Latam-GPT: mucho discurso, ¿cuánta evidencia?

Nicolás Caselli Benavente, Director Ingeniería Civil en Informática Universidad Andrés Bello Concepción.

En Chile y América Latina celebramos Latam-GPT como si el solo hecho de ser “latinoamericano” y “abierto” garantizara un salto histórico en inteligencia artificial. El entusiasmo es comprensible: el proyecto, impulsado por CENIA junto a diversas instituciones regionales, busca entrenar un modelo que refleje mejor nuestras realidades culturales y lingüísticas. Pero si queremos que esto sea más que un titular inspirador, conviene incomodar la conversación. Latam-GPT no será un aporte por su bandera, lo será solo si se convierte en una base tecnológica verificable.

Eso significa reglas claras de uso, evaluaciones públicas comparables y pilotos donde se midan beneficios y riesgos. Sin esos elementos, estamos ante un símbolo. Con ellos, podríamos estar ante un cambio estructural.

En lo esencial, Latam-GPT es un modelo generador de texto, similar a los asistentes conversacionales actuales. Su versión inicial, Latam-GPT 70B 1.0, incorpora 70 mil millones de parámetros, en términos simples, millones de ajustes internos que permiten aprender patrones del lenguaje. No es inteligencia humana; es escala matemática aplicada al texto. El “1.0” indica su primera versión pública.

Desde el punto de vista técnico, adopta una estrategia pragmática que se basa en Llama, la familia de modelos desarrollada por Meta, empresa dueña de WhatsApp, Instagram y Facebook. No parte desde cero; toma una base robusta y la especializa con datos regionales. Construir un modelo completamente nuevo exigiría inversiones concentradas hoy en pocas potencias. Adaptar inteligentemente lo existente puede ser un camino realista hacia mayor autonomía digital.

Aquí surge la primera controversia necesaria, en el sentido de que “abierto” no es lo mismo que “libre”. En el debate público, abierto suele entenderse como gratuito y sin restricciones. En la práctica, lo decisivo son las licencias, los permisos de uso, las limitaciones comerciales y la transparencia sobre los datos utilizados. Un proyecto serio requiere documentación técnica que explique cómo fue entrenado, qué riesgos identifica, qué sesgos persisten y cómo se evaluó su desempeño. Sin trazabilidad, la apertura es declarativa.

Segundo punto incómodo: un modelo regional no compite por razonar mejor que los gigantes globales; compite por equivocarse menos en lo local. Su ventaja no está en vencer pruebas abstractas, sino en comprender mejor nuestros modismos, normativas e instituciones. El éxito no se medirá por titulares, sino por mejoras verificables en tareas concretas como redacción de comunicaciones públicas, interpretación de trámites, apoyo educativo pertinente o asistencia a pymes con lenguaje y procesos reales.

El punto ético es central. Se ha señalado que Latam-GPT busca mitigar sesgos presentes en modelos entrenados mayoritariamente en contextos anglosajones. La intención es correcta. Pero la pregunta relevante es cómo se valida técnicamente. ¿Qué pruebas de género se aplicaron? ¿Qué métricas de equidad se usaron? ¿Cómo se monitorea la evolución entre versiones? En investigación sabemos que los sesgos no desaparecen por decreto y que las estrategias que funcionan en inglés no siempre se trasladan igual al español o portugués. Si Latam-GPT aspira a ser referencia regional, deberá publicar evaluaciones reproducibles y comparables. En inteligencia artificial, la ética es un protocolo, no una declaración.

¿Será entonces un aporte? Sí, pero bajo tres condiciones. Lo primero es la evaluación pública y comparativa. No basta con afirmar que entiende mejor Latinoamérica; hay que demostrar en qué tareas y con qué métricas. Segundo, pilotos reales en educación, servicios públicos o productividad empresarial, donde el error cuesta y el impacto puede medirse. Por último, gobernanza clara de datos y licencias sin ambigüedades. La confianza tecnológica no se construye con entusiasmo, sino con reglas auditables.

Se requiere profesionales capaces de evaluar modelos, implementar arquitecturas con recuperación de información contextualizada, lo que técnicamente denominamos RAG, y desplegar sistemas con prácticas responsables. La inteligencia artificial no es una aplicación aislada; es una cadena de decisiones técnicas, legales y éticas.

Latam-GPT es una oportunidad para enseñar pensamiento crítico tecnológico y recordar que la soberanía digital no se proclama; se construye. Celebremos el hito, sí, pero con una exigencia saludable: menos épica, más evidencia. Si logra transformarse en una base auditable y evaluable, entonces no solo tendremos un modelo regional, sino una manera latinoamericana de hacer ingeniería en inteligencia artificial con rigor y responsabilidad. Y ese sí sería un aporte histórico.