La prestación de los servicios tecnológicos de frontera lleva años organizándose alrededor de un número reducido de empresas. La IA no parece que vaya a ser una excepción, más bien al contrario. De hecho, el reciente caso de Claude Mythos muestra que la IA también puede aumentar la concentración por la vía de la ciberseguridad. Si modelos como Claude Mythos permiten encontrar vulnerabilidades muy difíciles de detectar, también pueden aumentar el riesgo de que esas vulnerabilidades sean explotadas. Muchas empresas no tendrán capacidad propia para protegerse frente a ese nuevo nivel de amenaza y dependerán más de quienes sí pueden hacerlo, es decir, de las grandes tecnológicas. La paradoja es que una IA que crea nuevos riesgos puede reforzar aún más a las empresas capaces de ofrecer protección frente a ellos.

Esto no significa que la concentración sea siempre mala. En industrias intensivas en capital, la escala es necesaria para generar inversión, nuevas capacidades, fiabilidad y seguridad. Pero sí obliga a formular bien la pregunta. Cuando hablamos de concentración en IA, ¿de qué estamos hablando exactamente? Para responder, no basta con mirar la parte visible del mercado. La IA no se concentra solo en el chatbot, en la aplicación o en el modelo final. Es necesario mirar toda la cadena de valor de la IA.

Esa cadena de valor puede dividirse en cuatro capas y nos demuestra que la IA, lejos de ser solo software, es fundamentalmente infraestructura física. En efecto, la primera capa de la cadena de valor es precisamente la infraestructura física: semiconductores, nube, centros de datos, redes, energía, refrigeración, suelo y permisos. La segunda son los datos. La tercera son los modelos: su entrenamiento, evaluación, seguridad, inferencia y actualización continua. La cuarta es la aplicación y la distribución: los canales a través de los cuales la IA llega a empresas, administraciones y ciudadanos. A esas cuatro capas hay que añadir un factor transversal: el capital.

Cada una de estas capas muestra ya dinámicas concentradoras, aunque por razones distintas. En infraestructura, la nube está dominada por unos pocos hiperescalares y los chips avanzados de IA dependen de un número muy reducido de proveedores, con Nvidia como actor central en el diseño. Además, los centros de datos requieren energía, suelo, permisos, refrigeración y financiación a una escala que favorece a quienes ya tienen balance y capacidad de inversión. En datos, el diagnóstico es más matizado: las grandes plataformas tienen ventaja en datos de consumo, búsqueda, productividad e interacción con usuarios, mientras que la UE cuenta con activos valiosos en datos sectoriales de calidad, por ejemplo sanitarios, industriales o públicos, aunque todavía debe superar su fragmentación para convertirlos en una ventaja competitiva real. En modelos, la concentración responde a que la frontera no es una inversión puntual, sino una carrera continua: entrenar, evaluar, asegurar, actualizar y servir modelos a gran escala exige cómputo recurrente, talento escaso y financiación sostenida. Y en la capa de aplicación y distribución, la ventaja está en quienes ya tienen al usuario. La IA no llega al mercado sola, sino integrada en servicios que empresas y ciudadanos ya utilizan: la nube, el software de oficina, los buscadores, los sistemas operativos o los dispositivos.

Pero el elemento más relevante no es solo que cada capa tienda a concentrarse por separado, es decir, de manera horizontal. Lo verdaderamente diferencial es que los mismos actores aparecen repetidamente en varias capas de la cadena de valor. Microsoft no solo distribuye modelos: también proporciona nube, integra IA en sus productos empresariales y mantiene una relación estratégica con OpenAI. Amazon no solo ofrece capacidad cloud: también invierte en Anthropic, desarrolla chips propios y distribuye modelos a través de AWS. Google combina nube, chips propios, modelos, buscador, sistemas operativos y herramientas de productividad. No estamos necesariamente ante una integración vertical clásica en sentido jurídico, pero sí ante una concentración vertical funcional: quienes controlan la infraestructura también condicionan el acceso a los modelos, a los clientes y a la distribución.

A esto se suman factores macroeconómicos que refuerzan la ventaja de los grandes actores estadounidenses. Aunque la UE tiene activos importantes (investigación, talento, sectores industriales sofisticados y datos de calidad), también se enfrenta a costes energéticos más elevados, más fragmentación regulatoria y financiera, y mayores dificultades para movilizar capital a escala. El resultado es que incluso cuando existen buenas empresas europeas, muchas se ven empujadas a depender de infraestructuras, financiación o canales de distribución controlados por terceros.

Aun así, la pregunta relevante no es solo cuántas empresas existen, sino si nuevos competidores pueden entrar en condiciones razonables, es decir, si el mercado es contestable. ¿Pueden acceder a cómputo suficiente? ¿Pueden entrenar o adaptar modelos sin depender de sus competidores? ¿Pueden distribuir sus productos sin pasar por las plataformas dominantes? ¿Pueden los clientes cambiar de proveedor sin costes excesivos? La respuesta no debería ser demonizar la escala. En IA, como en otras tecnologías, la escala es necesaria, pero es importante que esa escala no se convierta en cierre del mercado.

Un mercado no competitivo puede traducirse en precios más altos, dependencia de proveedor, empaquetamiento de servicios o discriminación en el acceso a infraestructuras críticas, entre otras conductas. Las políticas públicas deberían centrarse en mantener la contestabilidad: acceso a infraestructura de cómputo, interoperabilidad, portabilidad de datos, reducción de costes de salida de la nube, vigilancia de acuerdos verticales, impulso a modelos abiertos o auditables, espacios de datos sectoriales y una contratación pública que no genere dependencias irreversibles.

Pero no todos los problemas son económicos, también los hay de gobernanza. Si pocas empresas controlan el acceso a los modelos más avanzados, también influyen en qué capacidades se despliegan, qué usos se restringen, quién accede primero, qué estándares se imponen y bajo qué condiciones se presta una tecnología que acabará integrada en servicios públicos, empresas, educación, sanidad, finanzas o seguridad.

Solo al final aparece la cuestión del origen, que tanto está ocupando a la UE. No se trata de discriminar a las empresas por tener matriz estadounidense, asiática o de cualquier otra jurisdicción, ni de comprar europeo a cualquier precio. En un mercado competitivo, abierto y sustituible, la nacionalidad del proveedor debería importar relativamente poco. Pero cuando hablamos de tecnologías estratégicas y mercados concentrados, los poderes públicos sí deben asegurarse de que cualquier empresa que preste servicios críticos en Europa, sea europea o no, cumple requisitos estrictos de seguridad, auditoría, continuidad del servicio, protección de datos, portabilidad e interoperabilidad. La respuesta no debería ser excluir por origen, sino exigir garantías equivalentes a todos los operadores y reforzarlas cuando existan riesgos específicos derivados de la jurisdicción, la cadena de control o la dependencia tecnológica.

La pregunta no es solo si la IA estará concentrada, sino si seguirá siendo contestable. De esa respuesta dependerá que Europa pueda gobernar su transformación tecnológica y no limitarse a observarla.

*Judith Arnal es Investigadora Principal en Real Instituto Elcano, Fedea y CEPS.