducir ventajas derivadas de información privilegiada o de infraestructura propietaria.
El efecto depende del diseño institucional.
OpenAI y la paradoja del mercado privado
La dimensión financiera resulta particularmente visible en OpenAI. Reuters informó esta semana que la compañía está analizando una nueva ronda de financiamiento que podría llevar su valoración hasta aproximadamente US$1,2 billones, antes de una eventual oferta pública inicial.
Al mismo tiempo, Sam Altman confirmó que OpenAI no realizará una OPI durante 2026 y vinculó la decisión con las preocupaciones de seguridad asociadas al desarrollo de IA.
Aquí aparece una paradoja interesante. Una salida a bolsa obliga a una compañía a someterse a una estructura mucho más intensa de información financiera, expectativas trimestrales y escrutinio de inversores públicos. Mantenerse en el mercado privado permite mayor flexibilidad estratégica, aunque no elimina las exigencias de rentabilidad.
La hipótesis de que una desaceleración protege valoraciones privadas tiene, por lo tanto, una lógica financiera posible.
Pero nuevamente debe separarse la posibilidad de la demostración.
No hay evidencia suficiente para afirmar que la decisión de postergar una OPI haya sido adoptada como una maniobra destinada a evitar un deterioro de la valoración. Lo documentado es que Altman vinculó la decisión con la seguridad de la IA. Reuters también informó que Anthropic continuaba avanzando hacia una posible salida a bolsa.
La tensión entre seguridad, valoración y mercado de capitales, sin embargo, es objetiva.
La carrera tecnológica introduce una restricción que Wall Street no puede ignorar
La dimensión financiera queda subordinada a otra variable: la competencia entre Estados Unidos y China.
Una empresa estadounidense puede considerar conveniente reducir el ritmo de inversión. Un gobierno estadounidense debe considerar qué ocurre si todos sus competidores hacen lo mismo mientras China continúa avanzando.
Esa diferencia entre el interés privado y el interés estratégico del Estado explica buena parte de las contradicciones actuales.
Por un lado, algunos ejecutivos de empresas de IA piden más coordinación y seguridad. Por otro, sectores del gobierno estadounidense rechazan una moratoria porque consideran que una desaceleración unilateral podría reducir la ventaja tecnológica frente a China.
El presidente de la Cámara de Representantes, Mike Johnson, sostuvo el 15 de septiembre que Estados Unidos no puede establecer una moratoria sobre el desarrollo de IA porque perdería ventaja competitiva frente a China. Al mismo tiempo, planteó la posibilidad de utilizar auditores independientes y mayor transparencia como mecanismos de control.
La posición revela una diferencia importante entre regular la seguridad y regular la velocidad. Un gobierno puede aceptar controles sobre modelos sin aceptar que esos controles reduzcan sustancialmente el ritmo de innovación.
La administración estadounidense enfrenta así un problema clásico de la política tecnológica: controlar los riesgos sin reducir una capacidad que considera estratégica.
China no está esperando una pausa estadounidense
La respuesta china introduce una variable adicional. Reuters informó el 14 de septiembre que Pekín está desarrollando un marco específico para los riesgos asociados con agentes de IA capaces de actuar con mayor autonomía. Las normas chinas incluyen mecanismos destinados a detectar, intervenir, bloquear y recuperar sistemas frente a comportamientos considerados inapropiados. También exigen preservar la decisión final en manos del usuario.
La estrategia china no equivale a una moratoria. Beijing está combinando regulación con expansión tecnológica.
La diferencia conceptual es relevante: China trata el problema principalmente como una cuestión de gobernanza de una tecnología que debe continuar desplegándose, mientras que parte del debate estadounidense se concentra en si la velocidad de desarrollo de los modelos de frontera debe reducirse.
Eso no significa que China ignore los escenarios extremos. Su marco regulatorio ya contempla la posibilidad de pérdida de control de sistemas avanzados y riesgos derivados de modelos capaces de obtener recursos externos, replicarse o buscar poder. Reuters señala que esta hipótesis fue incorporada explícitamente en documentos regulatorios chinos desde 2024 y ampliada posteriormente.
La diferencia está en el tratamiento político del riesgo.
Código abierto contra modelos cerrados
La disputa también se expresa en la arquitectura tecnológica. Los grandes laboratorios estadounidenses como OpenAI y Anthropic utilizan modelos cuyos parámetros centrales no se encuentran disponibles públicamente. China, en cambio, ha desarrollado con mayor intensidad modelos de open-weight, cuyos parámetros pueden descargarse, inspeccionarse y modificarse.
Eso genera una contradicción. La apertura puede aumentar la capacidad de investigadores y equipos de seguridad para estudiar el funcionamiento de los modelos. Pero también permite modificar los sistemas y eliminar controles de seguridad.
Reuters informó que expertos chinos consideran que los modelos abiertos pueden resultar útiles para investigación y defensa cibernética, mientras que especialistas internacionales advierten que su redistribución dificulta el control sobre sus usos posteriores.
Por eso, la discusión entre modelos abiertos y cerrados no es solamente filosófica. Es también una discusión sobre quién controla la infraestructura cognitiva, quién puede auditarla y quién puede modificarla.
La paradoja de la seguridad
La cuestión más compleja aparece cuando se combinan estas tres dimensiones. Si la seguridad exige mayores controles, las empresas dominantes pueden soportar mejor los costos regulatorios.
Si los controles reducen la velocidad de innovación, China puede acercarse tecnológicamente.
Si Estados Unidos mantiene una carrera acelerada para impedir ese acercamiento, aumentan las inversiones, los compromisos financieros y la posibilidad de que aparezcan sistemas cuyas capacidades sean más difíciles de controlar.
El sistema queda atrapado en una especie de triángulo.
Seguridad, rentabilidad y supremacía tecnológica no necesariamente apuntan en la misma dirección.
Una pausa puede beneficiar financieramente a una compañía, pero perjudicarla estratégicamente frente a un competidor. Una carrera puede beneficiar al liderazgo nacional, pero aumentar el riesgo tecnológico y la presión sobre el capital.
Una regulación fuerte puede reducir determinados riesgos, pero también elevar las barreras de entrada. La solución, por lo tanto, no parece estar en una simple oposición entre “regular” y “no regular”.
El argumento del apocalipsis: qué está documentado y qué sigue siendo hipotético
Las advertencias sobre una eventual pérdida de control de la inteligencia artificial tampoco pueden descartarse como una simple narrativa financiera.
Investigadores como Evan Hubinger han expresado estimaciones extremadamente elevadas sobre escenarios de extinción humana. Geoffrey Hinton ha señalado públicamente que considerar un riesgo de ese orden no resulta necesariamente absurdo. Otros especialistas, en cambio, sostienen que asignar probabilidades precisas a un escenario de extinción es extremadamente difícil.
El problema metodológico es evidente. No existe una base empírica que permita calcular con precisión la probabilidad de que una inteligencia artificial avanzada elimine a la humanidad.
Por eso, una cifra como “10%” no debe ser interpretada como una medición científica comparable con una tasa de inflación, desempleo o mortalidad.
Es una estimación subjetiva de riesgo futuro. Eso no la convierte automáticamente en falsa ni verdadera. La convierte en una hipótesis sobre un escenario de incertidumbre extrema.
Mientras tanto, existen riesgos mucho más concretos. Los sistemas de IA ya pueden utilizarse para fraude, desinformación, generación de imágenes no consentidas, ciberataques y automatización de determinadas operaciones maliciosas. Reuters también reportó incidentes recientes relacionados con agentes de IA que lograron escapar de entornos de prueba o interactuar con sistemas externos.
La discusión pública corre así el riesgo de concentrarse demasiado en el escenario más extremo y dejar en segundo plano los daños que ya son mensurables.
El caso de los agentes autónomos cambia el problema
La llegada de agentes capaces de ejecutar acciones introduce una transformación cualitativa.
Un chatbot responde. Un agente puede decidir una secuencia de acciones, utilizar herramientas, acceder a sistemas y perseguir un objetivo.
La diferencia económica también puede ser enorme.
Si los agentes sustituyen parte del trabajo humano de oficina, la IA puede ampliar significativamente el mercado potencial. Pero si millones de agentes realizan tareas continuamente, el consumo de infraestructura puede crecer de manera extraordinaria.
Huawei acaba de proyectar que los agentes autónomos podrían representar más del 90% del tráfico mundial de tokens de IA en 2035, y estimó hasta 900.000 millones de agentes activos para ese momento. La empresa considera que esta expansión exigirá enormes aumentos de capacidad informática y nuevos sistemas de seguridad.
La cifra es una proyección empresarial, no un hecho futuro establecido. Pero resulta útil para entender la magnitud de la apuesta.
La industria no está discutiendo solamente qué modelo será más inteligente. Está discutiendo quién construirá la infraestructura necesaria para que cientos de millones o miles de millones de sistemas autónomos puedan funcionar de manera permanente.
La infraestructura es el verdadero campo de batalla
En ese escenario, los centros de datos adquieren una importancia similar a la que tuvieron las fábricas durante la industrialización.
La IA necesita energía. Necesita chips. Necesita redes. Necesita refrigeración. Necesita capital. Y necesita acceso a territorios donde esa infraestructura pueda desplegarse.
Por eso la carrera tecnológica empieza a trasladarse desde las pantallas hacia la economía física. El desarrollo de IA demanda nuevas líneas eléctricas, centrales de generación, transformadores, redes de transmisión, suelo industrial y capacidad de construcción.
Los compromisos energéticos de largo plazo ya forman parte de los balances económicos de las grandes compañías tecnológicas. El Financial Times señaló que algunos contratos energéticos vinculados a la expansión de centros de datos llegan incluso a la década de 2050.
La consecuencia es que la inteligencia artificial puede terminar compitiendo por recursos con industrias tradicionales.
No es solamente una revolución digital. Es una nueva fase de la infraestructura industrial.
La hipótesis del “rescate” financiero necesita una precisión
La tesis de que las advertencias sobre la IA esconden un “rescate financiero” contiene una intuición económica interesante, pero requiere ser formulada con mayor precisión.
No hay evidencia suficiente para afirmar que Silicon Valley haya diseñado deliberadamente una campaña mundial de miedo con el objetivo principal de evitar pérdidas financieras.
Sí existen, en cambio, incentivos económicos compatibles con una desaceleración.
Las empresas necesitan cantidades crecientes de capital. La infraestructura requiere compromisos de largo plazo. Las valoraciones dependen de expectativas futuras.
Una OPI sometería esas expectativas a un escrutinio diferente. Los competidores necesitan evitar quedar rezagados.
Y una regulación coordinada puede reducir la presión de una carrera unilateral. Es decir, el fenómeno puede producir un resultado parecido al de un rescate financiero incluso sin que exista un plan centralizado de rescate.
La diferencia no es semántica. Es crucial para entender el funcionamiento del mercado.
La paradoja de Amodei: desacelerar, pero no perder frente a China
La propuesta de Amodei contiene una contradicción estratégica que resume todo el problema.
El CEO de Anthropic sostiene que las empresas deberían coordinarse para controlar los riesgos y que Estados Unidos debería conservar su ventaja sobre China. Reuters señaló que su propuesta incluye incluso posibles excepciones antimonopólicas específicas para permitir cooperación entre laboratorios en materia de seguridad.
La pregunta que surge es quién decide dónde termina la cooperación de seguridad y dónde empieza la coordinación económica entre competidores.
Una excepción antimonopólica puede facilitar investigación conjunta sobre seguridad. Pero también crea una nueva zona de interacción entre compañías que compiten por mercados, capital y talento.
La regulación, por lo tanto, puede convertirse simultáneamente en mecanismo de seguridad y herramienta de coordinación industrial. Ese es uno de los puntos centrales que deberá observarse en los próximos meses.
Estados Unidos enfrenta una disputa dentro de su propio sector tecnológico
No existe una posición uniforme entre las grandes empresas estadounidenses. Amodei y Altman han defendido una desaceleración o dosificación del avance.
Mark Zuckerberg, en cambio, sostuvo esta semana que los laboratorios tienen suficientes incentivos para desarrollar sistemas seguros sin necesidad de una desaceleración coordinada. También defendió la utilización de evaluadores independientes como práctica útil.
La diferencia tiene una dimensión competitiva. Las empresas no se encuentran exactamente en la misma posición financiera, tecnológica o estratégica.
Quien está más cerca de la frontera puede tener incentivos distintos de quien busca recuperar terreno. Quien posee una infraestructura gigantesca puede absorber mejor una nueva regulación.
Quien depende de atraer capital puede valorar de otra manera la incertidumbre. Por eso resulta insuficiente hablar de “Silicon Valley” como si fuera un actor único.
China también tiene un dilema
Pekín tampoco dispone de una solución sencilla. Los modelos abiertos permiten ampliar la innovación y reducir la dependencia de proveedores extranjeros, pero dificultan el control posterior.
La regulación puede reducir riesgos, pero también retrasar productos. La aceleración tecnológica fortalece la economía y la seguridad nacional, pero puede generar nuevos problemas de gobernanza.
Reuters señaló que China ha mostrado precisamente esa combinación: impulsa la integración de IA en industrias, pero ha demorado despliegues cuando consideró que la regulación todavía no estaba preparada.
El objetivo parece ser menos “detener la IA” que mantenerla dentro de un marco de control estatal y técnico.
La gobernanza mundial choca contra la lógica de la competencia
Aquí aparece el problema geopolítico más difícil.
Estados Unidos y China pueden coincidir en que determinados comportamientos de una IA avanzada son peligrosos.
Pero eso no significa que confíen mutuamente en los mecanismos de control.
Un acuerdo sobre seguridad requiere mecanismos de verificación.
Y la verificación implica revelar información sobre capacidades tecnológicas que también pueden tener valor militar o económico.
La misma información que permite comprobar que un laboratorio cumple una regla puede revelar cuánto poder computacional posee, qué capacidades tiene un modelo o qué vulnerabilidades existen.
El dilema recuerda, en algunos aspectos, a los problemas históricos del control de armamentos: la cooperación exige transparencia, pero la transparencia puede tener costos estratégicos.
China ha rechazado las caracterizaciones estadounidenses de una competencia necesariamente maliciosa y ha reclamado una gobernanza más inclusiva de la IA. Reuters informó que el People’s Daily pidió que la tecnología no quede convertida en un monopolio de las grandes potencias y defendió una mayor cooperación bilateral.
Pero esa posición debe leerse junto con la competencia tecnológica concreta entre ambos países.
El mercado tampoco puede ignorar el costo de una carrera infinita
La hipótesis de una desaceleración adquiere otra dimensión cuando se observa el volumen de capital requerido.
Si cada nueva generación de modelos necesita inversiones mayores que la anterior, la industria necesita demostrar que cada salto tecnológico abre mercados suficientemente grandes para justificar el capital adicional.
Hasta ahora, el mercado financiero ha aceptado esa apuesta. La pregunta es cuánto tiempo puede continuar.
El entusiasmo inversor sigue siendo elevado. Pero la magnitud de los compromisos comienza a convertir la IA en una variable macroeconómica.
Goldman Sachs estima que el gasto de capital asociado a la expansión de IA podría representar 2,8% del producto estadounidense en 2028, frente al 1,8% actual, según un análisis citado por Reuters.
Eso significa que la discusión ya no pertenece exclusivamente a los consejos de administración de OpenAI, Anthropic, Google, Meta o Microsoft.
Tiene implicancias sobre energía, construcción, empleo, crédito, comercio exterior y productividad.
La pregunta decisiva ya no es si la IA se detendrá
La evidencia disponible apunta en otra dirección. Estados Unidos no parece dispuesto a detener voluntariamente su carrera tecnológica mientras considere que China puede beneficiarse de la desaceleración.
China tampoco está planteando abandonar el desarrollo de IA. Por el contrario, está construyendo infraestructura, promoviendo modelos abiertos y desarrollando mecanismos propios de seguridad.
Las grandes compañías tampoco están abandonando la inversión. Incluso mientras algunos ejecutivos piden reducir la velocidad de desarrollo, las inversiones en chips, centros de datos y energía continúan.
La cuestión relevante es entonces otra: ¿quién pagará el costo de mantener la velocidad actual y quién capturará el retorno?
Si el gasto continúa creciendo más rápido que los ingresos, la presión financiera puede terminar forzando una racionalización del sector.
Si la regulación aumenta, algunas empresas pueden beneficiarse de las barreras de entrada mientras otras quedan fuera.
Si la competencia geopolítica se intensifica, los gobiernos pueden subsidiar infraestructura y asumir una parte creciente del riesgo.
Y si los riesgos tecnológicos se materializan en incidentes graves, la regulación puede acelerarse independientemente de los intereses financieros de las compañías.
El verdadero punto de negociación: tiempo
La discusión sobre “frenar la IA” puede ser engañosa porque sugiere una decisión binaria.
En realidad, el recurso que está en disputa es el tiempo. Tiempo para entrenar modelos. Tiempo para evaluar riesgos. Tiempo para construir infraestructura. Tiempo para conseguir capital. Tiempo para que las empresas conviertan inversiones en ingresos. Tiempo para que los gobiernos diseñen normas. Y tiempo para que Estados Unidos mantenga su ventaja sobre China.
Desde la perspectiva financiera, una desaceleración puede mejorar el valor presente de proyectos de infraestructura y reducir la presión inmediata sobre el capital.
Desde la perspectiva de seguridad, puede permitir que los mecanismos de control alcancen a las capacidades tecnológicas.
Desde la perspectiva geopolítica, puede ser peligrosa si se produce de manera unilateral.
Desde la perspectiva regulatoria, puede convertirse en una oportunidad para establecer reglas antes de que la tecnología se vuelva demasiado difícil de controlar.
Esas cuatro lecturas pueden ser verdaderas simultáneamente.
Una carrera donde nadie quiere ser el primero en frenar
La paradoja final es que los actores pueden reconocer individualmente que una carrera demasiado rápida resulta riesgosa y, al mismo tiempo, considerar que detenerse unilateralmente es todavía más peligroso.
Ese es el clásico problema de acción colectiva. Cada empresa tiene incentivos para continuar. Cada Estado tiene incentivos para mantener su ventaja. Cada inversor quiere participar del crecimiento. Cada regulador quiere evitar un accidente. Y cada competidor teme que una restricción propia sea aprovechada por otro.
En ese escenario, la regulación coordinada aparece como una forma de modificar los incentivos del juego. No necesariamente para “salvar” financieramente a Silicon Valley. Tampoco necesariamente para detener la IA.
Sino para intentar que la velocidad del desarrollo tecnológico deje de estar determinada exclusivamente por quién puede gastar más y quién puede asumir más riesgo.
La solución posible: separar seguridad, competencia y concentración
El desafío regulatorio consiste precisamente en evitar que esos tres objetivos terminen mezclados.
La seguridad requiere pruebas independientes, mecanismos de intervención, trazabilidad y capacidad de respuesta ante incidentes.
La competencia requiere evitar que las normas se conviertan en barreras artificiales para nuevos participantes.
La estabilidad financiera exige transparencia sobre compromisos de infraestructura, consumo de capital y expectativas de ingresos.
La soberanía tecnológica exige que los Estados puedan mantener capacidades estratégicas sin convertir toda innovación en una cuestión de seguridad nacional.
Y la cooperación internacional requiere mecanismos verificables que no dependan exclusivamente de la confianza política entre Washington y Pekín.
La arquitectura institucional que surja de esta discusión determinará mucho más que la velocidad de lanzamiento del próximo modelo. Determinará quién controla una parte sustancial de la infraestructura tecnológica de la próxima década.
La conclusión financiera: el riesgo no es solamente que la IA fracase
La discusión pública suele presentar dos escenarios: que la IA transforme la economía o que provoque un desastre tecnológico.
Existe un tercer escenario, menos espectacular pero financieramente más relevante: que la tecnología sea real, útil y transformadora, pero que el capital invertido para llegar hasta allí haya sido demasiado grande o se haya comprometido demasiado rápido.
Ese escenario no requiere que la IA sea una burbuja.
Tampoco requiere un apocalipsis.
Puede producir simplemente una reestructuración de expectativas, inversiones y poder empresarial.
La escala de los compromisos actuales demuestra que la industria ya está apostando por una transformación económica de enormes dimensiones.
Por eso, la discusión sobre la desaceleración merece ser observada simultáneamente desde cuatro pantallas: la tecnológica, la financiera, la regulatoria y la geopolítica.
La pregunta ya no es únicamente si una IA podría escapar del control humano.
También importa saber qué empresas podrán financiar la carrera, qué Estados establecerán las reglas, quién pagará la infraestructura y quién quedará detrás si la velocidad disminuye.
Y allí aparece la verdadera paradoja del momento: el miedo al futuro puede impulsar regulación, la regulación puede modificar la competencia y la competencia puede determinar cuánto capital se seguirá destinando a construir ese mismo futuro.
No hay evidencia suficiente para llamar a eso un “rescate financiero” coordinado.
Sí hay evidencia de algo más concreto: la IA entró en una etapa en la que seguridad, capital e infraestructura ya forman parte de la misma ecuación.
Y esa ecuación, más que cualquier pronóstico apocalíptico, puede definir quién tendrá el poder tecnológico de la próxima era industrial.
El presidente del Grupo del Banco Mundial, Ajay Banga, anunció que el premio Nobel Michael Kremer ha sido nombrado Economista Jefe del Grupo del Banco Mundial y Vicepresidente Sénior de Economía del Desarrollo, incorporando así a uno de los economistas del desarrollo más destacados del mundo para liderar la agenda de investigación, datos y análisis de la institución.
Kremer es conocido no solo por abordar problemas del mundo real mediante soluciones innovadoras basadas en una investigación rigurosa, sino también por traducir sus hallazgos en programas que han llegado a cientos de millones de personas, desde la ampliación del acceso a las vacunas y los programas de salud escolar hasta el apoyo a los pequeños agricultores.
«Me complace dar la bienvenida a Michael al Grupo del Banco Mundial. Se une a nosotros en un momento en que el mundo necesita soluciones audaces para sus desafíos de desarrollo más urgentes, incluida la creación de empleos que satisfagan las aspiraciones de más de 1200 millones de jóvenes que alcanzarán la edad laboral en la próxima década », declaró Ajay Banga , presidente del Grupo del Banco Mundial. « Michael ha dedicado su carrera no solo a identificar qué funciona en materia de desarrollo, sino también a demostrar su eficacia a gran escala, y ese es precisamente el tipo de pensamiento que necesitamos».
El Grupo del Banco Mundial ha actuado con determinación para fortalecer la conexión entre el conocimiento y el impacto, garantizando que la investigación y los datos de primer nivel impulsen su agenda analítica, den forma a las políticas y a las soluciones escalables en los sectores público y privado, e informen toda la gama de inversiones, asociaciones e intervenciones que lleva a cabo en todo el mundo.
“ El Grupo Banco Mundial cuenta con una enorme capacidad de investigación para desarrollar y probar soluciones innovadoras a los problemas del desarrollo, así como con el alcance operativo necesario para ampliarlas y mejorar la vida de las personas ” , afirmó Michael Kremer . “ Los retos que tenemos por delante son enormes, entre ellos, la creación de empleo a gran escala, la movilización del capital privado necesario para financiar el desarrollo y la garantía de que las personas tengan acceso a la salud, la educación y otros servicios que necesitan para prosperar. Al mismo tiempo, las nuevas tecnologías generan grandes oportunidades para impulsar el crecimiento y el bienestar humano. Los datos, la evidencia y la investigación pueden ayudar a las empresas y a los gobiernos a afrontar tanto los retos como las oportunidades. Me entusiasma trabajar con el personal de todo el Grupo Banco Mundial y con socios de todo el mundo en este ámbito ” .
Doctor en Economía por la Universidad de Harvard, Kremer es actualmente Director del Laboratorio de Innovación para el Desarrollo de la Universidad de Chicago, donde también es Profesor Universitario. Ha investigado una amplia gama de temas, incluyendo el crecimiento económico, el cambio tecnológico y la economía del desarrollo. En 2019, compartió el Premio Nobel de Economía con Abhijit Banerjee y Esther Duflo por su «enfoque experimental para aliviar la pobreza global». Su trabajo utilizó ensayos controlados aleatorios para generar conocimiento fiable e identificar, probar y ampliar soluciones prácticas.
La investigación actual de Kremer se centra en la innovación en educación, salud, agua, finanzas y agricultura en países en desarrollo. Junto con Rachel Glennerster, propuso el uso de Compromisos Anticipados de Mercado (CAM) para vacunas y ayudó a lanzar un CAM de 1.500 millones de dólares para una vacuna neumocócica con Gavi y el Grupo del Banco Mundial. Las vacunas adquiridas a través de los CAM han llegado a 60 países en desarrollo, combatiendo una de las principales causas de mortalidad infantil. Su investigación sobre desparasitación sirvió de base para la ampliación de programas por parte de gobiernos en África y el sur de Asia, proporcionando 2.000 millones de tratamientos de desparasitación a niños desde 2014. Su trabajo en agricultura digital y pronóstico meteorológico agrícola basado en IA sirvió de base para programas gubernamentales que benefician a más de 50 millones de personas en África y el sur de Asia. Cofundó Precision Development, que aprovecha la tecnología digital para mejorar la productividad y los ingresos de los pequeños agricultores. También cofundó Development Innovation Ventures de USAID, que ha invertido en más de 300 innovaciones, beneficiando a más de 200 millones de personas.
Entre sus numerosos reconocimientos, Kremer es becario MacArthur, miembro de la Academia Nacional de Ciencias, miembro de la Academia Estadounidense de Artes y Ciencias y becario presidencial. Es cofundador de la Oficina de Investigación y Análisis Económico del Desarrollo e investigador asociado de la Oficina Nacional de Investigación Económica. Antes de incorporarse a la Universidad de Chicago, fue profesor Gates de Sociedades en Desarrollo en el Departamento de Economía de la Universidad de Harvard.
El nombramiento de Kremer será efectivo a partir del 1 de octubre de 2026.
En un escenario económico marcado por la retracción de la actividad y las dificultades que atraviesa buena parte del entramado productivo, el Parque Industrial y de la Innovación de Posadas busca sostener durante 2027 su papel como polo de inversiones, producción, logística y desarrollo tecnológico de la capital misionera.
Durante el análisis del Presupuesto 2027, Luciana Levandowski explicó que la planificación para el próximo ejercicio contempla un crecimiento estimado superior al 40% respecto del presupuesto vigente y tendrá como uno de sus objetivos centrales continuar captando nuevas inversiones.
“El parque prevé para 2027 seguir siendo el foco de atracción de inversiones en nuestro polo logístico, además de seguir acompañando a las empresas que ya están radicadas”, señaló.
La estrategia no estará limitada a la actividad industrial tradicional. Uno de los capítulos que ganará protagonismo será el fortalecimiento de la economía del conocimiento, junto con la incorporación de herramientas digitales a los procesos productivos y de gestión.
En ese sentido, Levandowski anticipó que se trabajará sobre la digitalización de procesos, el uso de inteligencia artificial y la automatización, en línea con la transformación tecnológica que atraviesa a la producción y los servicios.
33 empresas y ninguna baja pese al contexto económico
Uno de los datos destacados de la exposición presupuestaria es la estabilidad del entramado empresarial instalado en el predio.
Actualmente, 33 empresas ocupan el Parque Industrial y de la Innovación de Posadas. Pese a las dificultades económicas que marcaron 2026, hasta el momento no se registraron bajas entre las firmas radicadas.
“Si bien este es un año difícil, estamos haciendo lo posible para que todas se mantengan. Se están manteniendo, no tuvimos bajas, por más que la situación esté siendo complicada”, explicó Levandowski.
El dato adquiere relevancia en un contexto de retracción empresarial y menor nivel de actividad. La prioridad de la administración del parque pasa así por una doble estrategia: sostener las inversiones existentes y, al mismo tiempo, generar las condiciones para sumar nuevos proyectos.
Las consultas para invertir continúan
Aunque el interés empresarial muestra cierta moderación respecto de años anteriores, las consultas para instalar nuevas compañías no se detuvieron.
Según explicó Levandowski, existe un flujo constante de interesados que posteriormente deben atravesar las distintas instancias administrativas y técnicas necesarias para obtener la radicación.
Las empresas comienzan con la presentación de formularios y documentación para luego avanzar hacia las evaluaciones técnicas que determinarán la viabilidad de cada proyecto dentro del predio.
Entre los sectores que muestran interés aparecen actividades textiles, plásticos, fabricación de muebles y empresas de base tecnológica, una combinación que refleja el perfil que busca consolidar el parque: industria tradicional acompañada por nuevos emprendimientos vinculados con tecnología e innovación.
Luciana Levandowski, presidenta del Parque Industrial
Un presupuesto con aumento superior al 40%
En materia estrictamente presupuestaria, Levandowski indicó que durante 2026 el organismo lleva ejecutado aproximadamente el 66% de los recursos previstos, mientras que para 2027 se proyecta una variación presupuestaria superior al 40%.
La expansión de los recursos deberá acompañar tanto el funcionamiento del polo productivo como las políticas destinadas a atraer inversiones y profundizar la incorporación tecnológica.
El desafío para 2027 estará atravesado, además, por la capacidad de convertir las consultas empresariales en radicaciones efectivas en un escenario nacional todavía complejo para la inversión productiva.
Con 33 compañías operando actualmente y sin bajas durante un año adverso, el Parque Industrial y de la Innovación busca consolidarse como una herramienta de política productiva de Posadas y Misiones, mientras amplía su perfil hacia sectores en los que la frontera entre industria y tecnología es cada vez más estrecha.
La apuesta presupuestaria para 2027 sintetiza esa transformación: sostener las empresas que ya producen, captar nuevas inversiones y sumar inteligencia artificial, automatización y economía del conocimiento como componentes centrales del desarrollo industrial.
