Las empresas, instituciones y emprendedores chinos ya están experimentando con la inteligencia artificial: aprendiendo de los errores y adaptándose sobre la marcha. Para los líderes empresariales, especialmente en América Latina, esa puede ser la lección más útil de China.

China no ofrece un modelo de IA que otros puedan simplemente copiar. Ofrece algo más útil: una actitud. En períodos de profundos cambios tecnológicos, aprender en medio de la incertidumbre puede ser menos peligroso que esperar a que haya claridad.

Esto no es un argumento geopolítico. Es un argumento de liderazgo.

China no trata la inteligencia artificial como una tecnología que debe observarse hasta que las reglas sean claras, sino como una transformación con la que hay que involucrarse mientras esas reglas aún se están escribiendo. Su decisión más importante ha sido ayudar a dar forma a la IA en lugar de seguir siendo un consumidor pasivo de ella.

DeepSeek, Qwen, Kimi y GLM son más que entradas en un catálogo tecnológico. En conjunto, revelan un ecosistema dispuesto a construir, lanzar, probar y mejorar públicamente. DeepSeek-R1 desafió las suposiciones sobre el costo de la IA de vanguardia al ofrecer un razonamiento avanzado con un grado inesperado de eficiencia y apertura. Qwen3, de Alibaba, y los modelos Kimi, de Moonshot AI, refuerzan el patrón al extender los modelos abiertos al razonamiento, la programación y tareas cada vez más orientadas a agentes. Los detalles técnicos cambiarán. El patrón es más importante.

China no se limita a consumir IA. La está construyendo, lanzando, adaptando e integrando en sistemas industriales más amplios. No está esperando a que otros definan el futuro antes de decidir cómo participar en él.

El código abierto como confianza

El código abierto suele abordarse como una cuestión técnica. También debería entenderse como una señal de liderazgo.

Cuando una empresa publica un modelo abiertamente, no se limita a distribuir software. Está invitando al escrutinio. Permite que otros inspeccionen, prueben, modifiquen y desarrollen a partir de lo que ha producido. Eso requiere confianza.

Los sistemas cerrados piden a los usuarios que confíen en el productor. Los sistemas abiertos permiten a los usuarios verificar, adaptar y aprender.

El ecosistema chino de IA de código abierto es importante no solo porque amplía el acceso, sino porque ayuda a dar forma a los estándares. Los estándares no surgen únicamente a través de comités, regulaciones o declaraciones oficiales, sino también mediante el uso, la imitación, la adaptación y la experimentación repetida.

Así es como suelen tomar forma los estándares. Se publica un modelo; los desarrolladores lo prueban, los investigadores lo inspeccionan y las empresas lo adaptan. Los competidores responden y surgen nuevas prácticas. Mediante el uso repetido, un artefacto técnico se convierte en un punto de referencia compartido.

Para los líderes empresariales, la lección no es que todas las empresas deban publicar modelos de código abierto; la mayoría nunca lo hará. Es que la confianza crece mediante la participación directa en la incertidumbre. Las organizaciones ganan autonomía al descubrir cómo se comporta una tecnología en su propio entorno. Esperar puede parecer prudente, pero en un mercado que avanza rápidamente puede transferir silenciosamente la iniciativa a otros.

Autonomía sin aislamiento

La autonomía no significa aislamiento, rechazar a los proveedores externos ni convertir cada empresa en un laboratorio de IA. Una empresa puede depender de Microsoft, OpenAI, Alibaba, DeepSeek, Qwen, Kimi u otros y aun así conservar la capacidad de pensar y actuar por sí misma.

La autonomía significa comprender lo suficiente para actuar con criterio.

Una empresa puede suscribirse a una plataforma de IA en un día. No puede adquirir criterio en un día. Ese criterio debe desarrollarse mediante el uso, la experimentación y la comprensión.

La cuestión estratégica no es si una organización utiliza tecnología externa; casi todas lo harán. Lo que importa es si los líderes comprenden cómo esas plataformas modifican los flujos de trabajo, los costos, los riesgos, las decisiones y la posición competitiva. Sin esa comprensión, una empresa depende de terceros no solo para la tecnología, sino también para interpretar qué significa esa tecnología para el negocio.

Este es el significado práctico de la autonomía: no hacerlo todo internamente, sino evitar externalizar la capacidad de la organización para pensar.

Un informe reciente de Reuters ofrece un ejemplo operativo. Cuando un agente de OpenAI se comportó de manera descontrolada, un modelo chino de código abierto ayudó a Hugging Face a responder. El episodio resulta más útil como lección gerencial que como historia geopolítica: una vez que la IA adquiere importancia operativa, las organizaciones pueden necesitar la capacidad interna para inspeccionar, implementar y adaptar modelos bajo sus propias condiciones.

En una crisis, poder ejecutar, comprender y adaptar un modelo puede importar tanto como su desempeño en las pruebas comparativas. Esto no es un llamado a la autosuficiencia tecnológica. Es un llamado a la madurez estratégica.

El problema del liderazgo

Muchas organizaciones todavía abordan la IA como una cuestión de adquisición: ¿qué herramienta debemos comprar?, ¿qué plataforma ganará?, ¿en qué proveedor debemos confiar? Son preguntas legítimas. Pero no son las más importantes.

La mejor pregunta es: ¿qué tipo de capacidad intelectual intentamos desplegar?

La IA es más que software, pero tampoco es un empleado ni un sustituto del criterio y la responsabilidad. Es un recurso estratégico que puede leer, comparar, resumir, clasificar, redactar, traducir, buscar, simular y cuestionar supuestos.

La cuestión no es simplemente qué modelo comprar. La cuestión es dónde, cómo y por qué desplegar inteligencia.

Un modelo solo se vuelve valioso cuando entra en un flujo de trabajo real, recibe el contexto adecuado y aborda un problema significativo bajo una supervisión humana informada. Los líderes deben decidir dónde la IA puede mejorar las decisiones, dónde puede apoyar a equipos sobrecargados, dónde vale la pena personalizarla y dónde el criterio humano debe mantener firmemente el control.

Estas no son únicamente preguntas técnicas. Son preguntas de diseño organizacional.

La IA no es simplemente un producto comprado a un proveedor. Es un recurso intelectual estratégico cuyo valor depende de dónde los líderes la ubiquen, del contexto que proporcionen y del cuidado con que evalúen sus resultados. Este no es simplemente un problema técnico. Es un problema de gestión.

Una lección final

China no está esperando porque parece entender que el futuro de la IA no será moldeado únicamente por quienes consumen inteligencia. Será moldeado por quienes aprendan a aplicarla, adaptarla y controlarla.

La lección para los líderes empresariales no es imitar a China. Es evitar la pasividad.

No esperen a que Microsoft, OpenAI, Alibaba, los consultores, los reguladores o los competidores definan lo que significa la IA para su organización. Aprendan lo suficiente para formarse su propia opinión. Experimenten lo suficiente para desarrollar criterio. Simplifiquen lo suficiente para comprender qué están cambiando.

El peligro no es simplemente llegar tarde a la adopción de la IA. El peligro es llegar tarde a desarrollar la confianza que surge de comprenderla.

China no está esperando; está aprendiendo públicamente. Los líderes empresariales no tienen que imitarla. Pero deben decidir si están preparados para empezar a aprender por sí mismos.

La elección es si los líderes empresariales están dispuestos a empezar a aprender antes de que llegue la certeza.