El AI Index Report 2026 son más de cuatrocientas páginas y cientos de gráficas, y de todo ese material la prensa española elige siempre las mismas tres: la del mercado que crece, la de la empresa que adopta, la del público que teme. Las que se quedan en el cajón son las que de verdad incomodan. Concentración geográfica, dependencia de unos pocos proveedores de cómputo, dato público que se acaba, una población que usa una herramienta en la que no confía. Voy a por esas. Las leí yo, no las leyó el redactor de la sección de tecnología que tenía el cierre a las siete.
El desierto europeo no es una metáfora
Empecemos por el reparto del dinero, que es donde se ve todo lo demás antes de que nadie lo explique. La inversión privada en IA durante 2025 dibuja un mapa con dos manchas grandes y un vacío. Estados Unidos se lleva la parte del león; China, una fracción de eso; y el resto del planeta, la Unión Europea incluida, queda agregado en categorías genéricas porque sus cifras no dan ni para columna propia. España, desde luego, no aparece desglosada en la gráfica principal.
El crecimiento del mercado es real, eso nadie lo discute, y el informe lo documenta con detalle. Lo que la prensa cuenta es justamente eso, el crecimiento. Lo que no cuenta es la geometría del reparto, que es lo interesante: el dinero no sube por igual en todas partes, sube concentrado, y la distancia entre quien tiene fábrica de modelos y quien no se ensancha cada año que pasa.
Aquí conviene un matiz que en España casi no se menciona. La cifra de inversión privada china está sistemáticamente subestimada respecto al esfuerzo real del país, porque buena parte del gasto chino en IA no circula por el carril del capital privado que mide el AI Index, sino por fondos de orientación gubernamental que las bases de datos de venture capital no capturan. El propio informe reconoce que esa inversión dirigida por el Estado queda fuera de sus cómputos privados. Si uno suma los dos carriles, el privado y el público, la foto del «dominio americano sin discusión» se vuelve menos rotunda. Siguen siendo dos modelos de financiación distintos compitiendo, y la prensa española narra la carrera como si solo existiera una de las dos columnas.
El gap técnico se ha cerrado casi del todo
Hay un cliché que aguanta mal el contacto con los datos de 2026: el de la superioridad técnica americana como abismo. El informe mide la distancia de rendimiento entre el mejor modelo estadounidense y el mejor modelo chino y la sitúa, a comienzos de 2026, en torno a un par de puntos porcentuales. Para hacerse una idea de la velocidad del estrechamiento, a comienzos de 2025 un modelo chino llegó a igualar puntualmente a la cabeza estadounidense en las mediciones públicas de preferencia de usuarios.
En los primeros puestos de esas tablas de preferencias ya no hay una sola bandera. Entre los modelos mejor situados conviven laboratorios estadounidenses y laboratorios chinos, y la frontera técnica, lejos de ser propiedad de un país, se reparte entre dos. El resto del mundo asiste a la carrera desde la grada.
Estados Unidos sigue publicando la mayor parte de los modelos relevantes del año; China, no muy por detrás. Europa no asoma con un modelo propio en la primera línea. Y entonces la cosa se pone interesante para nosotros, porque con un crecimiento de inversión raquítico y ningún modelo en la frontera, cabe preguntarse qué hace exactamente Europa en este asunto. Lo que hace es regular. Decidió que su terreno de juego no era construir los modelos, sino poner normas a los modelos que construyen otros, y el reglamento europeo de IA aprobado en 2024 es la materialización de esa apuesta. Como pieza jurídica y como gesto político, el reglamento cumple. Como motor industrial no arranca, por la sencilla razón de que nunca se diseñó para arrancar nada.
El debate hispano sobre IA va, casi entero, en esa dirección regulatoria. Qué prohibir, qué controlar, qué riesgo vigilar. El otro debate, el de quién pone el dinero, quién levanta la infraestructura, con qué datos y bajo qué arquitecturas, o llega traducido del inglés con meses de retraso o no llega.
La curva de coste apaga la conversación europea
El dato que de verdad clausura la fantasía de un modelo frontier europeo no tiene que ver con el talento ni con la regulación. Tiene que ver con la aritmética del entrenamiento. El coste de entrenar un modelo de frontera viene creciendo a un ritmo que más o menos lo duplica cada año, y eso convierte la barrera de entrada en un muro que sube solo.
Donde antes se hablaba de cientos de millones por modelo, ya se habla de miles. Y mirando un poco más allá, Epoch AI ha modelado cómo escalan los clústeres de entrenamiento de frontera de cara a final de la década: en su análisis, el cómputo necesario para un entrenamiento puntero hacia 2030 podría situarse en el orden de las decenas de miles de millones de dólares, con escenarios agresivos que rebasan los cien mil millones. No es una factura de modelo cerrado, es la magnitud del aparato de cómputo que hay que levantar para jugar en esa liga, y conviene leerla como límite inferior tanto como superior.
A esos precios, ninguna institución pública europea entra en la sala. No es asunto de voluntad política ni de orgullo nacional herido, sino de una desigualdad que se resuelve con una calculadora.
España financia el programa público Generación D, conocido como «la Generación IA», con ciento veinte millones de euros repartidos en cuatro años entre el CSIC, el Barcelona Supercomputing Center, el CNIC y el CNIO, según la nota oficial del Gobierno. Es dinero real para formar a cientos de investigadores. Comparado con el coste de un solo entrenamiento de frontera, sin embargo, ese presupuesto entero apenas roza la magnitud de una factura de cómputo puntera. Si el objetivo declarado fuera competir en la frontera, los números no cuadraban antes y cuadran menos ahora. Conviene decirlo sin anestesia, porque hay discursos institucionales que insinúan lo contrario.
Lo cual no condena la idea de financiar IA pública. La condena que merece es otra: cualquier programa que se venda al ciudadano como «la alternativa europea a OpenAI» le está mintiendo sobre lo que su presupuesto permite. Habría una conversación honesta posible —qué clase de IA pública sí es viable con dinero español: vertical, especializada, construida sobre modelos abiertos y afinada con datos propios—, pero esa conversación no se está teniendo.
El dato público se agota, y eso reparte el futuro
Epoch AI lleva años estimando cuándo se acabará el texto público de alta calidad disponible para entrenar modelos. La horquilla que manejan en sus distintas revisiones del estudio es amplia, situada aproximadamente entre 2026 y 2032, con una mediana que tiende a caer hacia 2028. El margen depende sobre todo de cuánto se «sobreentrene», es decir, de cuántas veces se reutilice el mismo dato para exprimirle más rendimiento.
Si los modelos se entrenan en el ratio considerado óptimo, el stock aguanta más; si se reutiliza el dato de forma agresiva, como ocurre en la práctica, el horizonte se acerca. La fecha exacta importa menos que el sentido del movimiento, que es inequívoco: el pozo se está secando.
La consecuencia es la parte que la prensa española deja fuera. Cuando el dato público de calidad escasea, la ventaja se la queda quien tenga datos propios que nadie más puede tocar. Las compañías que ya disponen de ese activo —buscadores con su índice de la web, redes sociales con años de conversaciones, plataformas profesionales y ofimáticas con el rastro laboral de medio mundo— lo van a conservar como oro. Las que no lo tienen se quedan con dos salidas: fabricar datos sintéticos o comprar acceso exclusivo a datos ajenos.
Y eso ya está pasando. No hace falta imaginarlo. OpenAI firmó acuerdos de licencia de contenido con grupos editoriales de primer orden —News Corp, Axel Springer, el Financial Times, entre otros— para nutrir y respaldar sus modelos con sus archivos, según recogió la prensa especializada del sector. Pagar por el acceso a un corpus que otro controla dejó de ser una rareza para convertirse en una vía de aprovisionamiento más.
Ahora bien, no todos los laboratorios juegan la misma partida. Anthropic, sin ir más lejos, no ha cerrado acuerdos de licencia de ese tipo con editoriales y afronta una demanda de Reddit precisamente por haber usado contenido de la plataforma sin pacto previo; su célebre desembolso de mil quinientos millones de dólares fue un arreglo judicial con autores por el uso de libros pirateados, según Bloomberg Law, y no una licencia de datos. Pleitos por un lado, talonarios por otro: la economía del entrenamiento se está cerrando con ambos instrumentos a la vez, antes de que la mayoría de los europeos haya entendido siquiera qué significa entrenar un modelo.
El miedo no frena la adopción, la acompaña
Aquí viene la gráfica más perturbadora del informe, la que la prensa generalista apenas roza porque no cabe en un titular limpio. La adopción de la IA generativa ha alcanzado a algo más de la mitad de la población mundial en cosa de tres años, más rápido que el ordenador personal, más rápido que internet, más rápido que el teléfono inteligente. Es una de las curvas de difusión más veloces de las que hay registro.
Y no es uniforme. Algunos países pequeños y muy conectados van muy por delante de la media, mientras que ciertas economías grandes adoptan por debajo de lo que su riqueza haría esperar. España no figura desglosada en la gráfica principal; los indicios disponibles la colocan en la franja media europea, sin más detalle fiable que ofrecer aquí.
Lo que de verdad descoloca es lo que ocurre con la confianza mientras el uso se dispara. El informe documenta una brecha enorme entre lo que esperan los expertos en IA y lo que espera el público general sobre el impacto de esta tecnología: los especialistas son consistentemente mucho más optimistas que la ciudadanía en empleo, en economía y en sanidad, con distancias que en algunos apartados superan ampliamente los veinte puntos. La población usa la herramienta sin fiarse de ella, la integra en su día a día sin haber decidido del todo que le conviene, la adopta sin entenderla.
Ese patrón rompe el binarismo cómodo del «IA buena contra IA mala» que sostiene buena parte de la cobertura. La realidad que dibujan los datos es más sucia: una tecnología que la gente incorpora con desconfianza creciente. Esa frase no entra en titular, y por eso casi nadie la escribe.
La gráfica fantasma es la que no está
Hay una gráfica que conviene mirar precisamente porque no existe. El AI Index 2026 no dedica un capítulo al impacto cognitivo del uso prolongado de los asistentes generativos. Hay menciones sueltas, hay referencias a trabajos recientes sobre lo que el apoyarse en estas herramientas le hace a la atención y a la memoria, pero no hay un capítulo con ese título. Y la ausencia es elocuente.
Dice, supongo, que la conversación sobre lo que la IA le hace al cerebro todavía no es lo bastante medible como para entrar en un informe que se presenta como un compendio de datos verificados. Existen estudios, pero no hay consenso metodológico, y el AI Index prefiere esperar a tenerlo. Es una decisión honesta. También es reveladora de cuánto de este territorio sigue a oscuras.
La otra ausencia que pesa es la del impacto laboral concreto, sector por sector y país por país. El informe trae datos agregados sobre productividad y sobre qué tareas quedan expuestas, pero no una desagregación industrial con cifras nacionales, probablemente porque esos datos aún no son comparables entre sí. El efecto práctico es que la conversación pública sobre «la IA y mi puesto de trabajo» sigue alimentándose de proyecciones de consultoras y bancos de inversión en lugar de un informe académico independiente. Dos huecos honestos, y a la vez el espejo donde se ve qué queda por medir.
Lo que el hueco español significa
España no aparece desglosada en las gráficas principales, y nadie en Stanford lo hizo por desprecio. Ocurre, sencillamente, que el país no genera los datos sectoriales que encajarían en las categorías del informe. No existe un AI Index Spain con el que cotejar nada, no hay desglose por modelo de frontera español porque tampoco existe el modelo, y la línea propia de inversión privada falta porque la cifra ni se acerca al umbral que exige una gráfica de alcance mundial.
Quedar fuera de un conjunto de datos global no es un agravio del que haya que defenderse, sino un síntoma que conviene leer despacio. Lo que dice ese síntoma es que la conversación sobre IA en España se importa, se traduce y se discute con un par de años de retraso, porque el propio país todavía no tiene un aparato capaz de producir el dato que lo sentaría en la mesa.
Mientras tanto, otros países que no son potencias —algunos bastante pequeños— sí aparecen con su línea propia, porque en algún momento decidieron fabricar su estadística antes que esperar a que se la contara otro. Esa es la diferencia que el informe deja a la vista sin necesidad de subrayarla: hay quien produce su dato y hay quien lo recibe traducido, y España, de momento, sigue en el segundo grupo.
Definiciones
AI Index Report es el informe anual que publica el Stanford HAI sobre el estado de la inteligencia artificial; su edición de 2026 supera las cuatrocientas páginas repartidas en varios capítulos.
Inversión privada en IA es el capital que fondos y empresas vuelcan en startups y proyectos del sector. No incluye el gasto público ni la inversión interna en infraestructura de las grandes corporaciones, lo que explica que el esfuerzo de países con fuerte componente estatal quede infrarrepresentado.
Modelo frontier (modelo de frontera) es el que se sitúa en el límite técnico del sector en un momento dado, con las capacidades más altas disponibles.
Fondos de orientación gubernamental son vehículos de inversión dirigidos o respaldados por el Estado, frecuentes en China, que canalizan capital hacia sectores estratégicos y que las bases de datos de capital privado no contabilizan.
Sobreentrenar es reutilizar el mismo dato más veces de lo que el ratio óptimo aconsejaría, para sacarle más rendimiento a costa de eficiencia de cómputo.
Generación D (divulgada como «la Generación IA») es un programa público español dependiente del Ministerio de Ciencia, Innovación y Universidades, dotado con ciento veinte millones de euros, que financia contratos de investigación en IA durante cuatro años a través del CSIC, el Barcelona Supercomputing Center, el CNIC y el CNIO.
Referencias
Stanford HAI — AI Index Report 2026 (informe completo en PDF). Fuente principal de las cifras de inversión, rendimiento de modelos, adopción y opinión pública citadas a lo largo del artículo; las magnitudes concretas deben leerse contra el documento oficial.
Stanford HAI — Inside the AI Index: Takeaways from the 2026 Report, resumen oficial de las conclusiones del informe.
Epoch AI — Can AI Scaling Continue Through 2030?, base para las estimaciones sobre el coste y la magnitud del cómputo de entrenamiento de frontera hacia 2030. https://epoch.ai/blog/can-ai-scaling-continue-through-2030
Epoch AI — Will We Run Out of Data? Limits of LLM Scaling Based on Human-Generated Data, base para la horquilla de agotamiento del dato público de alta calidad. https://epoch.ai/blog/will-we-run-out-of-data-limits-of-llm-scaling-based-on-human-generated-data
The Next Web — «Stanford AI Index 2026: China narrows US lead while spending far less», cobertura del estrechamiento del gap técnico EEUU-China. https://thenextweb.com/news/stanford-ai-index-2026-china-us-performance-gap
Gobierno de España, Ministerio de Ciencia, Innovación y Universidades — «El Gobierno financia más de 370 contratos de investigación en centros públicos para formar la Generación IA» (2025), nota oficial con la dotación de 120 millones de euros y las entidades beneficiarias (CSIC, BSC, CNIC, CNIO) del programa Generación D. https://www.lamoncloa.gob.es/serviciosdeprensa/notasprensa/ciencia-innovacion-universidades/paginas/2025/070425-contratos-generacion-ia.aspx
Press Gazette — «News generative AI deals revealed: Who is suing, who is signing?», recuento de los acuerdos de licencia de OpenAI con News Corp, Axel Springer, Financial Times y otros editores. https://pressgazette.co.uk/platforms/news-publisher-ai-deals-lawsuits-openai-google/
Unión Europea — Reglamento (UE) 2024/1689 sobre inteligencia artificial, aprobado en 2024, marco normativo europeo al que se alude en el artículo. https://eur-lex.europa.eu/eli/reg/2024/1689/oj
Bloomberg Law — información sobre el acuerdo judicial de mil quinientos millones de dólares de Anthropic con autores por el uso de libros con derechos. https://news.bloomberglaw.com/ip-law/anthropic-to-pay-1-5-billion-to-settle-author-copyright-claims
Media and the Machine — análisis de la demanda de Reddit contra Anthropic por uso de contenido sin acuerdo de licencia. https://mediaandthemachine.substack.com/p/reddit-v-anthropic-the-lawsuit-that
También te interesa
- Cómo está usando la prensa las cifras del AI Index 2026
- Por qué Stanford HAI manda y las universidades españolas no pintan nada
- Epoch AI dice que los datos se agotan en 2028
- El coste real del entrenamiento de GPT-5
Aún sin comentarios
Aún no hay comentarios. Sé el primero.
Deja un comentario