Thierry Edde – Jefe de Crypto de Deel

Existe un cambio silencioso en el mercado laboral mexicano que va más allá del nearshoring. 

Cada vez más profesionales trabajan para empresas internacionales sin salir del país y, con ello, empiezan a tomar decisiones financieras que hace unos años eran menos comunes. Una de las más importantes es la moneda con la que reciben y administran sus ingresos.

En Deel vemos una señal clara de esa transformación: uno de cada cinco contratistas mexicanos que utiliza la plataforma ya elige recibir sus ingresos en dólares, una proporción que ha crecido de forma constante durante los últimos cuatro años. 

El dato no significa que el peso haya perdido relevancia. Al contrario, México es el mercado de la región más orientado a la moneda local entre los países analizados: alrededor de 80% de los contratistas retira sus ingresos en pesos mexicanos. 

Lo que está cambiando no es la confianza en la moneda local, sino la naturaleza del trabajo. 

México se ha consolidado como uno de los mercados más importantes en la conversación de nearshoring. 

Normalmente, esa conversación se centra en inversión, manufactura, plantas de producción y cadenas de suministro. 

Pero también está creciendo otro fenómeno menos visible: más profesionales mexicanos de la economía del conocimiento prestan servicios a compañías de otros países desde el lugar donde viven. 

Cuando el trabajo cruza fronteras, también cambian las decisiones financieras alrededor de ese trabajo. 

Para muchos contratistas, elegir la moneda en la que reciben sus ingresos dejó de ser un trámite administrativo. Ahora forma parte de cómo planean, ahorran, pagan servicios, administran riesgos cambiarios o mantienen flexibilidad frente a clientes internacionales.

Ese comportamiento se ve con especial claridad en América Latina. En mercados con alta inflación o mayor volatilidad cambiaria, la preferencia por dólares o instrumentos ligados al dólar suele ser más alta. 

México presenta un caso distinto. La estabilidad relativa del peso frente a otros mercados de la región ayuda a explicar por qué la mayoría de los trabajadores sigue eligiendo la moneda local. 

Sin embargo, el crecimiento del trabajo internacional está impulsando una relación más flexible con el dólar.

Para algunos profesionales mexicanos, cobrar en dólares no responde a una apuesta financiera. Responde a una realidad laboral: trabajan con empresas extranjeras, tienen clientes globales, colaboran con equipos distribuidos y, en muchos casos, negocian compensaciones en una moneda distinta a la de su país de residencia.

En ese contexto, las stablecoins empiezan a ocupar un lugar diferente dentro de la economía digital. 

Durante mucho tiempo fueron vistas principalmente como parte del ecosistema cripto. Hoy también empiezan a responder a una necesidad más cotidiana: permitir que trabajadores globales mantengan balances denominados en dólares, reciban pagos internacionales con mayor flexibilidad y administren sus ingresos antes de decidir cómo convertirlos o utilizarlos.

La conversación no es si una moneda sustituirá a otra. La conversación es cuánta flexibilidad esperan tener los profesionales cuando su trabajo, sus clientes y sus ingresos ya no están limitados por fronteras. 

Algunos seguirán convirtiendo sus ingresos a pesos desde el primer día. Otros preferirán conservar una parte en dólares. 

Otros buscarán herramientas digitales que les permitan administrar esos ingresos durante más tiempo antes de tomar una decisión.

Para las empresas, este cambio también importa. En un mercado laboral global, la compensación ya no se define únicamente por cuánto se paga, sino también por cómo, cuándo y en qué condiciones se paga. 

La flexibilidad en pagos puede convertirse en un diferenciador para atraer talento internacional, siempre que se ofrezca bajo estructuras claras, documentadas y alineadas con las obligaciones legales y fiscales de cada mercado.

La forma de trabajar cambió mucho más rápido que muchas de las herramientas financieras disponibles para quienes reciben ingresos desde distintos países. Esa distancia empieza a reducirse. 

Lo que observamos entre profesionales mexicanos no parece una tendencia pasajera, sino una adaptación natural a una economía en la cual el trabajo dejó de estar limitado por fronteras, pero las decisiones financieras todavía están aprendiendo a moverse con la misma velocidad.

Andrés Felipe Gaviria Cano – Empresario e inversionista

Durante años, en América Latina entendimos buena parte de la transformación digital del Estado como la tarea de llevar trámites del papel a la pantalla. Fue un paso necesario: digitalizamos formularios, creamos portales, habilitamos pagos electrónicos y desarrollamos aplicaciones. 

Pero mientras la tecnología avanza a una velocidad extraordinaria, vale la pena hacer una pregunta más exigente y menos cómoda: ¿estamos transformando el Estado o simplemente digitalizando su burocracia?

Un trámite que antes exigía cinco documentos y una fila de tres horas no se convierte en un buen servicio público sólo porque esos mismos cinco documentos ahora se cargan en PDF. 

La verdadera transformación empieza cuando nos preguntamos por qué el ciudadano tiene que hacer ese trámite, por qué debe entregar información que el Estado ya posee y si la tecnología podría permitir que el servicio llegue antes de que la persona tenga que pedirlo.

Esa conversación ya ocurre en los países que lideran el GovTech mundial. 

En febrero de 2026, GovTech Singapore presentó una idea reveladora: un “sistema nervioso digital” para la ciudad, que conecta sensores, Internet de las Cosas, datos e Inteligencia Artificial para que la infraestructura pública entienda mejor lo que pasa y responda con más rapidez. 

Lo interesante no es tanto la tecnología como el cambio de rol que propone: un Estado que deja de limitarse a recibir solicitudes y empieza a anticipar lo que la gente va a necesitar.

Ese cambio debería interesarnos en América Latina, aunque enfrentamos problemas muy distintos a los de Singapur y ningún modelo se copia mecánicamente. 

Tenemos enormes diferencias territoriales, brechas de conectividad e instituciones con capacidades digitales desiguales. Por eso el GovTech regional tiene que pensarse desde nuestra propia realidad, no importarse de otra.

Colombia ha construido, durante años, activos importantes en gobierno digital: interoperabilidad, identidad y autenticación digital, datos abiertos, servicios ciudadanos. Hay conocimiento acumulado, talento tecnológico y un ecosistema público y privado capaz de desarrollar soluciones sofisticadas. El reto es conectar mejor esas piezas.

Un primer principio, sencillo de enunciar y difícil de lograr: el Estado no debería pedirle dos veces al ciudadano un dato que ya tiene. 

Eso exige interoperabilidad real entre entidades, estándares comunes, calidad de los datos, ciberseguridad y, sobre todo, liderazgo institucional. Cuando los

sistemas públicos no conversan entre sí, quien termina de mensajero entre las instituciones es el ciudadano: consigue un certificado en una entidad para entregarlo en otra, repite información, vuelve a demostrar quién es. 

La interoperabilidad no es sólo un asunto técnico: es tiempo de vida que le devolvemos a la gente, o que le quitamos.

El segundo paso es volver los servicios más proactivos. Pensemos en una familia que no tuviera que descubrir por su cuenta cada programa al que puede acceder: que la llegada de un hijo, el inicio de la vida laboral o la pérdida de un empleo activaran, con las debidas garantías de privacidad, una ruta clara de servicios. 

El peso de entender cómo está organizado el Estado dejaría de recaer sobre el ciudadano.

La Inteligencia Artificial puede ayudar ahí: simplificar procesos, orientar mejor a las personas, detectar anomalías, reducir tiempos de respuesta. 

Pero hay un error que debemos evitar: incorporar IA sobre procesos ineficientes sin rediseñarlos primero. Automatizar una mala burocracia sólo produce una mala burocracia más rápida.

Nada de esto ocurre sin capacidad de gestión pública, que ninguna plataforma reemplaza: equipos técnicos sólidos dentro del Estado, funcionarios que entiendan de tecnología, compras públicas más ágiles y proyectos que sobrevivan a los cambios de gobierno.

Y esa transformación no puede quedarse en las capitales. Tiene que funcionar en un municipio con conectividad limitada, para un adulto mayor que no domina una aplicación o para alguien que sólo tiene un teléfono de gama básica. 

La inclusión digital se mide en cuánta gente resuelve su trámite sin tener que volverse experta en aplicaciones.

Singapur habla hoy de un sistema nervioso digital. América Latina puede aprender de esa visión sin copiarla: construir un Estado que escuche mejor, conecte mejor su información y actúe antes de que se lo pidan. 

La tecnología para hacerlo existe y también el talento y las capacidades locales. Lo que falta es convertir la transformación digital en una prioridad sostenida del Estado: no en el número de plataformas creadas, sino en las horas y las barreras que le devolvemos a la gente.

Vitor Menezes – Director de Asuntos Institucionales e Regulatórios de Unifique Telecom de Brasil

A Inteligência Artificial deixou de ser uma promessa para se tornar parte da operação cotidiana das redes de telecomunicações. Hoje, algoritmos já são utilizados para prever falhas, otimizar o uso do espectro, automatizar o atendimento aos consumidores, detectar fraudes, gerenciar recursos de rede e apoiar decisões operacionais que, até poucos anos atrás, dependiam exclusivamente da atuação humana.

Diante dessa realidade, a Anatel deu início a uma discussão estratégica sobre como a Inteligência Artificial deve ser incorporada ao ambiente regulatório das telecomunicações brasileiras. Por meio da Tomada de Subsídios nº 6, a Agência convida o mercado, a academia e a sociedade a refletirem sobre os desafios e oportunidades decorrentes do uso da IA na prestação dos serviços de telecomunicações. 

À primeira vista, o documento pode sugerir que a Agência pretende construir uma nova regulamentação específica sobre Inteligência Artificial. No entanto, essa não parece ser a principal mensagem da iniciativa.

O que está por trás da iniciativa da Anatel

Antes da Tomada de Subsídios, a Anatel realizou uma importante Análise de Impacto Regulatório (AIR) para avaliar se existiriam barreiras regulatórias capazes de dificultar o desenvolvimento da IA no setor. A conclusão foi bastante significativa: não foram identificados, neste momento, obstáculos regulatórios que justifiquem uma disciplina normativa extensa ou excessivamente prescritiva. 

A opção da Agência foi outra: fortalecer um modelo baseado em princípios, proporcionalidade e acompanhamento contínuo da evolução tecnológica.

Essa escolha merece destaque. Em vez de antecipar regras detalhadas para uma tecnologia que ainda evolui rapidamente, a Anatel sinaliza preferência por uma abordagem flexível, capaz de acompanhar a inovação sem sufocá-la.

Os principais vetores da discussão

Embora a Agência não proponha, por ora, uma regulamentação rígida, a Anatel apresenta um conjunto abrangente de questões que revelam quais temas considera prioritários para os próximos anos.

Entre eles, destacam-se:

• transparência e explicabilidade dos sistemas de IA; 
• prevenção de discriminação e mitigação de vieses; 
• proteção de dados pessoais e segurança da informação; 
• governança corporativa e responsabilização pelo uso da IA; 
• supervisão humana de decisões automatizadas; 
• utilização de IA generativa em atendimento ao consumidor; 
• automação da operação das redes de telecomunicações; 
• fiscalização regulatória envolvendo algoritmos, modelos e bases de treinamento; 
• responsabilidades na cadeia de fornecedores de soluções de IA; 
• proporcionalidade regulatória para provedores regionais e prestadoras de menor porte. 

A leitura da Tomada de Subsídios revela que a preocupação da Anatel não se concentra na tecnologia propriamente dita, mas nos efeitos jurídicos, regulatórios e operacionais decorrentes de sua aplicação no setor de telecomunicações. A discussão abrange, sobretudo, a forma como sistemas de Inteligência Artificial podem influenciar a prestação dos serviços, a tutela dos direitos dos consumidores, a integridade e a segurança das redes, bem como os mecanismos de supervisão e fiscalização regulatória.

Um debate essencialmente setorial

Talvez o aspecto mais relevante da Tomada de Subsídios seja justamente aquilo que ela não pretende fazer.

A Anatel não busca substituir o futuro marco legal brasileiro da Inteligência Artificial nem assumir competências atribuídas a outros órgãos, como a ANPD. Ao contrário, diversas perguntas da Tomada demonstram preocupação em delimitar claramente o papel do regulador setorial e evitar sobreposição de competências. 

Isso indica que a Agência pretende concentrar sua atuação nos aspectos específicos das telecomunicações, como a operação das redes, a continuidade dos serviços, a proteção dos usuários e a supervisão regulatória das prestadoras.

Entre a inovação e a intervenção regulatória

A evolução da Inteligência Artificial traz uma questão inevitável: como estimular a inovação sem comprometer direitos fundamentais, concorrência e segurança das infraestruturas críticas?

Essa preocupação aparece em diversos momentos da Tomada de Subsídios:

• Como exigir transparência sem obrigar empresas a revelar segredos comerciais?
• Como permitir que a Anatel exerça fiscalização adequada quando os modelos de IA pertencem a fornecedores globais?
• Como garantir supervisão humana sobre sistemas que passam a tomar decisões autônomas na gestão das redes?
• Como preservar a neutralidade de rede e evitar tratamentos discriminatórios quando algoritmos passam a orquestrar recursos em tempo real?

A forma como essas questões serão enfrentadas terá papel decisivo na definição dos contornos da atuação regulatória da Anatel e na consolidação de um ambiente institucional capaz de conferir segurança jurídica, estimular investimentos e preservar as condições necessárias ao desenvolvimento sustentável do setor de telecomunicações.

A atuação regulatória diante da transformação tecnológica

A discussão proposta pela Anatel não se limita à disciplina de uma determinada tecnologia. Seu alcance é mais amplo, na medida em que envolve a própria conformação jurídica da infraestrutura sobre a qual se desenvolvem atividades econômicas, serviços públicos e relações sociais cada vez mais dependentes de conectividade.

As redes de telecomunicações constituem elemento essencial ao funcionamento da economia digital. Sua disponibilidade, continuidade, segurança, capacidade e resiliência condicionam não apenas a adequada prestação dos serviços de telecomunicações, mas também o exercício de direitos, a realização de atividades produtivas e o acesso a serviços públicos e privados em ambiente digital.

A incorporação de sistemas de Inteligência Artificial à gestão dessas redes introduz novos elementos à atividade regulatória. Decisões antes submetidas a comandos previamente definidos ou à intervenção humana passam, progressivamente, a ser realizadas por sistemas capazes de ajustar recursos, identificar falhas, priorizar respostas e interferir diretamente na operação da infraestrutura.

Essa transformação projeta efeitos jurídicos relevantes sobre deveres já consolidados no ordenamento setorial, entre os quais se destacam a continuidade e a qualidade dos serviços, a segurança das redes, a não discriminação, a proteção dos usuários, a preservação da neutralidade de rede e a responsabilização dos agentes envolvidos.

O desafio regulatório, portanto, não consiste em disciplinar abstratamente a Inteligência Artificial, mas em assegurar que sua utilização permaneça compatível com os princípios, direitos e obrigações que estruturam a prestação dos serviços de telecomunicações.

É sob essa perspectiva que a iniciativa da Anatel ultrapassa a análise de aplicações tecnológicas específicas e se insere em debate mais abrangente sobre governança, responsabilidade e supervisão de infraestruturas essenciais à economia digital.

Considerações finais

A Tomada de Subsídios nº 6 inaugura uma etapa relevante da evolução regulatória do setor de telecomunicações. A iniciativa procura antecipar os desafios decorrentes da incorporação da Inteligência Artificial à prestação dos serviços, preservando a coerência do marco regulatório diante das transformações tecnológicas em curso.

Se conduzido com equilíbrio, esse processo poderá consolidar um ambiente regulatório capaz de incentivar inovação, oferecer segurança jurídica às empresas, proteger os direitos dos usuários e fortalecer a infraestrutura digital necessária para o desenvolvimento econômico do país.

A discussão está apenas começando. E, considerando a velocidade com que a Inteligência Artificial avança, participar desse debate será fundamental para definir o futuro das telecomunicações brasileiras.

Vitor Menezes – Director de Asuntos Institucionales y Regulatorios de Unifique Telecom de Brasil

La Inteligencia Artificial ha dejado de ser una promesa para convertirse en parte de la operación cotidiana de las redes de telecomunicaciones.

Hoy, los algoritmos ya se utilizan para prever fallas, optimizar el uso del espectro, automatizar la atención a los consumidores, detectar fraudes, gestionar recursos de red y apoyar decisiones operativas que, hasta hace pocos años, dependían exclusivamente de la intervención humana.

Ante esta realidad, la Agencia Nacional de Telecomunicaciones de Brasil (Anatel) inició una discusión estratégica sobre cómo debe incorporarse la Inteligencia Artificial al entorno regulatorio de las telecomunicaciones brasileñas.

A través de la Consulta Pública de Aportes (Tomada de Subsídios) n.º 6, la Agencia invita al mercado, la academia y la sociedad para reflexionar sobre los desafíos y las oportunidades derivados del uso de la IA en la prestación de los servicios de telecomunicaciones.

A primera vista, el documento podría sugerir que la Agencia pretende construir una nueva regulación específica sobre Inteligencia Artificial. Sin embargo, esa no parece ser la principal intención de la iniciativa.

Lo que hay detrás de la iniciativa de la Anatel

Antes de lanzar la Consulta Pública de Aportes, la Anatel realizó un importante Análisis de Impacto Regulatorio (AIR) para evaluar si existían barreras regulatorias que pudieran dificultar el desarrollo de la IA en el sector.

La conclusión fue significativa: por el momento no se identificaron obstáculos regulatorios que justifiquen una normativa amplia o excesivamente prescriptiva.

La Agencia optó por otro camino: fortalecer un modelo basado en principios, proporcionalidad y seguimiento continuo de la evolución tecnológica.

Esta decisión merece destacarse. En lugar de anticipar reglas detalladas para una tecnología que aún evoluciona rápidamente, la Anatel muestra su preferencia por un enfoque flexible, capaz de acompañar la innovación sin sofocarla.

Los principales ejes de la discusión

Aunque por ahora la Agencia no propone una regulación rígida, la Anatel presenta un amplio conjunto de cuestiones que revelan cuáles considera prioritarias para los próximos años.

Entre ellas destacan:

• transparencia y explicabilidad de los sistemas de IA;
• prevención de la discriminación y mitigación de sesgos;
• protección de datos personales y seguridad de la información;
• gobernanza corporativa y rendición de cuentas por el uso de la IA;
• supervisión humana de las decisiones automatizadas;
• utilización de IA Generativa en la atención al consumidor;
• automatización de la operación de las redes de telecomunicaciones;
• supervisión regulatoria de algoritmos, modelos y bases de entrenamiento;
• responsabilidades dentro de la cadena de proveedores de soluciones de IA;
• proporcionalidad regulatoria para proveedores regionales y operadores de menor tamaño.

La lectura de la Consulta Pública de Aportes revela que la preocupación de la Anatel no se concentra en la tecnología como tal, sino en los efectos jurídicos, regulatorios y operativos derivados de su aplicación en el sector de las telecomunicaciones.

La discusión abarca, sobre todo, la forma como los sistemas de Inteligencia Artificial pueden influir en la prestación de los servicios, la protección de los derechos de los consumidores, la integridad y seguridad de las redes, así como los mecanismos de supervisión y fiscalización regulatoria.

Un debate esencialmente sectorial

Quizá el aspecto más relevante de la Consulta Pública de Aportes sea precisamente aquello que no pretende hacer.

La Anatel no busca sustituir el futuro marco jurídico brasileño sobre Inteligencia Artificial ni asumir competencias atribuidas a otros organismos, como la Autoridad Nacional de Protección de Datos (ANPD).

Por el contrario, varias de las preguntas planteadas reflejan la preocupación por delimitar claramente el papel del regulador sectorial y evitar la superposición de competencias.

Esto indica que la Agencia pretende concentrar su actuación en los aspectos específicos de las telecomunicaciones, como la operación de las redes, la continuidad de los servicios, la protección de los usuarios y la supervisión regulatoria de los operadores.

Entre la innovación y la intervención regulatoria

La evolución de la Inteligencia Artificial plantea una cuestión inevitable: ¿cómo estimular la innovación sin comprometer los derechos fundamentales, la competencia y la seguridad de las infraestructuras críticas?

Esta preocupación aparece en distintos momentos de la Consulta Pública de Aportes:

• ¿Cómo exigir transparencia sin obligar a las empresas a revelar secretos comerciales?
• ¿Cómo permitir que la Anatel ejerza una supervisión adecuada cuando los modelos de IA pertenecen a proveedores globales?
• ¿Cómo garantizar la supervisión humana sobre sistemas que comienzan a tomar decisiones autónomas en la gestión de las redes?
• ¿Cómo preservar la neutralidad de la red y evitar tratamientos discriminatorios cuando los algoritmos pasan a orquestar recursos en tiempo real?

La manera como se aborden estas cuestiones desempeñará un papel decisivo en la definición del alcance de la actuación regulatoria de la Anatel y en la consolidación de un entorno institucional capaz de brindar seguridad jurídica, estimular las inversiones y preservar las condiciones necesarias para el desarrollo sostenible del sector de las telecomunicaciones.

La actuación regulatoria frente a la transformación tecnológica

La discusión propuesta por la Anatel no se limita a regular una tecnología específica.

Su alcance es más amplio, ya que involucra la propia configuración jurídica de la infraestructura sobre la que se desarrollan actividades económicas, servicios públicos y relaciones sociales cada vez más dependientes de la conectividad.

Las redes de telecomunicaciones constituyen un elemento esencial para el funcionamiento de la economía digital.

Su disponibilidad, continuidad, seguridad, capacidad y resiliencia condicionan no sólo la adecuada prestación de los servicios de telecomunicaciones, también el ejercicio de derechos, el desarrollo de actividades productivas y el acceso a servicios públicos y privados en entornos digitales.

La incorporación de sistemas de Inteligencia Artificial a la gestión de estas redes introduce nuevos elementos en la actividad regulatoria.

Decisiones que antes se encontraban sujetas a instrucciones previamente definidas o a la intervención humana pasan, de manera progresiva, a ser ejecutadas por sistemas capaces de ajustar recursos, identificar fallas, priorizar respuestas e intervenir directamente en la operación de la infraestructura.

Esta transformación proyecta importantes efectos jurídicos sobre obligaciones ya consolidadas en el marco regulatorio sectorial, entre las que destacan la continuidad y calidad de los servicios, la seguridad de las redes, la no discriminación, la protección de los usuarios, la preservación de la neutralidad de la red y la responsabilidad de los agentes involucrados.

El desafío regulatorio, por tanto, no consiste en regular de manera abstracta la Inteligencia Artificial, sino en garantizar que su utilización siga siendo compatible con los principios, derechos y obligaciones que estructuran la prestación de los servicios de telecomunicaciones.

Desde esta perspectiva, la iniciativa de la Anatel trasciende el análisis de aplicaciones tecnológicas específicas y se inserta en un debate más amplio sobre gobernanza, responsabilidad y supervisión de infraestructuras esenciales para la economía digital.

Consideraciones finales

La Consulta Pública de Aportes n.º 6 inaugura una etapa relevante en la evolución regulatoria del sector de las telecomunicaciones.

La iniciativa busca anticipar los desafíos derivados de la incorporación de la Inteligencia Artificial a la prestación de los servicios, preservando la coherencia del marco regulatorio frente a las transformaciones tecnológicas en curso.

Si este proceso se conduce con equilibrio, podrá consolidar un entorno regulatorio capaz de incentivar la innovación, ofrecer seguridad jurídica a las empresas, proteger los derechos de los usuarios y fortalecer la infraestructura digital necesaria para el desarrollo económico del país.

La discusión apenas comienza. Y, considerando la velocidad con la que avanza la Inteligencia Artificial, participar en este debate será fundamental para definir el futuro de las telecomunicaciones en Brasil.

Luis Adrián Salazar – Especialista en TIC y Ex ministro de Ciencia, Tecnología y Telecomunicaciones de Costa Rica.

¿Qué ocurriría si, por un sólo día, nos imagináramos a Leonardo da Vinci despertando hoy, en pleno año 2026?

Como mente maestra, seguramente intentaría descifrar la realidad que nos envuelve: un desconcierto creativo del mundo digital, completamente saturado de algoritmos, Inteligencia Artificial, tecnologías disruptivas, tensiones políticas y un ecosistema tecnológico de altísima sofisticación.

Este ejercicio no sólo plantea una curiosidad intelectual, también invita a reflexionar sobre las oportunidades y limitaciones que las personas tienen hoy en día, tomando como referencia una de las mentes más brillantes de la historia. 

Imaginemos a Leonardo inmerso en una sociedad con enormes capacidades académicas, investigativas y tecnológicas, pero donde las desigualdades en el acceso y las posibilidades siguen determinando el éxito o el fracaso de una persona.

Presentemos un primer escenario, pletórico de incentivos. En él, Da Vinci sería un apasionado por comprender la mente humana. 

Plantearía modelos, interrogantes y propuestas para desarrollar lenguajes de Inteligencia Artificial aplicados a sistemas robóticos capaces de resolver problemas cotidianos de alta complejidad, expertos en emular emociones y en plasmar en tablas de álamo sus obras.

Es probable que fuese un ciudadano universal, moviéndose entre grandes capitales y centros de pensamiento. 

Su centro creativo, probablemente, no estaría en Florencia, sino en la NASA, en el MIT o en el Instituto CERN, generando teorías que integraran múltiples áreas del conocimiento humano con una visión tecnológica global.

Resulta fascinante imaginar cuál sería su valoración con respecto a los algoritmos y al comportamiento autónomo de las máquinas: ¿los vería como arte, como una forma de pensamiento libre o como una competencia directa de las capacidades humanas? 

¿Cómo juzgaría la ética con la que hoy se utiliza la Inteligencia Artificial? Quizá, propondría nuevos modelos educativos para desarrollar habilidades visionarias que equilibren la oferta y la demanda de empleos futuros, mientras potencian las actividades humanas actuales.

Quizás, consideraría a la Inteligencia Artificial como una amenaza al arte: una competencia que, utilizada sin criterio, podría permitir que creaciones carentes de estética, contenido intelectual o inspiración artística —como ciertos NFT o figuras generadas por una simple consulta a un computador— fueran catalogadas como obras maestras.

Pero también podemos imaginar otro escenario: un Leonardo limitado, sin la posibilidad real de crear. 

Un ser humano común que lucha contra el hambre, la falta de educación y de salud; sin acceso a tecnología y atrapado en múltiples carencias. 

Alguien que vive las consecuencias de la desigualdad y la vulnerabilidad, en medio de un caos global difícil de comprender y donde las oportunidades no se reparten por igual.

En el primer caso, podríamos tener a un “influencer” de sabiduría que hable del funcionamiento de la naturaleza mezclando arte y ciencia; que utilice plataformas digitales para difundir filosofía contemporánea y que aplique mecanismos cibernéticos para ampliar la capacidad humana de observar, conectar y crear. 

En el segundo, tendríamos a alguien —como miles de millones en este planeta— cuya falta de oportunidades le impediría desarrollarse, educarse, crecer, crear y proponer en un mundo abierto, quedando, en gran medida, condenado a condiciones de vida difíciles y privando a la humanidad de su legado intelectual.

Esta reflexión conduce a una pregunta desafiante: ¿están los modelos educativos, de desarrollo humano y las políticas públicas —nacionales y globales— orientados a formar nuevos genios integrales como Leonardo? 

¿O, por el contrario, indirectamente estamos fomentando generaciones con pensamiento crítico limitado, aspiraciones reducidas y realidades condicionadas por la desigualdad, que día a día amplían las brechas económicas y sociales?

Leonardo, en 2026, no sólo intentaría adaptarse y expresar su pensamiento y obra. Nos invitaría a detenernos, a mirar con nuevos ojos la tecnología, el arte, la política y nuestra relación con el conocimiento. 

Pero, sobre todo, nos impulsaría a desarrollar acciones que potencien el quehacer humano de forma que generen oportunidades, reduzcan la pobreza, promuevan avances médicos, garanticen educación y, finalmente, alcancen ese balance vitruviano de un desarrollo humano pleno, tratando de eliminar las diferencias y alcanzar mayor equidad.

Esteban Greco – Economista especializado em direito antitruste e regulação, professor da Universidade de Buenos Aires e da Universidade Torcuato Di Tella. É diretor da Games Economics. Foi presidente da Comissão Nacional de Defesa da Concorrência da Argentina.

Juliana Oliveira Domingues – Professora de Direito e Regulação Econômica na FDRP-USP, presidente do Instituto Brasileiro de Concorrência e Inovação (IBCI), presidente da Comissão de Concorrência do IASP, ex-secretária nacional de Assuntos do Consumidor e ex-procuradora-geral do CADE.

Este artigo resume o trabalho dos autores, Defesa da Concorrência e Regulação Ex Ante de Plataformas Digitais na América Latina, de próxima publicação pelo CentroCompetencia. A realização desta pesquisa contou com financiamento do Mercado Livre.

1. A regulação tradicional e a abordagem atual para as plataformas tecnológicas

Ao longo das últimas décadas, a evolução dos mercados e a consolidação das ferramentas tradicionais de defesa da concorrência exigiram que o direito concorrencial se adaptasse a novas realidades econômicas e tecnológicas. Assim, preocupações antes concentradas principalmente nas estruturas industriais tradicionais passaram a incorporar, de forma crescente, questões relacionadas ao uso e à acumulação de dados, aos modelos de negócios baseados na intermediação e à arquitetura dos ecossistemas digitais.

A expansão das tecnologias digitais nas atividades econômicas e o surgimento de plataformas operadas por grandes empresas deram origem a um amplo debate sobre seus impactos concorrenciais e sobre a adequação dos instrumentos jurídicos e institucionais existentes para prevenir distorções nos mercados. Diversos relatórios elaborados por especialistas e acadêmicos analisaram esse fenômeno e formularam recomendações de políticas públicas, muitas delas voltadas à adoção de regulações ex ante para disciplinar a conduta das grandes plataformas digitais, bem como para enfrentar questões relacionadas à estrutura e às falhas de mercado (Furman et al., 2019; Stigler Center, 2019; Crémer et al., 2019).

Esses debates, que deram origem a regulações ex ante, como o Digital Markets Act (DMA) europeu, evidenciam um processo inverso àquele tradicionalmente descrito pela teoria econômica da regulação e observado nas reformas e privatizações implementadas nos setores de infraestrutura e de serviços públicos. Historicamente, regulavam-se monopólios naturais caracterizados por infraestruturas não replicáveis que, posteriormente, passaram por processos de desregulamentação em razão da inovação e das mudanças tecnológicas que reduziram as barreiras à entrada.

Em contrapartida, observa-se atualmente um movimento de transição da concorrência para a regulação das plataformas digitais. Nesse contexto, atividades, bens e serviços resultantes da inovação e da concorrência vêm sendo submetidos a uma intervenção regulatória crescente em alguns países, especialmente na Europa. Enquanto a inovação tecnológica reduziu custos e ampliou a demanda por serviços que deixaram de constituir monopólios naturais, como os de telecomunicações e energia, argumenta-se que, no caso das plataformas digitais — igualmente resultantes da inovação —, ocorre o movimento inverso.

Os governos da América Latina acompanham atentamente o debate internacional, e alguns deles têm demonstrado receptividade às iniciativas regulatórias europeias, fenômeno frequentemente denominado “efeito Bruxelas”.

Atualmente, o Brasil é o único país da região a avançar em direção a um regime de regulação ex ante das plataformas digitais com características semelhantes às previstas no DMA europeu. A implementação desse regime tem suscitado questionamentos tanto entre seus potenciais beneficiários quanto entre as empresas reguladas. Por exemplo, parcela significativa dos usuários relata perda de qualidade dos serviços em comparação com usuários de países não sujeitos ao DMA. Além disso, as evidências sugerem elevada carga administrativa para empresas e reguladores, resultados incertos e riscos relevantes.

Como consequência da implementação do DMA, a Comissão Europeia designou sete gatekeepers em oito categorias de serviços essenciais de plataforma. Esse cenário contrasta com outras experiências regulatórias internacionais, como as do Japão e do Reino Unido, nas quais apenas Apple e Google foram designadas como empresas sujeitas à regulação. No Japão, a regulamentação aplica-se aos ecossistemas digitais móveis. De modo semelhante, no Reino Unido, a Competition and Markets Authority (CMA) atribuiu à Apple e ao Google o status de Strategic Market Status (SMS) em relação às suas plataformas móveis (Tabela 1).

Tabela 1. Empresas reguladas na experiência internacional comparada

Fonte: elaboração dos autores.

As opções adotadas pelo Japão e pelo Reino Unido explicam-se pelo fato de os sistemas operacionais móveis apresentarem características que dificultam sua contestação, em comparação com outros serviços. Em particular, esses sistemas envolvem uma infraestrutura de alto custo — os dispositivos móveis —, o que limita o multihoming pelos usuários, diferentemente do que ocorre nas redes sociais e no comércio eletrônico, em que essa prática é comum.

2. Ausência de convergência internacional

O panorama comparado é relevante para contextualizar o debate recente na América Latina, no qual o Brasil se apresenta como o único país da região a avançar em direção a um regime de regulação ex ante das plataformas digitais, por meio do Projeto de Lei nº 4.675/2025.

A Europa lidera uma abordagem regulatória (o DMA) que surgiu como desdobramento de casos antitruste anteriormente conduzidos. Os Estados Unidos e os países da América Latina, contudo, vêm resolvendo casos antitruste de maneira distinta da adotada pela Europa. Consequentemente, uma abordagem regulatória nos moldes do DMA não se apresenta como o passo seguinte natural para a região.

Os casos antitruste recentes no Brasil e na América Latina demonstram que a aplicação da legislação de defesa da concorrência permanece eficaz e que as autoridades concorrenciais já dispõem de instrumentos para enfrentar os desafios da economia digital. Argumenta-se, portanto, que a necessidade de uma nova lei de regulação ex ante não é evidente. Ao contrário, a ausência de convergência internacional indica que esse tipo de regulação não é indispensável.

3. Dinamismo empresarial e destruição criativa impulsionados pela economia digital

A adoção de uma nova regulação ex ante recoloca o tradicional trade-off entre eficiência estática e eficiência dinâmica: promover a inovação incremental (ou a concorrência em serviços) versus promover a inovação disruptiva (ou a concorrência em infraestrutura).

O dinamismo empresarial e a destruição criativa estão positivamente correlacionados com a taxa de crescimento econômico. A entrada de novas empresas no mercado obriga as empresas estabelecidas a reduzir preços, mas também as incentiva a elevar a produtividade e a inovar.

O dinamismo empresarial e a entrada de novas empresas com potencial para desafiar os agentes estabelecidos podem ser observados em diversos setores da economia digital, especialmente em Fintech e comércio eletrônico, mas também em segmentos como HealthTech e AgTech. Uma regulação que desestimule o investimento e o financiamento nesses setores teria impacto negativo sobre o potencial de crescimento da região.

Na América Latina e no Caribe, o capital de risco (venture capital) aumentou significativamente entre 2016, quando cerca de 197 empresas receberam investimentos no montante de US$ 0,5 bilhão (LAVCA, 2024), e 2024, quando 751 empresas captaram US$ 4,5 bilhões (LAVCA, 2025).

Nesse contexto, os dez setores que concentraram o maior volume de investimentos de venture capital em 2024 foram: Fintech (61%); E-commerce (5,6%); Serviços de TI e Computação em Nuvem (IT Services & Cloud Computing) (3,7%); CRM/Gestão de Vendas (CRM/Sales Management) (3,6%); Transporte e Mobilidade (Transportation/Mobility) (3%); HealthTech (2,9%); Internet das Coisas (IoT) (2,8%); AgTech (2,6%); HRTech (1,6%); e CleanTech (1,6%). Todos esses setores estão diretamente relacionados à economia digital e às novas tecnologias (Gráfico 1).

Gráfico 1. Os 10 setores com maior investimento de venture capital na América Latina. US$ milhões (2024)

Fonte: LAVCA (2025)

Na América Latina, as empresas de tecnologia e as empresas digitais lideram o dinamismo empresarial, fator essencial para o crescimento sustentável. As autoridades de defesa da concorrência desempenham papel fundamental na prevenção de barreiras à entrada e à expansão de concorrentes, bem como na contenção da resistência de empresas incumbentes que buscam frear a inovação por meio de estratégias anticompetitivas. Nesse sentido, uma regulação ex ante das plataformas digitais poderia acabar funcionando como mecanismo de proteção dos atores tradicionais estabelecidos que essas plataformas vêm desafiando.

4. As oportunidades da inteligência artificial não devem ser desperdiçadas por regulações sujeitas ao risco de obsolescência

A inteligência artificial (IA), especialmente os modelos fundacionais e os agentes baseados em IA, vem produzindo impactos significativos nas estruturas de mercado e na dinâmica competitiva dos diversos agentes digitais. Esse processo coloca em dúvida os pressupostos tecnológicos e econômicos sobre os quais foi construída a regulação ex ante das plataformas, que tendem a se tornar obsoletos. Qualquer discussão atual sobre a regulação econômica das plataformas digitais deve considerar esse fenômeno.

Essas considerações são particularmente relevantes para economias em desenvolvimento, como as da América Latina, nas quais as empresas de tecnologia e as empresas digitais lideram o dinamismo empresarial, essencial ao crescimento sustentável.

A dinâmica competitiva dos ecossistemas digitais da região é condicionada por um contexto econômico e institucional caracterizado pela presença de fortes atores tradicionais incumbentes. Ao mesmo tempo, as startups digitais impulsionam o dinamismo empresarial, a inovação e o crescimento econômico. Qualquer iniciativa de regulação das plataformas digitais deve considerar o impacto da inteligência artificial, uma vez que grande parte das regulações ex ante aplicáveis a essas plataformas foi concebida antes da ampla adoção da IA.

Os fundamentos econômicos que motivaram essas iniciativas regulatórias precisam ser revistos à luz do desenvolvimento tecnológico disruptivo proporcionado pelas soluções de inteligência artificial. Em particular, a IA pode criar novas oportunidades para os países da América Latina, que não devem ser colocadas em risco por regulações estáticas. Esses riscos são especialmente relevantes para a região, onde a adoção de modelos regulatórios inspirados no DMA pode reproduzir dinâmicas de fragmentação, reduzir os incentivos à inovação e gerar perdas de eficiência em mercados digitais ainda em processo de consolidação.

Nesse contexto, uma regulação ex ante das plataformas digitais na região pode transformar-se em mecanismo de proteção dos atores tradicionais estabelecidos que essas plataformas vêm desafiando. Da mesma forma, Aghion et al. (2021) destacam a importância das autoridades de defesa da concorrência diante da nova onda tecnológica representada pela IA, que, segundo diversos autores, constitui uma tecnologia de propósito geral (general-purpose technology) (Calvino, Haerle & Liu, 2025).

5. Conclusões

A análise conduz à conclusão de que novas regulações estão longe de constituir prioridade para o Brasil, diante de necessidades muito mais evidentes e indiscutíveis, como dotar as autoridades de defesa da concorrência dos recursos necessários, de profissionais qualificados e de instrumentos jurídicos e tecnológicos compatíveis com suas atribuições.

A experiência também demonstra a existência de boas práticas de coordenação entre as autoridades antitruste e os demais órgãos com competências sobre o ecossistema digital.

A regulação ex ante envolve custos e riscos elevados, sem que seus benefícios sejam evidentes. Uma decisão de regular deve basear-se na impossibilidade de existência de “concorrência entre redes (infraestrutura digital)” e na presença de um gargalo (bottleneck) que impeça o acesso de terceiros a uma infraestrutura essencial, em sentido estrito.

A importação de um modelo como o DMA para a América Latina pode produzir consequências negativas relevantes e mostra-se desnecessária diante da possibilidade de respostas eficazes por meio da aplicação coordenada e sofisticada dos instrumentos jurídicos já disponíveis.

Referências

Aghion, P., Bergeaud, A. & Bunel, S. (2021). O poder da destruição criativa. Cidade Autônoma de Buenos Aires: Ariel.

Bick, A., Blandin, A. & Deming, D.J. (2025). The Rapid Adoption of Generative AI. Federal Reserve Bank of St. Louis, Working Paper 2024-027.

Calvino, F., Haerle, D. & Liu, S. (2025). Is Generative AI a General-Purpose Technology? Implications for Productivity and Policy. OECD Artificial Intelligence Papers.

Crémer, J., de Montjoye, Y.A. & Schweitzer, H. (2019). Competition Policy for the Digital Era. European Commission.

Furman, J., Coyle, D., Fletcher, A., McAuley, D. & Marsden, P. (2019). Unlocking Digital Competition. Report for the UK Government.

Greco, E. & Keefer, P. (2025). Competition Policy for Free Markets. In: Alviarez, V., Busso, M., Keefer, P., Santos, C. & Stucchi, R. (eds.), Markets for Development: Improving Lives through Competition, Cap. 10. Inter-American Development Bank.

LAVCA (2025). 2025 LAVCA Trends in Tech: Insights on the Venture Capital Industry in Latin America.

Stigler Committee on Digital Platforms (2019). Final Report. Stigler Center, University of Chicago.

Guillermo Solomon – Director de Telecomunicaciones, Medios y Tecnología (TMT) en Deloitte Spanish Latam.

En las últimas semanas he escuchado, con distintos clientes de manufactura y logística en México, la misma pregunta formulada de varias maneras: ¿nos conviene invertir en sensores más caros o en una red privada más cara? La pregunta parece técnica, pero en realidad está mal planteada. El verdadero dilema no es cuánto cuesta medir el dato, sino quién puede interpretar millones de señales simples y convertirlas en una decisión útil para la operación.

Durante años, el Internet de las Cosas industrial se vendió como una suma de sensores, conectividad y tableros de control. El sensor mide, la red transporta y la Nube analiza. Esa arquitectura funciona bien para reportes, mantenimiento histórico o visualización de tendencias. Pero no funciona igual cuando una alarma crítica debe tener prioridad, cuando una decisión debe tomarse cerca de una máquina o cuando una planta no puede enviar toda su información cruda a una Nube distante.

Ahí está la oportunidad real para el operador de telecomunicaciones. No se trata de que cada sensor se vuelva inteligente, ni de esperar a que toda Hispanoamérica tenga redes 5G standalone desplegadas de forma masiva. Se trata de usar la red que ya existe —móvil, privada, híbrida o fija— para convertir millones de dispositivos simples en una red industrial inteligente.

El operador puede hacerlo porque tiene tres activos que ningún fabricante de sensores ni proveedor de Nube tiene juntos: identidad del dispositivo mediante la tarjeta SIM, control sobre la ruta y prioridad del tráfico y capacidad de acercar el procesamiento al sitio industrial. 

Con eso, aun sin prometer particiones virtuales completas de red, puede separar tráfico crítico, procesar datos cerca de la planta, reducir dependencia de la Nube y convertir señales dispersas en decisiones operativas.

El costo de pedirle al sensor que piense

Un sensor industrial de vibración, temperatura, presión o corriente está diseñado para ser barato, resistente y durar años con mantenimiento mínimo. En muchos casos transmite lecturas simples, en intervalos definidos, con capacidad limitada de procesamiento local. Eso es parte de su valor: puede desplegarse por cientos o miles de unidades sin convertir cada punto de medición en un proyecto de cómputo.

Pero cuando se le pide al sensor que “piense” —que detecte una falla temprana de rodamiento, que distinga una vibración anómala de un ciclo normal de arranque o que entienda cuándo una variación de temperatura sí representa riesgo operativo— el modelo cambia. Ya no se trata de sensar; se trata de procesar, inferir y decidir.

Eso exige microcontroladores más potentes, más memoria, más consumo de energía, firmware más complejo y ciclos de actualización más delicados. En una planta con cientos de máquinas críticas, cambiar la inteligencia al extremo del sensor no es una mejora incremental. Es una reconversión de capital que compite directamente contra presupuesto de producción, mantenimiento y automatización.

El costo de pedirle todo a la Nube

La alternativa que más se propone es mantener sensores simples y mandar todo a la Nube para que ahí corran los modelos pesados. Esa arquitectura es útil para entrenamiento de modelos, analítica histórica, trazabilidad o reportes corporativos. Pero tiene límites claros cuando la operación requiere respuesta inmediata.

Una instrucción que debe detener una banda, aislar una máquina, priorizar una alarma o proteger a un operador humano no puede depender siempre de una ruta que sale de la planta, cruza varios dominios de red, llega a una región de Nube y regresa. 

Incluso cuando la latencia promedio parece aceptable, el problema industrial suele estar en la variabilidad: la congestión, la pérdida de paquetes y la falta de control sobre todos los saltos de la ruta.

Además, transmitir todo el dato crudo hacia la Nube puede volverse económicamente absurdo. Una planta moderna puede producir enormes volúmenes de telemetría, video, audio industrial, datos de controladores de línea, cámaras de inspección, sensores de vibración y registros de calidad. 

Mandar todo eso sin filtrar no sólo encarece la conectividad; también aumenta la superficie de riesgo y complica el cumplimiento contractual con clientes que exigen control sobre información sensible de procesos, proveedores o productividad.

Por eso la discusión no debe ser “sensor inteligente o Nube inteligente”. La pregunta correcta es qué parte de la inteligencia debe vivir en el sitio, qué parte debe vivir en servidores cercanos del operador y qué parte debe permanecer en la Nube corporativa.

Lo que sí tiene el operador y nadie más tiene junto

El operador móvil tiene una posición privilegiada no porque pueda hacerlo todo solo, sino porque ya controla tres capas que, combinadas, son difíciles de replicar por un fabricante de sensores o por un proveedor de Nube.

Primero, tiene identidad. Cada tarjeta SIM o eSIM puede funcionar como una credencial verificable para un activo industrial. No es sólo una forma de conectar un dispositivo; es una forma de saber qué máquina es, qué permisos tiene, a qué red puede entrar y qué instrucciones puede recibir.

Segundo, tiene cercanía. El cómputo en servidores ubicados dentro de la planta, en una red privada o en un nodo metropolitano permite correr modelos de análisis cerca de donde ocurre el evento. Eso reduce viajes innecesarios hacia la Nube y permite que una decisión llegue cuando todavía importa.

Tercero, tiene control del tráfico. El operador puede diseñar rutas privadas, separar dispositivos por cliente, dar prioridad a una alarma real sobre lecturas rutinarias y evitar que el tráfico crítico compita en igualdad de condiciones contra miles de mensajes de baja prioridad.

Por separado, identidad, cercanía y control de red no resuelven el problema. Juntas, convierten al operador en el lugar natural donde puede vivir el criterio operativo: no en el sensor, que debe seguir siendo simple y barato; no únicamente en una Nube lejana, que seguirá siendo indispensable para entrenamiento y analítica; sino en una capa intermedia que interpreta, prioriza y actúa.

No hace falta esperar al 5G standalone para empezar

Hay una precisión importante para Hispanoamérica: buena parte de las redes 5G desplegadas en la región todavía no son standalone. Es decir, usan antenas 5G, pero siguen apoyándose en parte de la infraestructura 4G para el control de la red. Eso permite avanzar más rápido en cobertura y capacidad, pero limita la posibilidad de ofrecer particiones virtuales de red plenamente garantizadas de punta a punta.

Por eso el operador no debe prometer “slicing” completo si todavía no tiene una red 5G standalone o una red privada dedicada que permita controlar toda la arquitectura. Sería técnicamente débil y comercialmente riesgoso.

Pero eso no significa que la oportunidad industrial tenga que esperar. Muchos casos de Internet de las Cosas industrial no requieren slicing desde el primer día. Requieren algo más básico, más urgente y más realista: que los datos críticos no se mezclen con tráfico rutinario; que la información sensible no viaje innecesariamente a una Nube distante; que las alarmas tengan prioridad; que los modelos de análisis corran cerca de la planta; y que cada dispositivo tenga una identidad confiable dentro de la red.

Eso sí puede hacerse con arquitecturas previas a 5G standalone. El operador puede usar redes privadas LTE, redes 5G no independientes, rutas privadas de datos, salida local del tráfico, servidores cercanos a la planta y políticas de priorización. No es slicing completo, pero sí es una capa industrial de inteligencia sobre dispositivos simples.

La diferencia es importante. En lugar de vender una promesa futurista de 5G, el operador puede vender una arquitectura ejecutable hoy: dispositivos simples conectados de forma segura, tráfico industrial separado, procesamiento cercano y decisiones más rápidas. En mercados como México, Colombia, Perú, Argentina, Chile o Centroamérica, ese enfoque es más creíble que esperar a que toda la red pública evolucione primero a 5G standalone.

La pregunta correcta, entonces, no es si el operador ya puede ofrecer slicing. La pregunta correcta es si puede garantizar suficiente separación, prioridad, seguridad, cercanía y control para que una planta industrial tome mejores decisiones con los dispositivos que ya tiene desplegados.

Lo que el operador debe tener listo para ejecutar este modelo

La oportunidad es atractiva, pero no se puede vender con un brochure genérico de Internet de las Cosas. Para ejecutar este modelo, el operador necesita tener lista una arquitectura técnica y operativa específica. 

No basta con decir “tenemos 5G” o “tenemos servidores cercanos”. En una planta industrial, eso no significa nada si no se traduce en latencia medible, integración con los sistemas de producción, seguridad, operación continua y responsabilidad clara.

Lo primero es una arquitectura de conectividad industrial, no una extensión comercial de la red móvil. El operador debe poder decidir cuándo el caso requiere una red privada 5G standalone, cuándo basta una red privada LTE, cuándo conviene una red 5G no independiente, cuándo debe combinar red móvil con fibra y cuándo una red inalámbrica industrial o cableada sigue siendo la mejor opción. 

No todos los casos industriales necesitan 5G. Pero los casos de movilidad, alta densidad de dispositivos, baja latencia y priorización sí requieren una arquitectura distinta a la conectividad móvil tradicional.

Esa arquitectura debe incluir planeación de cobertura dentro de la planta, medición real de señal, análisis de interferencia, capacidad de subida de datos y diseño por zonas críticas. 

En manufactura, la subida suele ser tan importante como la descarga, porque la planta no sólo recibe información: envía telemetría, video, alarmas, imágenes de inspección y datos de control. Un diseño pensado para teléfonos inteligentes no necesariamente sirve para máquinas.

Lo segundo es una política de tráfico realista. Si el operador ya cuenta con 5G standalone, puede diseñar particiones virtuales de red para distintos usos industriales: alarmas críticas, video, mantenimiento remoto, sensores rutinarios o aplicaciones administrativas. 

Pero si todavía opera sobre 5G no independiente o sobre LTE, debe ser más preciso en la promesa. En ese caso puede ofrecer rutas privadas de datos, separación de tráfico por cliente, priorización, seguridad reforzada y salida local hacia servidores cercanos, pero no debe presentar eso como slicing completo.

Lo tercero es salida local del tráfico. Si el dato industrial sale de la planta para regresar a la planta, la arquitectura está mal diseñada. El operador debe poder mantener el tráfico crítico dentro del sitio o en un servidor cercano, con reglas claras para decidir qué información se procesa localmente, qué información se manda a la Nube corporativa y qué información se descarta porque no tiene valor operativo.

Lo cuarto es una plataforma de cómputo cercana que sea operable, no un servidor aislado. El análisis industrial debe correr en una plataforma capaz de administrar versiones de modelos, regresar a una versión anterior si algo falla, registrar eventos, monitorear desempeño y operar con redundancia. 

Si el modelo de mantenimiento predictivo falla, el operador no puede decir simplemente que “el servidor se cayó”. Necesita disponibilidad, monitoreo, control de cambios, respaldo, ciberseguridad y procedimientos de recuperación.

Lo quinto es integración con los sistemas industriales de planta. Aquí muchos operadores fallan porque intentan vender conectividad como si toda la planta hablara el mismo idioma digital. La realidad industrial está llena de controladores de línea, sistemas de supervisión, sensores legados, protocolos propietarios y equipos que no fueron diseñados originalmente para convivir con una red móvil. 

El operador no necesita convertirse en integrador industrial de tiempo completo, pero sí necesita un modelo claro: gateways certificados, conectores, interfaces de programación, normalización de datos y alianzas con integradores que entiendan cómo opera una planta.

Lo sexto es identidad de activo, no sólo identidad de línea. Una tarjeta SIM identifica una conexión; una planta necesita identificar una máquina, una ubicación, una función operativa, un responsable de mantenimiento y una política de riesgo. 

El operador debe poder mapear tarjeta SIM, equipo, máquina, zona, criticidad y política de acceso. De lo contrario, sabrá que un dispositivo está conectado, pero no sabrá si está conectado a una prensa crítica, a un montacargas autónomo o a un sensor secundario de ambiente.

La séptima es una capa de datos preparada para tomar decisiones en tiempo real. No basta con transportar mensajes o subir información a un tablero. El operador debe poder recibir flujos de datos, limpiarlos, normalizarlos, enriquecerlos con contexto de red y de activo y entregarlos a un modelo de análisis con latencia consistente.

Lo octavo es operación continua de los modelos. Los modelos no son estáticos. Una línea cambia, una máquina envejece, un proveedor modifica un componente y una vibración normal puede dejar de ser normal. El operador que quiera vender criterio operativo necesita procesos para probar modelos, desplegarlos por sitio, medir desviaciones, auditar decisiones y regresar a una versión anterior si el modelo empieza a generar falsas alarmas o a omitir eventos relevantes.

Lo noveno es seguridad de extremo a extremo. En una red industrial, una instrucción equivocada no sólo genera una mala experiencia de usuario; puede detener la producción o crear riesgo físico. La arquitectura debe incluir segmentación, cifrado, autenticación fuerte, listas de control por aplicación, monitoreo de anomalías, gestión de vulnerabilidades, endurecimiento de gateways y separación clara entre la red administrativa, la red de producción y la red de proveedores.

Lo décimo es un compromiso de servicio industrial. Un operador móvil está acostumbrado a compromisos de cobertura, disponibilidad y capacidad. Una planta necesita algo más específico: latencia máxima por caso de uso, disponibilidad por zona crítica, tiempo de restauración, procedimiento de escalamiento, ventanas de mantenimiento, pruebas de contingencia y responsabilidad compartida con el integrador y el cliente. Vender Internet de las Cosas industrial sin un modelo operativo de este tipo es vender una promesa que el área técnica no podrá sostener.

Un caso cercano: autopartes en el Bajío

Pensemos en una planta de autopartes en Querétaro o Guanajuato con doscientas máquinas críticas: prensas, brazos robóticos, líneas de ensamble, hornos, compresores y sistemas de inspección. La empresa quiere reducir paros no programados y anticipar fallas antes de que se conviertan en pérdida de producción.

La opción de “sensor más inteligente” implicaría cambiar instrumentación en buena parte de las máquinas, con proveedores distintos, protocolos distintos y un ciclo de reemplazo de años. La opción de “todo a la Nube” exigiría transportar grandes volúmenes de datos hacia un centro de datos externo, con costos de conectividad, dudas de soberanía y latencia variable.

La tercera opción es más interesante: conservar buena parte de la instrumentación existente, conectar activos críticos mediante una red privada o híbrida, normalizar los datos en gateways industriales y correr el análisis en servidores dentro de la planta o en un nodo cercano del operador. La Nube sigue participando, pero para entrenamiento, analítica histórica y mejora de modelos; la decisión operativa ocurre cerca de la máquina.

En ese escenario, el operador no vende “conectividad de sensores”. Vende menos paros, menor tiempo de diagnóstico, priorización de alarmas críticas y una arquitectura capaz de actuar antes de que el problema escale.

El ángulo regulatorio: México ya abrió una ventana

México está entrando a una etapa especialmente relevante para este debate. La consulta pública de la Licitación CRT-RRI-01, orientada al Servicio de Provisión de Capacidad para Redes de Radiocomunicaciones Inteligentes, abre la posibilidad de discutir espectro, cobertura y modelos de prestación para redes industriales de forma más concreta.

Ese lenguaje importa. No se trata únicamente de vender espectro móvil tradicional, sino de habilitar redes orientadas a productividad industrial, automatización y nuevos modelos de servicio. Para operadores, integradores y clientes industriales, la discusión deja de estar en el terreno abstracto de “5G para la industria” y empieza a ubicarse en polígonos, plantas, parques industriales, puertos y corredores logísticos.

La oportunidad, sin embargo, también trae complejidad. Un cliente con plantas en distintos estados podría enfrentar distintos proveedores, distintos niveles de cobertura, distintos modelos de operación y distintas condiciones comerciales. Por eso cualquier propuesta seria debe resolver tres preguntas antes de salir a vender.

La primera es espectro. ¿El servicio se ofrecerá sobre espectro propio, espectro licenciado industrial, espectro de un tercero, red pública con capacidades privadas o una combinación? La respuesta define cobertura, prioridad, responsabilidad y escalabilidad.

La segunda es jurisdicción de datos. Si la telemetría cruda se procesa dentro de la planta o en servidores ubicados en México, el argumento de soberanía y control de datos es mucho más sólido. Pero debe poder demostrarse contractualmente y técnicamente: dónde se procesa, dónde se almacena, quién accede, cuánto tiempo se retiene y qué sale hacia la Nube.

La tercera es responsabilidad. Cuando el operador deja de transportar datos y empieza a participar en una cadena de decisión automatizada, la pregunta legal cambia. Si una instrucción baja desde el servidor cercano y detiene una máquina —o si no la detiene a tiempo—, el contrato debe decir con precisión dónde termina la responsabilidad del operador como proveedor de red y dónde empieza la responsabilidad del cliente, del integrador, del fabricante de la máquina o del proveedor del modelo.

Por qué no ha pasado todavía

Si el argumento es tan claro, vale preguntar por qué la mayoría de los operadores en Hispanoamérica siguen vendiendo Internet de las Cosas como conectividad pura: una tarjeta SIM, un plan de datos, una plataforma genérica y un tablero.

La primera razón es organizacional. Muchas áreas comerciales todavía se miden por líneas activas, tráfico vendido o ingresos de conectividad. Un modelo que procesa localmente, reduce tráfico innecesario y vende valor por resultado puede parecer, internamente, una amenaza a la métrica tradicional. Aunque el ingreso potencial sea mayor, el incentivo inmediato apunta en sentido contrario.

La segunda razón es comercial. Vender una plataforma horizontal de Internet de las Cosas a cualquier industria suele ser lento, caro y difícil de defender. 

Vender una solución de mantenimiento predictivo, seguridad operativa o inspección crítica a tres plantas de un cliente ancla es distinto. Tiene un caso de negocio más claro, un patrocinador interno más identificable y un retorno medible en pesos: paros evitados, desperdicio reducido, menos accidentes, menos visitas de mantenimiento y mayor disponibilidad de línea.

La tercera razón es técnica. Muchos operadores todavía no tienen integrada la cadena completa entre red privada, cómputo cercano, seguridad, datos, modelos y operación industrial. Tienen piezas, pero no producto. Tienen laboratorio, pero no arquitectura replicable. Tienen acuerdos con proveedores de Nube, pero no necesariamente integración con los sistemas de planta. Tienen conectividad, pero no siempre control de punta a punta sobre el compromiso operativo que la planta necesita.

La Nube no desaparece; cambia de lugar

Este argumento no debe leerse como una oposición a los grandes proveedores de Nube. La Nube seguirá siendo fundamental para entrenamiento de modelos, almacenamiento histórico, analítica corporativa, integración con sistemas empresariales, simulaciones, tableros ejecutivos y escalamiento regional. Lo que cambia es el lugar donde ocurre la decisión crítica.

En una arquitectura industrial madura, el sensor mide, el servidor cercano decide, la red prioriza y la Nube aprende. El operador no reemplaza a la Nube; la complementa. Pero si el operador no ocupa ese espacio intermedio, alguien más lo hará: un integrador industrial, un proveedor de automatización, un operador especializado o incluso el propio proveedor de Nube mediante acuerdos directos con el cliente.

El verdadero negocio

El Internet de las Cosas industrial en México y en Hispanoamérica no se va a ganar con el sensor más caro ni con la Nube más grande. Se va a ganar con la arquitectura que permita decidir a tiempo, cerca de la máquina, con identidad confiable, prioridad de red, seguridad industrial y responsabilidad clara.

Ese lugar lo puede ocupar el operador. Pero sólo si llega preparado y si evita vender una promesa que su red todavía no puede soportar. Si tiene 5G standalone, podrá avanzar hacia particiones virtuales de red más sofisticadas. Si no lo tiene, todavía puede construir una capa industrial de inteligencia con redes privadas, rutas de datos separadas, procesamiento cercano, salida local y compromisos operativos realistas.

La oportunidad no está en conectar más dispositivos simples. Está en convertirlos en una red que entiende prioridades, reconoce activos, procesa señales y ayuda a decidir. El operador que logre hacer eso dejará de vender conectividad y empezará a vender criterio operativo. Y en una planta industrial, el criterio vale mucho más que los bytes.

Ángel Melguizo – Socio fundador de ARGIA, Green Tech & Economics

Hace apenas unos meses hablábamos en Barcelona sobre una idea conocida en los ámbitos más técnicos, pero que se empieza a abrir paso en el debate político: la Inteligencia Artificial (IA) no podrá sostener su crecimiento sin resolver antes su ecuación energética. 

En la III Cumbre Ministerial y de Altas Autoridades sobre la Ética de la Inteligencia Artificial para América Latina y el Caribe, celebrada en Santo Domingo (República Dominicana), esa reflexión giró hacia la gobernanza necesaria para que la IA contribuya realmente al desarrollo de la región. 

Barcelona puso el foco en el desafío tecnológico. Santo Domingo comenzó a dibujar la respuesta institucional para América Latina y el Caribe.

Tras años de una carrera dominada por la velocidad (modelos más potentes, mayores inversiones y una creciente competencia por atraer Centros de Datos, capacidad de computación y talento) es evidente que la carrera de la IA no podrá medirse únicamente por la rapidez con la que evolucionan los modelos, sino también por la capacidad de construir una infraestructura energética, financiera e institucional capaz de sostenerlos. 

Ese fue precisamente mi mensaje central en la Cumbre: hay que transformar el actual sprint tecnológico en un maratón con visión de desarrollo. 

Ya fuera del evento, un buen amigo dominicano resumió esa idea con una expresión local: “más suave, tiguere“. No se trata de frenar la innovación, sino de encontrar un ritmo que pueda sostenerse en el tiempo. 

Porque la carrera de la IA no la ganará quien acelere más durante unos meses, sino quien sea capaz de mantener el paso durante los próximos años. 

Detrás de cada consulta realizada a un sistema de IA existe una infraestructura física que consume electricidad, agua y materiales. Los Centros de Datos se están convirtiendo en una infraestructura estratégica comparable a las redes eléctricas o de transporte, y su crecimiento obligará a acelerar las inversiones en generación renovable, redes, almacenamiento y eficiencia energética.

Por ello, resulta especialmente relevante que la Hoja de Ruta regional impulsada por CAF – Banco de Desarrollo de América Latina y el Caribe y UNESCO incorpore una visión amplia de la gobernanza de la IA. 

La ética sigue incluyendo cuestiones fundamentales como los derechos humanos, la transparencia o la mitigación de sesgos, pero también incorpora la sostenibilidad de la infraestructura digital y su huella medioambiental, tal y como estableció la pionera Recomendación de la UNESCO de 2021. 

En particular, destaca el mandato de desarrollar un estándar regional de datos para medir, monitorear y comparar el impacto ambiental de la IA, promoviendo información abierta, transparente y alineada con estándares internacionales. 

La gobernanza de la IA no es sólo (ni, añado, principalmente) regulación de algoritmos: debe ayudar a construir las capacidades que la región necesita para competir en esta nueva economía. Ello implica invertir simultáneamente en talento, infraestructura digital y energía limpia.

América Latina y el Caribe cuenta con ventajas que pocas regiones pueden ofrecer simultáneamente en esta nueva carrera. Dispone de abundantes recursos renovables, una biodiversidad única (que puede inspirar muchas soluciones al reto energético; sobre esto escribiré próximamente), minerales críticos para la transición energética y un ecosistema digital que continúa expandiéndose. 

La oportunidad consiste en conectar esos activos con la nueva economía de la IA mediante una política industrial moderna, capaz de integrar energía, infraestructura digital, innovación y financiación. 

No se trata únicamente de atraer Centros de Datos, sino de desarrollar aplicaciones industriales de IA, fortalecer cadenas de valor regionales y desplegar una red latinoamericana de Centros de Datos y computación verdes -un Green AI Valley– alimentados por energías renovables, interconectados mediante infraestructura digital robusta y guiados por estándares comunes de sostenibilidad. 

Para ello se precisan nuevos mecanismos capaces de acelerar estas inversiones, desde alianzas público-privadas hasta instrumentos como los bonos de desarrollo digital, que permitan financiar infraestructura digital y energética con objetivos verificables de desarrollo

En definitiva, la carrera de la IA es también una carrera energética. La buena noticia es que la región no llega tarde a la salida. Al contrario, la transición hacia una IA más sostenible ofrece una oportunidad para incorporarse a las cadenas globales de valor aprovechando precisamente aquellos recursos que el mundo demandará cada vez más: energía limpia, talento, biodiversidad e instituciones capaces de cooperar.

La siguiente etapa del maratón nos llevará a Madrid, donde la próxima Cumbre Iberoamericana de Jefas y Jefes de Estado y de Gobierno ha situado la IA entre sus ejes prioritarios. Será una oportunidad para consolidar esta agenda al más alto nivel político.

Que comience el maratón.

Sebastián Barros – especialista en tecnología, telecomunicaciones e Inteligencia Artificial

La IA está convirtiendo cada llamada en cómputo, identidad y transacción. La pregunta es si las telcos captarán ese valor o volverán a entregárselo a terceros.

A comienzos de mayo Twilio reportó su mejor trimestre en más de tres años. Ingresos de 1,400 millones de dólares en el primer trimestre de 2026, un alza de 21% interanual y una acción que saltó cerca de 18% tras la publicación de resultados. 

El segmento que explica la aceleración es, contra toda la intuición de la industria, la voz. Su canal de voz creció 20% interanual, el sexto trimestre consecutivo de aceleración y la tasa más alta en 19 trimestres, mientras que los complementos de software, como Branded Calling y Conversational Intelligence, más que duplicaron los ingresos año contra año. 

Su CEO atribuyó el impulso en la llamada con analistas a una demanda sin precedentes por una voz reinventada con IA, que se convirtió en la puerta de entrada a su plataforma.

La diferencia está en dónde se captura el valor. La telco transporta la llamada, administra la numeración, mantiene la interconexión y garantiza la disponibilidad. Twilio aporta identidad empresarial, analítica, contexto y automatización a esa misma sesión. 

La única participación de las telcos en ese trimestre récord de Twilio, fue la de las tarifas de interconexión que Twilio traslada a sus clientes y que, en su propio reporte, figuran apenas como presión sobre el margen bruto. Las telcos cobran el peaje mientras que el software de terceros duplica los ingresos provenientes de nuestro tráfico.

El patrón tiene historia. En 2014, Ovum estimó que los operadores dejarían de capturar 386 mil millones de dólares entre 2012 y 2018 debido al crecimiento de los servicios OTT de voz y mensajería. 

La cifra era una proyección y no una medición contable, pero anticipó correctamente la dirección del mercado. Skype vació el valor de la larga distancia, WhatsApp convirtió el número telefónico en una identidad digital global y la experiencia de comunicación migró a aplicaciones de terceros. 

La respuesta de la industria de las telecomunicaciones fue integrar la voz en planes ilimitados y concentrar la inversión en capacidad. La red mejoró de forma radical a medida que la monetización ascendía a lo largo de la cadena de valor.

La Inteligencia Artificial abre la tercera etapa de ese mismo ciclo. Plataformas CPaaS, hyperscalers y empresas especializadas como Bland.ai y ElevenLabs están conectando modelos de IA a troncales SIP para desplegar asistentes de ventas, agentes de cobranza, recepcionistas virtuales y sistemas completos de atención al cliente. 

El operador sigue aportando conectividad, numeración y acceso, mientras que el ingreso B2B se genera en la capa de software. 

Estimo que esa fuga de margen ya opera en el orden de los 15 mil millones de dólares anuales, una cifra que es una proyección propia y no un dato de campo, pero cuya dirección Twilio confirma cada trimestre. El riesgo concreto es repetir la misma estructura económica con una tecnología distinta.

La llamada dejó de ser audio y se convirtió en cómputo

El avance arquitectónico más importante de la Inteligencia Artificial reciente no está en la generación de texto sino en que el lenguaje natural reemplazó la interfaz gráfica en una parte creciente de los procesos digitales.

El usuario del futuro no va a navegar por cinco menús para reprogramar un vuelo o entender un cargo bancario. Va a expresar un objetivo y recibir una solución; un agente de IA interpreta la intención, consulta los sistemas necesarios y ejecuta el proceso. 

Para el operador, esto devuelve al servicio de voz una posición estratégica que perdió hace quince años, porque en una economía de agentes la llamada puede ser la interfaz universal de acceso a servicios de IA sin instalar aplicaciones, crear identidades nuevas ni cambiar de dispositivo.

La naturaleza física del servicio cambia con esa transición hacia la voz de IA. Un flujo de voz dejó de ser sólo un payload de audio a 64 kilobits por segundo. El procesamiento de una conversación puede incluir reconocimiento de voz, separación de interlocutores, traducción, análisis de intención, síntesis, detección de fraude y ejecución de acciones en sistemas externos. 

Una llamada puede generar un resumen automático, actualizar un CRM, registrar una oportunidad comercial, evaluar el cumplimiento normativo o iniciar una transacción. La duración sigue existiendo como variable, pero ya no explica el valor principal de la sesión.

T-Mobile US realizó la primera prueba de campo relevante para esta tesis. Hace unas semanas, lanzó en beta su servicio Live Translation, que traduce llamadas en tiempo real a más de 50 idiomas, sin necesidad de descargar una aplicación ni de requisitos de hardware. 

Durante una llamada activa, el usuario marca un código corto, la red invoca lógica de servicio dentro del core IMS, reancla el flujo de medios RTP y lo pasa por una función de traducción que corre en la Nube regional del operador. 

Todo el procesamiento de reconocimiento, inferencia y síntesis ocurre en la red, lo que permite la misma latencia y calidad tanto en un smartphone de mil dólares como en un teléfono básico de 30 dólares. Al procesar el audio antes de la interconexión, la función opera aunque el otro extremo sea una línea fija, use otro operador o no tenga la misma aplicación. Ninguna solución de los extremos puede replicar esa ubicuidad porque ninguna controla el anclaje de los medios antes de la interconexión.

Las cifras de este caso puntual muestran las oportunidades que la voz IA puede aportar. 

T-Mobile reportó 142 millones de clientes al cierre de 2025 y el U.S. Census Bureau registra más de 67 millones de residentes que hablan un idioma distinto del inglés en casa. Un escenario ilustrativo de 5% de adopción, a 5 dólares mensuales sobre la base elegible, genera del orden de 300 millones de dólares anuales. 

El número es un ejercicio de dimensionamiento y no una guía de la compañía, pero muestra lo que implica distribuir una función de software a una base masiva de clientes ya facturados. 

Y la traducción es apenas el primer trabajo. La misma arquitectura soporta el resumen, la accesibilidad, el cumplimiento, la asistencia contextual y la detección de fraude. El valor estratégico no reside en una función específica sino en recuperar la capacidad de programar la llamada.

Además, hay un argumento de física que juega a favor del operador de telecomunicaciones. La conversación humana es extremadamente sensible al retraso. 

La recomendación ITU-T G.114 considera inaceptables los retardos de ida superiores a 400 milisegundos para la planificación, y la investigación conversacional ubica la brecha mediana entre turnos de habla por debajo de 300 milisegundos. 

Un agente de voz debe detectar el fin del turno, transportar el audio, procesarlo, generar la respuesta, sintetizarla y entregarla; cada una de estas etapas introduce latencia. 

Enrutar el flujo hasta un Centro de Datos centralizado para la inferencia speech-to-speech acumula propagación, lo que degrada la experiencia. El edge del operador reduce la distancia y los saltos de red, y aunque no corrige por sí solo un modelo lento ni una arquitectura deficiente, la proximidad al usuario y el control de la sesión son ventajas reales en un servicio donde unos cientos de milisegundos separan lo natural de lo roto. 

La Nube controla gran parte de los modelos, pero el operador controla la distribución, la sesión y la cercanía.

El minuto murió como unidad de facturación

Agregar inteligencia a la llamada y mantenerla dentro de una tarifa plana de minutos ilimitados es un error financiero difícil de justificar ante cualquier directorio. 

Una llamada enriquecida activa el cómputo durante toda la conversación. Un operador con 100 millones de líneas elegibles, 5% de adopción y 30 minutos mensuales de voz enriquecida estaría procesando 150 millones de minutos al mes, equivalentes a 2.5 millones de horas de inferencia, una carga con costos de naturaleza distinta al transporte y que no cabe en ninguna tarifa plana.

La nueva economía de voz requiere separar dos capas. La primera cubre el transporte, con señalización, conectividad, interconexión y movimiento de paquetes, un negocio necesario que seguirá bajo presión estructural de precios. 

La segunda cubre la inteligencia, con traducción, resumen, intención, seguridad, identidad y ejecución y abre acceso a presupuestos de software, automatización y productividad que hoy el operador no toca.

La unidad comercial, en un mundo de Inteligencia Artificial, pasa a ser el token. Aun cuando el token es útil para medir el consumo y el costo de inferencia, no siempre es una unidad intuitiva para el cliente. 

Un desarrollador puede pagar por millón de tokens, mientras que un contact center preferirá un precio por minuto procesado, por canal concurrente o por reducción del tiempo medio de atención. 

Una pyme contratará una suscripción mensual a un recepcionista virtual, del orden de 30 dólares por línea que, con un millón de líneas, generará ingresos recurrentes anuales de 360 millones de dólares. Un banco pagará por cada sesión verificada o transacción protegida. La infraestructura puede medirse en tokens, pero el producto debe cobrarse en la unidad que refleje su valor para quien lo compra.

Quien crea que esta transición es una visión a cinco años debería mirar Asia. Durante mayo de 2026, los tres grandes operadores chinos lanzaron servicios comerciales de tokens de IA. 

China Telecom ofrece paquetes para desarrolladores y pymes desde unos 6 hasta 44 dólares y planes familiares desde 2 dólares. China Unicom lanzó bundles que combinan tokens, conectividad y seguridad con límites mensuales de 10 a 80 millones de tokens. China Mobile arrancó su negocio junto con Tencent, Alibaba, Huawei, ZTE e iFlytek. 

Según la National Data Administration china, el consumo diario de tokens en el país superó los 140 billones en marzo de 2026, con un crecimiento de 40% desde el inicio del año. 

Queda por ver si el consumidor masivo entiende y paga la unidad, porque la mayoría de los clientes no quiere comprar cómputo sino resolver una necesidad. La señal estratégica, sin embargo, es inequívoca. Operadores con más de mil millones de líneas combinadas decidieron reorientar su economía de minutos y gigabytes hacia la producción de inteligencia.

La confianza es el producto de mayor margen de la próxima década

El otro flanco del negocio se abre por el lado del fraude. 

Los modelos de voz sintética redujeron radicalmente el costo de replicar una voz y algunos sistemas generan un clon utilizable a partir de unos pocos segundos de audio de referencia. Eso no significa que todo clon sea perfecto ni que la biometría de voz haya dejado de servir. Significa que una sola señal ya no basta para autenticar una interacción. 

Según datos de la FTC, las pérdidas reportadas por estafas de suplantación en Estados Unidos se ubicaron en torno a los 3,500 millones de dólares en 2025 y cerca de una de cada tres denuncias de fraude involucró suplantación de identidad.

Aquí conviene precisar qué puede hacer la red y qué no puede hacer. Por ejemplo, protocolos como STIR/SHAKEN atestar información sobre el origen de la llamada y el derecho de uso de un número, pero no confirman que la persona que habla sea quien afirma ser. 

La SIM ancla una suscripción, pero tampoco constituye una prueba de humanidad. Prometer una detección perfecta de deepfakes no sería técnicamente responsable. 

Ahora bien, la oportunidad real consiste en reducir el riesgo de una sesión al combinar señales que sólo la red puede observar. 

Número verificado, origen atestado, dispositivo reconocido, cambios recientes de SIM, reputación, patrones de comportamiento y análisis acústico del flujo de medios pueden consolidarse en una puntuación de riesgo entregada en tiempo real. 

La red de telecomunicaciones no certifica de forma absoluta una identidad, pero sí ofrece un nivel adicional de confianza que hoy nadie más puede ofrecer.

Para un banco, una aseguradora o una plataforma de comercio, esa reducción de riesgo vale más que el transporte de la llamada y admite modelos transaccionales concretos, como una tarifa por sesión protegida, una comisión por transacción validada o una API de riesgo integrada en el flujo de comunicación. 

GSMA Open Gateway ya expone parte de estas capacidades mediante APIs estandarizadas como Number Verification y SIM Swap, que permiten incorporar señales de red en procesos digitales sin integraciones a medida con cada operador. 

La dirección es correcta, pero la industria todavía necesita simplificar el acceso hasta que un desarrollador consuma capacidades de red con la velocidad y facilidad de una plataforma Cloud. Una ventaja que no se expone termina siendo irrelevante.

El siguiente paso será el tráfico entre agentes. Un agente reservará un hotel, otro confirmará una entrega y un sistema de cobranza negociará con un asistente financiero. En ese entorno la red deberá responder preguntas nuevas: qué agente está llamando, en nombre de quién, con qué permisos, para ejecutar qué acción y con qué reputación. 

Las APIs de telco actuales no resuelven todo ese problema, pero los componentes de verificación, identidad, localización y facturación ya existen y, con el tiempo, pueden convertir al operador en la capa de admisión y de confianza del tráfico agéntico. 

La telefonía tiene la oportunidad de evitar el error de Internet, en el que los bots crecieron antes que los mecanismos de identidad y reputación.

El reto principal para monetizar la voz de las telcos ya no es tecnológico. 

Las redes cuentan con IMS, funciones de medios, numeración, interconexión y facturación y los modelos de IA agregan las capacidades que faltaban. La dificultad real radica en la organización y en el modelo comercial. 

Habrá que definir quién es el dueño del producto entre la unidad de voz, el negocio empresarial y el área de IA, quién asume el costo de inferencia, cómo se estructura el SLA, cómo se comparten los ingresos con los proveedores de modelos y las plataformas CPaaS y qué datos pueden procesarse y dónde deben residir. 

Sin respuestas claras a esas preguntas, la inteligencia quedará fuera de la red y la monetización volverá a estar en manos de terceros. 

La telco no necesita construir todos los modelos ni competir con cada plataforma de software. Necesita controlar los puntos donde tiene ventaja estructural, la sesión, la identidad, la distribución, la facturación y la exposición de capacidades y participar en el valor que la inteligencia crea sobre su infraestructura.

Durante años, la industria buscó el próximo gran servicio en Realidad Extendida, el metaverso, hologramas y nuevas generaciones de redes. La voz ya tiene alcance, adopción, identidad regulada, interconexión, facturación y una interfaz que todo el mundo entiende, y la IA le agregó la pieza que faltaba, la capacidad de convertir una conversación en una acción. 

La oportunidad no pasa por recuperar el viejo negocio de minutos, sino por construir uno nuevo alrededor de llamadas traducidas, sesiones verificadas, transacciones protegidas y agentes conectados a procesos empresariales desde la red. 

Twilio, Bland.ai y los operadores chinos ya están cobrando por él. La pregunta abierta es si los operadores van a capturar ese valor o cederlo por tercera vez consecutiva.

Karin González González – Abogada, bibliotecóloga, diplomada en propiedad intelectual, experta en derecho e Inteligencia Artificial y Coordinadora Programa Integridad Universitaria  de la Universidad de Los Lagos 

¿Creen que estamos en la era de la Inteligencia artificial (IA)? Yo sí, y además considero que, tal como el Conejo Blanco de Alicia en el País de las Maravillas, estamos atrasadas. ¿Recuerdan el cuento de Lewis Carroll?, donde la metáfora del conejo nos indica la urgencia en el tiempo, pero es mejor hacer algo que no hacer nada, ¿cierto?

Mi principal inquietud es la urgente necesidad de desarrollar normativas y políticas claras respecto al uso de Inteligencia Artificial Generativa en el entorno académico, garantizando que se respeten los principios de ética, propiedad intelectual y protección de datos personales que deben estar enmarcados en un gran paraguas que es la integridad académica. 

Con la rápida adopción de herramientas de IA Generativa en la educación, es crucial establecer un marco regulatorio que aborde algunas áreas claves para su buen uso. 

Esto implica educarnos y educar a las comunidades académicas en esta herramienta y, como primer paso, es primordial establecer un estándar, marco normativo o parámetro que entregue claridad tanto a las y los estudiantes como académicas y académicos en el uso de clases, presentaciones, trabajos, investigaciones y cualquier contenido en diversos formatos que se cree o se utilice IA. 

Considero estos cuatro puntos como claves y urgentes de implementar para el avance en la utilización de IA en instituciones educativas: 

1. Utilización de IA en el ambiente académico 

Es importante que se defina y transparente el uso de IA tanto de las y los estudiantes como de académicas y académicos.

Utilizar las herramientas de IA no es incorrecto o malo si es bien utilizado, reconocido y sin transgredir las normativas asociadas. 

Para ello, es fundamental que cada institución identifique su realidad y trabaje en los siguientes puntos con toda la comunidad académica. 

Lo ideal es formar un comité o grupo de trabajo transversal donde todos los estamentos de la entidad puedan estar involucrados y puedan co crear viendo las realidades de cada área 

• Generar políticas institucionales transversales que definan claramente qué constituye el uso adecuado de IA Generativa en trabajos académicos e investigaciones, asegurando que las y los estudiantes, las y los académicos comprendan cómo utilizarlas, para qué y sus límites de uso no sólo ético, también en la normativa vigente, que pueda ir actualizándose según las necesidades de la comunidad académica y avances de esta tecnología. 
• Acordar con las distintas Unidades Académicas y autoridades la implementación de mecanismos de transparencia, transversales para toda la comunidad educativa donde las y los estudiantes, las y los académicos, así como quienes desempeñan labores administrativas, profesionales y terceros que presten servicios, declaren explícitamente el uso de IA en la creación de contenido académico, similar a como se citan las fuentes tradicionales con las distintas normativas internacionales, dependiendo del área de conocimiento. 

2. Creación de contenido y legislación vigente 

• Generar regulaciones internas en cada institución que establezcan los derechos y responsabilidades sobre las obras generadas por IA, que protejan la propiedad intelectual y derecho de autor, tanto de las y los creadores humanos como de las instituciones que utilizan estas tecnologías.
• Fomentar e incentivar la creación de licencias específicas para trabajos generados con la asistencia de alguna herramienta de IA, respetando la normativa chilena vigente de Inteligencia Artificial (1), propiedad intelectual (2), protección de datos (3) y que promuevan la atribución adecuada. 

3. Integridad académica 

En este gran paraguas que es la integridad académica, donde las instituciones están llamadas a formar en ética, respeto a la regulación vigente y fomento a la creación, la integridad académica debe ser recogida como un valor institucional, valor agregado que no sólo le dará un realce a la institución sino, más importante, que sus titulados tendrán un sello destacable.

Esto contribuye profundamente a la formación de una sociedad más justa, en donde el engaño y las malas prácticas están siendo más recurrentes que nunca. 

• Crear e implementar políticas institucionales que incorporen la formación obligatoria en ética y uso responsable de IA, incluida la normativa chilena vigente y la institucional que debe ir acorde, asegurando que las y los miembros de la comunidad académica comprendan los riesgos y beneficios de estas herramientas. Esta formación debe ser para todas y todos quienes componen la institución. 
• Es importante que cada Casa de estudios pueda establecer procedimientos claros para la evaluación y detección de similitud y fraude académico. Y a su vez, educar en las distintas normas de citas, bases de datos, ética, uso de datos personales, entre otros temas relacionados. 
• Buen uso de los datos personales en los procesos de investigación, tanto de investigadoras e investigadores que pertenezcan a la institución como de aquellas y aquellos que pertenezcan a otras entidades y se esté trabajando en colaboración. 

4. Promoción del uso responsable de herramientas de IA 

Sabemos que un gran número de estudiantes y académicos utilizan herramientas de IA en sus quehaceres académicos y personales. 

Obviar su uso o no aceptarlo nos dejará atrás en esta nueva era, por lo que hay que enfocarse en enseñar a utilizar las herramientas de IA, concientizar en su buen uso, difundir los límites según la regulación, etc. 

• Incentivar y fomentar una cultura de respeto y convivencia que promueva el uso ético y responsable de la tecnología, integrando estos valores en los programas de estudios y en las actividades extracurriculares. 
• Crear espacios de diálogo y reflexión sobre el impacto de la IA en la educación y la sociedad, involucrando a las y los estudiantes, académicas y académicos, expertos y la comunidad universitaria en general para construir un entendimiento compartido, razonado y colaborativo. 
• Implementar cursos de capacitación en diferentes plataformas de IA para ser utilizadas como tutores o herramientas que ayuden al mejor desempeño académico e incluso personal. 
• Y uno de los puntos más importantes es utilizar estas herramientas para potenciar el pensamiento crítico y creatividad, utilizándolo como un tutor, apoyo, ayuda para la generación de ideas, etc., empleándolo para potenciar el conocimiento personal y colectivo. 

Las instituciones de educación están llamadas a tomar acción y ser los agentes creadores de estos parámetros. En este sentido, desde el ámbito local el CRUCH (Consejo de Rectoras y Rectores de las Universidades Chilenas) juega un rol primordial, al ser un ente que reúne las universidades públicas del país y otras asociadas.

Es fundamental considerar, por lo tanto, una mirada unificadora con un estándar que servirá para dar prestigio a las y los profesionales que son formados en las Casas de estudios, brindando un valor a las instituciones para que sean un aporte a la sociedad en donde la corrupción, el fraude, las malas prácticas están más presentes que nunca

Los lineamientos deben respetar y se deben enmarcar en la normativa chilena vigente, tanto de propiedad intelectual, Inteligencia Artificial y protección de datos personales, además de estar acordes con los reglamentos particulares de cada institución educativa; de lo contrario, actualizarlos si fuese pertinente. 

La creación de normativas, políticas y estándares institucionales no sólo protegerá la integridad académica, el buen uso de las herramientas de IA, derechos de propiedad intelectual y datos personales, también preparará a las y los estudiantes para un mundo donde la tecnología y la ética van de la mano, respondiendo a las necesidades actuales, estableciendo un estándar de excelencia y responsabilidad que puede servir de modelo para otras instituciones educativas, resolviendo problemas inmediatos y estableciendo una base sólida para el futuro de la integridad académica en la era digital. 

Es fundamental la participación de todas y todos los actores involucrados en la comunidad educativa para crear un marco regulatorio y lineamientos de integridad académica, los cuales deben articular todas las unidades, procesos académicos y modelo de enseñanza.

Por ende, lo anterior debe ser instalado como un valor institucional transversal en toda la universidad. Así se generará una “cultura de integridad académica” que dará un sello distintivo de cada estudiante, académica, académico y todas y todos los que componen la comunidad universitaria. 

Debemos apurarnos como el Conejo Blanco de Alicia en el País de las maravillas. Hay que dar premura al instante. Está pasando el tiempo y no nos podemos seguir enredando, atrapando y estar estáticos mientras todo ocurre ante nuestros ojos. 

Hay que aunar esfuerzos para crear estándares que ayuden y contribuyan a la generación de nuevos conocimientos y saberes y, así, ir diluyendo este laberinto de incertidumbre que sólo genera inseguridades en el mundo educativo. 

Bibliografía 

1. Chile. (1970). Ley N° 17.336 sobre propiedad intelectual. Diario Oficial de la República de Chile, 2 de octubre de 1970. 

2. Chile. (1999). Ley N° 19.628 sobre protección de la vida privada. Diario Oficial de la República de Chile, 28 de agosto de 1999. 

3. Ministerio de Ciencia, Tecnología, Conocimiento e Innovación. (2021). Política nacional de Inteligencia Artificial. 

Notas al pie

¹ Ministerio de Ciencia, Tecnología, Conocimiento e Innovación. (2021). Política Nacional de Inteligencia artificial. https://bcn.cl/2uo23.  

² Chile. (1970). Ley N° 17.336 sobre Propiedad intelectual. Diario Oficial de la República de Chile, 2 de octubre de 1970. https://bcn.cl/27c1j. 

³ Chile. (1999). Ley N° 19.628 sobre Protección de la vida privada. Diario Oficial de la República de Chile, 28 de agosto de 1999. https://bcn.cl/2eqfn.