La inteligencia artificial se ha convertido en un eje principal de la competencia geopolítica. Sin embargo, la mayoría de los análisis comparativos sobre la carrera tecnológica se detienen en métricas de entrada: cantidad de GPU, cifras de inversión y solicitudes de patentes. Estos son indicadores indirectos, no explicaciones. Lo que importa para los especialistas en relaciones internacionales, los responsables de políticas públicas y los estrategas empresariales es una pregunta más difícil: ¿”por qué” diferentes economías políticas están convergiendo hacia distintas estrategias de adopción, y qué revelan esas estrategias sobre supuestos más profundos acerca de la capacidad del Estado, la tolerancia al riesgo y la relación entre la capacidad tecnológica y el poder nacional?

La divergencia entre Asia y la Unión Europea no es principalmente una historia sobre brechas de inversión o sobre filosofía regulatoria en abstracto. Es una historia sobre el “propósito” que se le está pidiendo cumplir a la IA. En Asia, la IA se plantea como un problema de coordinación que el Estado debe resolver. En Europa, se plantea principalmente como un problema de responsabilidad y riesgos que el Estado debe gestionar. Esta diferencia de enfoque tiene consecuencias estructurales que se acumulan con el tiempo, y la evidencia empírica de 2024 a 2026 hace que esas consecuencias sean cada vez más visibles.

El panorama global de adopción: lo que muestran ahora los datos

Antes de analizar cómo están respondiendo los distintos Estados, vale la pena establecer qué muestran las pruebas sobre el estado actual de la difusión de la IA. El Índice de IA de Stanford 2026 informa que la IA generativa alcanzó un 53% de adopción entre la población mundial en tres años, más rápido que el ordenador personal o el internet. La adopción organizacional, medida por la encuesta State of AI 2025 de McKinsey, alcanza el 88% de las organizaciones que utilizan IA en al menos una función empresarial, frente al 78% del año anterior.

La inversión corporativa mundial en IA se duplicó con creces en 2025, alcanzando los 581,700 millones de dólares, mientras que la inversión privada por sí sola llegó a 344,700 millones de dólares. Estas cifras generales son impresionantes, pero ocultan una divergencia estructural que constituye la verdadera historia: la adopción a nivel poblacional varía desde el 61% en Singapur hasta el 28.3% en Estados Unidos. En comparación, el promedio empresarial de la UE-27 se sitúa en el 20% (Eurostat 2025), y ese promedio oculta una brecha enorme entre las grandes empresas y las pequeñas, algo que resulta fundamental para comprender el problema europeo.

La importancia de cerrar esa brecha de adopción para la productividad cuenta cada vez con más respaldo empírico. Estudios experimentales de la OCDE, revisados en un artículo de investigación de julio de 2025, muestran que trabajadores de atención al cliente, desarrollo de software y consultoría han obtenido aumentos promedio de productividad de entre el 5% y más del 25% mediante la integración de IA generativa.

La evidencia macroeconómica empieza a confirmar efectos agregados: una investigación publicada en abril de 2026 encontró que el aumento de usuarios frecuentes de IA en distintas profesiones — desde aproximadamente el 12% a mediados de 2024 hasta el 26% a finales de 2025 — se corresponde con entre un 1.4% y un 2.8% más de producción real, o alrededor de uno a dos puntos porcentuales de crecimiento anualizado.

Estos no son pronósticos especulativos; son resultados medidos. Las economías que cierren antes la brecha de adopción obtendrán primero esos beneficios, y lo harán de manera acumulativa. La Figura 1 muestra el estado actual de la adopción empresarial en las jurisdicciones analizadas en este artículo.

Tres modelos de adopción de IA impulsada por el Estado

Las cinco economías asiáticas analizadas aquí — China, Corea del Sur, Japón, India y Singapur — no comparten un único modelo. Comparten una premisa común: la adopción de la IA no alcanzará la escala ni la velocidad necesarias sin una intervención deliberada del Estado para acelerar la demanda. La forma que adopta esa intervención varía considerablemente y se relaciona con las características estructurales de cada economía política.

El primer modelo es la difusión dirigida por mandatos. La directriz “IA Plus” de China, emitida por el Consejo de Estado en agosto de 2025, establece el objetivo de alcanzar una penetración del 90% de terminales inteligentes y agentes de IA en seis sectores designados para 2030. Lo importante desde el punto de vista analítico no es la ambición de la cifra, sino la lógica que hay detrás. Pekín está tratando la difusión de la IA de la misma manera en que anteriormente trató la electrificación o el despliegue de la banda ancha: como un problema de coordinación en el que los mecanismos del mercado por sí solos subestimarían la adopción porque los actores individuales no pueden captar todo el retorno social.

La solución consiste en legislar las tasas de adopción, no simplemente subsidiar los recursos iniciales. El análisis de Trivium China señala que esto refleja la lógica estructural de la iniciativa “Internet Plus” de 2015. Los resultados ya son visibles: la base de usuarios de IA en China se duplicó con creces en la primera mitad de 2025, alcanzando los 515 millones de usuarios, con un crecimiento de adopción del 36.5% en seis meses tras el lanzamiento de DeepSeek-R1 en enero de 2025 (CNNIC, citado en AI News).

La adopción empresarial se sitúa aproximadamente en el 58%, según el Índice Global de Adopción de IA 2025 de IBM. China también lidera mundialmente en solicitudes de patentes de IA, con el 38.58% del total global en abril de 2025. El análisis de junio de 2025 de la Corporación RAND concluye que la política industrial china probablemente acelerará su avance, especialmente mediante computación subsidiada y despliegue de aplicaciones, con modelos chinos que ahora reducen la brecha de rendimiento con los principales modelos estadounidenses a solo un 2.7% en la evaluación Arena Elo (Stanford HAI 2026).

El segundo modelo es el binomio legislación más capital, representado especialmente por Corea del Sur. El Marco de Ley para el Desarrollo de la Inteligencia Artificial, vigente desde enero de 2026, convirtió a Corea en el primer país en consolidar gobernanza, política industrial y gestión de riesgos dentro de una sola norma jurídica. Corea combinó esto con la triplicación del presupuesto nacional de IA hasta 10.1 billones de wones (aproximadamente 6,940 millones de dólares) en un solo año fiscal, junto con el despliegue de 260.000 GPU Blackwell en Samsung, SK Hynix, Hyundai, Naver e infraestructura gubernamental.

El Índice de IA de Stanford 2026 señala que Corea del Sur lidera ahora el mundo en patentes de IA per cápita, una medida de densidad innovadora que refleja la profundidad de su integración industrial. La característica distintiva de este modelo es la simultaneidad: Corea no está aplicando una secuencia de primero regular y después desplegar, ni primero invertir y después crear normas. Está ejecutando ambos procesos en paralelo, utilizando la ley como mecanismo de coordinación y el compromiso financiero como señal de credibilidad para los actores privados.

El tercer modelo es el subsidio entendido como infraestructura, ejemplificado por India. La Misión IndiaAI, aprobada en marzo de 2024, considera la capacidad computacional como los antiguos Estados desarrollistas consideraban a la electricidad: un bien público cuya producción insuficiente por parte del mercado crea un límite estructural para las actividades posteriores.

El programa ha desplegado más de 38,000 GPU, incluidas 1,050 TPU Trillium de Google, frente a un objetivo inicial de 10,000. Las empresas emergentes y los académicos pueden acceder a capacidad informática equivalente a H100 por aproximadamente 65 rupias (0.72 dólares) por hora, la tarifa subsidiada más barata del mundo.

La adopción empresarial ha respondido: el índice de IBM de 2025 sitúa a India en un 57% de adopción empresarial de IA. El ministro Ashwini Vaishnaw afirmó en febrero de 2026 que la inversión comprometida relacionada con IA en India alcanzaba los 90,000 millones de dólares, con proyecciones de superar los 400,000 millones en toda la cadena de valor de la IA en dos años.

India no está apostando por una sofisticación regulatoria; está apostando a que eliminar el cuello de botella de la computación generará beneficios acumulativos, y los primeros datos de adopción sugieren que esta apuesta está dando resultados.

Japón y Singapur: el caso de recuperación y el caso de la precisión

Japón representa un cuarto modelo: la recuperación intensiva en capital, que es menos una elección estratégica coherente que una respuesta a un fracaso documentado en la adopción. El Libro Blanco de 2025 del Ministerio de Asuntos Internos y Comunicaciones reveló que el uso de IA generativa entre la población japonesa fue del 26.7% en 2024, frente al 68.8% en Estados Unidos y el 81.2% en China.

Más revelador desde un punto de vista estructural es el análisis de adopción de IA del G7 realizado por la OCDE, que sitúa el uso de IA en funciones empresariales centrales en apenas un 1.9% entre las empresas japonesas en 2024, frente al 6.1% en Estados Unidos. Esta es la medida más profunda de integración productiva y revela una enorme brecha que las cifras generales de inversión ocultan.

La respuesta de Tokio ha sido desplegar capital: NTT se ha comprometido a invertir 59,000 millones de dólares hasta 2027, y SoftBank se ha vinculado al proyecto Stargate de OpenAI con compromisos superiores a los 40,000 millones de dólares.

La trayectoria de Japón pone a prueba si el despliegue masivo de capital puede sustituir los mecanismos de coordinación de la demanda que están utilizando China y Corea, o si las barreras estructurales de adopción (una cultura empresarial aversa al riesgo y normas de empleo de por vida) no pueden resolverse únicamente con capital.

Singapur representa el caso de precisión: un quinto modelo, la gobernanza basada en la medición. La Estrategia Nacional de IA 2.0, actualizada en mayo de 2026, destaca menos por su ambición que por su nivel de detalle.

El Índice de IA de Stanford 2026 sitúa a Singapur en un 61% de adopción de IA generativa a nivel poblacional, el porcentaje más alto del mundo, junto con Emiratos Árabes Unidos. La adopción empresarial entre compañías que no son pymes alcanzó el 62.5%, mientras que entre las pymes llegó al 14.5% en 2024 (IMDA), con el Programa Nacional de Impacto de IA como objetivo de alcanzar 10,000 empresas en tres años.

Lo que hace que Singapur sea analíticamente distinto es que su pequeña escala permite un ciclo de retroalimentación que las economías más grandes no pueden replicar: el gobierno puede medir lo que implementa, observar la adopción casi en tiempo real y ajustar el diseño de sus programas en consecuencia.

Singapur funciona como un laboratorio vivo, donde su infraestructura de medición genera conocimientos de política pública que los Estados más grandes no pueden obtener a partir de estadísticas agregadas.

El error estructural de cálculo de la UE: evidencia a partir de los datos de adopción

Frente a estos cinco enfoques, la posición de la Unión Europea refleja una teoría estructuralmente diferente sobre para qué debe servir la gobernanza de la IA, y la evidencia de 2024 a 2025 hace que esta diferencia sea claramente medible.

La publicación de Eurostat de diciembre de 2025 registra que la adopción empresarial de IA en la UE-27 alcanzó el 20%, frente al 13.5% en 2024: un aumento de 6.5 puntos porcentuales que representa un impulso real. Dinamarca lidera con un 42%, Finlandia con un 37.8% y Suecia con un 35%.

Pero el promedio general oculta un problema estructural que el crecimiento visible no muestra: la adopción está fuertemente dividida según el tamaño de las empresas. Como muestra la Tabla 2, las grandes empresas (con 250 empleados o más) alcanzaron un 55% de adopción de IA en 2025, mientras que las pequeñas empresas (de 10 a 49 empleados) llegaron solo al 17%. La diferencia de 38 puntos porcentuales entre empresas grandes y pequeñas no se redujo en 2025; aumentó en más de 7 puntos porcentuales (Figura 2).

Esta diferencia basada en el tamaño es el núcleo empírico del problema de adopción de la UE y está directamente relacionada con la Ley de IA. Las estimaciones del mercado consultivo sobre el cumplimiento de la normativa para sistemas de IA de alto riesgo bajo el Anexo III sitúan los costos iniciales para proveedores pymes entre 200,000 y 500,000 euros, distribuidos entre 2025 y 2027 (Figura 5).

Incluso con las disposiciones específicas de la Ley de IA para las pymes — tasas proporcionales, acceso a entornos de prueba y documentación simplificada —, las obligaciones de cumplimiento para quienes implementan sistemas de alto riesgo entran en vigor en agosto de 2026, y 12 de los 27 Estados miembros no habían cumplido el plazo para designar autoridades nacionales competentes.

La propia propuesta Digital Omnibus de la Comisión Europea, presentada en noviembre de 2025, reconoce el problema al establecer como objetivo reducir la carga general de cumplimiento en un 25% y en un 35% para las pymes para 2029. Más del 60% de las startups de la UE ahora priorizan aplicaciones de IA de bajo riesgo específicamente para evitar la exposición regulatoria. La arquitectura de gobernanza está moldeando las trayectorias de innovación incluso antes de aplicarse plenamente.

El panorama de inversión aumenta la preocupación. Europa atrajo solo 20,900 millones de dólares en inversión privada en IA en 2025, frente a los 285,900 millones de dólares de Estados Unidos: una proporción de 13.7 a 1 (Figura 3).

Los 12,400 millones de dólares de inversión privada de China subestiman considerablemente su capacidad real cuando se incluyen los fondos de orientación gubernamental; Stanford HAI estima que entre 2000 y 2023 se movilizaron 912,000 millones de dólares en fondos dirigidos por el Estado en distintos sectores.

El propio informe de la Comisión Europea de junio de 2025 sobre el Estado de la Década Digital admite que, al ritmo actual, el bloque no alcanzará sus objetivos para 2030 hasta aproximadamente 2040. Un análisis de Public First estima que la UE está en camino de desbloquear alrededor de 1.3 billones de euros de valor digital proyectado para 2030, dejando sin materializar hasta 1.5 billones de euros.

La adopción de la IA como un problema de acción colectiva

La evidencia comparativa respalda la interpretación de la adopción de la IA como un problema de acción colectiva del tipo identificado en la literatura sobre geografía económica y política industrial. El desafío principal no es que las empresas individuales carezcan de información sobre la IA: la tecnología es visible y sus aplicaciones están documentadas. El problema es que la adopción genera externalidades positivas (mediante la generación de datos, la mejora de las capacidades de la fuerza laboral y el conocimiento de procesos que se difunde más allá de los límites de cada empresa) que las compañías individuales no pueden capturar completamente.

Por lo tanto, la adopción basada únicamente en condiciones de mercado tenderá sistemáticamente a quedar por debajo del nivel socialmente óptimo. La intervención del Estado no es una distorsión; es una corrección frente a una falla estructural del mercado.

Lo que cambia entre los distintos casos es el mecanismo elegido para abordar este problema. China utiliza mandatos administrativos. Corea combina un marco legal con el despliegue directo de capital de manera paralela. India utiliza subsidios de precios sobre escasos insumos para reducir el umbral de adopción. Singapur emplea medición precisa y apoyo programático específico. Japón intenta utilizar la concentración de capital privado como sustituto de la coordinación del lado de la demanda.

La Unión Europea utiliza una arquitectura de cumplimiento normativo, que no es un mecanismo de coordinación, sino un mecanismo de distribución de riesgos. Una arquitectura de cumplimiento les dice a las empresas qué no pueden hacer; no resuelve el problema de coordinación de la adopción que realmente limita el avance. De manera crítica, la evidencia experimental de la OCDE muestra que las mejoras de productividad derivadas de la IA requieren una colaboración significativa entre humanos e IA y una adecuada adaptación de las tareas. Crear esa capacidad requiere primero adopción. No se puede desarrollar capacidad organizacional en IA únicamente mediante marcos de cumplimiento.

Este enfoque se conecta con debates más amplios de la economía política comparada. La literatura desde Rodrik (2004) sobre el descubrimiento propio y desde Hausmann e Hidalgo (2011) sobre la complejidad económica sostiene que la contribución más valiosa del Estado a la transformación industrial es construir capacidades compartidas: habilidades, infraestructura y estándares que hagan viable la inversión a nivel empresarial.

Los casos asiáticos analizados aquí están invirtiendo, cada uno de manera diferente, en esas capacidades compartidas. La UE, independientemente de su sofisticación regulatoria, todavía no ha construido un equivalente del lado de la demanda.

Implicaciones para empresas y responsables de políticas públicas

Lo que está en juego en la práctica es considerable, y la evidencia sobre productividad le da un peso empírico. Los estudios resumidos en el Índice de IA de Stanford 2026 informan aumentos de productividad de aproximadamente 14-15% en atención al cliente, 26% en desarrollo de software y 50% en producción de marketing gracias a la integración de la IA (Figura 4). Estos son beneficios a nivel de tareas; su acumulación a escala económica depende de la amplitud de la adopción.

Si para 2030 China alcanza un 90% de penetración de la IA y la UE llega al 30-40%, la diferencia de productividad no podrá recuperarse mediante regulación. Los primeros adoptantes acumulan conocimiento sobre procesos, generan mejores datos de entrenamiento y desarrollan capacidades organizacionales que los adoptantes tardíos simplemente no pueden comprar.

Para las empresas multinacionales que operan en estas jurisdicciones, la asimetría crea tanto riesgos como oportunidades de arbitraje estructural. Las empresas que desarrollen capacidades de IA en los entornos regulatorios asiáticos, donde la adopción se acelera más rápidamente, entrarán en el mercado europeo con capacidades que sus competidores basados en la UE no han tenido una oportunidad equivalente de construir.

Los requisitos de la Ley de IA de la UE se aplican a los sistemas desplegados en Europa, independientemente del lugar donde hayan sido desarrollados; esto significa que la carga de cumplimiento recae sobre las operaciones europeas de empresas que construyeron sus capacidades en otros lugares. Es una inversión irónica de la intención protectora: la regulación grava la adopción de los actores establecidos sin impedir la acumulación de capacidades por parte de nuevos competidores extranjeros.

La implicación para los responsables políticos de la UE no es abandonar la Ley de IA. La lógica de clasificar los riesgos responde a preocupaciones reales sobre derechos fundamentales y seguridad en aplicaciones de alto impacto. La cuestión tiene que ver con el orden de aplicación y la distribución de los costos regulatorios.

Lo que falta estructuralmente es el complemento del lado de la demanda: un equivalente europeo de la computación subsidiada de India para las pymes, del compromiso presupuestario de Corea enfocado en la adopción o de los mandatos sectoriales de penetración de China.

Las ambiciones europeas en materia de chips — con el objetivo de alcanzar el 20% del valor de producción mundial para 2030 — son serias desde el lado de la oferta. Construir esa capacidad de suministro sin crear una base empresarial de adopción sería como construir una red de autopistas sin conectarla con las ciudades a las que debe servir.

Conclusión

La carrera de la IA no es principalmente una competencia sobre quién tiene las regulaciones más sofisticadas o los mayores compromisos nominales de inversión. Es una competencia sobre quién resuelve primero el problema de coordinación de la adopción, y los datos de 2024 a 2025 hacen visibles a los participantes.

La adopción empresarial de China del 58%, la de India del 57%, la adopción de IA generativa a nivel poblacional de Singapur del 61% y el liderazgo de Corea del Sur en densidad de patentes no son coincidencias. Son resultados medibles de políticas deliberadas orientadas al lado de la demanda.

El promedio empresarial de la UE del 20%, su brecha de 38 puntos porcentuales entre grandes y pequeñas empresas y los 20,900 millones de dólares de inversión privada frente a los 285,900 millones de Estados Unidos también son resultados medibles de una orientación política diferente.

Ambos enfoques responden a desafíos reales. Pero no están respondiendo al mismo desafío con la misma urgencia. El problema de la responsabilidad y el riesgo es real; el problema de la coordinación es más determinante.

Bruselas no está exactamente confundiendo el reglamento con el juego, sino priorizando el capítulo equivocado. Es un problema más fácil de corregir que una falta estructural de inversión, pero solo si se diagnostica correctamente y si la ventana para corregir la secuencia de decisiones aún no se ha cerrado.

Figuras