Los gobiernos de todo el mundo están intentando impulsar la industria de la inteligencia artificial mediante subsidios y créditos fiscales. En Estados Unidos, por ejemplo, el fondo de investigación y desarrollo de IA alcanza los 15 mil millones de dólares, mientras que en la Unión Europea se han asignado 10 mil millones a proyectos de IA de frontera. El objetivo es claro: acelerar la adopción de tecnologías que prometen transformar la economía.

Pero la realidad de los equipos de desarrollo de IA es mucho más compleja. Cuando la materia prima digital –el acceso a datos, a modelos preentrenados y a hardware especializado– se vuelve barata gracias a estos incentivos, las empresas pueden reducir su inversión interna en talento y en infraestructuras. El resultado es un efecto de “hollowing out”: los equipos se vuelven superficiales, con menos profundidades en investigación y menos capacidad para innovar de manera independiente.

Un caso ilustrativo es el de un equipo de IA de una startup de salud que recibió un subsidio del gobierno local para entrenar un modelo de diagnóstico. El ahorro en costos de cómputo permitió cubrir el 60 % de la nómina, pero el resto del equipo, que se dedicaba a la investigación básica, quedó sin recursos. A la larga, la empresa dependía de modelos comerciales de terceros, perdiendo la ventaja competitiva que habría surgido de un desarrollo propio.

La crítica no es la ausencia de subsidios, sino la forma en que se estructuran. Si los incentivos se entregan como créditos fiscales que se pueden usar para cualquier gasto, las empresas pueden optar por reducir inversiones en talento y en procesos de R&D. En contraste, los subsidios vinculados a hitos de investigación, a la creación de infraestructuras locales de IA o a la formación de talento (cursos, becas, pasantías) pueden fortalecer la base interna.

Además, el efecto de “hollowing out” tiene repercusiones en la economía global. Un ecosistema de IA débil y dependiente de soluciones externas puede convertirse en un punto de vulnerabilidad. La dependencia de proveedores de modelos propietarios, especialmente en sectores críticos como la defensa o la salud, plantea riesgos de seguridad y soberanía tecnológica.

Por otro lado, algunos expertos señalan que la reducción de costos de entrada puede democratizar la innovación, permitiendo que nuevas empresas compitan con gigantes establecidos. El reto es equilibrar la aceleración con la sostenibilidad. Las políticas públicas deben diseñar incentivos que no solo bajen el costo de la IA, sino que también fomenten la creación de talento interno, la investigación de base y la transferencia de tecnología.

En conclusión, la discusión sobre los subsidios de IA va más allá de la política fiscal: se trata de cómo modelar el futuro de la innovación tecnológica. Las empresas y los gobiernos deben colaborar para crear un marco donde la reducción de costos no sea un sustituto de la inversión en conocimiento y talento, sino una herramienta que los potencie. De lo contrario, la IA seguirá siendo una “cosa barata” que puede vaciar los equipos y la expertise que la hacen verdaderamente transformadora.

El debate está abierto: ¿deberíamos rediseñar los subsidios para que fortalezcan, en lugar de debilitar, la innovación interna de las empresas de IA?