Utah lanza un fondo de $5 millones para investigación en IA, pero los resultados deben llegar

El gobernador de Utah, Spencer Cox, lanzó un programa de investigación en IA de $5 millones que rápidamente llegó a Google News, con la ambiciosa promesa de mejorar la vida en todo el estado. El fondo respaldará trabajos relacionados con la atención médica, la salud mental, el agua, los sistemas autónomos y otros usos emergentes de la inteligencia artificial.

El anuncio amplía la agenda más amplia de IA “prohumana” de Cox, que aboga por una tecnología que fortalezca a las personas en lugar de reemplazar el juicio humano. Sin embargo, el nuevo programa plantea una prueba más difícil que un discurso de política pública. Utah debe seleccionar proyectos, explicar sus motivos y demostrar que la investigación financiada genera valor público.

Por tanto, el principal conflicto no es Utah frente a otro estado. Es la amplia promesa de la administración frente al difícil trabajo de medir resultados. Un programa de subvenciones puede generar evidencia útil, atraer investigadores o crear oportunidades comerciales. También puede dispersar dinero entre experimentos vagamente definidos que nunca lleguen a los residentes de Utah.

Esta distinción importa porque Utah ya tiene varias iniciativas de IA avanzando al mismo tiempo. Incluyen investigación universitaria, nueva infraestructura informática, certificaciones para la fuerza laboral, experimentación normativa y grandes propuestas de centros de datos. El nuevo fondo debe conectar esas piezas sin convertirse en otra capa de marca institucional.

Lo que realmente cambia el programa de IA de $5 millones de Utah

Utah está pasando de una defensa general de la IA a un control directo sobre qué preguntas de investigación reciben apoyo público.

El informe original sobre la financiación afirma que Cox presentó el programa para respaldar la investigación aplicada en IA en Utah. Sus áreas declaradas incluyen salud mental, agua, atención médica y sistemas autónomos.

Estos campos comparten una característica importante. Todos implican decisiones relevantes en las que resultados inexactos pueden causar daños reales. También dependen de datos locales, experiencia especializada y confianza pública.

La investigación sobre el agua podría examinar previsiones, monitoreo de infraestructura, demanda agrícola o planificación de recursos. Los proyectos de salud podrían centrarse en flujos de trabajo clínicos, datos poblacionales o detección temprana de enfermedades. Los sistemas autónomos pueden incluir transporte, equipos industriales, drones y otras máquinas que realizan tareas con control humano limitado.

El anuncio no establece que algún proyecto específico haya tenido éxito. Crea un proceso para decidir qué proyectos merecen apoyo. Eso hace que el diseño de las subvenciones, los criterios de evaluación y la supervisión sean tan importantes como la cifra del titular.

Se espera que el Nucleus Institute desempeñe un papel administrativo central. El instituto se describe como una organización designada por el estado que conecta al gobierno, las universidades y la industria para comercializar la investigación de Utah.

Su actual Nucleus Fund respalda emprendimientos vinculados a universidades que trabajan en sostenibilidad del agua, biotecnología, IA y manufactura avanzada. La organización también gestiona programas para empresas en fase inicial, investigadores y trabajo de políticas públicas.

Esta estructura ofrece al fondo una vía potencial desde la investigación hasta el despliegue. Un equipo universitario podría validar un enfoque, colaborar con un socio industrial y luego probarlo dentro de una institución real. Sin embargo, la comercialización y el beneficio público no son automáticamente el mismo resultado.

Una startup puede atraer clientes sin resolver el problema estatal utilizado para justificar su apoyo inicial. Un modelo técnicamente impresionante también puede fracasar cuando se despliega fuera de un entorno de investigación controlado.

Utah tendrá que definir qué significa “mejorar la vida de cada habitante de Utah” en términos medibles. Un proyecto de agua podría medir la precisión de las previsiones o la conservación verificada. Un proyecto de salud podría medir resultados clínicos, tiempo del personal o disparidades entre grupos de pacientes.

Sin esas definiciones, el programa corre el riesgo de premiar demostraciones pulidas. Con ellas, puede convertir una amplia promesa política en una cartera de investigación comprobable.

Google News da alcance al anuncio, pero la agregación no puede responder las preguntas centrales. Los lectores aún necesitan las reglas de adjudicación, los hitos de los proyectos, los beneficiarios y la evidencia final.

Por qué Cox financia investigación en IA ahora

El programa llega mientras Utah construye una estrategia de IA conectada que abarca investigación, educación, regulación, infraestructura y desarrollo económico.

Cox presentó la iniciativa de IA “prohumana” de Utah en diciembre de 2025. El marco sitúa el desarrollo de la fuerza laboral, la industria, el gobierno, la academia, las políticas públicas y el aprendizaje bajo una sola dirección estatal.

Durante ese anuncio, Cox presentó la orientación humana como el principio central. Sostuvo que la IA debería mejorar el trabajo, fortalecer las comunidades y apoyar una interacción humana significativa.

El estado también abordó la colaboración académica, los desafíos estudiantiles, el desarrollo de la industria y una fuerza laboral preparada para la IA. Su estrategia prohumana incluyó un consorcio académico estatal y vínculos más estrechos entre investigadores y startups.

Por tanto, el fondo de investigación no es un anuncio aislado de subvenciones. Aporta financiación a una parte de una agenda que antes dependía en gran medida de principios y coordinación institucional.

El momento elegido por Utah también refleja un entorno cambiante para la investigación federal. Las universidades enfrentan incertidumbre en torno a los programas tradicionales de subvenciones, mientras los estados ven cada vez más la financiación científica como una herramienta de desarrollo económico.

Durante la sesión legislativa de Utah de 2026, los legisladores aprobaron un piloto más amplio para la investigación en educación superior. Ese esfuerzo se dirigió a campos como la inteligencia artificial, la computación cuántica, la biotecnología y los minerales críticos.

Utah también está invirtiendo en la capacidad física necesaria para la investigación computacional. La University of Utah está preparando un sistema de supercomputación de IA respaldado por el estado con $15 millones de financiación legislativa.

Según el proyecto informático de la universidad, el sistema está destinado a ampliar el acceso para investigadores de todo Utah. La computación compartida importa porque muchos experimentos de IA requieren procesadores especializados, almacenamiento, personal técnico y manejo seguro de datos.

Esta infraestructura puede ampliar el valor de una subvención. Los investigadores que ya tienen acceso a recursos informáticos pueden destinar más financiación a la preparación de datos, pruebas, trabajo de campo y evaluación.

Utah también tiene una motivación comercial. Los líderes estatales quieren que los descubrimientos universitarios se conviertan en empresas, empleos y tecnologías que sigan vinculadas a la región. Nucleus fue diseñado en parte para cerrar la brecha entre la investigación y la comercialización.

Ese objetivo plantea una pregunta práctica de selección. ¿Debería el programa priorizar problemas que afectan hoy a los residentes o tecnologías con el mayor potencial de mercado futuro?

Las dos categorías se superponen en campos como la tecnología médica y la gestión del agua. También pueden divergir. Un proyecto con un comprador comercial plausible podría imponerse a un estudio menos rentable con mayor valor público.

El diseño de la cartera del fondo revelará la prioridad real de Utah. Un programa equilibrado reservaría espacio para investigación de interés público, productos desplegables y trabajo fundamental cuyos beneficios tardan más en aparecer.

Por eso el momento importa más que la cantidad por sí sola. Utah está reuniendo instituciones que pueden financiar investigación, proporcionar capacidad informática, dar forma a políticas y comercializar descubrimientos.

Las nuevas subvenciones pondrán a prueba si esas instituciones operan como un sistema coherente. También mostrarán si “prohumana” funciona como un estándar de evaluación o sigue siendo un eslogan político flexible.

La atención de Google News no puede sustituir la transparencia de las subvenciones

La credibilidad del programa dependerá de registros públicos que expliquen quién recibe financiación, por qué fue seleccionado y qué entrega.

Google News puede hacer visible un anuncio estatal mucho más allá de Salt Lake City. Esa atención puede atraer investigadores, empresas y posibles socios. También puede reducir un programa público complejo a un titular esperanzador.

La frase “mejorar la vida de cada habitante de Utah” establece un parámetro inusualmente amplio. Ninguna cartera pequeña de investigación puede llegar directamente a cada residente, especialmente durante su primer ciclo de financiación.

Utah debería tratar esa frase como una orientación y no como una afirmación ya cumplida. La prueba relevante es si el trabajo financiado aborda necesidades estatales y genera evidencia que otros puedan examinar.

Un proceso de adjudicación creíble comienza con reglas de elegibilidad publicadas. Los solicitantes deben saber si el programa acepta equipos universitarios, instituciones sin fines de lucro, empresas o asociaciones entre ellos.

Los criterios de revisión deberían separar la calidad técnica del potencial de desarrollo económico. También deberían abordar la privacidad, la seguridad, la accesibilidad y las necesidades de las comunidades rurales.

Las declaraciones de conflicto de intereses importan porque el Nucleus Institute conecta al gobierno, la educación superior y organizaciones comerciales. Estas relaciones pueden ayudar a que la investigación avance más rápido, pero también pueden crear intereses superpuestos.

Los revisores independientes deberían identificar conexiones financieras, profesionales e institucionales antes de calificar las propuestas. El programa debería publicar cómo gestiona las recusaciones sin revelar material confidencial de las solicitudes.

El tamaño y la duración de las subvenciones también determinan lo que los investigadores pueden prometer de forma responsable. Los proyectos cortos pueden probar la viabilidad, crear conjuntos de datos o realizar pilotos controlados. Rara vez demuestran beneficios duraderos a nivel poblacional.

La financiación basada en hitos ofrece un modelo útil. Los proyectos reciben apoyo continuo después de completar objetivos técnicos, de seguridad o de despliegue definidos. Esa estructura puede limitar las pérdidas sin obligar a los investigadores a exagerar la certeza inicial.

Sin embargo, los hitos no deberían premiar únicamente la actividad. Contratar personal, recopilar datos o lanzar un prototipo no demuestra que un proyecto funcione.

Un modelo de salud debería evaluarse frente a una línea de base adecuada. Una previsión de agua debería compararse con métodos existentes en las mismas condiciones. Un sistema autónomo debería probarse para detectar fallos, casos límite y el rendimiento de la intervención humana.

El público también necesita resultados negativos. Un proyecto que determine que un método de IA funciona peor que un enfoque convencional aún puede aportar evidencia valiosa.

Publicar solo historias de éxito crea sesgo de selección, que ocurre cuando los resultados visibles excluyen fracasos que cambiarían la conclusión general. Esto hace que la cartera parezca más eficaz de lo que fue.

Utah ya opera un Laboratorio de Aprendizaje de Inteligencia Artificial conforme a la legislación estatal. El programa está diseñado para estudiar los riesgos, beneficios, impactos e implicaciones normativas de la IA, al tiempo que informa el marco regulatorio del estado.

La ley del laboratorio de IA ofrece a Utah un mecanismo existente para conectar los experimentos con las políticas públicas. Los beneficiarios del fondo de investigación deberían compartir hallazgos relevantes con ese laboratorio cuando su trabajo afecte servicios regulados o la protección del consumidor.

La transparencia no exige publicar historiales médicos sensibles, código propietario ni detalles de seguridad. Exige información suficiente para evaluar el gasto público y comparar los objetivos declarados con los resultados documentados.

Como mínimo, el estado debería divulgar los nombres de los destinatarios, resúmenes de los proyectos, criterios de revisión, periodos de adjudicación, hitos e informes finales. También debería identificar qué resultados siguen siendo propietarios.

Esos registros harían que el titular de Google News resultara más útil con el tiempo. Los periodistas y residentes podrían volver al programa y determinar qué promesas resistieron el contacto con la evidencia del mundo real.

La prueba más difícil es convertir la investigación en IA en beneficio público

El mayor desafío de Utah no es generar propuestas de IA, sino trasladar resultados fiables a las instituciones que sirven a los residentes.

La investigación académica, el desarrollo de startups y el despliegue público operan con plazos distintos. Una universidad recompensa la publicación y la contribución científica. Una empresa necesita clientes y un producto sostenible. Una agencia pública debe gestionar compras, accesibilidad, privacidad y responsabilidad legal.

El Nucleus Institute intenta cerrar algunas de esas brechas. Su modelo combina comercialización de investigación, apoyo a empresas, trabajo de políticas públicas y colaboración entre instituciones.

Ese puente puede ser valioso para proyectos que las universidades no pueden desplegar por sí solas. Los investigadores suelen necesitar ayuda con diseño de producto, planificación regulatoria, propiedad intelectual, revisiones de seguridad y descubrimiento de clientes.

Aun así, el estado debería evitar tratar la comercialización como prueba de impacto. Un acuerdo de licencia o la creación de una startup representan avances, pero ninguno demuestra por sí mismo mejores resultados para los residentes.

Consideremos un proyecto hipotético de salud mental. Un equipo de investigación podría crear un modelo que ayude a los profesionales clínicos a identificar a pacientes que necesitan atención adicional.

El modelo necesitaría una validación local precisa. También requeriría salvaguardas contra alertas falsas, pacientes no detectados, sesgos demográficos, violaciones de privacidad y una dependencia excesiva de recomendaciones automatizadas.

Incluso un sólido rendimiento en laboratorio no resolvería esas cuestiones. La herramienta necesitaría pruebas dentro de un flujo de trabajo clínico, donde el tiempo del personal y el comportamiento de los pacientes pueden modificar los resultados.

La investigación sobre el agua presenta un desafío de despliegue diferente. Las agencias de Utah, las ciudades, los agricultores y los residentes poseen distintos tipos de datos y toman decisiones a diferentes escalas.

Un sistema de previsión basado en IA podría mejorar las predicciones y, aun así, no lograr cambiar el uso del agua. El equipo de investigación necesitaría socios institucionales capaces de actuar sobre sus resultados.

Los sistemas autónomos añaden preocupaciones de seguridad física. Un modelo que controla un vehículo, dron o máquina industrial debe comportarse de forma fiable en condiciones inusuales. Los operadores humanos también necesitan una autoridad clara para intervenir.

Estos ejemplos muestran por qué los expertos en cada ámbito deben compartir el control con los científicos informáticos. Profesionales clínicos, hidrólogos, ingenieros, científicos sociales, administradores públicos y comunidades afectadas poseen información de la que carecen los desarrolladores de modelos.

El sistema universitario de Utah da al programa acceso a esa amplitud de conocimientos. La University of Utah ya opera una amplia Responsible AI Initiative centrada en el impacto social, la privacidad, la rendición de cuentas y la investigación interdisciplinaria.

La universidad también se ha unido a una red nacional de laboratorios en la nube programables. Su proyecto AURORA permitirá a investigadores y agentes de IA diseñar y analizar experimentos físicos de forma remota.

El laboratorio AURORA recibió 20 millones de dólares durante cuatro años a través de un programa de la National Science Foundation. Esa adjudicación federal es independiente del nuevo fondo de Cox, pero ilustra la creciente capacidad investigadora de Utah.

AURORA también ofrece una comparación útil. Cuenta con un modelo de instalación definido, socios nacionales, líderes técnicos identificados y una estructura de financiación plurianual.

El programa estatal es más amplio y tiene un enfoque más local. Su ventaja es la flexibilidad para abordar varios problemas públicos. Su debilidad es que un alcance amplio puede hacer que la evaluación sea inconsistente.

Por tanto, Utah debería utilizar estándares compartidos para cada subvención. Los proyectos deberían exponer el problema, el método de referencia, la población objetivo, el beneficio esperado, los principales riesgos y la evidencia necesaria para el despliegue.

Los investigadores también deberían establecer una condición de salida. Si un proyecto no alcanza un umbral definido de precisión, seguridad o adopción, el estado debería detener el despliegue o rediseñar el trabajo.

Ese enfoque respeta la incertidumbre científica. También protege a los residentes frente a la suposición de que todo piloto de IA debe convertirse en un servicio permanente.

Para los trabajadores del conocimiento que siguen estos programas, la lección va más allá del gobierno. Un flujo de trabajo de IA eficaz necesita insumos fiables, pasos de revisión y evidencia vinculada a una decisión.

El mismo principio se aplica a escala estatal. La IA crea valor cuando las instituciones mejoran un proceso medible, no cuando simplemente añaden un modelo a un sistema existente.

La promesa prohumana enfrenta verdaderas disyuntivas

El lenguaje de Cox eleva el estándar del fondo, porque la investigación centrada en las personas debe considerar quién se beneficia, quién asume el riesgo y quién queda excluido.

La etiqueta “prohumana” da a Utah una posición reconocible sobre la IA. Presenta al estado como optimista respecto al progreso técnico, al tiempo que rechaza sistemas que debilitan la capacidad de decisión humana.

Ese equilibrio resulta atractivo, pero el término necesita un significado operativo. Casi cualquier proyecto puede afirmar que fue diseñado para ayudar a las personas.

Un estándar útil preguntaría si un sistema amplía la capacidad humana sin ocultar decisiones importantes. También examinaría si los residentes pueden impugnar un resultado automatizado.

La orientación humana debería significar más que mantener a una persona en alguna parte del flujo de trabajo. Un revisor que acepta automáticamente la recomendación de un modelo ofrece poca supervisión significativa.

Los investigadores pueden evaluar el control humano midiendo desacuerdos, tasas de intervención, tiempos de respuesta y las consecuencias de las anulaciones. También pueden estudiar si los operadores comprenden las limitaciones de un modelo.

El acceso a los datos crea otra disyuntiva. Los proyectos de salud, educación, gobierno y agua suelen mejorar cuando los investigadores utilizan información local detallada. Los mismos datos pueden exponer a los residentes a riesgos de privacidad o seguridad.

La desidentificación, que elimina identificadores personales directos, reduce parte del riesgo, pero no lo elimina. Combinar varios conjuntos de datos puede, en ocasiones, volver a revelar la identidad de las personas.

Los proyectos deberían recopilar únicamente la información que necesitan. Deberían definir periodos de retención, controles de acceso, procedimientos de seguridad y normas para compartir resultados con socios comerciales.

La equidad también exige más que disponibilidad en todo el estado. Una herramienta puede servir técnicamente a todos los condados y, sin embargo, funcionar mal para comunidades rurales, personas con discapacidades o residentes insuficientemente representados en sus datos de entrenamiento.

Utah debería exigir a los solicitantes que identifiquen a los grupos afectados antes de que comience el desarrollo. Después, la evaluación debería probar el rendimiento entre esos grupos en lugar de informar únicamente un promedio estatal.

El estado también debe abordar el costo de oportunidad. Cada subvención pública excluye otro posible uso del mismo dinero.

Eso no convierte la investigación en IA en un desperdicio. Significa que los solicitantes deberían explicar por qué la IA es adecuada para el problema y por qué un método más simple resulta insuficiente.

Esta pregunta puede prevenir un patrón de fracaso común. A veces, las organizaciones empiezan con una tecnología deseada y buscan un problema que la justifique.

Un proceso más sólido comienza con la necesidad pública. Luego, los revisores pueden comparar una propuesta de IA con mejoras de software, cambios de personal, modelos estadísticos convencionales o intervenciones de política pública.

Los incentivos comerciales generan una preocupación relacionada. Nucleus existe, en parte, para ayudar a que la investigación llegue a los mercados, lo que puede mejorar las probabilidades de que una tecnología útil sobreviva más allá de una subvención.

Sin embargo, los socios comerciales pueden restringir el acceso mediante licencias, sistemas propietarios o acuerdos de datos. Utah debería divulgar qué recibe el público a cambio de apoyar el desarrollo temprano.

Los posibles retornos incluyen resultados de investigación abiertos, acceso público con descuento, propiedad intelectual compartida, derechos de despliegue local o mecanismos de reembolso tras el éxito comercial.

El estado no necesita una única regla para cada proyecto. Sí necesita una política visible que impida que la financiación pública se convierta silenciosamente en ventaja privada.

El escepticismo público ya forma parte del entorno de la expansión de la IA en Utah. Los residentes han expresado preocupaciones sobre el agua, la electricidad, los incentivos fiscales y la escala de los centros de datos propuestos.

El fondo de investigación es distinto de esos proyectos de infraestructura. No debería recibir la culpa por todas las preocupaciones ambientales asociadas con la industria de la IA.

No obstante, el contexto político importa. Cuando los líderes estatales promueven la investigación en IA junto con infraestructura de alto consumo energético, los residentes preguntarán razonablemente cómo se conectan las distintas piezas.

Los investigadores que soliciten proyectos con una alta demanda de cómputo deberían estimar los requisitos de recursos. Después, el estado debería distinguir las cargas de trabajo universitarias modestas de los sistemas que requieren una nueva infraestructura sustancial.

Esa información mantendría el debate centrado en el uso real. También evitaría que tanto defensores como críticos traten todos los proyectos de IA como ambientalmente idénticos.

La defensa más sólida del programa será la evidencia. Salvaguardas claras, hitos públicos e informes honestos pueden mostrar si “prohumana” influye en decisiones reales de financiación.

Sin esos mecanismos, la frase sigue siendo demasiado flexible como para exigir responsabilidades a cualquier proyecto.

Tres señales mostrarán si el fondo funciona

La siguiente fase debería juzgarse mediante la transparencia de las adjudicaciones, la validación independiente y la evidencia de que los proyectos exitosos pasan a un uso responsable.

La primera señal es la lista inicial de beneficiarios. Utah debería publicar quiénes ganaron, cuánto apoyo recibió cada proyecto y qué problema público abordará cada equipo.

Esa lista revelará si la cartera se concentra en una universidad o se distribuye entre instituciones de Utah. También mostrará el equilibrio entre investigación, comercialización y servicio público directo.

Los documentos de selección deberían identificar resultados medibles. “Mejorar la atención sanitaria” es demasiado amplio. Reducir el tiempo de procesamiento, mejorar la precisión diagnóstica o ampliar el acceso proporciona una dirección comprobable.

Si Utah publica adjudicaciones detalladas y criterios de evaluación, la credibilidad del programa se fortalece. Si los beneficiarios aparecen sin un razonamiento transparente, se amplía la brecha entre la promesa y la administración.

La segunda señal es la validación técnica independiente. Los equipos financiados no deberían ser las únicas partes que decidan si sus sistemas funcionan.

La revisión independiente puede proceder de investigadores externos, auditores, instituciones asociadas o expertos estatales que no participaron en la selección. El revisor adecuado dependerá del campo y el riesgo del proyecto.

La validación debería probar el rendimiento frente a métodos existentes. También debería examinar tasas de fallo, calidad de los datos, diferencias demográficas, seguridad y supervisión humana.

Para proyectos de alto riesgo, Utah debería exigir evidencia procedente de entornos operativos reales antes de ampliarlos. Una demostración controlada no basta para decisiones clínicas, gubernamentales o físicas.

La publicación de hallazgos negativos reforzaría esta señal. Mostraría que el programa apoya la investigación en lugar de historias de éxito predeterminadas.

La tercera señal es la adopción responsable. Un proyecto exitoso debería contar con una organización identificada y preparada para utilizar sus hallazgos o tecnología.

La adopción no siempre significa desplegar software. Un estudio podría cambiar la política hídrica, establecer que un modelo no es seguro o producir un conjunto de datos abierto para futuras investigaciones.

Cuando se produzca el despliegue, el programa debería documentar la titularidad, las obligaciones de soporte, la gobernanza de datos y la supervisión del rendimiento. Las agencias públicas necesitan un plan para lo que ocurre después de que los investigadores originales se retiren.

Estas tres señales deberían aparecer durante el ciclo inicial de presentación de informes del programa. Primero deben publicarse los detalles de las adjudicaciones, seguidos de los planes de validación y de vías creíbles para su uso.

Es probable que la cobertura de Google News pase a otro tema mucho antes de que lleguen los resultados finales de la investigación. Eso es normal en un anuncio de financiación, pero genera una responsabilidad para Utah y su ecosistema mediático.

El estado debería mantener un registro público que perdure más allá del ciclo informativo. La página de cada proyecto podría mostrar objetivos, hitos, cambios, resultados y estado de implementación.

Los investigadores deberían comunicar la incertidumbre con un lenguaje claro. Las agencias deberían explicar si una herramienta asesora al personal, automatiza una decisión o simplemente respalda el análisis de contexto.

Así, los residentes podrán evaluar el programa con evidencia en lugar de eslóganes. Las empresas podrán identificar investigaciones validadas que merezca la pena desarrollar, mientras que otros estados podrán estudiar el enfoque de Utah.

Cox ha dado al fondo una misión ambiciosa. La cuestión práctica es si Utah puede convertir esa misión en una cartera disciplinada de experimentos medibles.

Los lectores deberían seguir de cerca las primeras adjudicaciones, la independencia de las revisiones técnicas y el camino desde la investigación concluida hasta el uso público. Estas señales determinarán si el titular de Google News marca el inicio de un programa estatal duradero o de un breve momento político.

Utah ya ha construido gran parte de la infraestructura necesaria. Cuenta con universidades, infraestructura informática, instituciones de políticas públicas, programas de comercialización y una administración dispuesta a promover la IA.

Ahora debe demostrar que esas piezas pueden resolver problemas concretos sin ocultar los fracasos ni trasladar los riesgos a los residentes. Siga los registros de adjudicaciones, exija parámetros de referencia medibles y vuelva a revisar los proyectos cuando lleguen los resultados finales.