El futuro de la IA no dependerá solo de modelos más potentes, sino de la infraestructura que permita coordinar agentes inteligentes, blockchain y computación cuántica a gran escala.
Javier Alejandro Arteaga Gonzales
Tech Engineer de Systems Group Capítulo LATAM y Lead de Tecnología de Ethereum Lima
Durante la última década, la industria tecnológica creó valor principalmente desde la capa de aplicaciones: fintech, marketplaces, plataformas SaaS o redes sociales. La inteligencia artificial está modificando esa estructura. Hoy, un equipo pequeño puede desarrollar software funcional apoyándose en modelos fundacionales ya existentes, reduciendo drásticamente el tiempo de desarrollo. La ventaja competitiva comienza a desplazarse hacia otra capa: la infraestructura que permite entrenar, ejecutar, coordinar y verificar sistemas inteligentes. El desafío ya no es únicamente construir aplicaciones con IA, sino diseñar arquitecturas capaces de operar millones de agentes autónomos, gestionar memoria persistente, optimizar inferencia distribuida, reducir costos de cómputo y garantizar trazabilidad en la toma de decisiones. Estamos entrando en una etapa donde el valor deja de concentrarse en el software visible y pasa a la infraestructura que lo hace posible.
Ese cambio ya se refleja en la agenda técnica de la industria. La conversación dejó de centrarse exclusivamente en benchmarks de modelos y comenzó a enfocarse en problemas de arquitectura: Model Context Protocol (MCP) para estandarizar el acceso a herramientas y contexto, Agent-to-Agent (A2A) para permitir colaboración entre agentes especializados, motores de inferencia como vLLM que incrementan significativamente el throughput mediante PagedAttention, técnicas como KV Cache Sharing, Speculative Decoding y arquitecturas Mixture-of-Experts (MoE) para reducir el costo por token, además de sistemas de evaluación continua (LLM Evals) y observabilidad. El objetivo ya no es construir un modelo más inteligente, sino una plataforma donde miles de modelos y agentes puedan colaborar de forma eficiente, segura y económicamente viable.
China representa uno de los ecosistemas más avanzados en esta transición. Actualmente dispone de más de 300 modelos generativos aprobados para producción, lidera la producción mundial de publicaciones científicas en inteligencia artificial y concentra una proporción significativa de las patentes del sector. Pero el dato más relevante no es ese; es la integración entre investigación, hardware, algoritmos y despliegue industrial. Modelos como DeepSeek demostraron que la eficiencia algorítmica puede ser tan importante como la capacidad computacional, mientras que el trabajo en robótica, computación cuántica y sistemas distribuidos apunta hacia una infraestructura tecnológica integrada. Esa misma dirección la confirmé al organizar, junto con tres organizaciones de China, un torneo internacional de 44 horas con más de 800 equipos de distintos países. La inmensa mayoría no construyó aplicaciones finales; desarrolló infraestructura: servidores MCP, sistemas RAG multimodales, motores de inferencia, frameworks de evaluación, observabilidad, coordinación de agentes y herramientas para optimizar el uso de GPUs. Esa fue probablemente la señal más clara de hacia dónde se está moviendo la demanda global de talento.
En este contexto, Web3, blockchain y computación cuántica dejan de ser disciplinas independientes para convertirse en tecnologías complementarias. Si los sistemas del futuro estarán compuestos por millones de agentes autónomos, surgirán problemas que los modelos de IA por sí solos no resuelven: identidad verificable, confianza entre agentes, propiedad de datos, ejecución auditable, incentivos económicos y coordinación entre actores que no comparten confianza. Aquí blockchain aporta mecanismos como identidad descentralizada, pruebas criptográficas y computación verificable. La computación cuántica, por su parte, ya comienza a utilizarse en arquitecturas híbridas para problemas de optimización, simulación molecular y ciencia de materiales, al tiempo que obliga a preparar nuevos esquemas criptográficos resistentes a ataques cuánticos. Más que tecnologías competidoras, representan capas diferentes de una misma infraestructura digital.
Esta es la visión que quiero impulsar desde Ethereum Lima como Lead de Tecnología. El desafío para Latinoamérica ya no consiste únicamente en adoptar las tecnologías que otros desarrollan, sino en participar en la construcción de protocolos, sistemas distribuidos, infraestructura de IA, criptografía aplicada y computación de nueva generación. Nuestra región cuenta con talento técnico suficiente para hacerlo. La pregunta ya no es si podremos utilizar la próxima ola tecnológica; la pregunta es si estaremos entre quienes construyan la infraestructura sobre la que funcionará.