José Gabino Castillo Flores
Universidad, empresa y el futuro del conocimiento
Cuando hablamos del crecimiento de la inteligencia artificial casi siempre terminamos hablando de tecnología. Nos interesan los nuevos modelos, lo que son capaces de hacer y la velocidad con la que están mejorando. Hay otra forma de acercarse al problema que resulta particularmente sugerente desde la historia y las ciencias sociales. Preguntarnos quién está produciendo ese conocimiento y en qué espacios se produce. Durante buena parte del siglo XX, especialmente después de la segunda guerra mundial, las universidades y los centros de investigación financiados con recursos públicos ocuparon un lugar central en el desarrollo científico. La historia de la computación está estrechamente ligada a esas instituciones y algo parecido ocurrió con la inteligencia artificial. Muchos de sus problemas comenzaron a estudiarse en ambientes académicos cuando todavía estaba lejos la posibilidad de convertir esos conocimientos en productos utilizados cotidianamente por millones de personas.
Ese escenario ha cambiado radicalmente. Una de las razones se encuentra en los recursos necesarios para desarrollar los sistemas actuales. Sevilla et al. (2022) estudiaron la evolución del cómputo empleado para entrenar sistemas de aprendizaje automático durante varias décadas. Sus datos muestran una aceleración considerable a partir de 2010, relacionada con el desarrollo del deep learning. Hacia finales de 2015 identificaron, además, sistemas de gran escala que utilizaban entre diez y cien veces más cómputo que la tendencia anterior. Una parte importante procedía ya de empresas. Esto introdujo una diferencia que conviene tener presente. Un laboratorio universitario puede contar con investigadores destacados y realizar aportaciones importantes sin disponer de una infraestructura comparable con la de las mayores compañías tecnológicas. Ahmed, et al. (2023) han estudiado precisamente el aumento de la presencia empresarial en la investigación sobre IA. El acceso a capacidad computacional y la posibilidad de contratar investigadores especializados ayudan a explicar esa transformación.
Los datos reunidos por el Stanford Institute for Human-Centered Artificial Intelligence permiten seguirla con mayor detalle. El AI Index utiliza, entre sus fuentes, información recopilada por Epoch AI sobre los llamados “modelos notables”. La expresión puede prestarse a confusión. No estamos hablando de todos los modelos de inteligencia artificial desarrollados en el mundo. Epoch AI mantiene una base de datos curada de sistemas considerados especialmente relevantes para estudiar la evolución del campo. El alcance del indicador debe entenderse desde ese límite. Decir, que la industria concentra la mayor parte de los modelos registrados, no equivale a afirmar que las empresas realizan la mayor parte de toda la investigación mundial sobre inteligencia artificial. Lo que los datos permiten observar es quién está desarrollando buena parte de los modelos considerados relevantes en la frontera tecnológica. Con esa precaución, el cambio resulta difícil de ignorar. En 2023 alrededor del 60 por ciento de los modelos notables registrados procedían de la industria. Para 2024 la proporción se acercó al 90 por ciento y los datos publicados en 2026 indican que durante 2025 volvió a superar ese nivel (Stanford HAI, 2025, 2026). Los nombres ayudan a entender mejor lo que significan esos porcentajes. Google, Meta, Microsoft y OpenAI aparecen de manera recurrente.
Sería un error concluir a partir de esto que las universidades han dejado de ser importantes en la investigación sobre inteligencia artificial. Basta observar otro indicador. En 2024, la academia produjo el 68.1 por ciento de las publicaciones de IA registradas por el AI Index (Stanford HAI, 2026). Tenemos entonces una situación interesante. Las universidades conservan un peso considerable en la producción científica, mientras su presencia es mucho menor entre algunos de los modelos que necesitan mayores recursos. La diferencia material entre industria y academia ha comenzado a convertirse por sí misma en objeto de investigación. Besiroglu et al. (2024) utilizan el término compute divide para estudiar la brecha de capacidad computacional entre ambos sectores. El autor encuentra una menor representación de equipos exclusivamente académicos en áreas que requieren grandes cantidades de cómputo, entre ellas las relacionadas con modelos fundacionales. El problema no termina en quién consigue desarrollar el sistema más avanzado. También es importante ver quién tiene los medios para experimentar con estos modelos, reproducir investigaciones o examinarlos con independencia. Una universidad puede utilizar herramientas desarrolladas por empresas y producir conocimiento con ellas. La situación es distinta cuando pretende estudiar tecnologías cuya infraestructura básica está fuera de su alcance.
Esto adquiere una dimensión particular dentro de las propias universidades. La inteligencia artificial ya forma parte de las aulas y comienza a incorporarse a numerosas tareas de investigación. Al mismo tiempo ha abierto discusiones sobre propiedad intelectual, privacidad, empleo y acceso al conocimiento. Son problemas que difícilmente pueden reducirse al funcionamiento técnico de un algoritmo. La historia, la sociología, el derecho, la economía y otras disciplinas tienen mucho que decir sobre ellos. Pero existe una condición previa que a veces queda fuera de la discusión. Para investigar con independencia no basta con disponer de especialistas, hacen falta recursos. Besiroglu et al. (2024) plantean ampliar la infraestructura pública de cómputo y facilitar a los investigadores el acceso a capacidades actualmente concentradas en la industria. Esto no supone que cada universidad tenga que construir desde cero un equivalente de los mayores modelos comerciales. Pueden pensarse infraestructuras compartidas entre universidades y centros públicos, así como modelos desarrollados o adaptados para necesidades científicas y educativas específicas.
El problema no es nuevo. Buena parte de la investigación universitaria nunca ha tenido como condición ofrecer un beneficio económico inmediato. Muchos conocimientos que después resultaron fundamentales fueron investigados durante años sin que pudiera anticiparse con claridad cuál sería su utilidad. Esa posibilidad ha dependido en buena medida del financiamiento público de la ciencia. Lo novedoso en el caso de la inteligencia artificial es la magnitud de los recursos que comienza a ser necesaria para participar en ciertas áreas. Cuando la capacidad de experimentar depende de infraestructuras que solamente unas cuantas organizaciones pueden financiar, cambia también la distribución de posibilidades dentro de la comunidad científica.
La inversión empresarial ha sido fundamental para el desarrollo reciente de la inteligencia artificial. Sería difícil explicar sin ella la velocidad de los avances de los últimos años. Eso no elimina la necesidad de preguntarnos qué ocurre cuando aumenta la distancia entre las capacidades materiales de las grandes compañías y las universidades. Para quienes observamos estos procesos desde la historia y las ciencias sociales, hay aquí un problema que merece seguimiento. En los próximos años discutiremos seguramente hasta dónde puede llegar la inteligencia artificial. Habrá que discutir también quién tendrá los recursos para investigarla y qué lugar queremos reservar a la universidad en la producción de ese conocimiento. Asimismo, necesitamos pensar en quién tendrá la capacidad y la responsabilidad de cuestionar a la IA, sus aplicaciones y orientaciones. Pues sabemos que detrás de la IA hay sesgos, y que, al estar en manos privadas, la rendición de cuentas y la ética quedarán siempre subordinadas al capital.
ATiempo.Tv es el primer medio de comunicación nativo digital e independiente en Coahuila, caracterizado por su compromiso y responsabilidad de contribuir a la sociedad; brindando información verificada de manera profesional, ética y confiable. Es por eso que te invitamos a seguirnos en nuestras redes sociales para que tengas acceso a las noticias más relevantes a nivel local, nacional e internacional.