Publicado el mar. 2026
Compartir
Desde los días del taller de Dartmouth en 1956, las universidades han desempeñado un papel fundamental en el desarrollo de la inteligencia artificial (IA). Sentaron gran parte de las bases teóricas y formaron a los investigadores e ingenieros que ahora lideran este campo. Pero el equilibrio ha cambiado. Hoy en día, la mayoría de los avances en IA generativa provienen de laboratorios industriales con acceso a enormes conjuntos de datos, computación a gran escala y canales de implementación directos. Desde los transformadores introducidos por primera vez por Google Research, hasta los grandes modelos de lenguaje escalados por OpenAI y las arquitecturas más recientes de mezcla de expertos utilizadas por DeepSeek, la frontera es en gran medida industrial, como se refleja en el informe 2025 AI Index de la Universidad de Stanford.
Este cambio obliga a las universidades a replantearse su papel. La cuestión clave ya no es si las universidades pueden crear los modelos más grandes o más potentes, sino si pueden influir en el uso que se haga de la IA una vez que esta se haya integrado en la vida cotidiana. A medida que la IA generativa influye cada vez más en el lenguaje, la educación y los servicios públicos, es posible que las universidades ejerzan su mayor impacto no a través de la escala, sino a través de la gobernanza, la adaptación local y el enfoque en el beneficio público, especialmente en áreas en las que las plataformas comerciales se quedan cortas.
Nuestra experiencia en el Instituto de Sistemas Inteligentes e Inteligencia Artificial (ISSAI) de la Universidad Nazarbayev de Kazajistán demuestra cómo esto puede funcionar en la práctica. Las universidades pueden ir más allá de los artículos y los prototipos para crear sistemas de IA que sirvan directamente a la sociedad. Esto es especialmente importante en contextos en los que las plataformas globales tienen dificultades para dar soporte a los idiomas locales, reflejar los matices culturales o alinearse con las prioridades nacionales.
Por qué la IA de impacto público es responsabilidad de las universidades
La IA generativa está cambiando rápidamente la forma en que las personas se comunican, acceden a la información e interactúan con las instituciones públicas. Sin embargo, la mayoría de los modelos líderes son desarrollados por empresas privadas y entrenados principalmente en un pequeño conjunto de idiomas con muchos recursos. Para las sociedades con idiomas poco representados, esto crea una brecha cada vez mayor entre lo que ofrece la tecnología y lo que es culturalmente significativo o socialmente útil.
Las universidades se encuentran en una posición única para abordar esta brecha. Combinan la independencia e e de la investigación, la confianza pública y una profunda experiencia en tecnología, lingüística y ciencias sociales. Su perspectiva a largo plazo les permite dar prioridad a la inclusión, la transparencia y la relevancia nacional por encima de los beneficios comerciales a corto plazo.
La soberanía digital también es importante. Cuando los sistemas de IA son totalmente externos, las sociedades tienen poca visibilidad sobre cómo se entrenan, actualizan o gestionan. Esto es especialmente problemático para la educación, la política lingüística y la administración pública. Las universidades pueden ayudar creando y gestionando sistemas de IA que estén arraigados a nivel local, se examinen abiertamente y se ajusten a las prioridades nacionales, sin dejar de estar conectados con las comunidades de investigación mundiales.
Para lograr un impacto real, la IA generativa para el bien público no puede seguir siendo una colección de proyectos o demostraciones a corto plazo. Debe tratarse como una infraestructura digital compartida, diseñada para funcionar con escuelas, instituciones públicas y usuarios cotidianos, y capaz de evolucionar a medida que cambian las necesidades sociales.
De una brecha a un ecosistema
Nuestro trabajo no comenzó con la ambición de crear un modelo lingüístico nacional. Comenzó con un problema práctico. Los modelos globales funcionaban mal en kazajo, tenían dificultades con su compleja morfología y, a menudo, producían resultados culturalmente inapropiados. Estas deficiencias afectaban al acceso a la información y limitaban la utilidad de la IA en la educación, los medios de comunicación y la administración pública.
Depender únicamente de sistemas externos de IA también suscitó inquietudes en cuanto a la transparencia, la resiliencia y el control a largo plazo. En ámbitos sensibles como la educación y la administración pública, no comprender cómo se entrenan o actualizan los modelos introduce riesgos estructurales. Desde la perspectiva de la universidad, esta brecha suponía tanto un reto para la investigación como una responsabilidad social. Para abordarla era necesario ir más allá de los artículos de evaluacion es y crear un ecosistema de IA generativa adaptado a las necesidades locales.
Una lección importante es que la IA de impacto público no es un modelo único. Es un ecosistema. El lanzamiento de KazLLM, el primer modelo lingüístico a gran escala de Kazajistán entrenado con datos multilingües seleccionados, fue un hito clave. Su importancia radica no solo en el modelo en sí, sino en lo que permitió después.
KazLLM ha sido reconocido por destacados investigadores en IA, entre ellos Yann LeCun, como un ejemplo de cómo se pueden desarrollar de forma responsable modelos específicos para cada idioma y con menos recursos fuera de las plataformas globales dominantes. En este sentido, ilustra cómo puede ser la IA generativa soberana: sistemas que preservan la diversidad lingüística sin dejar de cumplir con los estándares internacionales de investigación.
Fundamentalmente, KazLLM se trató como una infraestructura básica en lugar de como un resultado de investigación puntual. ISSAI Playground se creó para proporcionar a estudiantes, educadores e investigadores acceso directo al modelo y a las herramientas relacionadas. Los usuarios pueden experimentar, aprender y evaluar los sistemas de IA sin necesidad de tener profundos conocimientos técnicos ni depender de plataformas externas. Este enfoque permite que surjan casos de uso reales de forma orgánica y contribuye a la mejora continua.
La infraestructura es igualmente importante. Crear y mantener una IA generativa requiere experiencia práctica con hardware moderno, incluyendo GPU y aceleradores de NVIDIA, AMD y Huawei. Saber cómo entrenar modelos de manera eficiente, gestionar recursos informáticos e implementar sistemas de forma fiable es tan importante como la innovación algorítmica o la ingeniosidad en el manejo de datos. Sin este conocimiento operativo, incluso los modelos bien diseñados corren el riesgo de quedarse en artefactos de investigación aislados.
Este enfoque ecosistémico también transforma el desarrollo del talento. Los estudiantes y los investigadores que se encuentran en los inicios de su carrera adquieren experiencia en todo el ciclo de vida completo de la IA, desde la curación y el entrenamiento de datos hasta la implementación y la gobernanza. Aprenden a navegar por las compensaciones del mundo real entre el coste, el rendimiento y la escalabilidad, lo que contribuye a crear una mano de obra nacional capaz de mantener sistemas de IA de interés público a lo largo del tiempo.
La apertura como estrategia
A menudo se da por sentado que la IA soberana debe ser cerrada por razones estratégicas. Nuestra experiencia sugiere lo contrario. La apertura, cuando se combina con una gobernanza clara y políticas de uso responsable, refuerza el impacto público.
Al publicar modelos, puntos de referencia y documentación para la investigación no comercial, ISSAI permite el escrutinio, la colaboración y la evaluación independiente. Esta transparencia genera confianza entre los responsables políticos, los educadores y los usuarios, al tiempo que conecta las iniciativas locales con la comunidad investigadora mundial.
Un ejemplo concreto es Qolda, el modelo multilingüe y de visión totalmente de código abierto de ISSAI. Con 4000 millones de parámetros, Qolda puede ejecutarse en ordenadores portátiles y teléfonos inteligentes sin necesidad de una gran capacidad de cálculo. Es compatible con el kazajo, el ruso y el inglés, y ofrece un razonamiento multimodal de forma compacta y eficiente. Al reducir las barreras de acceso y de hardware, Qolda amplía las capacidades de la IA a estudiantes, investigadores, desarrolladores y pequeñas empresas.
La apertura refleja un principio académico fundamental: el conocimiento como bien público. Los sistemas de IA generativa deben ser examinables, adaptables y abiertos al debate. En lugar de moldear la sociedad mediante herramientas opacas, las universidades pueden ofrecer una IA que invite a la rendición de cuentas y al debate público.
Las universidades como convocantes
Las universidades también desempeñan un papel fundamental como convocantes. A diferencia de las empresas o los organismos gubernamentales, cuentan con la credibilidad y la independencia e e necesarias para reunir a científicos de datos, lingüistas, ingenieros, responsables políticos, educadores y socios industriales en torno a una infraestructura de IA compartida.
En ISSAI, las asociaciones con ministerios, instituciones lingüísticas y otras universidades fueron esenciales para el acceso, la evaluación y el despliegue de datos. Estas colaboraciones fueron iterativas y se basaron en la confianza, lo que refleja un compromiso a largo plazo más que intereses comerciales a corto plazo.
Esta función es especialmente importante en la IA generativa, donde las decisiones técnicas tienen consecuencias lingüísticas, culturales y éticas. Las universidades proporcionan el espacio institucional y los marcos de gobernanza necesarios para gestionar estas compensaciones de forma reflexiva.
La Universidad Nazarbayev, como institución líder en investigación de Kazajistán, atrae a algunos de los mejores talentos del país. En un ecosistema local con pocas grandes empresas tecnológicas capaces de realizar investigaciones punteras en IA, las universidades están bien posicionadas para liderar proyectos ágiles y de gran impacto. Pueden movilizar rápidamente el talento y centrarse en trabajos que son relevantes a nivel social y nacional, convirtiendo la investigación en IA en un recurso público.
Implicaciones más allá de Kazajistán
Las lecciones aprendidas en Kazajistán son ampliamente aplicables. Muchas regiones se enfrentan a retos similares: lenguas infrarrepresentadas, dependencia de plataformas de IA externas y una presión creciente para integrar la IA en la educación y la vida pública. Las universidades están especialmente preparadas para abordar estas cuestiones, pero solo si pasan de la ambición abstracta al impacto práctico.
Destacan varios principios:
La IA generativa ya está dando forma a la forma en que las personas se comunican, aprenden y acceden a la información. La cuestión ya no es si influirá en la sociedad, sino quién guiará esa influencia y en beneficio de quién. Al salir del laboratorio y mantener al mismo tiempo unos rigurosos estándares de investigación, las universidades pueden contribuir a garantizar que la IA refleje la diversidad lingüística, los matices culturales y las prioridades sociales, alineando la innovación tecnológica con el bien público.