La estrategia de IA soberana de Corea del Sur se divide en dos vías y pone en duda su concurso de modelos
La estrategia de IA soberana de Corea del Sur afronta ahora una costosa división. Seúl planea un programa de frontera de 4,7 billones de wones mientras su actual competencia de modelos sigue sin concluir.
El gobierno afirma que ambos programas cumplirán propósitos distintos. Sin embargo, los dos requieren chips, datos, investigadores y financiación pública escasos. Ambos buscan también modelos capaces de competir cerca de la frontera global.
Esa superposición coloca a LG AI Research, SK Telecom y Upstage en una posición incómoda. Llevaron más de un año compitiendo por convertirse en campeones nacionales de modelos. Ahora deben considerar si el próximo concurso tendrá más peso que el que aún intentan ganar.
La disputa trasciende una pelea presupuestaria. Pone a prueba si la IA soberana debe priorizar el liderazgo técnico o una implantación nacional fiable. Corea quiere ambas cosas, pero no ha separado claramente las misiones.
Corea añadió una segunda carrera antes de terminar la primera
El cambio inmediato no es la cancelación del actual programa de modelos de Corea. Es la creación de una competencia mayor a su lado.
El Ministerio de Ciencia y TIC planea iniciar un programa de IA de frontera en marzo de 2027. El programa concentraría recursos públicos y privados en torno a un modelo destinado a competir con los principales sistemas internacionales.
Según el plan gubernamental divulgado, la participación podría incluir empresas individuales, consorcios, universidades, startups, investigadores o una entidad de propósito especial. Un proceso competitivo seleccionaría a un desarrollador principal.
El presupuesto propuesto asciende a 4,7 billones de wones. El Parlamento debe aprobar primero la financiación correspondiente para 2027, y se espera una decisión durante el proceso presupuestario nacional de diciembre.
El gobierno podría seleccionar al desarrollador principal ya en febrero de 2027. Eso situaría la elección inmediatamente antes del lanzamiento previsto para marzo.
Mientras tanto, el actual proyecto de modelos fundacionales de IA soberana continuará. Se espera que su tercera evaluación reduzca el grupo restante de tres equipos a dos finalistas en febrero.
Esos tres equipos son LG AI Research, SK Telecom y Upstage. Avanzaron después de que el gobierno anunciara sus resultados de la segunda fase en agosto de 2026.
Los calendarios simultáneos importan. Corea elegirá dos ganadores de una competencia mientras potencialmente selecciona a otra organización líder para un programa más ambicioso.
Esa secuencia genera una incertidumbre inmediata sobre el estatus. Una empresa podría convertirse en finalista del concurso de modelos soberanos, pero perder influencia sobre el mayor esfuerzo de IA de frontera del país.
El primer programa comenzó con cinco equipos seleccionados. El grupo original incluía Naver Cloud, Upstage, SK Telecom, NC AI y LG AI Research.
El gobierno eligió esos equipos tras reducir 15 candidatos a 10 para las presentaciones. Su selección inicial estableció una competencia escalonada diseñada para fortalecer el ecosistema nacional de modelos de Corea.
Naver Cloud y NC AI abandonaron más tarde la competencia. Motif Technologies ingresó mediante un proceso de selección adicional, pero no superó la evaluación de la segunda etapa.
Los equipos restantes ya han entrenado modelos, publicado pesos, creado consorcios y establecido relaciones con infraestructura nacional. Esas inversiones no pueden trasladarse simplemente entre programas sin consecuencias contractuales y técnicas.
El ministro de Ciencia, Bae Kyung-hoon, ha rechazado las sugerencias de que el primer proyecto esté siendo abandonado. Afirma que seguirá desarrollando modelos para su adopción en la industria y el sector público.
Su distinción parece sencilla. El proyecto existente respaldaría la implantación nacional, mientras que el nuevo programa perseguiría capacidades de frontera y problemas científicos o de seguridad difíciles.
Sin embargo, un modelo de frontera también es un modelo fundacional. Si se convierte en el sistema nacional más capaz de Corea, los organismos públicos y las empresas preguntarán naturalmente por qué deberían utilizar una alternativa más débil.
Ese es el conflicto en el centro del plan de dos vías. El gobierno mantiene viva su competencia original mientras redefine el premio que inicialmente la justificaba.
Por qué la estrategia de IA soberana de Corea del Sur se divide ahora
El progreso global de los modelos avanzó más rápido que el referente de política pública, debilitando la definición original de éxito.
El primer programa de Corea tenía como objetivo, según se informó, aproximadamente el 95 por ciento del rendimiento de los principales modelos globales. Esa meta proporcionaba un destino mensurable cuando comenzó la competencia.
El problema es que el rendimiento de frontera no permanece fijo. Un modelo puede acercarse al líder de ayer mientras se queda cada vez más atrás frente a los sistemas más recientes.
Los funcionarios coreanos reconocen ahora que el panorama competitivo ha cambiado. Los grandes desarrolladores internacionales siguen mejorando el razonamiento, la programación, el procesamiento multimodal, el uso de herramientas y el rendimiento con contextos largos.
Ese avance vuelve inestable un objetivo porcentual. Alcanzar el 95 por ciento depende de qué modelo, referencia, tarea y fecha de lanzamiento definan la comparación.
Por ello, el gobierno enfrenta dos riesgos opuestos. Puede preservar la estructura original y aceptar una brecha creciente de capacidades. Alternativamente, puede redirigir recursos y debilitar la confianza en sus compromisos vigentes.
El nuevo proyecto coreano de IA de frontera representa la segunda respuesta. Concentra chips, datos, investigadores e inversión en un intento más ambicioso de liderazgo técnico.
El gobierno también vincula el programa de frontera con desafíos científicos y amenazas de ciberseguridad. Esas misiones requieren más que fluidez conversacional o un sólido rendimiento en coreano.
Los modelos científicos deben manejar datos especializados, razonamiento complejo y validación frente a evidencia del dominio. Los sistemas de ciberseguridad deben operar bajo estrictos controles de acceso, evaluación e implantación.
Sin embargo, esos requisitos no justifican automáticamente construir desde cero un modelo de frontera de propósito general. Los modelos especializados, los sistemas de recuperación y las herramientas controladas pueden abordar muchas tareas de dominio.
La distinción importa porque el desarrollo general de frontera consume recursos extraordinarios. El entrenamiento es solo un gasto. La evaluación continua, el posentrenamiento, las pruebas de seguridad, la infraestructura de inferencia y las actualizaciones de modelos generan necesidades recurrentes.
Corea tiene varias razones para aceptar esas exigencias. La capacidad de modelos nacionales puede reducir la dependencia de plataformas extranjeras, preservar el control sobre datos sensibles y respaldar a las instituciones coreanas.
También puede reforzar el poder de negociación. Un país con modelos, infraestructura e investigadores creíbles negocia con proveedores globales desde una posición más sólida.
No obstante, la soberanía no exige aislamiento. Puede referirse al control de los datos, la infraestructura, la contratación pública, la implantación o la adaptación de modelos sin requerir que un sistema nacional lidere todas las referencias.
Un plan económico publicado por OpenAI defendía combinar el control nacional en ámbitos estratégicos con asociaciones internacionales en otros. Esa recomendación favorece los intereses de OpenAI, pero la distinción política sigue siendo relevante.
El desafío de Corea consiste en decidir qué capacidades deben permanecer en el ámbito nacional. También debe determinar dónde el acceso a sistemas internacionales ofrece un mejor valor.
El país no parte sin activos. Cuenta con grandes empresas de semiconductores, proveedores de nube, grupos de telecomunicaciones, desarrolladores de software, universidades y un activo sector de startups de IA.
Su gobierno también planea una importante expansión de capacidad informática. El plan de trabajo de 2026 del ministerio de Ciencia tenía como objetivo alcanzar un total acumulado de 37.000 GPU mediante contratación e infraestructura informática nacional.
Esos activos respaldan una estrategia ambiciosa. No eliminan el coste de oportunidad de asignar los mismos recursos a programas públicos superpuestos.
La división de la estrategia de IA soberana de Corea del Sur refleja, por tanto, un auténtico dilema de política pública. Seúl quiere una amplia participación nacional, pero también quiere un esfuerzo capaz de desafiar a laboratorios mucho más grandes.
El concurso existente prometía un ecosistema, no un único ganador
El proyecto coreano de modelos de IA soberana fue diseñado para distribuir capacidades, mientras que el programa de frontera está diseñado para concentrarlas.
Esa diferencia ofrece al gobierno su argumento más sólido para mantener ambas vías. La primera competencia puede cultivar múltiples proveedores de modelos, mientras que el esfuerzo de frontera puede perseguir un único objetivo exigente.
El proyecto soberano ya ha fomentado varios enfoques técnicos. LG AI Research, SK Telecom y Upstage aportan distintas estructuras corporativas, objetivos de producto y socios de consorcio.
LG AI Research conecta el desarrollo de modelos con un amplio grupo industrial. Eso genera aplicaciones potenciales en manufactura, materiales, electrónica y operaciones empresariales.
SK Telecom combina el desarrollo de modelos con infraestructura de telecomunicaciones y servicios de consumo. Su posición ofrece acceso a distribución, datos operativos y experiencia en servicios a gran escala.
Upstage representa una empresa de modelos más enfocada. Su participación brinda a una startup especializada una vía de acceso a un programa dominado de otro modo por grandes grupos corporativos.
Estas diferencias importan porque los ecosistemas de modelos necesitan más que líderes en referencias. Necesitan sistemas desplegables, herramientas de inferencia, integradores, datos de dominio, métodos de evaluación y clientes dispuestos a probarlos.
El proceso de evaluación del gobierno refleja esa visión más amplia. La segunda etapa consideró el rendimiento en referencias junto con revisiones de expertos, evaluaciones ciudadanas, aplicabilidad industrial, rentabilidad y planes de ecosistema.
Ese diseño produjo un resultado controvertido. Según los informes, Motif lideró una comparación externa de referencias, pero terminó en cuarto lugar en la puntuación combinada del gobierno.
Posteriormente, el ministerio publicó resultados detallados. SK Telecom recibió 70,6 puntos, seguida por Upstage con 69,9 y LG AI Research con 69,0. Motif recibió 65,8.
Esas puntuaciones muestran que la inteligencia bruta no era el único objetivo. Los evaluadores públicos y los paneles de expertos influyeron en la clasificación final.
El gobierno puede argumentar razonablemente que la política nacional no debe copiar una única referencia privada. La fiabilidad, los casos de uso coreanos, el coste operativo y la difusión nacional también tienen valor público.
Sin embargo, la evaluación también ilustra la próxima colisión. Un programa de frontera será juzgado principalmente por su capacidad, especialmente si su propósito es igualar a los principales modelos internacionales.
Un cuadro de evaluación industrial amplio puede premiar a un modelo que se adapte a las necesidades de implantación coreanas. Un concurso de frontera favorecerá a la organización capaz de reunir la mayor concentración efectiva de capacidad informática, datos y talento.
Las empresas deben prepararse ahora para ambas definiciones de éxito. Necesitan productos prácticos para la competencia actual y una estrategia creíble de escalado para la próxima.
Esa carga recaerá con mayor fuerza sobre los participantes más pequeños. Una startup no puede dividir a sus investigadores principales entre varios proyectos nacionales con la misma facilidad que un conglomerado.
El Estado podría reducir esa presión si tratara a los finalistas actuales como proveedores del esfuerzo de frontera. Sus modelos, conjuntos de datos, herramientas de evaluación y equipos de ingeniería podrían convertirse en componentes reutilizables.
Según los informes, las autoridades están considerando incentivos o prioridad para los finalistas que se sumen al nuevo programa. Ese enfoque podría preservar cierta continuidad.
Aun así, la prioridad no equivale a un papel garantizado. Las empresas necesitan saber quién es propietario de la propiedad intelectual resultante, cómo se valorarán las contribuciones y quién controlará la comercialización posterior.
También necesitan claridad sobre las asignaciones de capacidad de cómputo. Un grupo prometido de GPU tiene poco valor si el mismo hardware acaba comprometido con un proyecto de mayor perfil.
Visto desde esta perspectiva, el proyecto de modelo de IA soberana no es simplemente un concurso de modelos. Es un programa de desarrollo de capacidades que distribuye experiencia entre organizaciones coreanas.
La iniciativa de frontera sigue una lógica distinta. Parte de la premisa de que unos recursos concentrados pueden producir más rápido un sistema de relevancia mundial que un apoyo distribuido.
Ambas teorías pueden ser válidas. La incertidumbre surge de ejecutarlas simultáneamente sin una frontera publicada entre sus insumos, resultados y usuarios.
Dos vías compiten por los mismos insumos escasos
La disyuntiva central es diversificación frente a concentración, no IA nacional frente a dependencia extranjera.
Un programa diversificado ofrece a Corea varios proveedores de modelos. Eso reduce la dependencia de un único proveedor y respalda sistemas adaptados a distintas industrias.
Un programa concentrado ofrece a un equipo más capacidad de cómputo y talento. Eso puede mejorar sus posibilidades de alcanzar niveles de rendimiento inaccesibles para esfuerzos más pequeños y fragmentados.
La tensión se vuelve más marcada porque ambos programas recurren al mismo mercado laboral nacional. Corea no puede crear de inmediato otro grupo de investigadores experimentados en modelos.
La misma limitación se aplica a los datos de entrenamiento de alta calidad. Los conjuntos de datos nacionales requieren recopilación, limpieza, licencias, filtrado y gobernanza antes de poder respaldar grandes ciclos de entrenamiento.
Duplicar ese trabajo desperdiciaría dinero. Compartirlo plantea cuestiones complejas sobre privacidad, propiedad intelectual y ventaja competitiva.
La asignación de capacidad de cómputo plantea otro problema. El proyecto de IA de frontera de Corea pretende concentrar chips avanzados en torno a su desarrollador principal.
Los equipos soberanos existentes también necesitan una capacidad de cómputo considerable para entrenamiento, posentrenamiento, pruebas y despliegue público. Un modelo que llega al lanzamiento sigue requiriendo capacidad de inferencia.
Los planes gubernamentales de servicios públicos incrementan esa demanda. Su iniciativa independiente AI for All busca chatbots de propósito general y agentes públicos construidos principalmente con modelos nacionales.
Según los requisitos publicados de ese programa, los servicios seleccionados deben usar modelos nacionales que cumplan los requisitos en al menos la mitad de su uso de modelos. También deben utilizar modelos de otros desarrolladores coreanos en al menos un 30 por ciento.
El ministerio indicó que proporcionaría 512 GPU Nvidia B200 durante 2026 para respaldar el lanzamiento inicial de los servicios. También contempló acceso gratuito sin límites de uso.
Eso crea un propósito concreto para el ecosistema de modelos existente. Los sistemas coreanos pueden respaldar servicios ciudadanos, administración pública y herramientas industriales especializadas incluso sin liderar los referentes globales.
Un modelo nacional ligero también puede ofrecer menor latencia y costes operativos. Puede ejecutarse en una nube controlada, un centro de datos privado, una fábrica, un hospital o un entorno de dispositivos.
Los modelos de frontera atienden casos distintos. Se vuelven valiosos cuando una tarea requiere el razonamiento, la programación, la planificación, el análisis multimodal o la capacidad científica más potentes disponibles.
Choi Kyoung-jin, de la Universidad de Gachon, ha sostenido que Corea necesita varias clases de modelos. Su planteamiento distingue los sistemas de frontera de los modelos ligeros y específicos para cada industria.
Ese argumento de cartera resulta convincente, pero exige una arquitectura explícita. Las agencias necesitan reglas para dirigir las tareas entre las distintas clases de modelos.
Por ejemplo, un agente público podría usar un modelo coreano más pequeño para solicitudes rutinarias. Podría reservar un sistema de frontera para planificación difícil o análisis complejo de documentos.
Un fabricante podría desplegar un modelo industrial cerca de datos propietarios. Los investigadores podrían acceder al modelo de frontera mediante un entorno nacional de computación controlado.
Sin esas reglas operativas, el modelo más potente atraerá la mayor parte de la demanda. El profesor Lee Seong-yeob, de la Universidad de Corea, advirtió que las instituciones públicas y las empresas favorecerían el modelo de frontera si ofrece mejor rendimiento.
Ese comportamiento no representaría un fracaso de política por parte de los usuarios. Los compradores eligen sistemas según el rendimiento, el coste, el cumplimiento normativo, la fiabilidad y los requisitos de integración.
Por tanto, el gobierno no puede preservar dos vías solo mediante etiquetas. Debe crear misiones separadas y reglas de contratación pública que reflejen necesidades medibles de los usuarios.
También debe evitar proteger indefinidamente modelos más débiles. La soberanía se vuelve costosa cuando las instituciones públicas deben aceptar un rendimiento deficiente solo para cumplir objetivos de contenido nacional.
A la inversa, el rendimiento de frontera no debería borrar el valor de los modelos eficientes. Muchas cargas de trabajo reales no necesitan el sistema más grande disponible.
El mejor escenario es un mercado nacional por capas. Varios modelos coreanos gestionan tareas rutinarias y especializadas, mientras un sistema de frontera aborda los problemas más difíciles.
El peor escenario es la duplicación institucional. Dos programas entrenan modelos generales similares, compiten por los mismos investigadores y buscan usuarios mediante subsidios públicos superpuestos.
El presupuesto es grande, pero la misión sigue siendo imprecisa
La propuesta de frontera tiene una cifra de financiación y una fecha de lanzamiento, pero todavía carece de una definición pública y duradera del éxito.
El programa anunciado de 4,7 billones de wones representa un compromiso importante. Reuters informó que el gobierno planea combinar inversión estatal en capital con financiación privada.
La propuesta de frontera agruparía chips, datos y talento bajo el desarrollador principal seleccionado. Esa estructura se asemeja más a un consorcio industrial que a una subvención convencional de investigación.
La concentración puede acelerar las decisiones. También puede crear riesgos de gobernanza si un participante controla la infraestructura, la dirección del modelo y el acceso comercial.
El gobierno debe especificar qué significa «frontera» antes de seleccionar a un desarrollador. De lo contrario, los equipos optimizarán para interpretaciones diferentes.
Una definición podría enfatizar la inteligencia medida por benchmarks. Otra podría priorizar el descubrimiento científico, la ciberseguridad, la capacidad en coreano o los sistemas industriales multimodales.
Esos objetivos requieren distintos conjuntos de datos y evaluaciones. Un modelo optimizado para benchmarks globales de programación quizá no se convierta en la mejor plataforma para los servicios públicos coreanos.
El calendario crea otra fuente de incertidumbre. Está previsto que el proyecto comience en marzo de 2027, pero el rendimiento de frontera cambiará antes de entonces.
Choi resumió este problema al señalar que la frontera actual difiere de la del próximo año. Un objetivo de comparación fijo puede quedar obsoleto antes de que termine el entrenamiento.
Un programa más creíble utilizaría hitos de capacidad en lugar de una única posición en una clasificación. Esos hitos podrían abarcar razonamiento, fiabilidad, eficiencia, seguridad y despliegue.
La evaluación independiente también importa. El desarrollador no debería controlar tanto las afirmaciones sobre el modelo como las pruebas utilizadas para justificar una financiación continuada.
La controversia sobre la puntuación del proyecto existente ofrece una advertencia. Los líderes de benchmarks y los ganadores de la evaluación general pueden diferir cuando los responsables políticos ponderan el valor público junto al rendimiento técnico.
Ese desacuerdo no es automáticamente improcedente. Se vuelve perjudicial cuando la ponderación carece de una conexión clara con la misión declarada del programa.
El esfuerzo de frontera necesita criterios transparentes antes de que comiencen las licitaciones. Los participantes deberían saber cómo juzgará el gobierno el progreso técnico, la disciplina de costes, la apertura y el acceso público.
Los responsables políticos también deben explicar las condiciones de salida. Un programa nacional debería definir cuándo la ampliación continuada deja de ofrecer un valor razonable.
Esto es especialmente importante porque los laboratorios internacionales pueden actualizar modelos varias veces durante un ciclo de contratación pública. Corea no puede asumir que un gran ciclo de entrenamiento garantizará una posición duradera.
Un sistema de frontera también genera costes recurrentes tras su lanzamiento. Debe recibir actualizaciones, pruebas de seguridad, soporte de infraestructura y herramientas para desarrolladores.
Por tanto, la cifra propuesta debería entenderse como un compromiso de programa, no como una prueba de que Corea obtendrá un modelo líder a escala mundial.
También existe un riesgo de concentración. Seleccionar a un único desarrollador principal puede reducir el gasto duplicado, pero puede situar demasiada influencia dentro de una sola red corporativa.
Un consorcio puede distribuir ese control. Sin embargo, la gobernanza de los consorcios suele ralentizar las decisiones técnicas y complicar la propiedad.
Una sociedad instrumental podría ofrecer una gestión más clara. Aun así, necesitaría reglas que cubran los derechos sobre datos, las licencias de modelos, la movilidad de investigadores y los ingresos posteriores.
El gobierno no ha resuelto públicamente esas cuestiones. Hasta que lo haga, las empresas no pueden evaluar el valor comercial de sumarse.
Esa incertidumbre también podría distorsionar la competencia actual. Los equipos podrían priorizar la visibilidad antes de la licitación de frontera en lugar de mejorar productos para los usuarios existentes.
Nada de esto demuestra que el nuevo programa deba detenerse. Muestra por qué un anuncio de financiación no puede sustituir el diseño técnico e institucional.
Lo que los desarrolladores de modelos de Corea afrontan ahora
LG AI Research, SK Telecom y Upstage compiten ahora por dos posiciones finalistas mientras se preparan para un concurso potencialmente mayor.
La primera señal será la evaluación de la tercera etapa. El gobierno espera elegir a dos finalistas de modelos soberanos en febrero de 2027.
Esa decisión revelará si el ministerio sigue valorando la expansión del ecosistema o si favorece cada vez más la capacidad bruta. Los criterios publicados y el desglose de puntuaciones importarán tanto como los ganadores.
Una evaluación transparente reforzaría la confianza en el programa existente. Un cambio repentino en la puntuación sugeriría que la agenda de frontera ya ha alterado su propósito.
La segunda señal será la decisión presupuestaria de 2027. El Parlamento debe autorizar la financiación antes de que el proyecto de IA de frontera de Corea pueda avanzar a la escala anunciada.
La aprobación presupuestaria reforzaría el compromiso de dos vías. Reducciones sustanciales o nuevas condiciones debilitarían la premisa de que un esfuerzo de frontera concentrado se lanzará según lo previsto.
Los legisladores deberían preguntar qué parte de la financiación respalda el entrenamiento, la infraestructura, las operaciones y la comercialización. También deberían examinar si los recursos ya prometidos en otros ámbitos se están contabilizando dos veces.
La tercera señal será el diseño de la licitación. Las reglas de elegibilidad determinarán si los finalistas soberanos actuales reciben una ventaja significativa.
Una licitación que favorezca a una gran empresa señalaría un giro hacia la concentración. Un requisito de consorcio podría preservar una participación más amplia, pero introduciría una gobernanza más lenta.
El tratamiento de los modelos existentes será especialmente revelador. Reutilizarlos conectaría los proyectos y protegería la inversión pública anterior.
Empezar desde cero sugeriría que las autoridades ya no consideran los modelos existentes una base técnica creíble. También aumentaría los riesgos de duplicación.
Los equipos observarán atentamente las disposiciones sobre propiedad intelectual. Deben entender si las contribuciones siguen siendo suyas, se convierten en activos compartidos o se transfieren a una entidad nacional.
Los desarrolladores y compradores empresariales deberían observar pruebas de despliegue, en lugar de clasificaciones promocionales. La prueba más sólida procederá de sistemas que operen de forma fiable en organizaciones reales.
Los agentes públicos ofrecen una prueba. Los despliegues industriales en manufactura, logística, telecomunicaciones e investigación ofrecen otras.
Los datos de adopción deben distinguir entre las pruebas y el uso sostenido. Un piloto subvencionado no demuestra que un modelo sea económico o fiable a escala.
Corea también debería publicar métricas operativas comparables. La latencia, el coste de inferencia, el tiempo de actividad, los incidentes de seguridad y las tasas de finalización de tareas pueden revelar valor oculto tras unos benchmarks generales.
Para los tres equipos restantes, se acercan decisiones estratégicas. Cada uno debe decidir si defiende su plataforma independiente, se une a un consorcio o sigue ambas vías.
LG puede conectar su modelo con aplicaciones industriales en todo su grupo empresarial. SK Telecom puede aprovechar la distribución entre consumidores y la infraestructura de red. Upstage puede enfatizar la especialización y el enfoque del modelo.
Estas ventajas solo importarán si el Gobierno define cómo contribuye la adopción nacional a la misión de frontera.
La verdadera prueba es si dos vías producen dos resultados distintos
Corea del Sur no tiene que elegir entre soberanía y rendimiento de frontera, pero debe dejar de tratarlos como objetivos intercambiables.
El programa existente ya ha generado valor. Impulsó a las empresas coreanas a entrenar modelos, publicar resultados técnicos, reunir socios y competir bajo evaluaciones compartidas.
El nuevo programa aborda un temor distinto. Corea no quiere que las capacidades de los modelos globales avancen más allá del alcance de sus instituciones nacionales.
Mantener ambas vías puede funcionar si la primera se convierte en una plataforma de adopción y especialización. La segunda deberá centrarse entonces en capacidades que los modelos existentes no puedan ofrecer de forma económica.
Esa división debería reflejarse en los presupuestos, los conjuntos de datos, las asignaciones de cómputo, las evaluaciones y las normas de contratación. Una distinción verbal no sobrevivirá a la competencia por recursos escasos.
El Gobierno también debería permitir que los programas compartan infraestructura sin obligarlos a utilizar modelos idénticos. Los sistemas de evaluación comunes y los servicios de datos seguros podrían reducir la duplicación.
El desarrollador de frontera podría poner capacidades a disposición de los equipos nacionales de modelos mediante interfaces controladas. Los modelos más pequeños podrían gestionar las cargas de trabajo rutinarias y escalar las tareas difíciles.
Este acuerdo preservaría varios proveedores al tiempo que concentraría la investigación más costosa. También ofrecería a los organismos públicos alternativas cuando falle un sistema.
Sin embargo, la estrategia perderá credibilidad si ambos programas entrenan sistemas de propósito general similares para los mismos compradores. Las empresas seguirán el presupuesto más elevado, y los finalistas originales pasarán a ser contratistas de apoyo.
Ese resultado convertiría el concurso soberano en una costosa ronda de clasificación para un proyecto anunciado posteriormente.
La estrategia de IA soberana de Corea del Sur necesita ahora una arquitectura pública, no otro eslogan. Su éxito depende de definir qué modelos sirven a qué usuarios y quién controla las capacidades resultantes.
Las próximas tres decisiones darán la respuesta: la selección de finalistas de febrero, la financiación parlamentaria y la licitación de frontera.
Los desarrolladores, compradores empresariales e investigadores deberían evaluar esas decisiones en conjunto. ¿Preservan varios modelos nacionales útiles al tiempo que concentran únicamente la investigación más difícil?
Si la respuesta es sí, la política de dos vías de Corea puede convertirse en una cartera en lugar de una duplicación. De lo contrario, el programa de frontera sustituirá silenciosamente a la competencia que construyó su punto de partida.
