Inteligencia artificial e innovación: una evaluación empírica

Resumen  

Los modelos abiertos de inteligencia artificial (IA) representan cerca del 50% del mercado (Perset et al., 2025) y entre sus beneficios se les atribuye reducir costos y permitir construir sobre desarrollos existentes (OECD, 2026; White et al., 2024). Sin embargo, “IA abierta” carece de una definición asentada: los marcos existentes (Open Source Initiative, Model Openness Framework, OCDE) tratan la apertura casi exclusivamente como una cuestión legal, es decir qué permisos aplican a qué componentes (código, parámetros entrenados, datos, etc.), sin evaluar si terceros tienen efectivamente los recursos e información necesarios para usarlos.

Proponemos evaluar la apertura a lo largo de dos dimensiones independientes: una legal (“¿estoy autorizado a…?”) y una técnica (“¿puedo efectivamente…?”). Un componente está plenamente abierto solo cuando ambas se satisfacen. Este marco identifica a ambas dimensiones de apertura como relevantes para la innovación y propone una operacionalización empírica que permita su medición.

La literatura de innovación que trabaja sobre inteligencia artificial abierta mide dinámicas del ecosistema abierto (colaboración, relación entre grandes laboratorios y el resto de los desarrolladores, popularidad de modelos derivados) pero no evalúa directamente el rol de apertura en la innovación. Además, se basa en definiciones legales de apertura.

Usando metadatos de modelos de IA alojados en HuggingFace, construimos indicadores de apertura legal y técnica para los modelos y sus datos de entrenamiento y estimamos su relación con el número acumulado de modelos derivados (forks). Los resultados muestran que tanto la apertura legal como la técnica importan para explicar la innovación.

Estos hallazgos sugieren que la política de IA abierta no solo tiene sentido por razones de transparencia, sino también de innovación ya que la apertura reduce las barreras de entrada, en tiempo, costo y cómputo, permitiendo a los desarrolladores construir modelos derivados sin depender de la aprobación del innovador original. Esto es relevante para países en desarrollo porque facilita el acceso al conocimiento incorporado en los modelos abiertos, adoptarlos y adaptarlos a sus necesidades.