México ya tiene un Plan Nacional de IA. El problema es que la frontera volvió a moverse

México publicó en abril de 2026 su Plan Nacional de Inteligencia Artificial. El documento tiene virtudes que conviene reconocer: propone una visión de Estado, coloca los derechos en el centro, plantea formar talento y apuesta por infraestructura propia mediante Coatlicue, una supercomputadora pública de 314 petaflops.

Es un avance. Pero sería un error confundir un avance con una respuesta suficiente.

Cinco meses después, la frontera tecnológica volvió a desplazarse. Durante los primeros días de septiembre, OpenAI presentó GPT-6 Astra; Anthropic, Claude Fable 5.1; y Google, Gemini 3.8 Flash. Los tres modelos amplían la capacidad de la inteligencia artificial para razonar, utilizar herramientas y ejecutar tareas prolongadas con menor supervisión. Ya no estamos hablando únicamente de sistemas que redactan o contestan preguntas. Estamos entrando en una etapa de operadores digitales capaces de investigar, programar, navegar, modificar archivos y completar procesos de principio a fin.

El reto para México, por tanto, no es decidir si necesita un plan. Es determinar si el plan puede aprender y cambiar a la velocidad del fenómeno que pretende gobernar.

Estas son siete preguntas que deberían ocupar hoy a legisladores, empresarios, universidades y consejos de administración.

1. ¿Estamos regulando una tecnología que responde o una tecnología que actúa?

Buena parte de la conversación pública todavía imagina a la inteligencia artificial como un asistente: una persona pregunta y una máquina responde. Los nuevos modelos de frontera rompen esa imagen.

GPT-6 Astra fue diseñado para trabajo complejo de extremo a extremo y puede utilizar computadora, navegador, código, archivos y servicios conectados. Claude Fable 5.1 muestra mejoras sustanciales en programación agéntica, investigación y tareas de larga duración. Gemini 3.8 Flash fue desarrollado expresamente para ingeniería de software de horizonte largo, agentes autónomos y flujos empresariales complejos.

La diferencia parece técnica, pero en realidad es institucional. Un sistema que genera una recomendación produce un riesgo. Uno que entra a un sistema, consulta datos, toma una ruta y ejecuta una acción produce otro muy distinto.

El Plan Nacional reconoce principios valiosos como supervisión humana, explicabilidad, responsabilidad e inclusión. Sin embargo, el salto agéntico exige traducirlos en controles mucho más concretos: niveles de autorización, separación de funciones, registro completo de acciones, límites de gasto, entornos aislados, mecanismos de interrupción, pruebas contra instrucciones maliciosas y protocolos obligatorios de reporte de incidentes.

“Toda decisión apoyada por IA debe tener responsables humanos”.

El principio es correcto. La siguiente pregunta es más difícil: ¿quién responde cuando la IA no solo recomienda una decisión, sino que encadena veinte acciones antes de que una persona advierta el error?

2. ¿Puede una regulación futura gobernar capacidades que ya están disponibles?

El Plan propone expedir un marco federal de inteligencia artificial, pero deja la definición precisa de derechos, obligaciones, autoridades y mecanismos de supervisión a un proceso legislativo posterior. Esa prudencia evita improvisar una ley rígida, aunque también crea un vacío operativo.

La falta de regulación no significa ausencia de consecuencias. Significa que las organizaciones avanzan con interpretaciones fragmentadas de normas sobre datos personales, relaciones laborales, propiedad intelectual, protección al consumidor, competencia y ciberseguridad. Para una empresa seria, esa incertidumbre también es un costo: retrasa inversiones, eleva el riesgo reputacional y dificulta escalar proyectos que podrían mejorar productividad.

Regular bien no consiste en intentar describir cada modelo que aparecerá. Consiste en establecer obligaciones según el riesgo y la capacidad de actuar del sistema. Un agente que resume documentos no debería enfrentar las mismas exigencias que otro que aprueba créditos, modifica expedientes clínicos, opera infraestructura o toma decisiones laborales.

México necesita un marco adaptable, pero “adaptable” no puede convertirse en sinónimo de indefinido. La flexibilidad útil incluye responsables, plazos, criterios de clasificación y facultades reales de supervisión.

3. ¿El nuevo estándar de inteligencia hace obsoleto el Plan? No. Pero sí vuelve insuficiente su ritmo de actualización

Comparar modelos mediante un solo número es tentador y engañoso. El desempeño cambia según la tarea, el esfuerzo de razonamiento, las herramientas y el entorno de ejecución. Aun así, los lanzamientos de septiembre permiten observar el nuevo terreno competitivo.

*Precios estándar o introductorios publicados por los proveedores al 8 de septiembre de 2026. No incluyen todos los cargos por herramientas, almacenamiento, procesamiento acelerado o residencia de datos. Google anunció que su precio se duplicará el 1 de enero de 2027.

En la versión 4.3 de su índice compuesto, Artificial Analysis ubicó a GPT-6 Astra y Claude Fable 5.1 en 53 puntos bajo configuraciones de esfuerzo muy alto; Gemini 3.8 Flash obtuvo 41 en esfuerzo alto. Pero el mismo análisis encontró que Gemini era varias veces más rápido y mucho más barato. Esto impide declarar un ganador universal.

Para un consejo de administración, la conclusión es práctica: “el modelo más inteligente” no necesariamente ofrece el mayor valor. La selección depende de confiabilidad, autonomía requerida, costo por tarea terminada, latencia, privacidad y consecuencias del error.

El Plan Nacional no necesita perseguir cada lanzamiento. Sí necesita un observatorio permanente con evaluaciones propias, revisiones trimestrales y reglas que se activen cuando aumenten determinadas capacidades. Una estrategia anual para una tecnología que puede cambiar tres veces en seis semanas nace con retraso.

4. ¿La soberanía tecnológica se construye con una supercomputadora? Solo en parte

Coatlicue es la apuesta más visible del Plan: una inversión pública aproximada de 6,000 millones de pesos, 14,480 GPU y una capacidad prevista de 314 petaflops. Puede fortalecer investigación, clima, agricultura, salud, energía, fiscalización y otras prioridades nacionales.

Pero una computadora, por poderosa que sea, no produce soberanía por sí sola.

La soberanía tecnológica depende de una cadena completa: energía confiable, agua y enfriamiento sostenibles, conectividad, datos de calidad, talento especializado, software, seguridad, mantenimiento, acceso transparente y proyectos capaces de convertir cómputo en conocimiento y valor económico.

El documento describe la capacidad física y sus posibles aplicaciones, pero no presenta una matriz pública de costo total de propiedad, consumo energético e hídrico, disponibilidad esperada, utilización mínima, criterios de asignación, resultados científicos o retorno económico. Tampoco explica con suficiente detalle qué modelos propios se pretende entrenar, qué problemas no podrían resolverse mejor mediante nube comercial o cómo se evitará la obsolescencia del equipo.

La pregunta incómoda no es si Coatlicue debe existir. Es qué sistema nacional de innovación la hará útil durante toda su vida.

México necesita una arquitectura híbrida: infraestructura pública para datos y funciones estratégicas; nubes comerciales para elasticidad; modelos abiertos cuando reduzcan dependencia; y acceso competitivo a varios proveedores. Soberanía no significa hacerlo todo dentro del país. Significa conservar capacidad real para decidir, migrar, auditar y continuar operando.

5. ¿Estamos midiendo el precio correcto?

La tarifa por token se ha convertido en la cifra favorita de muchas comparaciones. Es sencilla, visible y frecuentemente insuficiente.

Anthropic mantuvo para Fable 5.1 un precio base de US$10 por millón de tokens de entrada y US$50 de salida, pero redujo la lectura de información en caché a US$0.25. La empresa estima ahorros cercanos a 25% en cargas típicas y de hasta 45% en trabajos altamente agénticos. Google conservó para Gemini 3.8 Flash un precio introductorio mucho menor, aunque reconoce que el modelo puede realizar más pasos de razonamiento y consumir más tokens cuando opera con mayor esfuerzo. OpenAI aplica precios superiores cuando la entrada de Astra rebasa 272,000 tokens y ofrece un modo rápido a un múltiplo adicional.

Esto cambia la conversación económica. El costo relevante no es el de un millón de tokens, sino el de una tarea útil, correcta y verificable.

Un modelo barato que repite procesos, genera más tokens o requiere correcciones humanas puede costar más. Uno caro que termina una tarea crítica sin retrabajo puede resultar más rentable. Y ninguno es económico si un error crea una contingencia legal, financiera o de seguridad.

La política pública debería aplicar el mismo criterio. Coatlicue, los centros de datos y la Fábrica de IA no deben evaluarse por presupuesto ejercido, personas inscritas o capacidad instalada, sino por problemas resueltos, servicios mejorados, investigación producida, empresas beneficiadas y dependencia reducida.

Actividad no es progreso.

6. ¿Formar personas significa construir talento competitivo?

El Centro Público de Formación en IA es una de las iniciativas más necesarias del Plan. Su primera generación contempla 10,000 estudiantes y una capacidad proyectada de 25,000 certificaciones anuales. La alianza con empresas tecnológicas puede acercar contenidos a las necesidades del mercado.

Sin embargo, las certificaciones son apenas el inicio.

México requiere al menos cuatro capas de capacidad: especialistas capaces de investigar y construir; profesionales sectoriales que sepan rediseñar procesos con IA; líderes que puedan decidir sobre inversión, riesgo y talento; y ciudadanía con criterio suficiente para utilizar estas herramientas sin quedar indefensa ante ellas.

Además, la competencia por talento de frontera es global. Formar personas sin crear condiciones para investigar, emprender, recibir buenos salarios y participar en proyectos relevantes puede terminar subsidiando la fuga de capacidades.

El indicador estratégico no debería ser cuántas personas recibieron un certificado. Debería mostrar cuántas resolvieron problemas reales, elevaron la productividad de una pyme, desarrollaron propiedad intelectual, publicaron investigación, fundaron empresas o fortalecieron instituciones públicas.

La IA no sustituye la formación humana. La vuelve más exigente.

7. ¿Qué está realmente en juego para México en el corto, mediano y largo plazo?

En el corto plazo —los próximos doce meses— el mayor riesgo es la adopción invisible. Equipos de todas las industrias ya utilizan herramientas externas con datos de clientes, contratos, estrategias, expedientes y código. Mientras se discute una futura ley, los agentes empiezan a operar dentro de procesos sin inventarios, permisos diferenciados ni trazabilidad suficiente.

La prioridad inmediata es establecer gobernanza mínima viable: inventario de usos, clasificación de riesgos, reglas de datos, responsables humanos, evaluación antes del despliegue, monitoreo y protocolos de incidentes.

En el mediano plazo —de uno a tres años— la ventaja se desplazará de “tener acceso a IA” a saber rediseñar organizaciones alrededor de ella. Algunas empresas automatizarán tareas; las más competitivas reconstruirán procesos completos, funciones, indicadores y decisiones. México tendrá que armonizar regulación sectorial, abrir espacios de experimentación controlada, facilitar adopción en pymes y vincular la infraestructura pública con innovación industrial.

En el largo plazo —hacia 2030 y después— la verdadera disputa será por la capacidad de producir conocimiento y conservar autonomía. Un país que solo consume modelos extranjeros puede obtener eficiencia, pero seguirá dependiendo de decisiones comerciales, restricciones de acceso, precios y políticas de seguridad definidas fuera de su territorio. Un país que solo compra hardware nacional, sin ecosistema científico y empresarial, tampoco habrá alcanzado soberanía.

La competitividad sostenible aparecerá cuando México conecte infraestructura, talento, regulación, investigación y desarrollo productivo.

El Plan que México necesita después del Plan

El Plan Nacional de IA ofrece una base valiosa. Su orientación humanista, los Principios de Chapultepec, la formación de talento y la infraestructura pública apuntan en la dirección correcta. La debilidad está en la distancia entre la visión y los mecanismos verificables de ejecución.

Una segunda versión debería incorporar, al menos, siete elementos:

1. Una hoja de ruta pública con responsables, presupuesto, metas, plazos e indicadores de resultado.

2. Una ley federal basada en riesgos, con obligaciones exigibles y autoridades con capacidad técnica.

3. Un estándar nacional para agentes: permisos, registros, supervisión, pruebas, interrupción y reporte de incidentes.

4. Evaluaciones mexicanas por sector, idioma, contexto cultural y afectación de derechos.

5. Una estrategia híbrida de cómputo, datos, nube, modelos abiertos e interoperabilidad que evite dependencias irreversibles.

6. Una política de adopción productiva para pymes y sectores estratégicos, no solo una agenda de digitalización gubernamental.

7. Un mecanismo trimestral de actualización frente a cambios en capacidades, costos y riesgos de los modelos de frontera.

Los líderes empresariales tampoco deberían esperar a que el marco esté terminado. Cada organización puede comenzar hoy con tres decisiones: identificar dónde ya se usa IA, definir qué nunca debe hacer sin autorización humana y medir el valor por resultados, no por entusiasmo tecnológico.

México no está tarde porque carezca de talento, mercado o infraestructura. Puede llegar tarde si construye una respuesta estática para una tecnología que ya aprendió a actuar.

La pregunta final no es si el Plan Nacional de IA es suficientemente ambicioso para 2026. Es si México está creando las instituciones capaces de modificarlo antes de que vuelva a quedar atrás.

Referencias

Agencia de Transformación Digital y Telecomunicaciones, & Secretaría de Ciencia, Humanidades, Tecnología e Innovación. (2026, abril). Plan Nacional de Inteligencia Artificial. Gobierno de México. https://www.gob.mx/atdt/agendas/2030/inteligencia-artificial

Análisis estratégico: El estado de la inteligencia artificial en México frente a la evolución de los modelos de frontera (2026-2030). (2026). Documento de trabajo no publicado.

Anthropic. (2026, septiembre). Claude Fable 5.1 and Claude Mythos 5.1. https://www.anthropic.com/claude-fable-and-mythos-5-1

Artificial Analysis. (2026). GPT-6 Astra (xhigh) vs. Claude Fable 5.1 (Adaptive Reasoning, Xhigh Effort, Default Fallback): Model comparison. Recuperado el 8 de septiembre de 2026, de https://artificialanalysis.ai/models/comparisons/gpt-6-astra-xhigh-vs-claude-fable-5-1-xhigh

Artificial Analysis. (2026). Gemini 3.8 Flash (high) vs. Claude Fable 5.1 (Adaptive Reasoning, High Effort, Default Fallback): Model comparison. Recuperado el 8 de septiembre de 2026, de https://artificialanalysis.ai/models/comparisons/gemini-3-8-flash-vs-claude-fable-5-1-high

Google. (2026, 2 de septiembre). Introducing Gemini 3.8 Flash and 3.8 Flash Cyber. https://blog.google/innovation-and-ai/models-and-research/gemini-models/3-8-flash-and-3-8-flash-cyber/

Google DeepMind. (2026, septiembre). Gemini 3.8 Flash model card. https://storage.googleapis.com/deepmind-media/Model-Cards/Gemini-3-8-Flash-Model-Card.pdf

OpenAI. (2026, septiembre). GPT-6 Astra: A new generation of intelligence. https://openai.com/index/gpt-6-astra/

OpenAI. (2026). GPT-6 Astra model. OpenAI API. Recuperado el 8 de septiembre de 2026, de https://developers.openai.com/api/docs/models/gpt-6-astra

Liderazgo e IA

Explora tendencias y herramientas de inteligencia artificial.

Podcast

Formación

contacto@covire.net

+52 33 3257 1143

© 2025. All rights reserved.