Especialistas de ambos países analizaron los retos de la cooperación bilateral en materia de IA, con énfasis en soberanía tecnológica, calidad de datos, financiamiento, regulación, educación e inclusión social.
La inteligencia artificial no puede medirse únicamente por la velocidad de sus modelos, la capacidad de procesamiento o las inversiones millonarias que moviliza. Detrás de la carrera tecnológica existe una disputa por el control de los datos, la infraestructura, el conocimiento y los mercados, con implicaciones directas para la autonomía económica y la capacidad de decisión de los países.
Esta fue una de las principales reflexiones de la mesa redonda “Fortalezas, oportunidades y retos de la cooperación Francia-México para una IA sostenible e inclusiva”, realizada en la Casa de Francia, donde especialistas franceses y mexicanos analizaron los desafíos de construir un ecosistema de inteligencia artificial que no reproduzca las asimetrías tecnológicas existentes ni deje su desarrollo exclusivamente en manos de las grandes corporaciones.
El encuentro puso sobre la mesa una preocupación central: México y otros países deben evitar convertirse únicamente en consumidores de tecnologías desarrolladas en el extranjero. Para ello, necesitan construir capacidades científicas, empresariales, regulatorias y de infraestructura que les permitan participar en las decisiones sobre el futuro de la inteligencia artificial.
Soberanía tecnológica: más allá de tener infraestructura y modelos propios
Uno de los ejes del debate fue la soberanía tecnológica y el riesgo de generar nuevas formas de dependencia respecto de las empresas y países que concentran el desarrollo de los modelos más avanzados.
Los participantes señalaron que la soberanía no consiste solamente en contar con centros de datos o desarrollar modelos nacionales, sino en disponer de las capacidades necesarias para evaluar, adaptar, auditar y utilizar estas tecnologías de acuerdo con las prioridades de cada sociedad.
Advirtieron que la dependencia puede trasladarse a distintos niveles: desde las empresas emergentes que construyen sus productos sobre modelos extranjeros hasta las instituciones que utilizan sistemas cuyo funcionamiento, infraestructura y condiciones de acceso no controlan.
En este contexto, se planteó que la interrupción o restricción del acceso a determinados modelos tecnológicos estadounidenses dejó una lección importante para el resto del mundo: el rendimiento de una herramienta no es suficiente si un país no tiene garantizado el acceso a ella.
La discusión también recuperó el concepto de soberanía de los datos. Sin información propia, confiable y representativa de su población, los países corren el riesgo de depender de sistemas entrenados con datos que no necesariamente reflejan sus realidades sociales, culturales, económicas y lingüísticas.
El problema no es solamente abrir los datos, sino garantizar su calidad
Otro de los temas centrales fue la calidad de los datos, identificada como uno de los obstáculos para la adopción de inteligencia artificial en empresas e instituciones de México y América Latina.
Durante el intercambio se señaló que no basta con promover políticas de datos abiertos. Muchas organizaciones todavía enfrentan problemas de digitalización, interoperabilidad y organización de su información, que permanece dispersa en hojas de cálculo, documentos PDF y sistemas que no pueden comunicarse entre sí.
Al recordar una iniciativa gubernamental de apertura de datos impulsada en 2018, se explicó que uno de sus principales obstáculos fue la falta de incentivos para que las instituciones compartieran su información. La pregunta de fondo era para qué abrir los datos y quién los utilizaría.
La expansión de la inteligencia artificial modifica ese escenario, pero también obliga a replantear la estrategia: no se trata únicamente de liberar información, sino de establecer estándares, mejorar su calidad y garantizar que los distintos sectores puedan aprovecharla de manera responsable.
Los especialistas hicieron una distinción relevante entre los modelos de lenguaje, que han avanzado en el procesamiento de información no estructurada, y los datos empresariales, que con frecuencia se encuentran organizados en tablas y bases de datos estructuradas. La capacidad de integrar ambos tipos de información sigue siendo un desafío tecnológico.
También advirtieron que la calidad de los modelos depende de la calidad de los datos con los que trabajan. Por ello, la gobernanza de la información debe convertirse en una prioridad para el sector público, la iniciativa privada y las instituciones académicas.
Una inteligencia artificial sostenible no puede ser un sacrificio para los usuarios
La dimensión ambiental ocupó otro espacio importante de la conversación.
Los participantes cuestionaron que el desarrollo de la inteligencia artificial se asocie automáticamente con modelos cada vez más grandes, mayores inversiones y más capacidad de procesamiento, sin considerar suficientemente el consumo energético, el uso del agua y los costos ambientales de su operación.
Uno de los planteamientos fue que la inteligencia artificial responsable no debe presentarse a los usuarios como una alternativa que exige sacrificar rendimiento, comodidad o accesibilidad.
Por el contrario, la opción sostenible debe ser también la más sencilla, rápida y económicamente conveniente.
Entre las propuestas discutidas destacó la posibilidad de establecer mecanismos de etiquetado ambiental para los sistemas de inteligencia artificial, con información sobre su consumo de energía y agua. Incluso se planteó que las plataformas informen a los usuarios sobre el costo ambiental asociado a cada interacción.
La reflexión apunta a un cambio de paradigma: evaluar la tecnología no solamente por lo que puede hacer, sino también por los recursos que consume y los beneficios sociales que produce.
Regulación democrática: evitar que las plataformas decidan por la sociedad
La gobernanza de la inteligencia artificial y de las plataformas digitales abrió una discusión sobre el papel de los gobiernos frente a los riesgos de la tecnología.
Los especialistas coincidieron en que la regulación no debe convertirse en un mecanismo para que las autoridades determinen unilateralmente qué contenidos o ideas son aceptables. Su función debe ser establecer reglas, incentivos y obligaciones que garanticen los derechos de las personas y permitan una participación democrática efectiva.
Sin embargo, también se cuestionó que la protección de los usuarios quede exclusivamente en manos de la autorregulación empresarial.
Se advirtió que algunos de los daños generados por las plataformas digitales pueden ser económicamente rentables para sus propias compañías. Por ello, se planteó la necesidad de establecer mecanismos de protección específicos para niñas, niños y adolescentes, así como para las mujeres, quienes enfrentan formas diferenciadas de violencia y agresión en los entornos digitales.
La educación y la participación ciudadana fueron identificadas como condiciones indispensables para construir una regulación legítima.
En ese sentido, se mencionaron experiencias de participación democrática en Taiwán, particularmente los mecanismos de asambleas ciudadanas y plataformas de deliberación colectiva, como referencias para incorporar las opiniones de las comunidades en las decisiones tecnológicas.
También se introdujo un concepto fundamental para la discusión ética: la posibilidad de cuestionar y controvertir las decisiones de los sistemas de inteligencia artificial.
Los especialistas señalaron que no basta con auditar un algoritmo o revisar sus resultados. También debe existir la posibilidad de impugnar sus decisiones cuando afectan derechos individuales o perjudican a determinadas comunidades.
La evaluación de los sistemas, por tanto, debe contemplar tanto su auditabilidad como su capacidad de ser cuestionados por quienes reciben sus consecuencias.
México necesita fortalecer sus empresas de inteligencia artificial
En materia económica, los participantes señalaron que México cuenta con un ecosistema emergente de empresas y emprendimientos tecnológicos, pero enfrenta dificultades para convertirlos en compañías sólidas y competitivas a escala internacional.
Uno de los problemas identificados es la dependencia del financiamiento extranjero. Muchas startups encuentran capital en Estados Unidos y, para crecer, terminan trasladando sus operaciones o buscando oportunidades fuera de México.
Ante este escenario, se propuso fortalecer los mecanismos de financiamiento público y privado, particularmente para las empresas en etapas tempranas y aquellas que necesitan capital para consolidar sus operaciones.
La experiencia francesa fue presentada como un referente. Entre los mecanismos mencionados se encuentra el fondo French Tech Souveraineté, orientado a respaldar empresas consideradas estratégicas para preservar capacidades tecnológicas nacionales y evitar la pérdida de control sobre sectores clave de innovación.
También se compartió el caso de una empresa que comercializa y da soporte a herramientas de código abierto desarrolladas originalmente en el ámbito académico, como Scikit-learn, una biblioteca ampliamente utilizada en aprendizaje automático.
El ejemplo ilustra la importancia de conectar la investigación universitaria con modelos empresariales capaces de mantener, desarrollar y llevar al mercado soluciones tecnológicas.
Los especialistas hicieron una distinción entre las compañías que desarrollan modelos fundacionales, cuyo financiamiento y necesidades de infraestructura son considerablemente mayores, y aquellas que utilizan modelos existentes para crear aplicaciones especializadas.
En este último grupo destacaron las empresas que desarrollan soluciones para sectores como la medicina, donde el conocimiento especializado y el acceso a datos de calidad pueden ser más determinantes que disponer de inversiones multimillonarias.
Para México, el desafío consiste en crear condiciones para que sus empresas puedan crecer, retener talento y desarrollar tecnología propia, en lugar de limitarse a incorporar herramientas producidas por otros mercados.
El futuro del empleo exige educación permanente
La transformación del trabajo también estuvo presente en la mesa. Ante la pregunta sobre cómo enfrentar la posible pérdida de empleos por la automatización, los especialistas reconocieron que no existe una respuesta única y que los efectos dependerán de las características de cada economía y de las decisiones de sus gobiernos.
Una de las respuestas fue la educación permanente. Se destacó que la formación profesional no puede terminar con la obtención de un título universitario: será necesario desarrollar programas de actualización y capacitación durante toda la vida laboral.
También se defendió la formación interdisciplinaria. La educación en inteligencia artificial no debe limitarse a ingenieros y especialistas en programación, sino incorporar conocimientos de historia, filosofía, ciencias sociales y pensamiento crítico.
El argumento es que las habilidades para comprender las transformaciones tecnológicas, identificar sus riesgos y tomar decisiones informadas no pueden construirse exclusivamente desde una perspectiva técnica.
En este punto, se reconoció que México y Francia enfrentan desafíos similares y que el intercambio de experiencias entre universidades, investigadores y centros de formación puede acelerar el desarrollo de nuevas propuestas educativas.
Francia y México identifican una agenda común de cooperación
En el cierre del encuentro, el representante diplomático francés destacó las coincidencias identificadas durante los intercambios sostenidos entre delegaciones de ambos países.
Señaló que, durante una reunión de seis horas entre representantes de las cancillerías de Francia y México, se encontraron numerosas coincidencias en torno a los desafíos internacionales y, particularmente, en materia de inteligencia artificial.
El diplomático consideró que esta convergencia abre nuevas oportunidades para profundizar la cooperación bilateral y anunció la continuidad de encuentros y actividades durante el próximo año, con nuevas iniciativas previstas a partir de enero.
La mesa redonda dejó una conclusión de fondo: la inteligencia artificial no es únicamente una carrera por desarrollar sistemas más potentes. Es también una disputa económica, científica, política y social por definir quién controla la tecnología, quién obtiene sus beneficios y quién asume sus costos.
Para México, la cooperación con Francia representa una oportunidad para fortalecer capacidades de investigación, infraestructura, formación de talento y desarrollo empresarial. Pero el verdadero alcance de esa colaboración dependerá de que se traduzca en proyectos concretos que reduzcan dependencias, impulsen la innovación local y garanticen que el desarrollo tecnológico responda al interés público.
El reto no es solamente alcanzar la inteligencia artificial del futuro, sino tener la capacidad de decidir qué inteligencia artificial necesita la sociedad y bajo qué condiciones quiere desarrollarla.
