Según el AI Index 2026 de la Universidad de Stanford, en 2025 Estados Unidos produjo 59 modelos notables de inteligencia artificial y China 35, mientras que un año antes Europa apenas había aportado tres.

Sin duda, la competencia se juega entre dos potencias, y Europa observa desde la grada, con empresas que invierten en investigación e innovación 270.000 millones de euros menos que sus homólogas estadounidenses.
La propia Unión Europea ha reconocido que fue demasiado lejos. En mayo de 2026, las instituciones europeas acordaron aplazar las obligaciones para los sistemas de alto riesgo del AI Act, que ya no entrarán en vigor en agosto de 2026 sino en diciembre de 2027.

La Comisión constató dificultades derivadas de la coexistencia del reglamento con otra normativa europea, del retraso en la elaboración de normas técnicas armonizadas y de la complejidad que supone su aplicación para empresas, organismos notificados y autoridades supervisoras. Cuando una norma necesita ser aplazada antes de aplicarse plenamente, el problema no es de calendario sino de diseño.
El daño más profundo no lo sufren las grandes corporaciones, que disponen de departamentos jurídicos capaces de absorber el coste del cumplimiento. Lo sufren el emprendedor que no obtiene financiación para un proyecto que arrastra incertidumbre regulatoria, y la universidad que quiere investigar con datos reales. El resultado es un ecosistema donde los proyectos viables son los grandes, los financiables son los de siempre, y la innovación de base, esa que en Estados Unidos nace en un laboratorio universitario y se convierte en empresa, apenas encuentra oxígeno.

Ciertamente, se necesita un cambio de enfoque. Las universidades, asociaciones e instituciones de conocimiento deberían poder operar bajo marcos propios de gobernanza, claros pero ágiles, supervisados por las propias instituciones académicas y no por la administración general. Se podrían buscar opciones para potenciar el emprendimiento, propiciar un renacimiento de la innovación de base y acompañar la mejora del conocimiento desde las aulas y los laboratorios.
Ello pasa también por habilitar la colaboración industrial, es decir, que las empresas cedan datos debidamente anonimizados y participen en proyectos conjuntos de investigación aplicada con las universidades, un modelo que en América Latina sí se practica con naturalidad. Si el dato anonimizado puede ayudar a anticipar enfermedades, prevenir accidentes laborales o mejorar servicios públicos, negar su uso en nombre de una protección abstracta es proteger a las personas de sus propios beneficios, mientras otros países hacen exactamente esa investigación y capitalizan sus resultados.
Oportunidad para hispanoamericana
Y aquí aparece una oportunidad que Europa, y España en particular, no debería dejar pasar. América Latina está construyendo sus marcos regulatorios con pragmatismo. Perú y El Salvador ya cuentan con legislación específica de IA vigente, mientras Brasil, Colombia, Chile y México desarrollan proyectos regulatorios en discusión.

El proyecto chileno, el más avanzado en su tramitación, establece un doble objetivo, regular los usos de los sistemas de IA y a la vez promover su creación, desarrollo, innovación e implementación. La región no parte de cero en capacidades.
El Índice Latinoamericano de Inteligencia Artificial lo elaboran conjuntamente el Centro Nacional de Inteligencia Artificial de Chile y la CEPAL, y ese mismo centro lidera LatamGPT, un modelo de lenguaje regional. España, por su parte, ha desarrollado ALIA, una infraestructura pública de modelos de lenguaje abiertos coordinada por el Barcelona Supercomputing Center para impulsar el castellano en el desarrollo de la IA.

Las piezas están sobre la mesa. Europa ha demostrado que sabe regular. Ahora debe demostrar que sabe competir. Si no flexibiliza sus marcos para quienes generan conocimiento, la investigación se hará igual, pero en otra parte. Que esa otra parte hable español es la mejor de las alternativas.




