7 hallazgos críticos sobre IA abierta 2025 que redefinen el poder
Redacción HC
Un nuevo estudio sobre economías de la inteligencia abierta 2025 revela cómo se redistribuye el poder, la participación y la transparencia en el ecosistema global de modelos de IA.
Basado en millones de datos, este análisis ofrece una visión profunda sobre quién domina realmente la inteligencia artificial abierta y cómo evoluciona su estructura.
| Características del estudio | Descripción y resultados |
|---|---|
| Tipo de estudio | Estudio empírico cuantitativo con análisis longitudinal |
| Periodo analizado | Junio 2020 - agosto 2025 |
| Modelos evaluados | 851 000 modelos |
| Descargas acumuladas | 2,2 mil millones |
| Métricas utilizadas | Índice Herfindahl-Hirschman (HHI), coeficiente de Gini |
| Fuente de datos | Hugging Face Model Hub |
| Atributos por modelo | Más de 200 variables técnicas |
¿Quién controla realmente la inteligencia artificial abierta? Esa es la pregunta que impulsa un estudio reciente publicado en el repositorio arXiv en 2025, centrado en las economías de la inteligencia abierta. Lejos de asumir que la apertura implica democratización, la investigación analiza cómo se distribuyen el poder, la participación y la innovación dentro de este ecosistema.
El trabajo, liderado por Shayne Longpre del MIT y desarrollado junto a instituciones como University of Edinburgh y Hugging Face, examina millones de datos del repositorio Hugging Face Model Hub. A través de métricas económicas clásicas, los autores ofrecen una radiografía inédita sobre quién domina, quién participa y cómo evoluciona técnicamente la inteligencia artificial abierta.
Distribución del poder: del dominio corporativo a la fragmentación
Uno de los hallazgos más relevantes es el cambio en la concentración del poder. En los primeros años del ecosistema, grandes empresas tecnológicas dominaban el volumen de descargas. Sin embargo, esta tendencia se ha diluido con el tiempo.
- La participación de grandes corporaciones ha disminuido progresivamente
- Comunidades independientes y desarrolladores individuales han ganado protagonismo
- Organizaciones de China han incrementado su cuota global de descargas
Este desplazamiento refleja una transición hacia un ecosistema más distribuido, aunque no necesariamente más equitativo.
“La aparente apertura no elimina las dinámicas de concentración, solo las transforma”.
Evolución técnica: modelos más grandes, complejos y eficientes
El estudio documenta una transformación acelerada en las características técnicas de los modelos:
- El tamaño promedio aumentó 17 veces entre 2020 y 2025
- La capacidad multimodal creció 3,4 veces
- La cuantización se incrementó 5 veces
- Las arquitecturas mixture-of-experts crecieron 7 veces
Estos cambios indican una evolución hacia modelos más sofisticados, capaces de procesar múltiples tipos de datos y optimizados para eficiencia computacional.
Transparencia en declive: apertura sin comprensión
Un hallazgo particularmente crítico es la disminución de la transparencia. Aunque más modelos ofrecen acceso a sus pesos, menos proporcionan información completa sobre su entrenamiento.
- Los modelos con pesos abiertos superan en descargas a los verdaderamente open source
- Falta de acceso a datos de entrenamiento y metodología
- Dificultades para reproducibilidad científica
Esto implica que la “apertura” puede ser superficial, limitando la capacidad de auditoría y comprensión.
“Acceder a un modelo no significa entender cómo fue construido”.
Nuevos intermediarios: actores invisibles del ecosistema
El análisis identifica la aparición de una nueva capa de actores clave:
- Desarrolladores que adaptan modelos existentes
- Comunidades que optimizan mediante cuantización
- Especialistas que personalizan modelos para usos específicos
Estos intermediarios no crean modelos desde cero, pero influyen decisivamente en su adopción y distribución.
Metodología: cómo se mide el poder en la IA
El estudio utiliza herramientas clásicas de economía para analizar el ecosistema:
- Índice HHI para medir concentración de mercado
- Coeficiente de Gini para desigualdad
- Análisis longitudinal de cinco años
- Base de datos con más de 200 atributos por modelo
El uso de métricas económicas aporta rigor cuantitativo al análisis de un campo dominado por narrativas tecnológicas.
Implicaciones: regulación, equidad y futuro de la IA
Los resultados tienen implicaciones directas en múltiples ámbitos:
1. Políticas públicas
La apertura de modelos no garantiza transparencia ni equidad. Se requieren nuevas métricas regulatorias.
2. Comunidad científica
La reproducibilidad se ve comprometida por la falta de datos completos.
3. Innovación global
El aumento de participación independiente abre oportunidades para regiones subrepresentadas.
El estudio sobre economías de la inteligencia abierta 2025 muestra que el ecosistema está cambiando, pero no necesariamente hacia una democratización plena.
Más actores participan, pero la transparencia disminuye. Más modelos están disponibles, pero menos son comprensibles. El poder no desaparece, se redistribuye.
TecnologíaReferencias:
Longpre, S., Akiki, C., Lund, C., Kulkarni, A., Chen, E., Solaiman, I., & Ghosh, A. (2025). Economies of open intelligence: Tracing power & participation in the model ecosystem. arXiv. https://doi.org/10.48550/arXiv.2512.03073
Xu, F., Wang, X., et al. (2025). The economics of AI foundation models. arXiv.
Birhane, A., et al. (2022). Power to the people? Opportunities and challenges for participatory AI. arXiv.
