Informe Stanford HAI: Brecha EUA-China en IA casi cerrada, seguridad se queda atrás

El informe Stanford HAI AI Index 2026 destruye el mito conveniente del liderazgo incondicional de EE.UU. en inteligencia artificial: en calidad de modelos de vanguardia, China ha alcanzado casi a las empresas estadounidenses, y en términos de verificación pública de seguridad, el mercado sigue rezagado respecto a sus propias ambiciones.

En el informe AI Index 2026 publicado por Stanford HAI el 13 de abril de 2026, se han compilado datos sobre desempeño de modelos, inversiones, publicaciones científicas, patentes, sentimiento público y prácticas de IA responsable. La conclusión principal suena desagradable para la industria estadounidense: ya no se ve una ventaja tecnológica sostenible de EE.UU.

Según Stanford, los modelos estadounidenses y chinos han intercambiado posiciones repetidamente en la parte superior de los rankings desde principios de 2025. En febrero de 2025, DeepSeek-R1 se equiparó brevemente al mejor modelo estadounidense, y para marzo de 2026, la ventaja del modelo principal de Anthropic se redujo al 2,7%. Esto no significa que EE.

UU. haya perdido todas las ventajas. Las empresas estadounidenses siguen lanzando más modelos de primera categoría: 50 contra 30 de China en 2025.

EE.UU. también tiene mayor calidad de patentes e inversión privada incomparablemente mayor.

Pero China ya lidera en volumen de publicaciones de IA, participación en citas y número de patentes otorgadas. En otras palabras, el mercado deja de ser la historia de un único líder indiscutible. Ahora es una carrera reñida donde la ventaja puede cambiar después de cada lanzamiento importante.

Stanford apunta por separado a una vulnerabilidad estructural en la ventaja estadounidense. EE.UU.

alberga 5.427 centros de datos—más de diez veces más que cualquier otro país. Pero casi todos los chips de IA de vanguardia para esta infraestructura los fabrica una única empresa, TSMC, en Taiwán.

La expansión de la producción de TSMC en EE.UU. ya comenzó en 2025, pero la lógica de la cadena de suministro en sí sigue siendo frágil: el dominio en computación no es igual al control de toda la pila tecnológica.

Aún más importante, la brecha entre las capacidades del modelo y cómo la industria mide los riesgos no se está reduciendo sino creciendo. Casi todos los desarrolladores de modelos de frontera publican resultados en benchmarks de capacidad como MMLU o SWE-bench, pero los datos de IA responsable salen de manera fragmentaria. Las tablas de Stanford sobre seguridad, equidad, veracidad y agencia humana contienen muchas celdas vacías, por lo que la comparación externa de modelos por riesgos es frecuentemente imposible.

Esto no significa que los laboratorios no estén involucrados en red teaming interno o pruebas de alineamiento. El problema es diferente: estas verificaciones rara vez se divulgan en un formato unificado y comparable. Ante este telón de fondo, el número de incidentes de IA documentados continúa aumentando.

La AI Incident Database registró 362 incidentes en 2025 frente a 233 un año antes, y antes de 2022 tales casos sumaban menos de cien por año. Las organizaciones tampoco parecen preparadas para la escala del problema. En una encuesta conjunta de AI Index y McKinsey, la proporción de empresas que calificaron su respuesta a incidentes de IA como excelente cayó del 28% al 18% en un año, y la proporción de quienes reportaron de tres a cinco incidentes aumentó del 30% al 50%.

La complejidad adicional surge del hecho de que mejorar una métrica de IA responsable puede empeorar otra: por ejemplo, aumentar la seguridad puede reducir la precisión, y fortalecer la privacidad puede perjudicar la equidad. La percepción pública también se está volviendo más contradictoria. A nivel mundial, el 59% de los encuestados cree que los productos de IA aportan más beneficio que daño, pero simultáneamente el 52% dice que tales servicios les causan ansiedad.

Los expertos son notablemente más optimistas que los usuarios comunes: el 73% de los especialistas esperan impacto positivo de IA en el trabajo versus el 23% de la población estadounidense, en la economía—69% versus 21%, en medicina—84% versus 44%. Mientras tanto, EE.UU.

ha registrado el nivel más bajo de confianza en su propio gobierno sobre regulación responsable de IA—31% en comparación con el promedio global de 54%. La conclusión del informe es simple: el debate sobre quién está adelante hoy en calidad de modelo se vuelve menos importante que la pregunta de quién sabe hacer IA verificable, segura y resiliente a fallos. EE.

UU. mantiene escala, capital e infraestructura; China mantiene ritmo y masa científico-patentaria. Pero la verdadera brecha no cerrada no corre entre los dos países, sino entre la velocidad del desarrollo del modelo y la madurez de los mecanismos de control a su alrededor.