[Moon Hyung-nam, profesor de la Facultad de Estudios Globales Integrados de la Universidad Suk Myung, presidente de la Asociación Coreana de Educación en IA]
El presupuesto de inteligencia artificial (IA) de la República de Corea en 2026 es de 9,9 billones de wones, el triple del año anterior. En agosto pasado, el Centro Nacional de Computación en IA comenzó su construcción en Haenam, provincia de Jeolla del Sur. En enero de este año entró en vigor la Ley Fundamental de Inteligencia Artificial, y continúa en desarrollo un proyecto de creación de modelos fundamentales propios. Los números por sí solos representan una escala sin precedentes. Sin embargo, en el mismo período, los cuatro grandes gigantes tecnológicos estadounidenses han anunciado inversiones en infraestructura por 725 mil millones de dólares, aproximadamente 100 veces nuestro presupuesto de IA. El gasto trimestral de Amazon supera la asignación anual de IA de Corea del Sur. En solo dos años, desde 226 mil millones de dólares en 2024, las inversiones se han triplicado. No es posible competir de manera efectiva utilizando los mismos métodos.
Estados Unidos y China lideran de formas distintas. Estados Unidos depende de la competencia autónoma del capital privado, mientras que China establece planes a largo plazo y asigna recursos de manera estatal. Ninguno de estos modelos puede ser replicado directamente por Corea del Sur. No podemos superar a Estados Unidos en capital, ni podemos alcanzar la escala de China mediante movilización estatal. No obstante, es instructivo observar cómo China, bajo restricciones de control de exportaciones, ha optado por lograr rendimientos similares con menor capacidad computacional. Este ejemplo ilustra cómo las limitaciones pueden catalizar la innovación en direcciones específicas.
El presidente Lee Jae-myung ha enfatizado repetidamente el objetivo de convertir a Corea del Sur en una de "las tres grandes potencias en IA", tanto en sus promesas electorales como en sus agendas presidenciales. En febrero pasado, se presentó el "Plan Fundamental de Inteligencia Artificial", y se asignó un presupuesto de 9,9 billones de wones. Sin embargo, aún no contamos con una hoja de ruta clara que muestre quién debe hacer qué y hasta cuándo. El objetivo es evidente, pero el camino permanece nebuloso. Por eso, como académico que ha investigado y enseñado IA durante 42 años, presento una propuesta: una hoja de ruta que especifique qué debe hacer cada uno de los cinco actores principales—gobierno, gobiernos locales, universidades, empresas e individuos—hasta 2030.
Volvamos a los números anteriores. La pregunta que debemos plantearnos no es "¿cómo alcanzaremos a los líderes?" sino "¿qué definiremos como la tercera posición?" Esta no es una mera cuestión semántica. La forma en que definimos el objetivo determina completamente qué acciones debemos realizar y cómo mediremos el éxito.
Las tres grandes potencias en IA pueden definirse de tres maneras. Primero, como "potencia en modelos": poseer modelos fundamentales de clase mundial. Francamente, esto es difícil. Los recursos de capital requeridos superan lo que podemos movilizar. Segundo, como "potencia en aplicación": liderar en la transformación de IA (AX, por sus siglas en inglés) en industrias y servicios públicos en general. Esta opción tiene mayor viabilidad. Somos una sociedad que adopta rápidamente nuevas tecnologías y disponemos de densas oportunidades de aplicación. Tercero, como "potencia en infraestructura": nuestra posición en la cadena de suministro de IA—semiconductores, centros de datos y energía—en la cual ya hemos logrado progresos significativos.
Ende emerge un orden claro. Utilizar la infraestructura como palanca para crear capacidad de aplicación, y en ese proceso, recurrir a datos y capital acumulados para desarrollar modelos en áreas específicas. Si perseguimos las tres estrategias simultáneamente, disperamos recursos; si establecemos un orden, se refuerzan mutuamente. Contemos nuestros activos. La memoria de ancho de banda alto (HBM) es un componente esencial para aceleradores de IA, y empresas coreanas dominan ese mercado. Hay pocas naciones en el mundo cuya estructura económica se beneficia proporcionalmente del aumento en inversión en centros de datos de IA. Poseer simultáneamente industria de construcción naval, acero, petroquímica, automoción y baterías es una condición rara.
En la era emergente de la IA física, donde la IA gestiona directamente robots e instalaciones, los países con experiencia en manufactura real tienen ventaja. Los datos de procesos no pueden extraerse de internet.
Los puntos débiles también son evidentes. Según un informe de la Universidad Stanford, Corea del Sur ocupa el cuarto lugar en clasificaciones generales, pero el primer lugar en patentes de IA per cápita. En contraste, en la evaluación de competitividad digital del Instituto Internacional de Desarrollo Gerencial (IMD) de Suiza, ocupa la posición 15, nueve escalones más baja, con talento en el puesto 49 e inmigración de talento extranjero de alto nivel en los últimos lugares. La divergencia de indicadores refleja diferencias en los criterios de medición. Nuestra capacidad de manufactura ocupa un lugar superior, pero nuestros recursos humanos y mercados están en el medio. Esta asimetría es el retrato exacto de la IA coreana.
Aún más preocupante es que los indicadores bajos erosionan los altos. Cuando se va el talento, la producción investigativa disminuye años después. Cuando el ecosistema industrial es débil, la buena tecnología no se traduce en negocio. Nuestras posiciones altas actuales se mantienen gracias a la acumulación del pasado. Hay un factor más a considerar: la energía. El último cuello de botella en la competencia de IA es, sorprendentemente, la electricidad. Un único centro de datos masivo consume electricidad equivalente a la de una pequeña ciudad, pero nuestra demanda se concentra en la región metropolitana mientras que la capacidad de generación está dispersa en provincias. La ubicación del Centro Nacional de Computación en IA en Haenam responde a esta estructura. Sin embargo, entre los cronogramas de conexión a la red, velocidad de permisos, agua para enfriamiento y aceptación social, ninguno es un problema técnico puro. Todos son asuntos administrativos y de negociación.
Hay algo que deseo enfatizar: la capacidad de IA de una nación se determina no por el 1% superior, sino por lo que el 99% restante puede hacer. La incorporación de investigadores de nivel superior debe continuar, pero eso solo no nos convertirá en una de las tres potencias. Con la expansión de la codificación por vibración (vibe coding), donde la IA genera código explicado en lenguaje natural, el cuello de botella está cambiando. El cambio es de cantidad de desarrolladores a cantidad de ideas. Históricamente, muchas buenas ideas desaparecían porque no se encontraba a nadie para implementarlas.
Ahora es posible que la persona que mejor conoce los problemas operacionales cree sus propias herramientas. Un supervisor de planta puede desarrollar un programa de inspección adaptado a su proceso; una enfermera puede crear una herramienta de traspaso de información; un funcionario público puede diseñar una herramienta de clasificación de consultas. Estas herramientas no surgen de trabajos externalizados. La razón es que quién entiende el problema y quién lo construye son personas diferentes.
Desde luego, hay riesgos. Si se utilizan códigos sin entender qué hacen, los agujeros de seguridad y cálculos incorrectos llegan directamente al campo. Por eso el entrenamiento en desarrollo y el entrenamiento en cuestionamiento de resultados deben ir de la mano. Sin embargo, esta advertencia significa no "dejar de enseñar" sino "enseñar correctamente". Para ser una potencia en IA, primero debemos ser una "potencia en codificación por vibración". Esta estrategia no puede realizarse solo por el gobierno.
El gobierno construye las autopistas de recursos computacionales, datos y energía, y establece reglas predecibles. Los gobiernos locales no deben detenerse en la atracción de centros de datos, sino conectarla a la transformación de las industrias principales regionales. Si los contratos de atracción no especifican el porcentaje de recursos computacionales asignados para empresas y universidades locales, la región solo se queda con edificios que consumen electricidad. Las universidades deben integrar IA en todas las disciplinas en lugar de ampliar la matrícula de programas de IA. Es más eficiente enseñar IA a profesionales de dominio que enseñar dominio a especialistas en IA. Las empresas deben diferenciar entre adoptar herramientas y rediseñar procedimientos operacionales. Aunque se elabore un borrador de informe en 5 minutos, si los pasos de aprobación permanecen igual, el tiempo total no se reduce. Los individuos deben desglosar su trabajo en tareas antes de considerar cambiar de empleo. Lo que desaparece no es el empleo, sino las tareas dentro de él.
Si alguno de estos cinco actores se detiene, el esfuerzo de los otros no produce resultados. Si el gobierno asegura GPU pero no hay investigadores para usarlas, permanecen ociosas; si las universidades forman talentos pero no hay empresas donde trabajen, se van al extranjero; si las empresas implementan IA pero los empleados no la usan, solo quedan costos. Las estrategias nacionales deben convertirse en las tareas del lunes por la mañana de alguien para realizarse. Lo que falta no es presupuesto sino decisiones. Establecer el alcance del uso de IA para el aprendizaje de obras, incorporar indicadores de desempeño y criterios de terminación en todos los proyectos, transformar la atracción de talento extranjero de negociación salarial a diseño de paquetes—nada de esto requiere grandes inversiones. Cuanto más se prolongue el vacío regulatorio, más se perjudica a las empresas nacionales que cumplen las reglas.
El tiempo restante hasta 2030 abarca cuatro ciclos presupuestarios. No es mucho. Pero si la dirección es correcta, es tiempo suficiente. Sin embargo, debemos cuidarnos de que el rango se convierta en el propósito. Si podemos resolver mediante esta tecnología los cuidados en regiones de población decreciente, la escasez de mano de obra en campos sin suficiente personal, y la preservación de habilidades especializadas en desaparición, entonces el tercer lugar no será un objetivo perseguido, sino un resultado que seguirá naturalmente.
Historial profesional del autor
▷ Doctorado en Administración de Empresas de la Universidad Sungkyunkwan ▷ Investigador Senior del Instituto de Investigación Económica Este-Oeste ▷ Periodista del Maeil Business Newspaper ▷ Presidente de la Asociación Coreana de Administración ▷ Presidente de la Sociedad Científica de Sostenibilidad ▷ Decano de la Facultad de Estudios Globales Integrados de la Universidad Suk Myung, Decano de la Universidad Internacional Hallyu, profesor de la Facultad de Estudios Globales Integrados y la Facultad de Estudios Internacionales Hallyu ▷ Presidente de la Asociación Coreana de Educación en IA ▷ Presidente de la Asociación Coreana de Codificación por Vibración ▷ Director del Instituto de Investigación de Marca de Moon Hyung-nam
* Este artículo ha sido traducido por IA.