Lo que Machines Can Think 2026 revela sobre la nueva economía de la inteligencia artificial

El Baldor - Álgebra de Aurelio Baldor - es casi un objeto cultural en México. Para generaciones enteras fue el libro-umbral de la adolescencia, el volumen que convertía las matemáticas en explicaciones ilustradas y, en no pocos casos, en un trauma colectivo cuando la enseñanza se volvía mecánica, punitiva o completamente descontextualizada. Parte de su mito proviene incluso de la portada: el personaje no es Baldor, sino una representación de Muhammad ibn Musa al-Khwarizmi, el sabio del siglo IX asociado al origen del álgebra y a la sistematización de la aritmética con numeración indo-arábiga. Varios medios han documentado explícitamente que la imagen corresponde a Al-Khwarizmi, aunque durante décadas haya circulado como un símbolo anónimo de “las matemáticas duras”.

Ese detalle no es anecdótico. De la latinización de su nombre - Algoritmi o Algorismi en el latín medieval - surge primero el término algorism, usado para describir el cálculo con numerales indo-arábigos, y con el tiempo la palabra algorithm. Las fuentes etimológicas coinciden en ese linaje: el término se consolida siglos después con su significado moderno, pero conserva la huella de su origen histórico. Como guiño adicional, la palabra “álgebra” proviene del árabe al-jabr (الجبر), que alude a “recomponer” o “reintegrar”, y que aparece en el título del tratado clásico atribuido a Al-Khwarizmi. Algoritmo y álgebra comparten así una raíz común: no son solo símbolos o reglas, sino procedimientos orientados a transformar la realidad de manera sistemática. Y esa realidad es justamente algorítmica, la base sobre la cual se construye y se instrumenta lo que hoy conocemos como inteligencia artificial: matemáticas aplicadas que operan sobre entidades algebraicas -como matrices y vectores-, las cuales constituyen el fundamento de las redes neuronales a partir de las cuales la IA generativa funciona de manera efectiva.

Traer esta historia al presente no es un ejercicio de nostalgia académica. Sirve para recordar que, desde su origen, el pensamiento algorítmico no nació como abstracción gratuita, sino como herramienta práctica para organizar, calcular y generar valor en contextos reales. Y es precisamente esa conexión entre procedimiento y valor la que reaparece con fuerza en Machines Can Think 2026, celebrado esta semana en Abu Dhabi, donde la conversación sobre inteligencia artificial dejó atrás la fascinación superficial para centrarse en una pregunta más incómoda y madura: no qué puede hacer la IA, sino qué valor estructural produce y bajo qué condiciones.

Durante más de una década, la inteligencia artificial fue presentada como una promesa siempre inminente pero rara vez consolidada. Cada ciclo tecnológico trajo modelos más potentes, demostraciones más espectaculares y pilotos más ambiciosos, pero también una sensación persistente de frustración: demasiados proyectos quedaban atrapados en la fase experimental y pocos lograban traducirse en transformaciones económicas sostenidas. Machines Can Think 2026 sugiere que esa etapa está llegando a su fin. No porque la IA haya alcanzado un punto final, sino porque el eje de la conversación ha cambiado de forma profunda en algunas regiones del planeta y Medio Oriente es una de ellas.

El evento dejó claro que la pregunta relevante ya no es qué puede hacer la inteligencia artificial, sino qué valor estructural genera, quién controla la infraestructura que la hace posible y cómo se integra en estrategias industriales, económicas y geopolíticas de largo plazo. En ese sentido, Machines Can Think 2026 marcó el tránsito definitivo de los llamados use cases hacia una lógica más exigente y madura: la de los value cases.

Uno de los consensos más fuertes del encuentro fue que la IA ha dejado de ser únicamente la transformación de los métodos en algoritmos y luego de algoritmos a software. Hoy es energía, centros de datos, sistemas de almacenamiento, redes, regulación y talento. Es infraestructura crítica. Esta idea, que ya aparece con frecuencia en análisis recientes del Financial Times y The Economist, estuvo en el centro de las sesiones dedicadas a las llamadas AI Factories: una nueva clase de infraestructura digital diseñada para producir inteligencia de forma continua, eficiente y soberana. No se trata solo de entrenar modelos, sino de construir sistemas completos capaces de sostenerlos en el tiempo, integrarlos en procesos reales y escalar su impacto.

No es casual que actores como NVIDIA, G42 y los fondos soberanos del Golfo tengan un papel central en esta narrativa. Como han señalado análisis de Semafor sobre la competencia global en IA, el control del cómputo y de los datos se está convirtiendo en un activo estratégico comparable al acceso a energía o a semiconductores avanzados. Abu Dhabi, en ese sentido, no se presenta únicamente como sede del evento, sino como un experimento deliberado de política industrial: inversión sostenida, alianzas público-privadas y una visión explícita de soberanía tecnológica.

Durante años, la adopción de IA se estructuró alrededor del concepto de use case. El enfoque era sencillo y funcional: identificar un problema concreto, aplicar un modelo y evaluar métricas técnicas como precisión, latencia o costo. Este marco fue útil en una fase temprana de exploración, pero hoy muestra límites evidentes. Diversos reportajes del Financial Times y de The Economist han documentado que una gran proporción de los proyectos corporativos de IA no escalan ni generan retornos duraderos. Funcionan en el laboratorio o en pilotos controlados, pero no transforman organizaciones ni mercados.

En Machines Can Think 2026, esta fatiga fue explícita. En múltiples sesiones se repitió una idea incómoda pero cada vez más aceptada: el problema no es la falta de modelos avanzados, sino la ausencia de una lógica clara de valor. Muchos sistemas funcionan desde el punto de vista técnico, pero no alteran estructuras de costos, no reconfiguran procesos críticos y no crean ventajas competitivas sostenibles. Es aquí donde emerge - para mi entender - con fuerza el concepto de value case.

Un value case no describe simplemente una aplicación de IA, sino una hipótesis explícita sobre el valor que dicha tecnología genera. Obliga a conectar la solución técnica con resultados económicos, organizacionales y estratégicos concretos desde el inicio. A diferencia del use case, el value case exige claridad sobre por qué una solución importa realmente, qué dependencia reduce, qué capacidad fortalece y qué ventaja consolida. Esta distinción atravesó discusiones sobre energía, telecomunicaciones, logística, salud y educación, no como un eslogan, sino como un criterio de decisión.

Las intervenciones de figuras como Yann LeCun y ejecutivos de NVIDIA coincidieron en subrayar que la inteligencia, por sí sola, no genera impacto. Modelos más grandes o más sofisticados no garantizan valor si no están integrados en sistemas con objetivos claros y restricciones reales. La IA sin dirección estratégica se convierte en una fuente de complejidad adicional, no en una palanca de transformación.

En este contexto, una de las observaciones más reveladoras fue la de Marc Hamilton, vicepresidente de NVIDIA, quien señaló que aproximadamente la mitad de los desarrolladores de inteligencia artificial del mundo se encuentran hoy en China. El dato, mencionado casi de paso, tuvo un peso conceptual enorme. No se trataba solo de una estadística, sino de una señal clara de cómo la competencia en IA ya no se define únicamente por modelos o capital, sino por concentración de talento, escala industrial y coherencia estratégica. Mientras algunos países discuten regulaciones o narrativas, otros están construyendo masa crítica humana y técnica a una velocidad difícil de igualar.

Este punto conecta directamente con debates recientes en diversos círculos de especialistas sobre la fragmentación del mapa global de la IA. El talento se está concentrando allí donde existen infraestructuras, proyectos ambiciosos y trayectorias claras de impacto. La IA no se difunde de manera homogénea; se acumula. Y esa acumulación tiende a reforzarse con el tiempo.

Otro aspecto revelador del evento fue la atención prestada a componentes tradicionalmente invisibles del ecosistema digital, como el almacenamiento, la eficiencia energética y la arquitectura de datos. La presencia de empresas como DDN recordó que detrás de cada modelo avanzado existe una infraestructura física que condiciona costos, latencia, confiabilidad y, en última instancia, viabilidad económica. Esta dimensión suele quedar fuera del debate público, pero es central en análisis recientes sobre la economía política del cómputo. No hay IA escalable sin sistemas robustos, y no hay value cases sostenibles sin control de esa infraestructura. De manera casi simbólica, mientras Abu Dhabi discutía AI Factories, la ventaja competitiva ahora se construye en la ingeniería silenciosa, en la integración paciente y en la disciplina operativa.

Para México, el mensaje de Machines Can Think 2026 es tan claro como incómodo. Mientras otras regiones discuten soberanía computacional, arquitecturas nacionales de IA y concentración de talento, el debate local sigue atrapado entre el entusiasmo superficial y el temor al desplazamiento laboral. La pregunta ya no es si México debe adoptar inteligencia artificial, sino si es capaz de diseñar value cases propios que respondan a problemas estructurales reales en manufactura, energía, logística, salud, educación y gobierno.

Sin value cases, la IA se convierte en dependencia tecnológica. Con ellos, puede convertirse en una palanca de desarrollo. Machines Can Think 2026 no fue un evento sobre un futuro lejano, sino sobre un presente que ya exige decisiones estratégicas. La inteligencia artificial ya no es una promesa ni un accesorio. Es infraestructura crítica. Y el debate central ya no es si funciona, sino quién la controla, para qué fines y bajo qué lógica de valor.

Todo el evento fue transmitido en vivo a través de X [1,2]. Hasta donde pude observar en los días posteriores al evento, ambos videos acumulaban ya más de seis millones de reproducciones, una cifra poco habitual para discusiones técnicas sobre infraestructura, modelos fundacionales y política de IA, y que confirma que el tema ha salido definitivamente del nicho. El hecho de que conversaciones sobre AI Factories, value cases y soberanía computacional alcancen ese nivel de audiencia no es anecdótico. Es una señal clara de que la inteligencia artificial ha dejado de percibirse como una curiosidad técnica o una moda pasajera, y empieza a ser entendida - por empresas, gobiernos y sociedad - como lo que realmente es: una infraestructura estratégica que define quién crea valor y quién solo lo consume.

[1] https://x.com/Machinescansee/status/2015690265697173658?s=20[2] https://x.com/Machinescansee/status/2015698907896950843?s=20