Joe Tsai: la apuesta por la IA open source como vía a la soberanía tecnológica de Europa

La propuesta de Joe Tsai en contexto

En el evento Wave celebrado en Italia, Joe Tsai —presidente y cofundador de Alibaba— planteó una tesis clara y rotunda: si Europa quiere lograr soberanía tecnológica frente a potencias como Estados Unidos y China, debe apostar por la IA open source. Su recomendación no es simplemente usar APIs externas; propone descargar pesos de modelos abiertos, ejecutarlos en infraestructura propia y afinarlos con datos internos para que la información sensible no salga de la empresa.

Esa propuesta llega en un momento en el que la dependencia tecnológica europea es un tema urgente. Aun con anuncios políticos y esfuerzos empresariales, la realidad actual es que gran parte de la infraestructura y los modelos más potentes están en manos de empresas estadounidenses y chinas, lo que crea vulnerabilidades estratégicas.

¿Por qué la apertura aparece como solución?

El argumento técnico de Tsai es pragmático: con un modelo abierto es posible realizar fine-tuning sobre la base instalada de datos de una compañía, manteniendo el control de la información más delicada. En la práctica, eso evita tener que enviar datos empresariales a APIs externas cuyo procesamiento ocurre fuera del perímetro de la organización.

Alibaba dio pasos concretos en esa dirección: en agosto publicó los pesos de Qwen3.8, cuya versión más grande se describe con 2,4 billones de parámetros y cerca de 95.000 millones activos por token. Para empresas con infraestructuras limitadas, Alibaba ofrece una variante más manejable, Qwen3.8-27B, que además permite uso comercial, modificación y redistribución bajo licencia Apache 2.0.

Para muchos observadores, la ventaja es clara: control, flexibilidad y la capacidad de adaptar modelos a necesidades locales o regulatorias.

Límites y riesgos de depender de modelos “abiertos” extranjeros

Sin embargo, la apertura no es una panacea. Primero, quienes promueven este camino no son neutrales: Alibaba tiene intereses directos, dado que es uno de los proveedores detrás de Qwen y recientemente anunció su chip Zhenwu V900, previsto para producción en 2027. Además, la decisión de abrir modelos no surgió de la nada; competidores chinos como Moonshot o DeepSeek ya habían avanzado con modelos abiertos de gran tamaño.

Segundo, confiar en modelos abiertos de origen chino (o de cualquier otro país) puede traducirse simplemente en cambiar una dependencia por otra. Un proveedor extranjero aún puede decidir cambiar licencias, retener mejoras o limitar acceso a versiones más potentes.

Tercero, y quizá lo más crítico, es que Europa carece en gran medida de la capacidad de cómputo necesaria: China y Estados Unidos controlan alrededor del 90 % de la infraestructura mundial de cálculo para IA. Eso significa que, aunque los pesos estén disponibles, ejecutar y entrenar modelos grandes requiere centros de datos y aceleradores que no todas las empresas pueden costear o disponer localmente.

El contexto político: medidas europeas y urgencia de tiempo

El 3 de junio, la Comisión Europea presentó un paquete de medidas destinado a reducir la dependencia externa en tecnología, con inversión para acelerar centros de datos, IA y semiconductores, y la consideración del código abierto como una alternativa estratégica. Aún así, actores del ecosistema advierten sobre la prisa: Arthur Mensch, CEO de Mistral, ha señalado que Europa tiene un margen corto —dos años, según sus palabras— para construir su propia infraestructura competitiva antes de que las opciones se cierren o queden muy costosas.

Las tensiones geopolíticas ya han dado muestras de riesgo: el bloqueo internacional a modelos potentes de Anthropic por parte de Estados Unidos durante el verano pasado demostró que un gobierno puede interrumpir el acceso a tecnologías clave. Desde entonces, empresas como Siemens o Renault han optado por combinar modelos de distintos orígenes para mitigar riesgos.

¿Qué lecciones trae esto para América Latina?

Aunque la conversación principal se da en Europa, las implicaciones son relevantes para América Latina. Muchos países y empresas en la región enfrentan problemas similares: dependencia de proveedores extranjeros de nube, falta de centros de datos locales con capacidad para entrenar modelos grandes, y escasez de talento especializado en ingeniería de modelos a gran escala.

Para organizaciones latinoamericanas, la estrategia de descargar y ajustar modelos abiertos puede ser atractiva porque reduce costos y mejora control sobre datos sensibles. Pero el desafío sigue siendo la infraestructura y la necesidad de políticas públicas que promuevan inversión en centros de cómputo, formación y colaboración regional.

Además, adoptar modelos abiertos de terceros requiere evaluaciones de riesgo: cambios de licencia, controles de exportación y la posibilidad de que los modelos más avanzados no estén disponibles en el futuro.

Conclusiones: abierto, pero con condiciones

El mensaje de Joe Tsai coloca al open source como una herramienta clave para aspirar a la soberanía tecnológica. Es una propuesta técnica consistente: la capacidad de ejecutar y afinar modelos con datos propios aporta control y privacidad. Sin embargo, no resuelve por sí sola el problema estructural más grande: la falta de infraestructura y de modelos propios a escala.

Europa necesita combinar varias vías: impulsar código abierto, pero también invertir en centros de datos, semiconductores y en el desarrollo de talento y modelos locales. Para América Latina, la recomendación es similar: explorar el open source como parte de la estrategia, pero acompañarlo con políticas de inversión y cooperación regional que permitan traducir esa apertura en soberanía real.

En resumen, la IA open source es una pieza necesaria del rompecabezas, pero no basta: sin la capacidad de ejecutar y evolucionar esos modelos localmente, la dependencia tecnológica seguirá siendo un riesgo estratégico.