¿Puede Europa romper el dominio estadounidense sin copiar a Silicon Valley?

1. Pregunta de investigación y marco metodológico

Idea central¿Puede Europa desarrollar su propio ChatGPT?

Técnicamente, sería posible crear un chatbot europeo. Pero eso aún no constituiría una industria europea de IA independiente.

Idea central¿Puede Europa construir una estructura de IA económicamente viable, socialmente útil y controlable de forma segura, que compita con las plataformas estadounidenses en mercados seleccionados, limite las dependencias críticas y conserve en Europa una parte relevante de la creación de valor?

Esta pregunta comprende al menos cinco dimensiones:

• Capacidad tecnológica: ¿Puede Europa desarrollar, operar, evaluar y adaptar modelos potentes?

• Viabilidad económica: ¿Pueden surgir de ello productos y empresas con clientes solventes a largo plazo?

• Impacto industrial: ¿Aumenta la tecnología la productividad de las empresas europeas y las instituciones públicas?

• Distribución: ¿Quién recibe las ganancias de productividad: los operadores de plataformas, los propietarios, los clientes, los trabajadores o el público en general?

• Seguridad y control: ¿Quién evalúa los sistemas y cómo pueden limitarse las capacidades peligrosas o inesperadas?

Una estrategia que persiga únicamente el primer objetivo seguirá siendo incompleta. Europa podría desarrollar un modelo técnicamente potente y, aun así, fracasar económicamente. Podría crear empresas de IA rentables y, al mismo tiempo, devaluar las capacidades humanas. Podría operar servidores europeos y seguir dependiendo estructuralmente de chips, software en la nube o arquitecturas de modelos.

1.1 Límites de los datos disponibles

En la actualidad no puede evaluarse con exactitud la viabilidad económica de las principales empresas de IA.

Las empresas solo publican información incompleta sobre:

• costos de inferencia por usuario,

• márgenes brutos de productos concretos,

• precios internos de la capacidad de cómputo,

• utilización de sus centros de datos,

• período de amortización de los chips,

• costos de las ofertas gratuitas,

• presupuestos de investigación de generaciones concretas de modelos,

• alcance de las subvenciones cruzadas.

La transparencia técnica también disminuye en parte. El Stanford AI Index señala que, precisamente en los modelos especialmente potentes, a menudo no se revelan por completo los volúmenes de datos, la duración del entrenamiento, el código de entrenamiento, el número de parámetros y el esfuerzo computacional.

Por eso, calcular con exactitud cuántos ingresos necesita el sector de los modelos o cuáles de los proveedores actuales seguirán existiendo en 2030 sería una falsa precisión.

En cambio, sí pueden analizarse de forma sólida:

• tendencias de inversión e infraestructura,

• estructura del mercado y barreras de entrada,

• diferencias de rendimiento tecnológico,

• déficits europeos de financiación,

• demanda de energía,

• requisitos de gobernanza y seguridad,

• distintos escenarios de política industrial.

2. ¿Qué significa ganar la competencia de la IA?

La frase «Estados Unidos gana la IA» es inútil si no se define el mercado considerado.

La creación de valor de la IA consta de varios niveles.

2.1 Infraestructura de cómputo

La base material de la IA incluye:

• centros de datos,

• aceleradores de IA,

• almacenamiento,

• redes de alto rendimiento,

• refrigeración,

• generación eléctrica y conexiones a la red,

• plataformas en la nube.

En este ámbito, las empresas estadounidenses poseen una considerable ventaja estructural. Amazon, Microsoft y Google cuentan con centros de datos mundiales, clientes empresariales existentes y áreas de negocio rentables con las que pueden cofinanciar la expansión de su infraestructura de IA.

La IEA estima que el consumo eléctrico mundial de los centros de datos podría aumentar de unos 485 teravatios hora en 2025 a cerca de 950 teravatios hora en 2030. La energía asequible y fiable se convertiría así en un factor decisivo para la ubicación de la IA.

A corto plazo, Europa difícilmente superará a Estados Unidos en este nivel.

2.2 Modelos fundacionales generales

Los modelos generales combinan cada vez más:

• procesamiento del lenguaje,

• programación,

• matemáticas,

• imágenes y video,

• investigación,

• uso de herramientas,

• ejecución agéntica de tareas.

También aquí lideran principalmente empresas estadounidenses. Al mismo tiempo, en determinados benchmarks se reduce la distancia entre los mejores sistemas estadounidenses y chinos. El Stanford AI Index cifra la diferencia entre los modelos líderes respectivos en marzo de 2026 en 2,7 puntos porcentuales, aunque también advierte de problemas crecientes de fiabilidad y manipulabilidad de los benchmarks habituales.

Estados Unidos lidera. Sin embargo, de ello no puede deducirse una ventaja tecnológica inalcanzable.

2.3 Plataformas y distribución

Un modelo adquiere especial poder económico cuando se distribuye mediante plataformas existentes.

Microsoft puede conectar la IA con Azure, Microsoft 365, Windows y GitHub. Google cuenta con búsqueda, publicidad, Android y Workspace. Amazon posee AWS y grandes sistemas comerciales y logísticos. Meta controla plataformas mundiales de comunicación.

Estas empresas no tienen que construir desde cero una nueva relación con los clientes. Pueden ofrecer modelos como parte de productos existentes y repartir sus costos entre varias áreas de negocio.

En principio, un fabricante europeo independiente de modelos no dispone de esta posibilidad.

2.4 Integración en empresas

Las empresas rara vez compran solo un modelo.

Necesitan:

• conexiones de datos,

• gestión de accesos,

• controles de seguridad,

• supervisión,

• soporte,

• garantías de disponibilidad,

• responsabilidad,

• adaptación a los procesos internos.

En este nivel, las empresas europeas pueden controlar una gran parte de la creación de valor incluso cuando el modelo fundacional subyacente procede de Estados Unidos.

2.5 Aplicaciones especializadas

En ámbitos como la medicina, la industria, la energía, el derecho, la logística o la traducción, el rendimiento general del modelo no es el único factor decisivo.

Son determinantes:

• conocimiento especializado,

• datos propietarios,

• certificación,

• fiabilidad,

• integración,

• responsabilidad,

• relaciones existentes con los clientes.

Por tanto, Estados Unidos puede dominar la capa de infraestructura y modelos fundacionales sin controlar automáticamente todas las capas de aplicaciones.

3. Por qué Estados Unidos sigue siendo el claro favorito

3.1 Capital

La ventaja estadounidense en inversión es considerable. El Stanford AI Index documenta para 2025 un fuerte aumento de la inversión empresarial mundial y un papel especialmente dominante de Estados Unidos.

El capital permite:

• entrenamientos de mayor escala,

• investigación paralela,

• salarios elevados,

• financiación de pérdidas a largo plazo,

• adquisición anticipada de capacidad de cómputo escasa,

• distribución mundial.

3.2 Integración vertical

Las grandes empresas estadounidenses controlan simultáneamente:

• infraestructura,

• modelos,

• plataformas,

• aplicaciones,

• interfaces con los clientes.

Un proveedor aislado debe monetizar directamente su modelo. Un grupo tecnológico integrado puede utilizar un modelo de manera estratégica aunque temporalmente no genere por sí solo un rendimiento elevado.

3.3 La brecha europea de scale-ups

La debilidad de Europa no reside únicamente en la fundación de empresas, sino sobre todo en su escalamiento.

Según análisis del Banco Europeo de Inversiones, hasta su décimo año de vida las scale-ups europeas captan alrededor de un 50 por ciento menos de capital que empresas comparables del área de San Francisco. El déficit persiste entre sectores y ciclos económicos.

El EIB señala además que el volumen europeo de capital de riesgo se sitúa muy por debajo del estadounidense y que las empresas exitosas suelen acabar dependiendo de inversores extranjeros.

3.4 Velocidad

Las empresas tecnológicas estadounidenses suelen lanzar productos pronto, probarlos en el mercado y mejorarlos después.

Esta estrategia puede generar importantes problemas de seguridad y calidad. Pero en el vertiginoso mercado del software también crea una ventaja temporal.

Por tanto, Europa no puede responder a la competencia estadounidense con procesos de concertación política que duren varios años.

4. Por qué la ventaja estadounidense no decide automáticamente todo el mercado

4.1 El rendimiento de los modelos puede reproducirse con mayor rapidez

Las diferencias de rendimiento entre los sistemas líderes se han reducido en varias evaluaciones. Al mismo tiempo, los benchmarks clásicos se saturan cada vez más rápido y son parcialmente vulnerables a la contaminación de datos o a la optimización estratégica.

Por ello, una ventaja tecnológica puede ser considerable sin mantenerse estable a largo plazo.

4.2 El mercado de modelos sigue siendo dinámico

Aunque la OECD observa claros riesgos de concentración en cómputo, infraestructura en la nube, datos y especialistas, también constata una caída de precios, un mayor número de modelos y nuevas entradas continuas en el mercado.

Por tanto, el panorama más probable no es un monopolio total, sino:

• un núcleo oligopolístico de plataformas muy grandes,

• varios proveedores regionales o respaldados por Estados,

• ecosistemas abiertos de modelos,

• empresas especializadas.

4.3 Los modelos abiertos limitan la dependencia

Los pesos abiertos de modelos permiten:

• despliegue local,

• adaptación propia,

• pruebas independientes,

• menores costos de cambio.

Sin embargo, el International AI Safety Report 2026 señala que en los modelos abiertos las restricciones de seguridad pueden eliminarse con mayor facilidad y que los pesos publicados prácticamente no pueden retirarse. La apertura fomenta la competencia y la investigación, pero también aumenta los riesgos de uso indebido en sistemas muy potentes.

4.4 El enrutamiento de modelos crea un mercado de múltiples proveedores

Las empresas no tienen que procesar cada tarea con el modelo más potente.

Un sistema puede:

• procesar localmente los casos sencillos,

• dirigir las tareas estándar a modelos económicos,

• mantener internamente los datos sensibles,

• enviar los casos excepcionales complejos a modelos frontier.

De este modo, disminuye la necesidad de vincularse por completo a un único proveedor.

5. El problema de costos de los fabricantes independientes de modelos

La tensión económica del mercado de modelos se deriva de dos tendencias contrapuestas.

5.1 El rendimiento ya alcanzado se abarata

Las arquitecturas más eficientes, el hardware más potente, los modelos más pequeños y la competencia reducen los costos de capacidades ya conocidas.

5.2 La frontera tecnológica sigue siendo intensiva en capital

Quien quiera mantenerse en la frontera de los modelos debe:

• asegurarse grandes clústeres de cómputo,

• emplear equipos altamente cualificados,

• desarrollar nuevos métodos de entrenamiento,

• financiar intentos fallidos,

• crear sistemas de seguridad y evaluación.

Los ingresos de las empresas líderes crecen rápidamente. Al mismo tiempo, los gastos en infraestructura y cómputo aumentan con fuerza, mientras faltan datos fiables sobre los márgenes brutos y el flujo de caja libre.

5.3 La inferencia genera costos continuos

Cada uso adicional requiere capacidad de cómputo. Resultan especialmente costosos:

• los contextos largos,

• el procesamiento de voz y video,

• el razonamiento exhaustivo,

• los sistemas agénticos con numerosas llamadas a herramientas.

La IEA informa que el consumo eléctrico de los centros de datos aumentó un 17 por ciento en todo el mundo en 2025. Al mismo tiempo, el consumo de energía por tarea disminuye rápidamente. Sin embargo, el crecimiento general del uso y las aplicaciones con un uso intensivo de recursos computacionales pueden contrarrestar con creces estas mejoras de eficiencia.

5.4 La publicidad es una posibilidad, no la única

Un asistente de consumo gratuito o muy económico necesita que alguien pague. Puede ser:

• el usuario,

• un cliente empresarial,

• un anunciante,

• un operador de plataforma,

• un socio comercial,

• un cliente estatal.

Por tanto, la publicidad no es un modelo de negocio necesario para la IA en su conjunto. Pero puede contribuir a financiar ofertas gratuitas para el mercado masivo.

Para las empresas europeas probablemente sean más atractivos los modelos de ingresos directos:

• licencias empresariales,

• precios basados en el uso,

• instalación local,

• integración,

• contratos de servicio,

• remuneración basada en resultados.

Europa no tiene que intentar copiar la lógica estadounidense de gratuidad y publicidad.

6. Lo que Airbus demuestra realmente

Airbus no demuestra que Europa fabrique por principio mejores productos.

Airbus demuestra:

Idea centralUn dominio estadounidense existente puede quebrarse mediante una política industrial coordinada, competencias agrupadas, financiación a largo plazo e integración empresarial.

6.1 Agrupación de capacidades existentes

Europa ya contaba con empresas aeronáuticas, ingenieros, centros de investigación y proveedores. Sin embargo, estas competencias estaban fragmentadas por países.

6.2 Mercado claramente definido

Airbus desarrolló un producto inequívoco para clientes claramente identificables: aviones comerciales seguros, certificados y económicamente viables.

6.3 Demanda vinculante

Las aerolíneas europeas y los actores públicos formaron un importante mercado interno.

6.4 Integración organizativa

Airbus evolucionó de un consorcio a una empresa más integrada con una dirección común. Esta integración fue decisiva para subordinar los intereses nacionales particulares a una estrategia unificada de producto y empresa.

6.5 Errores del competidor

Los problemas de calidad documentados de Boeing reforzaron el éxito europeo.

El NTSB consideró que la causa del incidente de 2024 con el tapón de puerta fue una capacitación, orientación y supervisión insuficientes por parte de Boeing. La FAA constató numerosas infracciones del sistema de calidad e intensificó su supervisión.

Estas conclusiones se refieren a Boeing. No demuestran que las empresas estadounidenses sean incapaces de ofrecer calidad en general.

7. Por qué la organización de Airbus no puede trasladarse sin cambios a la IA

7.1 Ciclos de producto diferentes

Un programa aeronáutico se extiende durante décadas. Un modelo de IA puede perder competitividad relativa en cuestión de meses.

7.2 Costos de cambio diferentes

Una aerolínea no puede sustituir su flota a corto plazo. La certificación, el mantenimiento, la formación y los repuestos generan una fuerte vinculación.

Técnicamente, un modelo de IA puede cambiarse mediante una interfaz. Pero los costos de cambio aumentan en cuanto los datos, agentes y procesos están profundamente integrados.

7.3 Mayor modularidad

Una aplicación de IA puede combinar componentes de distintos orígenes:

• un modelo fundacional estadounidense,

• almacenamiento europeo de datos,

• conocimiento sectorial alemán,

• adaptación francesa del modelo,

• una estructura de evaluación independiente.

7.4 Definición poco clara del producto

Un «Airbus de la IA» europeo podría significar:

• modelo fundacional,

• nube,

• centro de datos,

• plataforma industrial,

• asistente para autoridades,

• modelo abierto,

• producto de consumo.

Una empresa encargada de cumplir todas estas tareas probablemente se vería desbordada en términos organizativos.

Idea centralEuropa necesita el principio de Airbus, no necesariamente una única empresa Airbus.

8. La calidad europea debe ser mensurable

Europa no puede ganar proclamando su propia superioridad moral o técnica.

La calidad de la IA debe evaluarse mediante criterios concretos:

Exactitud técnica

¿Con qué frecuencia genera el sistema resultados objetivamente incorrectos?

Fiabilidad

¿Ofrece resultados coherentes en tareas comparables?

Calibración

¿Puede el modelo reconocer cuándo no está seguro?

Trazabilidad

¿Pueden documentarse las fuentes, versiones del modelo, datos y pasos de procesamiento?

Controlabilidad

¿Puede el operador limitar las herramientas, fuentes de datos y acciones permitidas?

Protección de datos y control jurídico

¿Dónde se procesan los datos y a qué legislación están sujetos el operador y la infraestructura?

Disponibilidad a largo plazo

¿Puede mantenerse, actualizarse y sustituirse el sistema durante años?

Viabilidad económica

¿Cuáles son los costos totales de todo el proceso, no solo los de tokens individuales?

Impacto humano

¿Amplía el sistema las capacidades de los trabajadores o los reduce a la supervisión y corrección de errores?

Un modelo europeo no tiene que liderar todos los benchmarks generales. Puede ser mejor si resuelve una tarea concreta de forma más controlable, segura y económica.

9. Primera condición: la IA debe ampliar las capacidades humanas

El debate europeo se concentra intensamente en modelos, centros de datos y valoraciones empresariales. Muy pocas veces pregunta qué tipo de trabajo debe surgir gracias a esta tecnología.

9.1 Las ganancias de productividad son posibles, pero no están garantizadas

El Stanford AI Index describe ganancias mensurables de productividad en actividades claramente estructuradas, por ejemplo en el desarrollo de software, la atención al cliente o el marketing. Sin embargo, en el conjunto de la economía, la evidencia sigue siendo temprana y desigual.

Daron Acemoglu analiza la IA mediante un modelo basado en tareas. Distingue entre la automatización, la complementación del trabajo humano y la creación de nuevas tareas. Una tecnología puede sustituir actividades concretas sin generar automáticamente grandes ganancias de productividad para toda la economía.

9.2 La automatización no equivale al progreso social

Un sistema europeo de IA sería socialmente débil si su utilidad principal consistiera en:

• vigilar a los trabajadores,

• reducir plantilla,

• centralizar el conocimiento especializado en sistemas propietarios,

• sustituir las decisiones humanas por modelos no trazables.

9.3 La IA complementaria como orientación europea de desarrollo

Europa debería promover preferentemente sistemas que:

• permitan mejores diagnósticos a los técnicos,

• liberen al personal de enfermería de tareas de documentación,

• proporcionen conocimientos especializados a las pequeñas empresas,

• ayuden a los trabajadores en su lengua materna,

• integren la formación profesional continua en el proceso de trabajo,

• complementen la labor científica.

9.4 Distribución de las ganancias de productividad

Las ganancias de productividad pueden fluir hacia los propietarios, operadores de plataformas, clientes, trabajadores o el Estado.

Por ello, una estrategia europea de IA no debería limitarse a medir cuánto tiempo de trabajo se ahorra. También debería examinar:

• si aumentan los salarios,

• si surgen nuevas tareas cualificadas,

• si los trabajadores reciben formación continua,

• si se benefician las pequeñas y medianas empresas,

• si mejora la calidad del trabajo.

• Cuanto más transforme un sistema de IA el trabajo humano, mayor deberá ser la participación de los trabajadores en su desarrollo, introducción y evaluación.

10. Segunda condición: Europa necesita una misión pública

La «soberanía europea» aún no constituye una misión completa. Describe una capacidad, pero no un resultado social concreto.

El enfoque orientado a misiones de Mariana Mazzucato no concibe la política industrial únicamente como una corrección de fallos del mercado. El Estado y la economía deben orientar conjuntamente los mercados hacia objetivos públicos verificables.

10.1 Una posible misión europea

• Europa desarrolla hasta 2035 una infraestructura de IA controlable que aumenta la productividad industrial, mejora los servicios públicos, amplía las capacidades humanas y limita las dependencias críticas de plataformas individuales no europeas.

• menor consumo de energía y materiales en la industria,

• menos trabajo de documentación en la sanidad,

• tiempos de tramitación más cortos en las administraciones,

• mejor comunicación multilingüe,

• acceso de las pequeñas empresas a IA de alta calidad,

• herramientas abiertas para la ciencia y la educación.

10.2 La financiación pública requiere contraprestaciones

Si el público:

• financia centros de datos,

• paga la investigación,

• asume los riesgos de desarrollo,

• garantiza contratos a largo plazo,

el éxito económico no puede privatizarse por completo.

Mazzucato y otros autores proponen para ello condicionalidades de política industrial. Estas pueden establecerse en contratos de financiación, contratación y participación.

Algunas condiciones posibles serían:

• interfaces abiertas,

• portabilidad de datos,

• reinversión en investigación europea,

• compromisos de formación y ubicación,

• indicadores energéticos transparentes,

• opciones de operación europeas,

• condiciones de licencia justas para las instituciones públicas,

• mecanismos de reembolso o participación en caso de éxito extraordinario.

La regla básica es:

Idea centralQuien recibe la asunción pública del riesgo debe aportar valor público.

Esto no significa que los ministerios deban tomar decisiones técnicas. El Estado define misiones, condiciones y límites. Las empresas compiten por ofrecer la mejor ejecución.

11. Tercera condición: la seguridad necesita instituciones independientes

Un proveedor europeo no sería automáticamente más seguro que uno estadounidense.

Las empresas europeas también tendrían incentivos para:

• publicar con rapidez,

• presentar positivamente sus capacidades,

• minimizar los riesgos,

• ganar cuota de mercado.

Por eso, el fabricante no puede ser el único que evalúe si su sistema es seguro.

11.1 Conceptos de seguridad multicapa

El International AI Safety Report 2026 concluye que los sistemas generales de IA potentes desarrollan nuevas capacidades, mientras las medidas técnicas de protección siguen teniendo limitaciones. El informe recomienda, entre otras cosas, evaluaciones de capacidades peligrosas, umbrales y respuestas de seguridad definidas con antelación.

11.2 Evaluación independiente

Los modelos destinados a aplicaciones críticas deberían someterse a evaluaciones externas de:

• capacidades cibernéticas,

• riesgos biológicos o químicos,

• capacidades manipuladoras,

• uso autónomo de herramientas,

• protección de datos,

• fiabilidad,

• posibilidad de eludir las medidas de protección.

11.3 Registro de modelos y cómputo

Los grandes proyectos de entrenamiento y los sistemas especialmente potentes deberían documentarse a partir de umbrales definidos.

Los criterios podrían ser:

• capacidad de cómputo utilizada,

• capacidades concretas,

• grado de autonomía,

• uso en ámbitos críticos.

11.4 Notificación de incidentes

Los incidentes graves deberían notificarse obligatoriamente:

• elusión exitosa de mecanismos de protección,

• decisiones erróneas peligrosas,

• fugas de datos,

• acciones no controladas de agentes,

• usos indebidos en contextos cibernéticos o biológicos.

11.5 Separación entre fabricante y evaluador

Un sistema europeo necesita tres funciones separadas:

• fabricante,

• institución técnica independiente de evaluación,

• supervisión estatal o europea.

El fabricante no puede ser al mismo tiempo desarrollador, evaluador y garante final de la seguridad.

11.6 Apertura basada en el riesgo

Los modelos pequeños y medianos pueden ofrecerse de forma ampliamente abierta. En el caso de sistemas especialmente potentes, pueden ser necesarios accesos controlados o publicaciones escalonadas.

La apertura y la seguridad no son opuestos absolutos. Deben ponderarse en función de las capacidades y los riesgos.

12. DeepL como estudio de caso europeo

DeepL tiene relevancia estratégica porque la empresa no intenta principalmente desarrollar el mayor modelo general del mundo.

Se concentra en:

• traducción,

• asistencia para la redacción,

• terminología,

• documentos,

• procesos empresariales multilingües.

DeepL afirma que más de 200.000 empresas utilizan sus servicios. Dado que la cifra procede de la propia empresa y no contiene información completa sobre ingresos o rentabilidad, demuestra alcance de mercado, no necesariamente solidez económica.

12.1 Por qué el modelo resulta interesante

DeepL aborda un problema existente por el que ya hay disposición a pagar. Las empresas ya disponen de presupuestos para traducción, localización y comunicación internacional.

Además, el producto consiste en algo más que una llamada a un modelo. Las API, los glosarios y la integración empresarial pueden generar fidelización de clientes.

12.2 El peligro de los modelos universales

Los modelos generales pueden traducir cada vez mejor. Por tanto, la traducción sencilla podría convertirse en una función adicional gratuita.

DeepL debe ampliar su oferta sin convertirse en un asistente universal indiferenciado.

12.3 La dependencia de la infraestructura

DeepL utiliza una infraestructura híbrida compuesta por servidores autogestionados en centros de datos europeos e infraestructura en la nube de AWS. Según DeepL, la empresa sigue siendo la parte contratante, mientras que AWS actúa como subencargado del tratamiento.

Idea centralEuropa puede crear una empresa de productos de IA con relevancia internacional.

Y:

Idea centralUna empresa europea de productos no posee automáticamente una infraestructura íntegramente europea.

13. Mistral y la capacidad europea en modelos fundacionales

Además de empresas especializadas, Europa necesita al menos una competencia general propia en materia de modelos.

Actualmente, Mistral es el candidato más evidente. La empresa ofrece modelos que pueden ejecutarse en infraestructura propia.

Mistral también informa de una colaboración con Airbus en aviación civil, helicópteros, defensa y espacio. Se mencionan el despliegue local y el control de datos sensibles. Dado que estas afirmaciones proceden del proveedor, demuestran ante todo la orientación estratégica, no el éxito económico a largo plazo.

Sin embargo, Europa debería evitar sustituir la dependencia de una empresa estadounidense por la dependencia de un único proveedor europeo.

Se necesitan:

• varias líneas de desarrollo tecnológico,

• alternativas abiertas,

• interfaces estandarizadas,

• posibilidades reales de cambio.

14. La arquitectura de un sistema industrial europeo de IA

Europa no necesita un único supergrupo empresarial. Necesita un sistema de varios niveles.

14.1 Infraestructura informática

La UE trabaja en 19 AI Factories en 16 Estados miembros; la mayoría debería estar operativa para finales de 2026.

Estas instalaciones pretenden conectar:

• supercomputadoras,

• recursos de datos,

• start-ups,

• investigación,

• formación

entre sí.

Sin embargo, no son equiparables a los mayores clústeres comerciales de frontera de los hiperescaladores estadounidenses.

14.2 AI Gigafactories

La UE quiere movilizar 20 mil millones de euros para AI Gigafactories de mayor tamaño. Estas deberían ser gestionadas de forma privada y contar con apoyo público, además de proporcionar a las empresas europeas acceso a capacidad informática a gran escala.

Sin embargo, el anuncio, la financiación, la construcción y el funcionamiento productivo son etapas diferentes. Europa tiene un plan, pero aún no una prueba concluyente de éxito.

14.3 Energía

La expansión requiere:

• conexiones rápidas a la red,

• un suministro eléctrico fiable,

• precios competitivos,

• refrigeración,

• ubicaciones aceptadas por la sociedad.

Sin una política energética, una estrategia europea de IA queda incompleta.

14.4 Modelos fundacionales y alternativas abiertas

Europa necesita al menos un proveedor general competitivo y al menos una alternativa técnica creíble.

14.5 Proveedores especializados

Además de DeepL, deberían surgir empresas europeas en:

• medicina,

• industria,

• robótica,

• energía,

• ciencia,

• derecho,

• administración pública.

14.6 Primeros clientes industriales

Airbus, SAP, Siemens, Bosch y las empresas europeas de los sectores automotriz, energético, farmacéutico y de telecomunicaciones tendrían que:

• definir casos de uso,

• facilitar datos y entornos de prueba,

• invertir capital,

• acordar compras mínimas.

14.7 Contratación pública

La administración pública, la salud, la educación, la investigación y la defensa pueden crear un gran mercado interno.

El origen europeo no debería ser por sí solo el factor decisivo. Deberían exigirse:

• interfaces abiertas,

• opciones de funcionamiento local,

• posibilidad de auditoría,

• cambio de proveedor,

• mantenimiento a largo plazo.

14.8 Capital de crecimiento

La brecha europea de ampliación de escala requiere:

• mayores fondos europeos de capital de riesgo y crecimiento,

• participación de aseguradoras y fondos de pensiones,

• instrumentos del BEI,

• inversionistas industriales a largo plazo.

14.9 Arquitectura de seguridad

Los organismos de auditoría independientes y una supervisión técnicamente competente deben formar parte de la infraestructura desde el principio.

15. Argumentos a favor y en contra del principio Airbus

Los elevados costos fijos impiden la competencia espontánea

Cuando los costos de infraestructura e investigación son elevados, las fuerzas del mercado por sí solas no generan necesariamente nuevos competidores mundiales.

Europa ya tiene clientes

La industria, la administración pública y la infraestructura pública europeas conforman un gran mercado interno.

La infraestructura compartida reduce las barreras de entrada

No todas las empresas tienen que financiar su propio centro de datos.

La contratación proporciona seguridad para la planificación

Los contratos a largo plazo pueden hacer financiables la investigación y el desarrollo de productos.

Una alternativa europea genera poder de negociación

Europa no tiene que cumplir por sí misma todos los encargos. Debe poder cambiar de proveedor de manera creíble.

La especialización corresponde a la estructura económica de Europa

La industria, la medicina, la energía y la ciencia no siempre necesitan el mayor modelo universal.

Europa podría ser demasiado lenta

La tecnología cambia más rápido que los procesos europeos de toma de decisiones.

Respuesta: La infraestructura y los estándares pueden organizarse conjuntamente. El desarrollo de productos debe seguir siendo empresarial y descentralizado.

Las ayudas podrían proteger la mediocridad

Las empresas europeas podrían recibir apoyo por su origen en lugar de por su desempeño.

Respuesta: Las ayudas requieren objetivos de desempeño medibles y criterios claros de finalización.

Los sistemas internacionales podrían ser más económicos

Una solución europea propia puede generar mayores costos.

Respuesta: Las aplicaciones no críticas deberían seguir utilizando los mejores sistemas del mundo. Las capacidades propias son necesarias allí donde la dependencia adquiere relevancia estratégica.

Los modelos abiertos podrían ser suficientes

Europa podría ejecutar localmente modelos abiertos ajenos.

Respuesta: Los modelos abiertos son importantes, pero no sustituyen la infraestructura, la investigación, la evaluación ni el desarrollo propio continuo.

Los requisitos de seguridad podrían frenar la innovación

Las auditorías pueden retrasar el desarrollo.

Respuesta: La mala burocracia frena la innovación. En cambio, una auditoría técnicamente competente y basada en riesgos puede generar confianza y acceso al mercado.

16. Criterios de éxito medibles

Una estrategia europea de IA no debería evaluarse en función de comunicados de prensa, del tamaño de los modelos ni de las valoraciones empresariales.

Capacidad tecnológica de actuación

• al menos dos líneas de modelos que puedan operarse de forma independiente,

• opciones de funcionamiento local para aplicaciones críticas,

• capacidad demostrada para cambiar de proveedor.

Impacto económico

• varias empresas europeas de IA con ingresos globales,

• aumento de las inversiones privadas posteriores,

• aumentos medibles de productividad en pequeñas y medianas empresas.

Trabajo y cualificación

• proporción de sistemas que complementan a los trabajadores en lugar de sustituirlos exclusivamente,

• evolución de los salarios, la calidad de las tareas y el tiempo de formación continua,

• número de nuevas actividades cualificadas creadas.

Valor público

• mejoras en la administración pública, la salud, la energía o la educación,

• retornos procedentes de empresas financiadas con fondos públicos,

• reinversiones en investigación y formación.

Seguridad

• proporción de sistemas de alto riesgo auditados externamente,

• número y calidad de los incidentes notificados,

• tiempo transcurrido entre la detección y la corrección de un riesgo,

• opciones funcionales de apagado y cambio.

Soberanía

• número de sistemas críticos no vinculados a un único proveedor no europeo,

• grado de control sobre los datos, el funcionamiento y los modelos,

• acceso garantizado a capacidad informática y energía.

17. Tres escenarios futuros para Europa