Informe de Stanford HAI: la brecha en IA entre EE. UU. y China casi desaparece, mientras la seguridad se queda atrás

El informe AI Index 2026 de Stanford HAI desmonta el cómodo mito del liderazgo incondicional de EE. UU. en inteligencia artificial: en calidad de modelos de frontera, China casi ha alcanzado a las empresas estadounidenses, mientras que en verificación pública de la seguridad el mercado sigue muy por detrás de sus propias ambiciones.

El AI Index 2026, publicado por Stanford HAI el 13 de abril de 2026, reúne datos sobre rendimiento de modelos, inversión, publicaciones científicas, patentes, opinión pública y prácticas de IA responsable. Su conclusión principal resulta incómoda para la industria estadounidense: ya no se aprecia una ventaja tecnológica sostenida de EE. UU.

Según Stanford, los modelos estadounidenses y chinos se han intercambiado varias veces los primeros puestos de los rankings desde principios de 2025. En febrero de 2025, DeepSeek-R1 igualó brevemente al mejor modelo estadounidense, y en marzo de 2026 la ventaja del modelo puntero de Anthropic se había reducido al 2,7 %.

Eso no significa que EE. UU. haya perdido todas sus ventajas. Las empresas estadounidenses siguen lanzando más modelos de primer nivel: 50 frente a 30 de China al cierre de 2025. EE. UU. también tiene patentes de mayor calidad y una inversión privada incomparablemente mayor. Pero China ya lidera en volumen de publicaciones de IA, proporción de citas y número de patentes concedidas. En otras palabras, el mercado deja de ser la historia de un único líder indiscutible. Ahora es una carrera reñida en la que la distancia puede cambiar con cada gran lanzamiento.

Stanford señala aparte una vulnerabilidad estructural de la ventaja estadounidense. EE. UU. concentra 5427 centros de datos, más de diez veces los de cualquier otro país. Pero casi todos los chips de IA avanzados para esa infraestructura los fabrica una sola empresa, TSMC, en Taiwán. La ampliación de la producción de TSMC en EE. UU. empezó en 2025, aunque la lógica de la cadena de suministro sigue siendo frágil: dominar la computación no equivale a controlar toda la pila tecnológica.

Más importante aún, la brecha entre las capacidades de los modelos y la forma en que la industria mide los riesgos no se reduce, sino que crece. Casi todos los desarrolladores de modelos de frontera publican resultados en benchmarks de capacidades como MMLU o SWE-bench, pero los datos de IA responsable aparecen de forma fragmentaria. Las tablas de Stanford sobre seguridad, equidad, veracidad y agencia humana tienen muchas celdas vacías, por lo que comparar modelos por riesgos desde fuera suele ser sencillamente imposible. Esto no significa que los laboratorios no hagan red teaming interno ni pruebas de alineamiento. El problema es otro: esas comprobaciones rara vez se divulgan en un formato único y comparable.

En este contexto, el número de incidentes de IA documentados sigue creciendo. La AI Incident Database registró 362 incidentes en 2025, frente a 233 un año antes, y antes de 2022 había menos de cien casos al año. Las organizaciones tampoco parecen preparadas para la magnitud del problema.

En una encuesta conjunta de AI Index y McKinsey, la proporción de empresas que calificaron su respuesta a los incidentes de IA como excelente cayó del 28 % al 18 % en un año, mientras que la de las que informaron de tres a cinco incidentes subió del 30 % al 50 %. Una complicación adicional es que mejorar una métrica de IA responsable puede empeorar otra: por ejemplo, más seguridad puede reducir la precisión, y reforzar la privacidad puede perjudicar la equidad.

La percepción pública también es cada vez más contradictoria. A escala mundial, el 59 % de los encuestados cree que los productos de IA aportan más beneficios que perjuicios, pero al mismo tiempo el 52 % dice que estos servicios le inquietan. Los expertos son notablemente más optimistas que los usuarios comunes: el 73 % de los especialistas espera un impacto positivo de la IA en el trabajo, frente al 23 % de la población de EE.

UU.; en la economía, el 69 % frente al 21 %; y en la medicina, el 84 % frente al 44 %. Al mismo tiempo, EE.

UU. registra el nivel más bajo de confianza en su propio gobierno para regular la IA de forma responsable: 31 %, con una media global del 54 %.

La conclusión del informe es sencilla: la disputa sobre quién va hoy por delante en calidad de modelos pierde importancia frente a la pregunta de quién sabe hacer una IA verificable, segura y resistente a los fallos. EE. UU. conserva escala, capital e infraestructura; China, ritmo y un gran volumen científico y de patentes. Pero la verdadera distancia por cerrar no está entre los dos países, sino entre la velocidad de desarrollo de los modelos y la madurez de los mecanismos de control que los rodean.