La geografía ya hizo su parte. Ahora corresponde a la creatividad mexicana —y a las apuestas que hagamos en inteligencia artificial— evitar que sigamos siendo un país “desconocido”. Retomo de mi querido tío Mayo (Harry) Moller esa expresión entrañable, México Desconocido, y dedico este texto a su memoria: un apasionado de la técnica y un hombre que siempre creyó que la innovación era también una forma de identidad.
Veamos, en los últimos años, México volvió a colocarse en el mapa económico mundial por una razón muy concreta: su geografía. Somos vecino inmediato del mayor mercado de consumo del planeta, tenemos salida a dos océanos, una red de tratados que abre puertas a decenas de países y una base manufacturera que, en varios sectores, es ya imposible de replicar rápidamente en la región.
Pero, al mismo tiempo, sobre ese mapa geoeconómico se está dibujando otra ola igual de potente: la de la inteligencia artificial. Y con ella aparece la pregunta incómoda: ¿México vive en la burbuja de la IA?
La respuesta interesante no es un “sí” o “no” simplista, sino un “depende de qué parte de la pila de IA estés viendo”. Y de esa distinción se desprende algo crucial para México: en qué capa de esa pila queremos que florezca la creatividad mexicana, aprovechando la geografía… sin quedarnos atrapados sólo en ser patio trasero de hardware y software ajeno.
Imaginemos la IA como una torre de tres niveles: la capa de aplicaciones de IA (apps, productos, servicios), la infraestructura de IA para inferencia (cómputo para generar tokens, correr modelos) y la de infraestructura para entrenamiento de modelos (los grandes modelos frontera). Cada una vive una dinámica diferente de inversión y riesgo. Entenderlas no es un asunto teórico: es estratégico para definir qué debe construir México si quiere crecer con IA y nearshoring, no a pesar de ellos.
En la capa de aplicaciones —todo aquello que usa LLMs y modelos de IA para resolver problemas reales— no hay burbuja; de hecho, falta inversión. Todavía quedan miles de aplicaciones por construir: IA para logística y mantenimiento en nuestros corredores industriales, sistemas de apoyo a docentes y médicos en castellano y lenguas originarias, ajustados a nuestra realidad, herramientas de diseño, simulación y análisis para manufactura, agro, turismo, finanzas, ciudades, cultura.
A largo plazo, estas aplicaciones tienen que ser más valiosas que la infraestructura, porque son las que pagan las cuentas de los proveedores de cómputo, chips y modelos. Sin aplicaciones que facturen, los data centers, las AI factories y las GPUs estarán ociosas.
Sin embargo, muchos fondos de inversión se sienten más cómodos apostando por infraestructura: data centers, chips, grandes modelos. “Eso ya lo sabemos hacer”, piensan. Elegir ganadores en aplicaciones les parece más arriesgado. Resultado: la capa de aplicaciones está subinvertida, justo donde México podría brillar combinando talento creativo, nuestra biodiversidad, conocimiento sectorial y cercanía con la pujante y creciente industria real.
La infraestructura de inferencia es todo el cómputo necesario para “correr” modelos: generar tokens, responder consultas, programar con asistentes de software, diseñar, crear y operar agentes inteligentes.
Hoy ya hay escasez de capacidad de inferencia en muchos segmentos: equipos que quisieran usar más IA no pueden pagar el cómputo o simplemente no encuentran capacidad disponible. Mientras tanto, la adopción de herramientas como coders agentivos (asistentes de programación), copilotos de productividad y agentes especializados apenas comienza, y la penetración de mercado sigue siendo baja.
A medida que más desarrolladores y empresas se suban a esta ola, la demanda de tokens y de capacidad de inferencia crecerá todavía más. Es decir: seguirá haciendo falta infraestructura, y la inversión aquí tiene una lógica real —no sólo de moda—, porque sostiene el uso cotidiano de la IA. Claro, existe el riesgo de sobre-construir y que, en algún momento, haya más capacidad que demanda rentable. Pero incluso en ese escenario, esa sobrecapacidad tendería a ponerse en uso y beneficiaría a quienes hacemos innovación Deep Tech y construimos aplicaciones, abaratando costos.
Para México, esta capa abre una ventana: podemos ser lugar de despliegue y operación de infraestructura de inferencia asociada a nuestros clústeres industriales, universidades y hubs de talento. No se trata sólo de alojar racks, sino de integrarlos a ecosistemas donde se diseñan y afinan aplicaciones locales. La infraestructura de entrenamiento —la que permite entrenar modelos frontera cada vez más grandes— es quizás la que más titulares acapara y, paradójicamente, la de mayo oportunidad y necesidades de cuidado de las tres.
Varias razones convergen: si los modelos open-source u open-weights siguen ganando terreno, algunas empresas que hoy gastan miles de millones en entrenar modelos propietarios podrían no recuperar su inversión. Cada año, las mejoras algorítmicas y de hardware hacen que entrenar un modelo con cierta capacidad resulte más barato, erosionando la “ventaja” de haber gastado enormes sumas hoy.
La verdadera defensa competitiva no está sólo en el músculo de cómputo, sino en la marca y la distribución: LLMs como marca de consumo, buscadores , hardware. Esto no quiere decir que no deban hacerse apuestas en entrenamiento de modelos desde México —especialmente en nichos en castellano y dominios específicos—, pero sí implica que no es ahí donde está nuestro juego principal, al menos no en términos de escala financiera frente a los gigantes globales. En conjunto, la visión es más serena que los titulares: en aplicaciones, no hay burbuja: hay oportunidad y subinversión. En inferencia, hay una necesidad genuina de más capacidad, con riesgo moderado de sobreinversión. En entrenamiento, el riesgo de burbuja es mayor, por las dinámicas descritas.
El verdadero peligro es que una parte de la pila —por ejemplo, la infraestructura para entrenamiento— sufra una sobreinversión, colapse financieramente y eso detone un cambio de sentimiento que provoque una salida irracional de capital de toda la IA, a pesar de que el conjunto del campo siga teniendo fundamentos sólidos.
Ahí es donde México debe ser inteligente: no confundir la volatilidad de una capa con el futuro de todo el sector, y mucho menos quedarse inmóvil esperando a ver “quién gana” antes de construir nada. Regresemos a nuestra geografía. Hoy México aparece en muchos reportes como ganador del nearshoring y receptor destacado de inversión extranjera. Pero si usamos el lente de la “pila de IA”, la tarea se vuelve, creo y la econometría lo sustenta, más clara.
Aprovechar la ola de relocalización no sólo para sumar plantas, sino para crear aplicaciones de IA hechas en México que resuelvan problemas de logística, manufactura, finanzas, energía, agro, salud, turismo. Articular infraestructura de inferencia vinculada a nuestros corredores industriales y centros de talento, de forma que la IA no sea un servicio remoto y ajeno, sino parte del músculo productivo local. Ser prudentes al participar en la carrera de modelos frontera, priorizando nichos donde realmente tengamos ventaja (idioma, dominio, contexto regulatorio) y no sólo por seguir modas.
Si lo logramos, dejaremos de ser únicamente un “país puente” para la manufactura de otros y pasaremos a ser un país creador que diseña soluciones, servicios y conocimientos desde aquí, apoyado en la geografía, pero no encadenado a fracasar. Warren Buffett popularizó una frase de Benjamin Graham que hoy aplica tanto a los mercados financieros como a la historia económica de los países. En el corto plazo, las valuaciones de la IA —como las narrativas del nearshoring— están llenas de hype, opinión y exageraciones. En el largo, lo que pesa es el valor que realmente se creó: empresas que resuelven problemas, empleos de calidad, propiedad intelectual, capacidades acumuladas.
Para México, la conclusión es clara: la geografía ya hizo su parte. La ola de IA ya está aquí, con sus riesgos y sus oportunidades diferenciadas por capa. Lo que falta es dejar que la creatividad mexicana —en ciencia, tecnología, empresa y arte— se tome en serio su papel en la capa de aplicaciones y en el uso inteligente de la infraestructura. En otras palabras: menos obsesión por adivinar si “hay burbuja” y más disciplina para seguir construyendo desde México, usando nuestra posición en el mapa no sólo para ensamblar el futuro de otros, sino para imaginarlo, diseñarlo y programarlo nosotros mismos.