Por Juan Morón Audante¹

La brecha generada por el desarrollo de una serie de tecnologías de frontera está dejando a un conjunto de países sin la posibilidad de seguir ese desarrollo. Hay brechas que no se van a cerrar por más esfuerzo que hagan algunos países. Sin embargo, eso no significa que los países no tengan determinadas posibilidades de hacer uso de estas tecnologías y obtener determinados beneficios. Pero para que esto sea posible se requiere conocer los procesos que siguen estas tecnologías así como la dinámica que siguen sus estructuras, en conjunto, como también por separado. Uno de estos mecanismos que deberíamos conocer es la cadena de valor de la IA.  Por la transformación profunda que está acometiendo en todo orden de cosas en la sociedad contemporánea. Y a la que, en adelante, llamaremos CAVIA.

¿Qué es la cadena de valor?

Han transcurrido 40 años desde que M. Porter dio a conocer en su libro “Competitive Advantage: Creating and Sustaining Superior Performance”  esta herramienta de análisis de los procesos empresariales en la producción, ya “no solo como costo, sino fundamentalmente como creación de valor diferencial”, desde la participación de lo insumos hasta el producto final. Más aún, hasta el consumidor final. Ver Figura N° 1

Específicamente, la cadena de valor es “el conjunto de actividades que una empresa lleva a cabo para crear valor para sus clientes” ². Dentro de este conjunto se consideran dos tipos de actividades. Las actividades primarias, que incluyen la logística interna, operaciones, logística externa, marketing y ventas y servicios post – venta. Y, por otro lado, están las actividades de apoyo como la infraestructura de la organización, gestión de recursos humanos, desarrollo tecnológico y adquisiciones o abastecimiento.

Dado que este documento no versa sobre las cadenas de valor en sí, no entraremos a detallar cada uno de esos componentes; sin embargo, nos sirven para enmarcar el análisis de la CAVIA, pero solo como punto de referencia. Ya que obedecen a una lógica diferente. Porque no es lo mismo producir productos digitales teniendo como tecnología de base la IA en el marco de la economía digital que producir en el marco de la economía tradicional, de donde la cadena de valor fue su mejor expresión como mecanismo de generación de valor.

En la economía digital tenemos que ir acostumbrándonos a nuevos componentes y/o parámetros cuyas dinámicas no responden a los que existen en la economía tradicional. Por ejemplo, los multi – size market y, por otro lado, los network effects.  Por ello, es muy importante que diferenciemos con precisión la cadena de valor tradicional, la de Porter, y la cadena de valor de la IA. No se trata, simplemente, de una nueva forma de generar valor. Es mucho más profundo, en la medida que los nuevos modelos de negocios obedecen a nuevos parámetros que los diferencian de los modelos tradicionales.

Cadena de valor de la IA (CAVIA)

En la Cadena de Porter, hablamos de un conjunto de actividades que sirven para crear valor, que es lo que termina beneficiando a los consumidores finales. En un sentido general, la CAVIA también ha de generar valor; sin embargo, desde el momento en el que los componentes de estas cadenas han cambiado, la organización como su dinámica han adquirido un rol diferente al que conocimos en las cadenas de Porter.

Las CAVIA’s son las cadenas de valor implicadas en el desarrollo, uso y gobernanza de los sistemas de Inteligencia Artificial ³. Se refieren a “un proceso complejo que abarca una amplia gama de actividades, desde la extracción de materia prima para la fabricación de hardware hasta el desarrollo de los algoritmos sofisticados y el despliegue de sistemas de IA en diferentes aplicaciones” ⁴.

Por lo tanto, es  evidente que estamos hablando de una cadena global de valor de la IA. Y es que, como solía ocurrir con las Cadenas Globales de Valor (CGV) tradicionales en las que tanto los recursos materiales como la producción quedaban en manos de los países no desarrollados, en el caso de las cadenas globales de valor de la IA podría ocurrir algo similar. Por ejemplo, en el caso del litio, las reservas más importantes de este recurso se encuentran en países del Sur global. Este es el caso del llamado “triángulo del litio” entre Argentina, Bolivia y Chile, consideradas, a su vez, como las mayores reservas de litio del mundo. Pero aquí encontramos una diferencia entre las cadenas globales de valor y las que están referidas a la inteligencia artificial. Y es que, la generación de productos de IA no podría quedar en mano de los países no desarrollados, porque esta producción requiere de habilidades y conocimientos de los que se carece, generalmente, en estos países. Lo que no pasaba con la producción en las cadenas globales de valor que, en la práctica, eran una suerte de ensamblaje de productos.  

Componentes de la CAVIA

Dada la naturaleza de la IA, es muy complicado establecer una imagen que se asemeje a la cadena de valor de Porter. Entonces, aquí tenemos un primer problema para entender la CAVIA porque en ésta no hay una secuencialidad en el sentido porteriano, si vale la expresión. Porque muchas veces se generan procesos iterativos. “Hoy en día, la CAVIA se basa en un ecosistema complejo que abarca hardware, nube, software, modelos de IA y aplicaciones verticales y de consumo”. ⁵

Sin embargo, hay aportes que están ayudando a una mejor comprensión de su naturaleza como de su funcionalidad. Aunque en general, la diferencia entre aportes y aportes es que la mayoría se concentra fundamentalmente en el núcleo tecnológico y los menos plantean una visión de la cadena desde una perspectiva mucho más amplia, como el trabajo de Kate Crawford, cuya propuesta de comprensión de la CAVIA, empieza con la provisión de materia prima hasta la puesta en manos del consumidor final de un producto digital de IA. La ventaja de esta visión es que nos permite conocer una serie de problemas que subyacen a la producción o la creación de los modelos de IA. Por ello, veremos en principio esa visión reduccionista de la cadena de valor de la IA para, en segundo lugar, concentrarnos en la visión mucho más amplia, como la de Crawford.

Visión reducida de la CAVIA

Esta visión se concentra, fundamentalmente, en el aspecto tecnológico. Es decir, en el núcleo tecnológico de la IA. Lo cual comprende el desarrollo de algoritmos, de modelos, datos de entrenamiento, etc. En esta visión se deben considerar las siguiente etapas ⁶:

• Infraestructura física, Aquí se consideran centros de datos, redes de energía eléctrica y redes de telecomunicaciones
• Hardware especializado, Chips de procesamiento como GPU, TPU y ASIC  y Servidores y dispositivos edge para entrenamiento y ejecución de modelos
• Software base, Frameworks de desarrollo, TensorFlow, Pytorch, JAX. Sistemas operativos y entornos de ejecución como Linux.
• Datos, Datasets de entrenamiento que incluye imágenes, texto, video y audio; Procesamiento y curación que está referido a la limpieza y etiquetado
• Modelos de IA, Algoritmos y arquitecturas: redes neuronales, transformers, árboles de decisión. Entrenamiento y validación
• Plataforma de despliegue, APIs y servicios en la Nube como AWS SageMaker, Azure ML, Google Vertex AI. Integración en productos como asistentes virtuales, motores de recomendación, sistemas de visión
• Aplicaciones finales, Usos verticales en salud, educación, retail, manufactura. Interfaces de usuario en apps, dashboards, chatbots

Lo más importante de esta perspectiva es que describe, en estricto sentido, la arquitectura tecnológica necesaria para hacer posible el desarrollo y la producción de la IA. En otras palabras, la arquitectura para crear valor.

Visión ampliada de la CAVIA

En esta visión, no solo se hace referencia a lo estrictamente tecnológico como núcleo de las CAVIAs, sino que se resaltan, también, las actividades necesarias que están antes del desarrollo propiamente tecnológico de la IA, como los procesos comprendidos después de lo estrictamente tecnológico. 

Esta visión, como ya lo hemos mencionado, es la que desarrolla Kate Crawford en su libro “Atlas de la IA” (2021). En su opinión, la “IA no es artificial ni inteligente”. Esta visión desmitificadora de la IA, le permite abarcar y/o descubrir otros parámetros que la visión estrictamente tecnológica no visualiza. Pero que tiene la ventaja de evidenciar aspectos y procesos que viabilizan el desarrollo de la IA pero que requieren una mejor comprensión para que las regulaciones no vayan a desincentivar el desarrollo de esta tecnología. Pero lo que no se puede permitir es vender la idea de que esta tecnología es estrictamente tecnológica, porque tal como lo ha demostrado Kate Crawford, no lo es. Como dice en su libro, es una “infraestructura global de poder, con impactos ambientales, laborales, sociales y epistémicos”.

En esta visión se deben considerar los siguientes procesos ⁷:

• Extracción de recursos naturales, No deja de tener razón Carwford cuando considera la extracción de recursos naturales para producir los insumos necesarios para el desarrollo de la IA, como los chips y otros dispositivos que requieren litio, cobalto, tierras raras, consumo energético masivo, consumo de agua y de tierra para centros de datos.
• Producción de Hardware y Logística, Se refiere a la fabricación de chips, ensamblaje de servidores, transporte global, condiciones de fábrica.
• Trabajo humano precarizado, Básicamente en el etiquetado de datos, moderación de contenido, limpieza de datasets, trabajo subcontratado y mal remunerado
• Recolección masiva de datos, Es la captura de datos personales, imágenes, textos, interacciones, vigilancia y extracción de información sin consentimiento
• Modelado de Algoritmos y Entrenamiento, Diseño de modelos de IA, entrenamiento con grandes volúmenes de datos.  
• Clasificación ontológica técnica, Categorización de personas, objetos y comportamientos, reproducción de sesgos históricos y sociales.
• Aplicación de modelos de IA en diferentes sectores, En Educación, salud, seguridad, en justicia, etc.
• Regulación, Marcos legales y políticas públicas, 
• Impacto, Desigualdad, vigilancia, exclusión, daño ambiental, erosión democrática. 

Cadena de Valor tradicional vs Cadena de Valor de la IA

La diferencia entre estas dos cadenas no solo es importante por lo que subyace a ambas, sino porque ponen en evidencia dos formas de organización de la producción. No se trata de establecer cuál es mejor o peor, sino de dar a conocer que hoy estamos ante una economía en la que los recursos de producción han cambiado y están cambiando, cada vez, a mayor velocidad. Incorporando nuevos elementos que no estaban en la economía tradicional. Impactando, por tanto,  directamente en la forma en la que se genera valor.  Cabe mencionar que al igual que en la cadena de Porter, que se genera valor en cada una de sus etapas, en el caso de la CAVIA, también se genera valor en las diferentes etapas por las que pasa la creación de los productos que desarrolla la IA; sin embargo, hay una etapa crítica, considerada como el punto de inflexión de creación de valor y es la que está referida a la interacción entre los datos y el modelo de IA, propiamente dicho.

Y por qué en esta etapa se genera más valor que en cualquier otra cuando hablamos de la CAVIA? Esto se debe a que en esta etapa se transforman los datos (Insumos) en “productos” útiles como predicciones, clasificaciones, recomendaciones, etc. Es donde se materializa el valor. “El momento en el que el motor convierte el combustible en movimiento”. Esto no implica que lo que ocurre antes y después de este instante no tengan importancia en la generación de valor de la CAVIA, sobre todo en la perspectiva amplificada de Kate Crawford. Y es que el valor que se crea en esas instancias no están referidos al valor de uso para los consumidores, sino se trata de un valor habilitador para la existencia y funcionamiento de la IA.

¿Por qué es importante conocer, en detalle, la cadena de valor de la IA?

Existen varias razones para tener un mayor nivel de información respecto de la estructura de la cadena de valor de esta tecnología. Primero, conocer cómo se genera valor en esta cadena, cuya composición obedece a cierta lógica generada, a su vez, por el instrumento creado por M. Porter en 1985. Pero, fundamentalmente, porque estamos asistiendo a una tecnología que no tiene antecedentes, en términos de la transformación que está logrando en la sociedad, sino también porque nos permite o les permite a los países que están rezagados en esta materia cómo insertarse en las cadenas globales de valor de la IA (GVCAI) o cómo ser parte de ellas porque, de facto, han terminado siendo globales, sin haber sido su objetivo expreso. 

Pero tal como demuestra Kate Crawford en el libro mencionado, la IA implica un proceso que no se realiza, exclusivamente, en un solo país, sino que se hace en forma global. Por ello, es importante no analizarla a nivel de país, sino globalmente, que es lo que realmente, aunque su visión esté concentrada  solo en los países que encabezan su desarrollo. Y, fundamentalmente, en su core technology. Olvidándonos que su desarrollo involucra otros aspectos  que la alejan de los núcleos, estrictamente tecnológicos. 

El mayor aporte de Kate Crawford en su documento es que nos hace ver a la IA en toda su magnitud, lo cual se había soslayado por el enorme impacto tecnológico generado. Por ello, es fundamental que veamos la IA en sus múltiples aspectos: su maleabilidad, su desorden, su alcance espacial y su alcance temporal ⁸. Pero además, la IA no solo debe verse como una forma para replantear e intervenir en el mundo, sino fundamentalmente como una forma política de hacer el mundo ⁹. Es decir, debemos tener la capacidad de desarrollar una visión mucho más holística en el caso específico de la IA, por sus enormes connotaciones económicas, de organización social, de educación, etc. 

¿Qué posibilidades reales tiene el Perú de aprovechar estas cadenas de valor de la IA?

En realidad, el aprovechamiento de esta tecnología dependerá de cuanto hayamos avanzado y de cuánto estemos haciendo para extraer todo el potencial de la IA. Por ello, precisamente, es fundamental que conozcamos en detalle el núcleo de esta tecnología. Así, podríamos determinar cómo avanzar en su proceso. Evidentemente, hay procesos internos de la IA en los que no podremos actuar porque carecemos de un ecosistema de desarrollo de la IA de primer nivel: capital humano para comenzar. No tenemos personas a nivel de Phd en esta materia; carecemos de potencia informática para procesar ingentes cantidades de datos para el entrenamiento de nuevos modelos de IA; etc. Y es que, como vimos en el artículo de nuestra autoría sobre potencia informática e innovación tecnológica, tenemos un ecosistema digital que está orientado principalmente a la transformación digital, pero no a la investigación tecnológica. Por ello, precisamente, nuestro ecosistema digital carece de una serie de elementos que son o deberían ser funcionales al desarrollo de la IA. Y esto limita seriamente el uso de la IA en nuestro país.

Antes de responder específicamente esta interrogante, primero veamos cuán preparado se encuentra el Perú para aprovechar las potencialidades de la IA. Para este fin, nos vamos a basar en un documento elaborado por la Unesco del año 2025, llamado “Perú: Evaluación del estadio de preparación de la inteligencia artificial”. Esta institución emplea, en su trabajo, una metodología a la que ha denominado Evaluación del Estadio de Preparación (RAM, por si sigla en inglés) ¹⁰. Lo que le  permite determinar la situación en la que se encuentran los países en su proceso de implementación  de la IA, de ahí la importancia de ese documento.

En términos generales, en materia de IA, el Perú debe enfrentar “retos como la ausencia de un consenso nacional sobre políticas prioritarias (al respecto), la falta de continuidad en la implementación de los marcos regulatorios y un ecosistema local de IA que aún es incipiente” . ¹¹

El diagnóstico que realiza la Unesco está estructurado en base a un análisis sobre 5 dimensiones o áreas: Jurídica, Social y Cultural, Científica y Educativa, Económica, Técnica e Infraestructura. 

• En la dimensión Jurídica

Si bien es cierto el Perú ha avanzado en una serie de marcos regulatorios y normativos como en materia de gobierno digital, gobernanza de datos, privacidad, transformación digital y transparencia; sin embargo, se carece de mecanismos para medir la eficacia de esas iniciativas, como en el caso de la Estrategia Nacional de IA (ENIA) o en el caso de la Ley de la IA. 

Junto a este tipo de problemas, adicionalmente, se presentan problemas que distorsionan el desarrollo de la IA. Erróneamente, por ejemplo, la ENIA ha sido tratada como una “política vinculante y en proceso de implementación”. Sin embargo, no lo es. No es un documento vinculante ni vigente. ¿Por qué? Simplemente, porque no ha sido aprobado mediante una norma legal y, sobre todo, no contiene elementos esenciales para su cumplimiento. Esto significa que las diferentes instituciones u órganos de los tres niveles del Estado peruano no están obligados a seguir los lineamientos planteados en esa estrategia. En consecuencia, es una norma que no se relaciona con ninguna instancia restante del Estado nacional. Es más, no hay obligación de hacerlo.

• Dimensión Social y Cultural 

Probablemente esta dimensión sea la más descuidada en materia de impacto en términos de uso de la IA. Tal es la carencia de comprensión de la IA en el ámbito de la cultura que, en la Política Nacional de Cultura al 2030, aprobada con DS N° 009-2020-MC en el 2020, no se contempla el uso de la IA en la preservación del patrimonio cultural o, incluso, en la preservación de las lenguas indígenas u originarias. No siendo suficiente esta carencia, en la ENIA tampoco se ha contemplado la creación de iniciativas gubernamentales que usen la IA como herramienta para desarrollar y alcanzar determinados objetivos de la política pública de la cultura. 

• Dimensión Científica y Educativa

Si bien es cierto existe una dinámica en el Perú respecto de la formación en IA, lo real es que la Unesco ha encontrado una serie  de limitaciones estructurales que van a requerir de un gran compromiso para salir de ese entrampamiento. Según las cifras de CONCYTEC, en el 2022 el gasto del sector público como privado en Investigación y Desarrollo (I + D) fue de aproximadamente US $400 millones. Es decir, alrededor de 0.16 % del PBI. Por debajo de sus socios de la Alianza del Pacífico y muy lejos, pero muy lejos de los países de la OCDE, que se ubican en una media de 2,7%; en cuanto a publicaciones, según Scimago Journal, entre 1996 y 2023, se registraron 1810 publicaciones científicas en “ciencias de la computación”. Muy lejos de Brasil y México. Y muy alejados de los niveles de países como China, Estados Unidos o de los países de la OCDE.

Por otro lado, en cuanto a investigadores sobre IA, el número es bastante reducido. También según CONCYTEC, solo existen 161 investigadores en ciencia de la computación. Lo que implicaría, menos de un investigador por cada 100 mil habitantes. Según la Unesco, se recomienda de 5 a 10 investigadores en ciencia de la computación como en IA para alcanzar estándares internacionales. Si tomamos la recomendación más baja, significa que tendríamos un déficit de investigadores, en estas áreas, de 1400 investigadores. Por tanto, para alcanzar estándares internacionales necesitamos contar con alrededor de 1700 investigadores por cada 100 mil habitantes. 

En cuanto a patentes no hay datos públicamente disponibles. Menos aún, la cantidad que podrían estar relacionadas con la IA.

En general, la política educativa del Estado, a través del Minedu, no define la ruta que ésta debería seguir para explorar y explotar la IA en favor de la educación peruana que, como sabemos, adolece de una serie de carencias.

• Dimensión Económica

Uno de los primeros defectos que muestra el impacto de la IA en el ámbito económico es que carece de indicadores con los que se pueda desagregar la oferta de empleo que necesitan competencias en IA. Según la Encuesta de Demanda Ocupacional (EDO) del 2023, menos del 2 % de los puestos de trabajo corresponde a la categoría de Técnicos en redes y sistemas de computadoras. 

Por otro lado, en el sector exportador, ADEX sostuvo que la “exportación en productos no tradicionales de alta tecnología era particularmente baja”. Apenas 0,4 % del total de exportaciones. Por detrás de Chile, Colombia e, incluso, Ecuador y solo delante de Bolivia. En otras palabras, como la misma asociación de exportadores lo dice: “las exportaciones de alta tecnología del país son estadísticamente irrelevantes”. Por tanto, con lo que se cuenta en el país, se deriva de las importaciones de servicios en esta tecnología. Lo que está en consonancia con una evaluación que realizó USAID en el 2022 sobre el ecosistema digital peruano y en la que concluyó que “la ausencia de políticas públicas fuertes, la centralización de la inversión privada en las grandes ciudades, así como el alto nivel de informalidad de la fuerza laboral actúan como obstáculos para el crecimiento de la economía digital en el Perú”. 

• Dimensión Técnica e Infraestructura

En esta área debemos tener presente que “sin la infraestructura adecuada, no se podrá llevar a una escala superior el desarrollo de la IA y la aplicación de soluciones basadas en ella al interior del país” ¹². Según la Encuesta Residencial de Telecomunicaciones (ERESTEL) del 2023, el 84 % de personas y el 98 % de hogares del país tiene acceso a servicios de telefonía móvil. En lo que respecta al servicio de banda ancha fija y móvil, el número de hogares alcanzaron niveles de 45,8 % y 90,7 % respectivamente. En este ámbito, la brecha entre las zonas urbanas y rurales sigue siendo muy pronunciada, 38,4 % frente a un 13,5% respectivamente.

Por otro lado, en cuanto a velocidad de descarga, el Perú ha alcanzado una media de 137.6 Mbps. Por encima de países como Chile y Brasil. 

En cuanto a capacidades computacionales, no existen cifras oficiales, por ejemplo, de centros de datos en nuestro país. Las cifras del sector privado son poco consistentes entre sí. El Índice Global de Ecosistemas de Nube ¹³, para el Perú es de 1.4. Es decir, que el Perú se encuentra en su etapa inicial de desarrollo del ecosistema de nube. Para tener una idea de la precariedad de nuestra situación, Estados Unidos o Singapur tienen un índice que fluctúa entre 8 y 9. Ver el siguiente cuadro:

País	Índice Global de Ecosistema de Nube	Regulación, Tecnología y Talento (Capital humano)
Uruguay	6,6	Fuerte infraestructura digital y políticas públicas avanzadas
Brasil	5,2	Ecosistema sólido, fuerte inversión en centros de datos y capital humano especializado
México	4,8	Regulación avanzada, adopción empresarial, aunque con brechas en conectividad
Chile	4,5	Infraestructura limitada, políticas de innovacion y buen nivel de capital humano
Perú	1,4	Ecosistema incipiente, déficit en infraestructura, en regulación y en capital humanos

Algo similar ocurre en el indicador de “Centros de Datos”. Un nivel muy bajo y detrás de Chile, Colombia e, incluso, de Ecuador. Y en el Ranking Global, el Perú se ubicó en el puesto 53 de 76 países. 

Aunque no aparecemos en el TOP500; sin embargo, contamos con dos computadoras de alto rendimiento (Supercomputadoras). La primera, conocida como MANATI, ubicada en Iquitos y la que posee la Universidad San Luis Gonzaga en la ciudad de Ica. Ambas tienen una capacidad menor a los 10 teraflops. Muy lejos de la supercomputadora Frontier de Estados Unidos con una capacidad de procesamiento de 1.1 mil Exaflops ¹⁴. Esto significa  todos los cálculos por segundo que cada persona podría hacer en el lapso de 4 años. Y otras como Jupiter Booster de Alemania cuya capacidad es de 793 PetaFlops o la Fugaku de Japón con una capacidad de 442 PetaFlops ¹⁵. Pero en el caso de estos países no solo se trata de capacidad de cálculo, sino de cantidad de estas supercomputadoras. Por ejemplo, China posee 162 y Estados Unidos tiene 127. Capacidades y cantidad contra las que estamos lejos, pero muy lejos para competir.

En suma, lo que nos está diciendo la Unesco es que hemos avanzado en una serie de iniciativas de naturaleza jurídica – institucional; sin embargo, y al mismo tiempo, son partes de una estructura que se está construyendo sin conexiones. Lo que debilita el ecosistema que requiere la IA para poder desarrollarse. Y si estas limitaciones persisten, es poco probable que podamos aprovechar plenamente las potencialidades de  la IA, tal como sostiene la UNESCO.

Precisamente, estas brechas son las que nos obligan a tratar de conocer con detalle la estructura y la dinámica de la cadena de valor de la IA. Así podríamos direccionar mejor los incipientes avances que hemos alcanzado en el campo de la IA. Podríamos dirigir más eficientemente los esfuerzos que estamos haciendo en materia de la ENIA, que sin una masa crítica importante, al respecto, es poco lo que podremos avanzar en esa dirección.

Conclusión

Ya no cabe decir que nos aproximamos a una tecnología que está transformando la organización económica que dominó gran parte del siglo XX y más, no. No podemos seguir empleando el mismo razonamiento. Nos encontramos terminando el primer cuarto del siglo XXI y hay países, como el nuestro, cuyas economías y sus respectivas élites siguen teniendo la misma visión del mundo que dominaba a mediados del siglo pasado. Cuando el mensaje que se desprende de la transformación que vienen desarrollando las nuevas tecnologías, es absolutamente diferente.  

Por tanto, si bien es cierto no podemos cambiar la matriz primario exportadora de la noche a la mañana, por lo menos deberíamos ir preparando nuestra economía para una transición que no sea traumática. Esto implica desarrollar un ecosistema digital lo suficientemente sólido para comenzar a tomar de las nuevas tecnologías lo que esté a nuestro alcance y transformar lo transformable.

En este sentido, conocer la CAVIA nos permite ver con mayor nitidez qué es lo que podemos hacer con esta nueva tecnología, en cada una de sus etapas y, tal como ocurría con las Cadenas Globales de Valor (CGV), ver la posibilidad desarrollar aquello en lo cual tenemos ciertas ventajas competitivas. Con la salvedad que aquellas cadenas y las nuevas, no son equiparables en estricto sentido. Ciertamente, en ambas se puede analizar la creación de valor, pero lo que marca la diferencia entre una y otras es, para comenzar, la tangibilidad de los productos que se generan en ambas, a partir de los cuales se hacen efectivos los valores para cada caso.

En segundo término, mientras en la cadena de Porter se concentra en el valor que se genera en el producto final, por tanto en la etapa final de la cadena, en la cadena de valor de la IA el momento de mayor creación de valor ocurre en el momento de la interacción de los datos con los modelos de la IA y, este proceso no es la etapa final de esta cadena. En este sentido, “el producto digital como una app de traducción o recomendación es una parte de una infraestructura mucho más profunda” . 

Sin embargo, hay que tener en cuenta que para que un país pueda sacarle el máximo provecho a esta como a otras tecnologías, primero necesitamos construir un ecosistema digital muy sólido. Donde haya tres componentes centrales: Infraestructura (hardware y software), capital humano altamente capacitado y un marco regulatorio que promueva, no que sea un obstáculo para la innovación y el desarrollo de las tecnologías como la IA. Solo así podremos ser parte de la cadena de valor de la IA. Por ello, debemos hacer el esfuerzo por levantar las observaciones realizadas por la Unesco que, dicho sea de paso, no son tan superficiales. 

Por último, un aspecto central en la comprensión de la cadena de valor de la IA, es que no se circunscribe a un determinado territorio o país. Como bien lo demuestra Kate Crawford, es una tecnología cuyo desarrollo es global. Se hace global por la naturaleza de las fases o etapas por las que debe pasar para que los productos digitales de la IA lleguen al consumidor, que no final como ocurría en la cadena de valor de Porter.

1. Director del Proyecto JMA.TECHNOLOGY ↩︎
2. Porte, M., «Competitive Advantage», 1985 ↩︎
3. En: https://www.eleconomista.com.mx/tecnologia/Que-son-las-cadenas-de-valor-de-la-Inteligencia-Artificial-20230807-0068.html ↩︎
4. En: https://www.tooloify.ai/es/ai-news-es/la-cadena-de-valor-global-de-la-inteligencia-artificial-ia-3444636 ↩︎
5. En: https://kwfoundation.org/blog/2025/07/14/la-cadena-de-valor-de-la-ia ↩︎
6. Ob. Cit ↩︎
7. Crawford, Kate, “Atlas de la IA” (2021) ↩︎
8. Crawford, Kate, “Atlas de Inteligencia Artificial, Poder, Política y Costos Planetarios”, 2021 ↩︎
9. Ob. Cit. ↩︎
10. RAM, Readiness Assessment Methodology ↩︎
11. Unesco, “Perú: Evaluación del estadio de preparación de la inteligencia artificial”, 2025, página 11 ↩︎
12. Unesco, “Perú: Evaluación del estadio de preparación de la inteligencia artificial”, 2025, página 60 ↩︎
13. Es un índice desarrollado por MIT Technology Review Insights, clasifica a 76 países según su capacidad para fomentar   un   ecosistema  robusto  de  servicios  en  la  nube. Su  objetivo  es medir el grado de preparación y  madurez  de cada  país en cuanto a  la adopción  de tecnología de nube, tanto privado como público. Mide tres cosas: Tecnología, Regulación y Talento (Capital humano formado en Cloud Computing).   ↩︎
14. 1 Exaflops equivale a 1,000,000,000,000,000.000 operaciones / segundo.  ↩︎
15. 1 Petaflops equivale a 1,000,000,000,000,000 operaciones / segundo  ↩︎