IV Convención Científica Internacional de la
Universidad de Cienfuegos Carlos Rafael Rodríguez
Conferencia Inaugural del VI Taller Internacional de
Gestión Empresarial y Desarrollo Local
IA, poder y desarrollo local
Construir inteligencia propia
Ensayo científico
Fotografía de Maydel Gómez Lago
MSc. Maydel Gómez Lago
Vicerrectora de Desarrollo Digital e Información
Universidad de Cienfuegos
MSc. en Educación. Lidera la transformación digital, la comunicación institucional y la informatización universitaria. Investiga modelos de madurez digital para universidades cubanas.
Fotografía de Michael Feitó Cespón
Dr.C. Michael Feitó Cespón
Profesor Auxiliar, Dpto. de Ingeniería Industrial
Universidad de Cienfuegos
Doctor en Ciencias Técnicas. Investiga optimización de cadenas de suministro, logística inversa, sostenibilidad y aplicaciones de IA para el desarrollo local.
Cienfuegos, Cuba · 2026

Nota

Nota sobre el proceso de elaboración y verificación. El presente ensayo se apoya en fuentes primarias y secundarias de acceso público: informes de organismos internacionales, documentos oficiales, estudios académicos y coberturas periodísticas. Todas las referencias fueron verificadas directamente en sus páginas originales siempre que fue posible. Cuando una fuente solo pudo consultarse a través de una republicación íntegra o de una cita secundaria fiable, se indica expresamente en la nota metodológica final.

Resumen

Abstract

Este ensayo examina la inteligencia artificial generativa (IAG) como una infraestructura sociotécnica que está reconfigurando las formas de producir, trabajar, competir y ejercer poder a escala global. A partir de una revisión de la evidencia empírica más reciente —incluyendo el AI Index 2026 de Stanford HAI, el informe de Menlo Ventures sobre gasto empresarial, los datos de la OCDE sobre pymes, el World Intellectual Property Report 2026 de la OMPI y las investigaciones de Microsoft sobre adopción de DeepSeek—, el ensayo documenta la velocidad sin precedentes de adopción de la IAG, su impacto diferenciado en las empresas y su carácter profundamente material. Se analiza la concentración oligopólica del mercado de modelos de lenguaje y de la infraestructura de cómputo, los mecanismos de captura regulatoria que operan en Estados Unidos y la emergencia de China como alternativa tecnológica para el Sur Global. El ensayo aterriza en el caso cubano: su Estrategia Nacional de IA, las restricciones impuestas por el bloqueo estadounidense y las oportunidades que ofrecen los modelos abiertos y los modelos especializados de menor escala. Se concluye que la cuestión decisiva para Cuba y el Sur Global no es el acceso a la tecnología, sino la construcción de capacidades propias para apropiarla, adaptarla y gobernarla.

Palabras clave: inteligencia artificial generativa; soberanía tecnológica; Sur Global; Cuba; desarrollo local; tecnofeudalismo; geopolítica de la IA.

Índice

Introducción4
1. La IA generativa como instrumento imprescindible5
1.1. Definición operativa y distinción respecto a sistemas previos
1.2. Gasto empresarial mundial: evolución 2024-2026
1.3. Adopción organizacional: datos de Stanford AI Index 2026
1.4. Impacto en pymes: evidencia de la OCDE
1.5. Efectos sobre el trabajo: evidencia del NBER y Stanford
1.6. La IA generativa como infraestructura operativa
2. La velocidad exponencial8
2.1. Marco histórico: las revoluciones tecnológicas previas
2.2. Timeline detallado de la IA generativa
2.3. Comparación con la difusión de tecnologías previas
2.4. Implicaciones para el Sur Global
3. Concentración tecnooligárquica y desafíos geopolíticos10
3.1. La concentración tecnooligárquica
3.2. La captura regulatoria: la reunión de Trump con los tecnooligarcas
3.3. El caso Anthropic y la tensión entre seguridad y poder
3.4. Los siervos digitales: el tecnofeudalismo como marco crítico
3.5. El modelo chino como alternativa
3.6. La guerra de los chips
3.7. La cuarta brecha digital y la ausencia del Sur Global
4. Cuba: soberanía tecnológica, bloqueo y desafíos15
4.1. La Estrategia cubana de IA: ejes y principios
4.2. El bloqueo como asfixia tecnológica
4.3. Capacidades y desafíos internos
4.4. La contradicción fundamental
5. Uso práctico de la IA generativa en Cuba18
5.1. Herramientas accesibles desde Cuba
5.2. Modelos dedicados a menor escala
5.3. Aplicaciones para el desarrollo local
5.4. Guía para un uso ético y correcto
Conclusiones21
Referencias22

Introducción

Vivimos un momento en el que la inteligencia artificial ha dejado de ser un tema de especialistas para convertirse en el eje de una reconfiguración global del poder económico, tecnológico y geopolítico. La pregunta ya no es si la IA transformará nuestras sociedades, sino bajo qué condiciones, con qué distribución de beneficios y bajo el control de quiénes. Para Cuba y el Sur Global, esta interrogante adquiere una urgencia particular: la historia de las revoluciones tecnológicas anteriores demuestra que quienes no participan como productores terminan participando como consumidores dependientes, y que las ventanas de oportunidad para construir capacidades propias no permanecen abiertas indefinidamente.

Este ensayo sostiene una tesis central: la IA generativa no es simplemente una tecnología más, sino una infraestructura sociotécnica que está redefiniendo simultáneamente las formas de producir, trabajar, competir, investigar y ejercer poder. La verdadera cuestión para países como Cuba no es cómo acceder a herramientas de IA, sino cómo construir la capacidad científica, empresarial, territorial e institucional para apropiarse de ella, adaptarla y convertirla en instrumento de desarrollo soberano.

El ensayo se organiza en cinco secciones. La primera examina la evolución y el estado actual de la IAG, incluyendo su impacto en el ámbito empresarial. La segunda analiza la velocidad exponencial de su difusión en comparación con revoluciones tecnológicas previas. La tercera aborda la dimensión geopolítica: la concentración tecnooligárquica, la captura regulatoria y la competencia entre Estados Unidos y China. La cuarta aterriza en Cuba, su estrategia nacional de IA y las restricciones que enfrenta. La quinta explora las herramientas, modelos y aplicaciones disponibles para el desarrollo local. El ensayo concluye con una reflexión prospectiva sobre las condiciones bajo las cuales la IA puede convertirse en una fuerza de desarrollo y no en una nueva fuente de dependencia.

1. La IA generativa como instrumento imprescindible: panorama general y datos fundamentales

1.1. Definición operativa y distinción respecto a sistemas previos

La inteligencia artificial generativa designa el conjunto de sistemas capaces de producir contenido original —texto, imágenes, audio, video y código— a partir de indicaciones formuladas en lenguaje natural. Esta capacidad representa un salto cualitativo respecto a los sistemas de IA precedentes, que se limitaban a clasificar, predecir o recomendar a partir de datos estructurados. La diferencia fundamental reside en que la IAG desplaza al usuario de la posición de operador a la de interlocutor, permitiendo automatizar no solo tareas rutinarias, sino también actividades cognitivas complejas como la redacción, la programación, el análisis y la creación.

La velocidad de adopción de esta tecnología no tiene precedentes en la historia económica moderna. Según el World Intellectual Property Report 2026 de la OMPI, mientras el telégrafo —introducido en la década de 1840— tardó décadas en difundirse mundialmente, ChatGPT alcanzó 100 millones de usuarios en apenas un mes. Esta aceleración refleja la existencia de una infraestructura digital global preexistente que permite acceso inmediato desde prácticamente cualquier país del mundo.

1.2. Gasto empresarial mundial: evolución 2024-2026

El gasto empresarial global en IA generativa ha experimentado un crecimiento exponencial. Según Menlo Ventures (2025), el gasto empresarial en IA generativa en Estados Unidos alcanzó los 37.000 millones de dólares en 2025, multiplicándose por 3,2 respecto a los 11.500 millones de 2024. Las proyecciones de Gartner (2026) para el mercado global de plataformas y modelos de IA indican que el gasto alcanzará los 64.000 millones de dólares en 2026, un incremento del 63,4% respecto a los 39.000 millones de 2025. El gasto en modelos de IA generativa crecerá un 117%, mientras que el gasto en plataformas de IA aumentará un 36,9%.

Un dato particularmente revelador es el crecimiento de los modelos especializados. Gartner (2026) pronostica que los modelos de lenguaje de dominio específico (DSLM) y los modelos especializados crecerán un 210% en 2026, alcanzando los 4.910 millones de dólares, frente a los 1.583 millones de 2025. Este dato es directamente relevante para países con recursos limitados, pues indica que el mercado está diversificándose hacia soluciones más eficientes y adaptadas a dominios concretos. Como señala Gartner, los presupuestos empresariales de IA están bajo un escrutinio creciente, con mayor énfasis en la eficiencia de uso, el control de costos y los resultados medibles; el gasto se está desplazando hacia proveedores que pueden demostrar valor claro en costo, latencia, rendimiento y confiabilidad.

1.3. Adopción organizacional: datos de Stanford AI Index 2026

El AI Index 2026 de Stanford HAI proporciona la evidencia más contundente sobre la generalización de la IA en el tejido empresarial. Según el informe, el 88% de las organizaciones encuestadas utiliza IA en al menos una función de negocio, y el 79% emplea IA generativa en al menos una función, frente al 33% de 2023. La adopción de IA generativa en tres años alcanzó el 53%, superando la velocidad de difusión de tecnologías como la PC o internet. El informe también señala que la inversión corporativa global en IA se más que duplicó en 2025, con la inversión privada creciendo un 127,5% y representando el 60% del total.

Sin embargo, el AI Index advierte de una paradoja: aunque el valor que los consumidores obtienen de la IA generativa creció un 54% en un año, alcanzando aproximadamente 172.000 millones de dólares en Estados Unidos, gran parte de ese valor no está siendo capturado por las empresas que más invierten en su creación. El informe señala que la adopción de agentes de IA —sistemas capaces de ejecutar tareas de forma autónoma— permanece en dígitos únicos en casi todas las funciones empresariales, lo que sugiere que la transformación organizacional profunda aún está en una fase incipiente.

1.4. Impacto en pymes: evidencia de la OCDE

El estudio de la OCDE (2025) sobre IA generativa y pymes, basado en una encuesta a más de 5.000 pequeñas y medianas empresas en siete países (Austria, Canadá, Alemania, Irlanda, Japón, Corea y Reino Unido), ofrece un panorama matizado y altamente relevante para el desarrollo local. Los hallazgos principales son los siguientes:

El 31% de las pymes utiliza herramientas de IA generativa, con una variación que va del 24% en Japón al 39% en Alemania. El 65% de las pymes que usan IA generativa reportan que incrementó el rendimiento de sus empleados, mientras que el 35% señala que les permitió escalar operaciones, el 29% que las ayudó a competir con empresas más grandes y el 26% que aumentó sus ingresos. Un dato crucial es que el 83% de las pymes reporta que la IA generativa no ha tenido efecto sobre sus necesidades totales de personal, con solo un 6% señalando un aumento y un 9% una disminución. Esto sugiere que, al menos en el segmento de pymes, la IA está operando más como complemento que como sustituto del trabajo humano.

La OCDE (2025) también documenta que el 39% de las pymes con brechas de habilidades encontró en la IA generativa un mecanismo para compensarlas, cifra que sube al 46% cuando la IA ya había mejorado el rendimiento de los empleados. Además, para un tercio de las pymes, la IA generativa redujo la carga laboral, y un 14% reportó menor dependencia de contratistas externos.

1.5. Efectos sobre el trabajo: evidencia del NBER y Stanford

El estudio del NBER (2025) de Dillon, Jaffe, Immorlica y Stanton, basado en un experimento de campo con 7.137 trabajadores del conocimiento en 66 empresas, encontró que quienes utilizaron herramientas de IA generativa redujeron aproximadamente dos horas semanales el tiempo dedicado al correo electrónico y disminuyeron el trabajo fuera del horario laboral. Este hallazgo es consistente con la idea de que la IA generativa está transformando la organización del trabajo más que eliminándolo. Los autores también señalan que no detectaron cambios significativos en la cantidad o composición de las tareas de los trabajadores como resultado de la provisión individual de IA.

Sin embargo, el AI Index 2026 de Stanford reporta que el empleo de desarrolladores de software de 22 a 25 años disminuyó casi un 20% respecto a 2024, y que una de cada tres organizaciones espera reducir su plantilla el próximo año debido a la IA. Estos datos sugieren que los efectos sobre el empleo son heterogéneos y dependen del sector, la ocupación y el nivel de experiencia.

1.6. La IA generativa como infraestructura operativa

La conclusión que se deriva de esta evidencia es que la IA generativa ha dejado de ser una herramienta experimental para convertirse en una infraestructura operativa de las empresas. No se trata ya de si las organizaciones adoptarán IA, sino de cómo y con qué profundidad lo harán. Para Cuba y el Sur Global, esta realidad plantea una disyuntiva fundamental: o se construyen capacidades propias para apropiarse de esta tecnología, o se corre el riesgo de quedar relegado a la posición de consumidor dependiente en un mercado dominado por unas pocas corporaciones. La ventana de oportunidad no permanecerá abierta indefinidamente.

2. La velocidad exponencial: timeline de las revoluciones tecnológicas con impacto comparable

2.1. Marco histórico: las revoluciones tecnológicas previas

La historia económica registra cuatro grandes olas tecnológicas desde la Revolución Industrial: la máquina de vapor (siglos XVIII-XIX), la electricidad (siglos XIX-XX), las tecnologías de la información y la comunicación (siglos XX-XXI) y la inteligencia artificial (siglo XXI). Cada una de estas olas transformó radicalmente las estructuras productivas, las relaciones laborales y la geografía del poder económico.

La Revolución Industrial, impulsada por la máquina de vapor perfeccionada por James Watt en 1769, tardó aproximadamente 90 años en reconfigurar el mercado laboral británico (Crafts, 2021). La electrificación, que comenzó con la dynamo de Werner von Siemens en 1866 y la comercialización de la bombilla por Thomas Edison en 1879, se generalizó en los países desarrollados solo después de la Segunda Guerra Mundial, es decir, unos 70-80 años después de sus primeras aplicaciones industriales. La revolución digital, iniciada con el microprocesador de Intel en 1969-1971, tardó aproximadamente 40 años en alcanzar su madurez actual.

2.2. Timeline detallado de la IA generativa

La IA generativa ha comprimido drásticamente estos plazos. El hito fundacional fue la publicación del modelo GPT-3 por OpenAI en 2020. En noviembre de 2022, el lanzamiento de ChatGPT marcó el inicio de la adopción masiva: en apenas dos meses alcanzó 100 millones de usuarios, convirtiéndose en la aplicación de consumo de más rápida difusión en la historia.

En 2023, la entrada de GPT-4, Anthropic y Google consolidó el mercado. En 2024, la adopción empresarial se masificó y la Unión Europea aprobó la primera regulación integral de IA (EU AI Act). En 2025, la irrupción de DeepSeek —con modelos que rivalizaban con los líderes estadounidenses a una fracción del costo— transformó la geopolítica de la IA, mientras la guerra de chips entre Estados Unidos y China se intensificaba. En 2026, la consolidación de los agentes de IA y los modelos especializados ha llevado la competencia a una nueva fase.

2.3. Comparación con la difusión de tecnologías previas

El World Intellectual Property Report 2026 de la OMPI proporciona datos sistemáticos sobre la velocidad de difusión tecnológica. Mientras el telégrafo y el automóvil, inventados en el siglo XIX, tardaron alrededor de cuatro décadas en alcanzar países de todo el mundo, la IA generativa tuvo usuarios en prácticamente todos los países en cuestión de días desde su lanzamiento. Este patrón refleja una tendencia histórica más amplia: cuanto más nueva es la tecnología, menos tiempo tarda en llegar a otras partes del mundo.

La OMPI (2026) documenta que las economías avanzadas consistentemente emergen como adoptantes tempranas, históricamente adoptando nuevas tecnologías entre 20 y 80 años antes del promedio global. Sin embargo, esta ventaja histórica se ha reducido con el tiempo: prácticamente todas las tecnologías más nuevas muestran rezagos de adopción convergentes entre economías avanzadas y en desarrollo. La brecha en la intensidad de uso —qué tan profundamente se emplea una tecnología dentro de un país— se amplió durante los siglos XIX y XX, pero ahora se está estrechando, especialmente en el dominio digital.

2.4. Implicaciones para el Sur Global

La velocidad de difusión de la IA generativa tiene implicaciones profundas para el Sur Global. Por un lado, la accesibilidad inmediata de herramientas como ChatGPT, DeepSeek o Qwen significa que los países en desarrollo pueden comenzar a utilizar IA sin necesidad de construir infraestructura propia. Por otro lado, esta misma accesibilidad puede generar una trampa de dependencia: si los países del Sur Global se limitan a consumir herramientas desarrolladas por corporaciones del Norte, nunca desarrollarán las capacidades científicas, técnicas e institucionales necesarias para apropiarse de la tecnología.

La ventana de oportunidad para construir capacidades propias se está cerrando. A medida que los modelos se vuelven más capaces y los costos de entrenamiento aumentan, la brecha entre quienes pueden producir IA y quienes solo pueden consumirla podría ampliarse. Sin embargo, la existencia de modelos abiertos, la cooperación Sur-Sur y el desarrollo de aplicaciones especializadas ofrecen vías para que países con recursos limitados desarrollen capacidades significativas.

3. Concentración tecnooligárquica, el modelo chino como alternativa y los desafíos geopolíticos

3.1. La concentración tecnooligárquica

La IA generativa ha sido presentada como una tecnología democratizadora: cualquiera con acceso a internet puede utilizar herramientas poderosas para crear contenido, programar, analizar datos o automatizar tareas. Sin embargo, la realidad del mercado muestra una concentración extrema que contradice esta narrativa.

Según el informe de Menlo Ventures (2025), Anthropic controla aproximadamente el 40% del gasto empresarial en APIs de modelos de lenguaje, seguida de OpenAI con el 27%, Google con el 21% y Meta con el 8%. Esta concentración se ha profundizado con el tiempo: en 2023, OpenAI tenía el 50% del mercado empresarial, pero para 2025 había perdido casi la mitad de su cuota, mientras Anthropic crecía del 12% al 40%.

Pero la concentración real está por debajo del nivel de los modelos. Amazon, Microsoft y Google poseen dos tercios de la computación en la nube donde se ejecutan los modelos de IA. Los mayores inversores de OpenAI son Microsoft y Nvidia; los mayores propietarios de Anthropic incluyen a Amazon y Google. Esta integración vertical significa que incluso si un modelo es de código abierto, la infraestructura necesaria para entrenarlo y ejecutarlo a gran escala permanece concentrada en unas pocas corporaciones.

3.2. La captura regulatoria: la reunión de Trump con los tecnooligarcas

En septiembre de 2025, el presidente Donald Trump reunió en la Casa Blanca a los principales ejecutivos tecnológicos, incluyendo a Mark Zuckerberg (Meta), Bill Gates (Microsoft), Tim Cook (Apple), Sergey Brin y Sundar Pichai (Google), y Sam Altman (OpenAI). Los asistentes elogiaron la postura de la administración sobre IA y negocios. Zuckerberg señaló que las empresas estaban haciendo “grandes inversiones en centros de datos e infraestructura en Estados Unidos para impulsar la próxima ola de innovación”. Altman agradeció al presidente por ser “tan pro-negocios, pro-innovación”. La ausencia de Elon Musk subraya que la alineación con el poder político se ha convertido en una condición para la participación en el proyecto de IA estadounidense.

Esta dinámica de captura regulatoria se manifiesta también en el gasto en cabildeo. OpenAI y Anthropic gastaron 620.000 y 910.000 dólares respectivamente en el segundo trimestre de 2025, mientras que Meta y Amazon gastaron 5,8 millones y 4,5 millones de dólares en el mismo período. La paradoja del “doomerismo” —el discurso sobre el riesgo existencial de la IA— tiene un propósito comercial muy terrenal: justifica la captura regulatoria y la contención de la inversión de capital para evitar que nuevos competidores desestabilicen el oligopolio.

3.3. El caso Anthropic y la tensión entre seguridad y poder

La relación entre Anthropic y la administración Trump ilustra las tensiones internas del ecosistema de IA estadounidense. En febrero de 2026, la administración vetó la tecnología de Anthropic, designando a la compañía como un riesgo de cadena de suministro y excluyendo a Claude del trabajo del Departamento de Defensa. El conflicto surgió porque Anthropic se negó a eliminar las restricciones que impiden que sus modelos Claude sean utilizados para armas autónomas y vigilancia masiva doméstica. La compañía llevó el caso a los tribunales, y un juez federal inicialmente falló a su favor, calificando la acción del Pentágono como ilegal. Sin embargo, un tribunal militar posteriormente confirmó la legalidad del veto.

A pesar de esta disputa, en abril de 2026 la Casa Blanca calificó una reunión con el CEO Dario Amodei como “productiva y constructiva”, y Trump suavizó su postura. En junio, tras reunirse con Amodei en una cumbre del G7, Trump declaró que ya no consideraba a Anthropic una amenaza para la seguridad nacional, aunque las restricciones existentes —incluyendo la aprobación del Departamento de Comercio para el acceso extranjero a dos modelos y la prohibición del Pentágono— permanecen. Esta evolución sugiere que, en la práctica, la seguridad de la IA es negociable cuando los intereses estratégicos y comerciales lo exigen.

3.4. Los siervos digitales: el tecnofeudalismo como marco crítico

Yanis Varoufakis ha popularizado la tesis del tecnofeudalismo para describir un sistema en el que el “capital en la nube” —servidores, redes, plataformas, algoritmos, IA e infraestructura digital— constituye una forma de capital capaz de modificar comportamientos y generar rentas digitales. Su argumento es que el capitalismo tal como lo conocemos está siendo reemplazado por un orden en el que los “señores tecnológicos” (tech lords) necesitan una nueva ideología —el “techlordismo”— para legitimar su dominio.

El concepto central para nuestra discusión es el de siervo digital. En el tecnofeudalismo, el trabajador que antes recibía un salario se ve transformado en un siervo digital que recibe acceso a la plataforma para generar valor y datos gratuitamente a cambio de permiso para existir en ella. Los usuarios que interactúan, crean contenido y ceden sus datos y atención constituyen la nueva servidumbre digital. Trabajan sin salario —con sus clics y su información— para el enriquecimiento constante de estos señores. Es una dinámica de vasallaje digital más cercana al feudalismo que al libre mercado.

Esta tesis es útil como marco crítico para analizar la concentración de infraestructura, plataformas, datos y capacidad de modificar comportamientos. Pero es importante señalar que se trata de una tesis interpretativa, no de un concepto consensuado en la economía política contemporánea. Nicholas Gane sostiene que no existe evidencia suficiente para afirmar que el capitalismo haya sido sustituido por feudalismo; propone entender estos fenómenos como nuevas formas del capitalismo que escapan parcialmente a las capacidades tradicionales del Estado y de la socialdemocracia. La formulación académicamente defendible es que la tesis del tecnofeudalismo ofrece un marco crítico para analizar la concentración de infraestructura, plataformas, datos y capacidad de modificar comportamientos, pero es una interpretación discutida dentro de las ciencias sociales. Lo que sí es indiscutible es que la relación entre los usuarios y las grandes plataformas de IA presenta asimetrías de poder que merecen análisis: los usuarios proporcionan datos que mejoran los modelos, pero no participan de los beneficios económicos que esos modelos generan.

3.5. El modelo chino como alternativa

Frente a la concentración estadounidense, el ecosistema de modelos abiertos chinos ha emergido como una vía de acceso para el Sur Global. El caso de DeepSeek es el más emblemático: esta startup china sorprendió a la industria estadounidense a principios de 2025 con modelos de lenguaje que rivalizaban con las principales herramientas estadounidenses a una fracción del costo y del poder computacional. En lugar de depender de chips de gama alta costosos, DeepSeek optimizó para la eficiencia, demostrando que la IA poderosa podía construirse mediante software más inteligente y optimización de hardware.

Los datos de adopción son contundentes. Según una investigación de Microsoft (2026), DeepSeek ha alcanzado una cuota de mercado del 49% en Cuba, del 56% en Bielorrusia y del 43% en Rusia —precisamente en los países donde el acceso a tecnologías estadounidenses está más restringido. En China, su cuota de mercado es del 89%. Los modelos V3 y R1 de DeepSeek se lanzaron con precios que efectivamente colapsaron el costo de la inteligencia, ofreciendo descuentos de hasta 95% en comparación con sistemas propietarios anteriores.

La comparación de costos es reveladora: el modelo chino Kimi tiene un precio de salida de aproximadamente 3,4 dólares por millón de tokens, mientras que Claude Opus 4.7 y GPT-5.5 cuestan 25 y 30 dólares respectivamente. DeepSeek ha reducido la barrera de uso en más del 90% en comparación con los modelos occidentales principales. El modelo V4.1-Flash de DeepSeek ofrece precios de hasta 0,003 dólares por millón de tokens de entrada en caché, con salida a 0,60 dólares por millón.

La brecha de rendimiento entre los modelos estadounidenses y chinos también se ha reducido drásticamente. Según el AI Index 2026 de Stanford, en marzo de 2026 el modelo líder estadounidense superaba al modelo chino líder por solamente 2,7% en el indicador Elo utilizado por Stanford/Arena. En febrero de 2025, DeepSeek-R1 había igualado brevemente al mejor modelo estadounidense.

3.6. La guerra de los chips: el nuevo instrumento de control estratégico

La política estadounidense sobre semiconductores avanzados confirma que los chips se han convertido en un instrumento estratégico de primer orden. En diciembre de 2025, el presidente Trump aprobó la venta del chip H200 de NVIDIA a China, con la condición de que el 25% de los ingresos se remitiera al Tesoro estadounidense. Sin embargo, desde entonces el gobierno chino no ha autorizado ninguna compra y no se ha vendido ni una sola unidad. A pesar de que Estados Unidos aprobó a unas 10 empresas chinas —incluyendo Alibaba, Tencent y ByteDance— para comprar H200s, no se ha realizado ninguna entrega. China ha optado por priorizar el desarrollo de su industria nacional de chips, con Huawei como proveedor doméstico principal.

Paralelamente, la administración estadounidense ha impulsado la “Pax Silica”, un acuerdo firmado en diciembre de 2025 con aliados como Corea del Sur, Japón, Israel, Australia y Singapur para construir un ecosistema de cadena de suministro “confiable” en IA, semiconductores y minerales críticos. Esta iniciativa busca transformar la competencia tecnológica de una estrategia de “bloqueo” a una de “reconfiguración del ecosistema”, movilizando inversión, estándares y cadenas de suministro para crear un entorno que excluya a China.

3.7. La cuarta brecha digital y la ausencia del Sur Global

La UNCTAD ha identificado una progresión de brechas digitales que ayuda a entender la posición del Sur Global. La primera brecha fue conectados versus desconectados. La segunda, usuarios versus productores. La tercera, usuarios de IA versus propietarios de capacidades de IA. Y emerge una cuarta: países capaces de definir las reglas versus países que solamente reciben las reglas. Según UNCTAD, 118 países, mayoritariamente del Sur Global, están ausentes de importantes espacios de gobernanza de IA.

Esta asimetría se refleja en los datos: las economías de altos ingresos dominan la innovación, la infraestructura de cómputo y la financiación de startups, mientras muchos países en desarrollo presentan déficits en conectividad, capacidad computacional, datos pertinentes localmente y competencias digitales. Una pequeña cantidad de economías y alrededor de 100 empresas concentran gran parte de la investigación, patentes y capacidad computacional de IA a nivel mundial. La pregunta que se impone es: ¿puede existir una gobernanza verdaderamente global de la inteligencia artificial si gran parte de los países afectados tiene una participación limitada en la definición de sus reglas?

4. Cuba: soberanía tecnológica, bloqueo y desafíos estructurales

4.1. La Estrategia cubana de IA: ejes y principios

Cuba aprobó su Estrategia de Desarrollo y Uso de la Inteligencia Artificial en mayo de 2024, organizada en seis ejes: ética y marco normativo; capital humano; aplicaciones y servicios; administración pública; ciencia e innovación; y comunicación social. Según el Ministerio de Comunicaciones (MINCOM), la estrategia se centra en tres acciones clave: formación de habilidades digitales, incluyendo IA y ciberseguridad; acceso inclusivo a las tecnologías para el desarrollo profesional y personal; y fortalecimiento de infraestructuras resilientes y seguras.

Entre los principios de la estrategia cubana está que los sistemas de IA sean “seguros, explicables, transparentes, trazables, no discriminatorios y que protejan el medio ambiente”, asegurando la protección de datos y la privacidad, y fomentando la equidad y el acceso. La estrategia reconoce la necesidad de que la IA en Cuba tenga un “impacto favorable para alcanzar los objetivos de desarrollo sostenible e independencia tecnológica”.

En noviembre de 2025, en el marco de la 41 Feria Internacional de La Habana (FIHAV 2025), se constituyó el Consorcio de Inteligencia Artificial de Cuba, un resultado directo de la estrategia aprobada. El consorcio reúne a 22 organizaciones fundadoras —empresas, universidades y centros de investigación— con el propósito de promover proyectos de investigación y desarrollo en sectores estratégicos. El espacio “IA Cuba” en FIHAV fue descrito como “un espacio inmersivo para la soberanía tecnológica”, y expuso más de 80 proyectos de universidades de todo el país.

4.2. El bloqueo como asfixia tecnológica: prohibiciones e imposiciones

La ministra de Comunicaciones de Cuba, Mayra Arevich, ha denunciado el bloqueo económico, comercial y financiero impuesto por Estados Unidos durante más de seis décadas como un “sistema integral de asfixia tecnológica diseñado para impedir el desarrollo soberano del país en la era digital”. El bloqueo limita el acceso a tecnologías y plataformas esenciales para el desarrollo de la IA y compromete la sostenibilidad energética de la infraestructura digital del país.

Las prohibiciones y restricciones concretas que enfrenta Cuba son múltiples y documentables:

Primera: negación sistemática de acceso a hardware especializado. Cuba no puede adquirir servidores de alto rendimiento, chips de procesamiento acelerado (GPUs) ni equipos de infraestructura de red fabricados por empresas estadounidenses o que contengan componentes estadounidenses en proporción significativa. Esto incluye no solo productos de NVIDIA, AMD o Intel, sino también equipos de terceros países que incorporen tecnología estadounidense.

Segunda: impedimento para adquirir bienes y tecnologías fabricados en terceros países. El bloqueo tiene un efecto extraterritorial que disuade a empresas de terceros países de comerciar con Cuba, bajo amenaza de sanciones secundarias. La Ley Helms-Burton de 1996 refuerza este efecto disuasorio.

Tercera: barreras para adquirir licencias de software especializado. Muchas herramientas de desarrollo de IA, plataformas de computación en la nube y servicios de API no están disponibles para usuarios cubanos debido a restricciones de licencia y geolocalización.

Cuarta: restricciones energéticas. La infraestructura de cómputo requiere electricidad estable, un recurso limitado en Cuba. El bloqueo compromete la sostenibilidad energética de la infraestructura digital del país.

Quinta: efecto disuasorio sobre la cooperación internacional. Las instituciones académicas y empresas cubanas enfrentan dificultades para establecer colaboraciones con contrapartes en países que temen represalias estadounidenses.

Sin embargo, es importante hacer una distinción que fortalece la argumentación: la normativa estadounidense no bloquea indiscriminadamente todos los servicios de Internet o de nube para Cuba. OFAC establece autorizaciones para numerosos servicios basados en Internet, incluyendo correo, redes sociales, videoconferencia, e-learning, traducción automática, determinados servicios cloud y servicios de software. Incluso los servicios relacionados con APIs que son incidentales al intercambio de comunicaciones por Internet están autorizados. Por tanto, para un análisis riguroso no conviene afirmar que “el bloqueo impide el acceso de Cuba a toda tecnología de IA”. Lo que corresponde es documentar caso por caso: qué producto, qué empresa, qué tecnología, qué jurisdicción, qué restricción, qué licencia, qué impacto concreto.

4.3. Capacidades y desafíos internos

Cuba enfrenta restricciones significativas en infraestructura, disponibilidad de hardware, capacidad computacional, conectividad, energía, financiación y acceso internacional a determinadas tecnologías. Pero también posee activos estratégicos: un sistema universitario consolidado, una comunidad científica reconocida, capital humano formado y capacidades institucionales en sectores intensivos en conocimiento.

La propia documentación cubana reconoce que existe una comunidad de investigadores en universidades y centros científicos que generan conocimientos y comparten saberes, pero también señala la existencia de “pocos desarrolladores y productos nacionales de IA y una articulación todavía incipiente con el sector productivo”. Ya existen aplicaciones prometedoras, como el Sistema Integral de Monitoreo Hospitalario Inteligente y el uso de IA para el diagnóstico académico en universidades. Sin embargo, escalar estos proyectos a sus respectivos sistemas nacionales requiere superar desafíos relacionados con la calidad de los datos, las resistencias culturales y la carencia de marcos prácticos que orienten la implementación sectorial.

El reto central para Cuba no es la ausencia de proyectos de IA, sino la dificultad de convertir conocimiento científico en capacidades productivas y sociales sostenibles. El ciclo virtuoso que se necesita es: investigación → datos → prototipo → validación → empresa/institución → escalamiento → impacto económico/social → retroalimentación científica. Cuba no necesita solamente más proyectos de IA; necesita mejores mecanismos para convertir conocimiento científico en capacidades productivas y sociales sostenibles.

4.4. La contradicción fundamental

Cuba ha entendido la importancia de la IA. La estrategia nacional, el consorcio, la formación de talento y los proyectos en curso son evidencia de ello. Sin embargo, el país no puede tener un avance significativo por limitaciones de recursos: hardware, energía, financiamiento, acceso a tecnologías. La paradoja es que el bloqueo, al mismo tiempo que asfixia, ha forzado una cultura de innovación endógena y optimización de recursos. Como señaló el presidente Díaz-Canel, “aun cuando no disponemos de la infraestructura, sí contamos con un capital humano lo suficientemente preparado”.

Esta contradicción entre capacidades humanas y restricciones materiales define la situación cubana. El país tiene los conocimientos, pero carece de los medios para aplicarlos a escala. Tiene la voluntad política, pero enfrenta un entorno internacional hostil que limita sus opciones. La pregunta no es si Cuba puede desarrollar IA —ya lo está haciendo, a pequeña escala—, sino si podrá escalar esas capacidades antes de que la ventana de oportunidad se cierre definitivamente.

5. Uso práctico de la IA generativa en Cuba: herramientas, modelos dedicados y guía ética

5.1. Herramientas accesibles desde Cuba

A pesar de las restricciones, existen múltiples herramientas de IA generativa que funcionan en Cuba, muchas de ellas gratuitas o de bajo costo. La más relevante es DeepSeek, cuyos modelos están disponibles gratuitamente y, en el caso de DeepSeek-R1 y DeepSeek-V3, se distribuyen bajo licencia MIT de código abierto. DeepSeek ha alcanzado una cuota de mercado del 49% en Cuba, precisamente porque ofrece una alternativa accesible y de alto rendimiento sin las limitaciones de las plataformas estadounidenses.

Otras herramientas incluyen Qwen de Alibaba, con modelos abiertos que pueden ejecutarse localmente; Kimi, con precios que oscilan entre 3,4 y 4 dólares por millón de tokens de salida, seis a ocho veces más barato que los modelos occidentales equivalentes; y SocIA, la plataforma de agentes de IA generativa desarrollada en Cuba por la empresa Avangenio. SocIA, presentada en marzo de 2025 y abierta a personas naturales desde octubre de 2025, soporta texto, audio y video, tareas programadas e integraciones con herramientas de productividad. La plataforma se comercializa en tres planes —Básico, Team y Enterprise— e incorpora modelos de vanguardia, incluyendo opciones 100% gratuitas y el avanzado Kimi K2.5. La URL de la plataforma es https://socia.avangenio.com/.

También existen herramientas como Cecilia, el modelo de lenguaje cubano desarrollado por el Grupo de Investigación en Inteligencia Artificial de la Universidad de La Habana, con 2.000 millones de parámetros y entrenado con aproximadamente 1.000 millones de tokens de texto cubano, incluyendo diez años de los principales periódicos del país, la Enciclopedia Cubana (EcuRed), la colección completa de leyes cubanas y más de 400 obras literarias. El modelo fue entrenado durante 48 horas continuas utilizando infraestructura tecnológica avanzada.

5.2. Modelos dedicados a menor escala

Los modelos de lenguaje pequeños (SLM) y los modelos especializados representan una oportunidad particularmente relevante para Cuba. Gartner (2026) pronostica que los modelos de dominio específico crecerán un 210% en 2026, y el caso cubano ilustra por qué: estos modelos requieren menos recursos computacionales, pueden ejecutarse en infraestructura modesta y se adaptan a dominios concretos.

El modelo Cecilia 2B es un ejemplo paradigmático. Con solo 2.000 millones de parámetros —frente a los cientos de miles de millones de los modelos fundacionales—, Cecilia puede ejecutarse en hardware relativamente accesible y está específicamente adaptado al español cubano, capturando las particularidades lingüísticas, culturales y sociales de la isla. El proyecto fue desarrollado por la Universidad de La Habana en colaboración con la Universidad de Alicante y la microempresa cubana Syalia.

En el ámbito de las aplicaciones sectoriales, existen proyectos como el sistema de IA contextual para Turismo y Patrimonio presentado en Camagüey, que integra un modelo Qwen 1.5 7B finamente ajustado con una arquitectura RAG-Fusion avanzada. También se ha desarrollado un prototipo para la gestión de documentos PDF en contextos de recursos limitados, específicamente diseñado para funcionar donde herramientas como ChatPDF o Humata.ai no están disponibles.

5.3. Aplicaciones para el desarrollo local

La IA puede modificar el desarrollo territorial en múltiples ámbitos, y Cuba ya tiene experiencias concretas en varios de ellos:

Agricultura. Predicción de rendimientos, diagnóstico de enfermedades de cultivos, optimización del riego y gestión de recursos. Existen startups como AgroSano y Solinftec Cuba que trabajan en este ámbito.

Salud. Apoyo diagnóstico, priorización de pacientes, gestión hospitalaria, telemedicina. El Sistema Integral de Monitoreo Hospitalario Inteligente es un ejemplo de aplicación en desarrollo.

Turismo. Predicción de demanda, personalización de ofertas, gestión de destinos. El proyecto de Camagüey con Qwen 1.5 7B es una experiencia pionera.

Administración pública. Automatización de trámites, análisis de datos para planificación territorial. La estrategia cubana incluye la administración pública como uno de sus seis ejes prioritarios.

Educación. Tutores inteligentes, personalización del aprendizaje, analítica educativa. La educación es un pilar de la Estrategia Nacional de IA, desde la creación de la Licenciatura en Ciencia de Datos hasta la alfabetización digital para niños y adultos mayores.

Empresas locales. Marketing, gestión documental, contabilidad, inventarios, atención al cliente, análisis de mercados. La mipyme Dofleini ha desarrollado productos propios de IA y análisis de datos con alto nivel de especialización. La empresa Lombao ha desarrollado soluciones de atención al cliente con IA, incluyendo la plataforma Centauro y AVQS para medición de precios en comercios electrónicos.

5.4. Guía para un uso ético y correcto

Este ensayo incorpora una guía práctica para el uso de IA generativa en el contexto cubano, estructurada en torno a tres ejes:

Enfoque ético. Se desarrollan los principios de la estrategia cubana —transparencia, no discriminación, protección de datos, supervisión humana— y se traducen en pautas concretas para el uso cotidiano de herramientas de IA. Incluye módulos sobre sesgos algorítmicos, privacidad de datos y responsabilidad en el uso de contenido generado.

Enfoque práctico. Se enseña a formular prompts efectivos, a integrar IA en flujos de trabajo existentes, a evaluar la calidad de los resultados y a identificar cuándo la IA es útil y cuándo no. Incluye ejercicios con herramientas accesibles desde Cuba: DeepSeek, Qwen, Kimi, SocIA y Cecilia.

Enfoque de apropiación. La propuesta no se limita al uso de herramientas; promueve la adaptación de modelos, la generación de datos locales y la construcción de capacidades institucionales. El objetivo no es solo saber usar IA, sino poder apropiarse de ella para resolver problemas concretos del territorio.

Conclusiones

El análisis no debe concluir con una valoración simplista sobre si la IA es buena o mala. Esa sería una reducción que no hace justicia a la complejidad del fenómeno. La pregunta más potente es: ¿bajo qué condiciones la inteligencia artificial puede convertirse en una fuerza de desarrollo y bajo qué condiciones puede convertirse en una nueva fuente de dependencia, concentración y desigualdad?

Para Cuba y el Sur Global, la respuesta a esta pregunta no está predeterminada. Depende de decisiones políticas, inversiones estratégicas, capacidades institucionales y la voluntad de construir soberanía tecnológica en un mundo donde las cadenas de dependencia son cada vez más complejas. La IA no es solo una tecnología; es un terreno de disputa por el poder, la riqueza y el futuro. Y en esa disputa, los países que no participen como sujetos activos terminarán participando como objetos pasivos.

A pesar de las limitaciones —el bloqueo, la escasez de recursos, las restricciones energéticas—, Cuba necesita el uso adecuado de la IA generativa para aumentar la productividad y el desarrollo. La ventana de oportunidad no permanecerá abierta indefinidamente. La clave está en la apropiación: no basta con acceder a la tecnología; hay que adaptarla, integrarla en procesos productivos, generar datos locales, formar talento y construir instituciones de gobernanza.

La verdadera revolución de la inteligencia artificial no consiste solamente en que las máquinas puedan realizar tareas que antes realizaban las personas. Consiste en que la capacidad de producir, procesar y utilizar inteligencia comienza a convertirse en una infraestructura económica, empresarial, científica y geopolítica. Por ello, el problema decisivo para los países del Sur Global no es únicamente acceder a la IA, sino desarrollar capacidad para apropiarla, adaptarla, gobernarla y convertirla en instrumento de desarrollo.

Cuba no es espectadora de una revolución tecnológica ajena. Es un sujeto que necesita construir capacidad científica, empresarial, territorial e institucional para decidir qué lugar ocupará en ella. Esa es, quizás, la tarea más urgente de nuestra generación.

Referencias

Anadolu Agency. (2026, 25 de febrero). US defense chief gives Anthropic Friday deadline to drop AI safeguards. Bernama. https://www.bernama.com/en/world/news.php?id=2398217

BSS/AFP. (2026, 28 de agosto). US court rules Pentagon ban of Anthropic unlawful. BSS News. https://www.bssnews.net/international/418711

Central News Agency. (2026, 14 de mayo). 路透:美准10中企買H200晶片卻無動靜 黃仁勳隨行求突破 [Reuters: US approves 10 Chinese firms to buy H200 chips but no movement; Jensen Huang joins trip to seek breakthrough]. 中央社 CNA. https://www.cna.com.tw/news/aopl/202605140230.aspx

Crafts, N. (2021). Understanding productivity growth in the Industrial Revolution. Economic History Review. https://doi.org/10.1111/ehr.13037

Gartner. (2026, 20 de julio). Gartner forecasts worldwide AI platforms and models market to grow 63% in 2026. https://www.gartner.com/en/newsroom/press-releases/2026-07-20-gartner-forecasts-worldwide-ai-platforms-and-models-market-to-grow-63-percent-in-2026

Hugging Face. (2026). gia-uh (GIA MatCom @ University of Havana). https://huggingface.co/organizations/gia-uh/activity/all

Los Angeles Times. (2025, 4 de septiembre). Tech executives, but not Elon Musk, to attend Trump’s Rose Garden dinner. https://www.latimes.com/business/story/2025-09-04/tech-executives-but-not-elon-musk-expected-to-attend-trumps-rose-garden-dinner

Menlo Ventures. (2025). The state of generative AI in the enterprise. https://menlovc.com/perspective/2025-the-state-of-generative-ai-in-the-enterprise/

Microsoft. (2026, enero). DeepSeek market share in sanctioned nations. Citado en IT之家. https://www.ithome.com/0/912/837.htm

MINCOM. (2024). Estrategia de Desarrollo y Uso de la Inteligencia Artificial en Cuba. Ministerio de Comunicaciones. https://www.mincom.gob.cu/es/printpdf/6912

OCDE. (2025). Generative AI and the SME workforce: New survey evidence. OECD Publishing. https://doi.org/10.1787/2d08b99d-en

OMPI. (2026). World Intellectual Property Report 2026: Technology on the move (Executive Summary). Organización Mundial de la Propiedad Intelectual. https://www.wipo.int/web-publications/world-intellectual-property-report-2026-technology-on-the-move-executive-summary/en/executive-summary.html

Politico. (2026, 27 de septiembre). Anthropic CEO to attend White House dinner with Trump. https://www.politico.com/news/2026/09/27/anthropic-amodei-trump-white-house-dinner-01094287

Prensa Latina. (2026, 26 de febrero). Bloqueo EEUU contra Cuba provoca asfixia tecnológica. https://www.prensa-latina.cu/2026/02/26/bloqueo-eeuu-contra-cuba-provoca-asfixia-tecnologica/

Reuters. (2026, 28 de febrero). Trump directs US agencies to toss Anthropic's AI as Pentagon calls startup a supply risk. The Express Tribune. https://tribune.com.pk/story/2595026/trump-directs-us-agencies-to-toss-anthropics-ai-as-pentagon-calls-startup-a-supply-risk

RTE. (2025, 5 de septiembre). US tech giants gather for White House dinner with Trump. https://www.rte.ie/news/us/2025/0905/1531957-trump-us-tech-executives/

Stanford HAI. (2026). The 2026 AI Index Report. Stanford Institute for Human-Centered AI. https://hai.stanford.edu/ai-index/2026-ai-index-report

The Next Web. (2026, 14 de mayo). US clears H200 sales to 10 Chinese firms, but not a single chip has shipped. https://thenextweb.com/news/nvidia-h200-china-licences-huang-beijing-trip

UNCTAD. (2025). From divides to dialogue: How developing countries can catch the AI boom. https://unctad.org

US Code of Federal Regulations. (s. f.). 31 CFR § 515.578 — Exportation, reexportation, and importation of certain internet-based services; importation of software. Legal Information Institute, Cornell Law School. https://www.law.cornell.edu/cfr/text/31/515.578

Varoufakis, Y. (2026). Technofeudalism: What killed capitalism? Citado en Revista Fortuna. https://revistafortuna.com.mx/2026/04/03/el-tecnofeudalismo-y-el-audaz-diagnostico-de-varoufakis-sobre-la-sigilosa-muerte-del-capitalismo/

ZDNET. (2025, 9 de diciembre). While Google and OpenAI battle for model dominance, Anthropic is quietly winning the enterprise AI race. https://www.zdnet.com/article/anthropic-openai-enterprise-market-share-2025/

Nota metodológica sobre las fuentes integradas: La referencia a Reuters (2026, 28 de febrero) sobre la directiva de Trump contra Anthropic se ha localizado a través de la republicación íntegra del despacho de Reuters en The Express Tribune, que identifica explícitamente la autoría y fecha originales. Las referencias a RTE (2025) y Los Angeles Times (2025) cubren la cena de Trump con los CEO tecnológicos y coinciden en los datos esenciales (asistentes, ausencia de Musk, declaraciones de Zuckerberg y Altman). La información sobre el chip H200 se sustenta en el despacho original de Reuters (2026, 14 de mayo), citado por The Next Web, y en la cobertura de Central News Agency (2026), que confirma la aprobación a diez empresas chinas sin entregas efectivas. Las fuentes cubanas (ACN, 2025; Prensa Latina, 2026) documentan el desarrollo de SocIA y la caracterización del bloqueo como asfixia tecnológica. La referencia al modelo Cecilia y su repositorio en Hugging Face (2026) permite verificar la existencia, el tamaño (2B parámetros) y la naturaleza del modelo. Finalmente, el texto del Code of Federal Regulations (31 CFR § 515.578) constituye la fuente primaria que acredita las autorizaciones de OFAC para servicios basados en Internet hacia Cuba, lo que permite sostener con rigor la distinción entre el bloqueo general y las autorizaciones específicas.