La novena edición del AI Index Report del Instituto de Inteligencia Artificial Centrada en Humanos de Stanford acaba de publicarse. Cuatrocientas veinticinco páginas, nueve capítulos, decenas de bases de datos. Y en todo ese cuerpo de evidencia, la palabra «Dominican Republic» aparece exactamente cero veces. El Caribe figura once, casi siempre como agregado regional. Jamaica, una. Costa Rica, catorce. Esa aritmética merece ser leída como diagnóstico.
Conviene empezar reconociendo lo que el informe hace bien. Stanford mantiene una rara categoría de honestidad metodológica: publica datos crudos, repositorios abiertos, herramientas interactivas como el Global AI Vibrancy Tool, y reconoce los límites de su propia medición. La frase que abre la introducción —»lo que aún no podemos medir importa tanto como lo que sí podemos»— resulta metodológicamente honesta en un campo saturado de informes que son piezas de mercadeo disfrazadas de investigación. La edición 2026 incorpora dos capítulos nuevos sobre IA en ciencia y medicina, ampliando el lente más allá del ciclo del producto de consumo. Y por primera vez instala la soberanía de IA como categoría estructurante, desagregada en cinco capas: infraestructura, datos, modelos, aplicaciones, talento.
Esa columna vertebral conceptual es el piso firme desde donde conviene leer las limitaciones. La adopción de IA generativa alcanzó 53 por ciento de penetración global en tres años, con Singapur liderando con 61 por ciento y Estados Unidos en posición veinticuatro con apenas 28 por ciento. Los incidentes documentados crecieron de doscientos treinta y tres en 2024 a trescientos sesenta y dos en 2025. La inversión privada estadounidense alcanzó 286.9 mil millones de dólares contra los 12.4 de China. Los datos están. La pregunta es qué hacen visible y qué dejan en la sombra.
Aquí aparece el primer límite estructural. Más del noventa por ciento de los modelos notables registrados en 2025 vinieron de la industria. Y esa industria cada vez publica menos sobre cómo construye lo que construye. Estamos midiendo mejor que nunca un fenómeno que se vuelve más opaco que nunca. La definición misma de modelo notable privilegia desempeño en benchmarks, citaciones académicas y cobertura mediática. Toda una capa de actividad cognitiva queda fuera del marco: modelos pequeños entrenados en idiomas locales, modelos sectoriales aplicados a problemas concretos, modelos académicos que resuelven problemas reales en sus contextos. El propio informe reconoce, en una nota al pie, que el ecosistema de modelos de lenguajes africanos como AfriBERTa permanece sin representación.
Langdon Winner lo nombró hace décadas: la política de los artefactos. La medición es ella misma un artefacto político. Cuando se decide qué cuenta como modelo notable, se decide qué tipo de actividad cognitiva merece visibilidad. Y la metodología disponible sigue contando creadores y dejando fuera el sustrato. Las personas en Kenia que clasifican imágenes para entrenar visión por computadora, las que en Filipinas moderan contenido tóxico para que las plataformas estadounidenses funcionen, las que en Venezuela y México anotan conversaciones para mejorar respuestas de chatbots, todas ellas son trabajo cognitivo masivo, esencial, mal pagado. Sin ese sustrato, los modelos de frontera no existirían. En el AI Index no figuran. La economía de la inteligencia artificial mide a Sam Altman sin medir a quien hace posible su producto. La Gran Bretaña victoriana medía el carbón sin medir a los mineros.
RECOMENDAMOS LEER:
Aquí aplica un concepto que llevo años trabajando: Los Invisibles. Profesionales y trabajadores cognitivos cuyo aporte se contabiliza en cuentas nacionales ajenas. La metodología hereda esa ceguera porque las bases de datos disponibles —Zeki, LinkedIn, GitHub— recogen una capa profesional muy específica de la cadena de valor. La huella ambiental aparece en el informe con cifras escalofriantes —Grok 4 emitió 72 toneladas de dióxido de carbono equivalente solo en su entrenamiento; las inferencias anuales de GPT-4o consumen tanta agua como necesita 1,200,000 personas para beber durante un año entero; la capacidad eléctrica de los centros de datos llegó a 29.6 gigawatts, equivalente al pico de demanda del estado de Nueva York—, pero el lenguaje permanece descriptivo. La huella debería operar como primer filtro estructural del análisis.
El segundo límite es el que más nos interpela. América Latina y el Caribe produjeron solo dos modelos documentables entre 2018 y 2025. Dos. Frente a mil seiscientos dieciocho de Estados Unidos, ochocientos cuarenta y nueve de China, seiscientos sesenta y seis de Europa. Ocho clusters de supercomputación regional, contra cuarenta y cuatro europeos y cuarenta y uno norteamericanos. Costa Rica y Jamaica con estrategias nacionales de IA adoptadas. México y Sudáfrica con estrategias en desarrollo. Chile liderando la iniciativa Latam-GPT como apuesta regional por un modelo en español adaptado al contexto latinoamericano. República Dominicana ausente en cada una de esas listas.
La paradoja es nítida. Un país que celebra haber sido el segundo en América Latina en licitar 5G, con ochenta y cinco por ciento de penetración de internet, promocionado como hub digital del Caribe, queda sin figurar en una sola métrica productiva del informe. Aquí entra otro marco que llevo años desarrollando: el Efecto Pokémon. Acumulamos las certificaciones, los rankings, los porcentajes de penetración, los cables submarinos, los centros de datos privados. Atrapamos todos los Pokémon a nuestro alrededor. Y desconocemos el juego que esas certificaciones suponen. La conectividad es condición necesaria. La confundimos con resultado y terminamos celebrando infraestructura física mientras la cognitiva queda sin construir.
La infraestructura cognitiva nacional es la capa que falta. Datos públicos catalogados y accesibles. Modelos entrenados con corpus locales en español caribeño que ningún Latam-GPT está capturando todavía. Capacidades analíticas instaladas con permanencia dentro del Estado. Universidades produciendo investigación aplicada con rigor publicable. Empresas dominicanas con producto propio, capaces de exportar capacidad analítica. Sin esa capa, las autopistas digitales benefician principalmente a plataformas extranjeras. La industrialización simbólica —cuatro planes, dos consultas públicas, decenas de eventos, memorandos firmados, oficinas con nombres altisonantes— se sostiene en el aire mientras la métrica que importa, la cantidad de modelos producidos por el país sigue siendo cero.
El bloque migratorio estadounidense abre una ventana mixta. La movilización de talento de IA hacia Estados Unidos cayó 89 por ciento desde 2017, con 80 por ciento solo en el último año. India dejó de ser exportador neto y empezó a retener. Tenemos dominicanos brillantes trabajando remotamente para Boston, Berlín y Singapur, generando valor cognitivo cuyas cifras se contabilizan en cuentas nacionales ajenas. Si parte de ese flujo se redirige hacia iniciativas locales, el país tiene una oportunidad. La redirección requiere política pública, inversión y demanda doméstica que valore el trabajo de IA al nivel que paga el mercado externo.
Cinco palancas concretas tendrían que activarse en los próximos doce meses para que el AI Index 2027 no pueda volver a ignorarnos. Primera, incorporación formal al consorcio Latam-GPT con contribución de corpus en español caribeño y financiamiento proporcional. Segunda, una estrategia nacional de IA publicada y operacionalizada con presupuesto plurianual y métricas trimestrales auditables. Tercera, una infraestructura de datos públicos abiertos, catalogados y con licencias claras para entrenar modelos sectoriales en salud, educación y transporte. Cuarta, un programa de cómputo soberano en convenio público-privado con proveedores regionales para investigación universitaria y proyectos de bien público. Quinta, y más importante, una política de compras públicas que privilegie soluciones de IA desarrolladas localmente para crear mercado doméstico.
Esas cinco cosas operan ya en otros países de la región. El conocimiento existe. Falta ejecutoria. Y la ejecutoria se construye en colaboración entre gobierno, sector privado, academia y sociedad civil, con la disciplina de mantener el plan cuando cambian los gabinetes. Ahí se separa la industrialización simbólica de la industrialización real. El silencio que nos rodea en cuatrocientas veinticinco páginas opera como diagnóstico susceptible de cambiar. Los diagnósticos solo cambian cuando colaboración y ejecutoria dejan de ser palabras de discurso y se convierten en infraestructura. Necesitamos IA para todos.
