Esta tesis analiza cómo los modelos de inteligencia artificial de frontera (los mismos que impulsan asistentes conversacionales y herramientas civiles) se convirtieron en el eje de una carrera armamentista silenciosa entre las grandes potencias. Silenciosa porque no se libra con desfiles ni explosiones, sino con inversión en chips, centros de datos y talento científico.

El desarrollo parte además de una perspectiva integrativa de las ciencias noéticas, dado que delegar decisiones militares en sistemas algorítmicos interpela preguntas que exceden lo técnico: la naturaleza de la cognición no consciente, el lugar de la responsabilidad moral y el vínculo entre conciencia humana y poder de decisión.

Un recorrido por la escalada algorítmica, el valor militar de estos modelos, sus riesgos estructurales y las tensiones que abren para la doctrina militar y la gobernanza internacional del siglo que empieza.

Panorama Militar 2026: Incorporación de Algoritmos de Inteligencia Artificial como Estrategia Armamentista

El año 2026 encuentra a las principales potencias militares del mundo en medio de una transformación que redefine el significado mismo de poder militar. Durante más de un siglo, la capacidad de un ejército se midió en toneladas de acero, cantidad de misiles y número de divisiones desplegadas. Esa medida ya no alcanza para explicar quién domina el campo de batalla contemporáneo.

Estados Unidos, China, Rusia y la Unión Europea invierten sumas crecientes en un recurso que no se puede contar como un tanque ni fotografiar como un misil: el algoritmo. La ventaja militar del presente depende de qué tan rápido un sistema procesa una imagen satelital, qué tan bien un modelo coordina quinientos drones en simultáneo, y qué tan preciso resulta un análisis de inteligencia generado en segundos donde antes se necesitaban semanas de trabajo humano.

Los modelos de inteligencia artificial de frontera (AI Frontier Model), los mismos que impulsan asistentes conversacionales, motores de búsqueda y herramientas de productividad en el mundo civil, se convirtieron en el eje de una carrera armamentista silenciosa. Silenciosa porque no se libra con explosiones ni con desfiles militares, sino con inversión en chips, en centros de datos (datacenters) y en talento científico. Y precisamente por su silencio, resulta más difícil de medir, de verificar y de regular que cualquier carrera armamentista anterior.

El panorama de 2026 muestra un mundo donde la superioridad militar ya no se decide únicamente en el campo de batalla, sino en los laboratorios de investigación, en los centros de datos y en las cadenas de suministro de semiconductores. Comprender esa transformación exige abandonar el marco conceptual del siglo XX, construido sobre la lógica de cantidad de armamento, e incorporar un marco nuevo donde el dato, el algoritmo y la capacidad de cómputo ocupan el lugar que antes ocupaban el acero y el petróleo.

Esta tesis desarrolla ese marco a lo largo de los capítulos siguientes: la lógica de la escalada algorítmica, la naturaleza técnica y económica de los modelos de frontera, su aplicación concreta en cada dominio militar, los riesgos que genera su incorporación, y las implicancias que esta transformación proyecta sobre la doctrina militar y la gobernanza internacional en los años que vienen.

Seis anexos amplían este cuerpo central: la evolución histórica de la guerra hasta llegar a la etapa algorítmica, la cuestión bélica moderna en dimensiones específicas, el daño colateral estructural de esta tecnología, los riesgos de delegar tareas militares en sistemas con autonomía, las objeciones que formularía un ex militar con experiencia operativa, y una introducción técnica a los algoritmos que componen un modelo de frontera.

Cognición delegada, conciencia y poder: una lectura noética de la guerra algorítmica

El desarrollo del análisis parte de la perspectiva integrativa de las ciencias noéticas, dado que abordar los algoritmos de inteligencia artificial de modelos de frontera exige considerar dimensiones que exceden el análisis técnico y geopolítico convencional.

Un modelo de frontera procesa información, simula escenarios y genera recomendaciones que inciden directamente sobre la decisión de emplear la fuerza, y esa incidencia interpela preguntas propias del campo noético: la naturaleza de la cognición delegada en un sistema no consciente, el estatuto de la responsabilidad moral cuando el juicio humano se desplaza hacia un proceso algorítmico, y el vínculo entre la conciencia humana y las estructuras de decisión que progresivamente incorporan agentes no biológicos al ejercicio del poder.

La perspectiva noética permite, en consecuencia, analizar la incorporación militar de estos modelos no solo como una cuestión de eficiencia operativa o de equilibrio de poder entre estados, sino como una transformación que afecta la relación entre conciencia, identidad y acción en uno de los dominios de mayor consecuencia para la vida humana.

Capítulo 1. Marco conceptual: la escalada armamentística basada en algoritmos

1.1 La naturaleza del recurso estratégico

La competencia militar entre grandes potencias incorpora un nuevo eje de disputa: el desarrollo de sistemas de inteligencia artificial cada vez más avanzados. Esta dinámica opera bajo una lógica de escalada donde cada avance tecnológico de un actor presiona a los demás a responder, en un patrón estructuralmente similar al observado durante la carrera nuclear del siglo XX.

La diferencia sustantiva radica en la naturaleza del recurso estratégico.

El poder militar se sostiene cada vez más en los algoritmos, los datos y la capacidad de cómputo, junto al armamento convencional que constituyó el eje central del siglo pasado.

Esta transformación conserva algunos rasgos de las carreras armamentísticas anteriores (la lógica de acción-reacción entre potencias rivales, la presión presupuestaria constante, la búsqueda de disuasión mediante demostración de capacidad) y agrega rasgos nuevos que derivan de la naturaleza específica del software: la velocidad de iteración, la posibilidad de mejora continua sin rediseño físico, y la dificultad de verificar capacidades mediante inspección tradicional.

Un misil puede contarse, fotografiarse y medirse. Un modelo algorítmico entrenado sobre determinada arquitectura y determinado volumen de datos resulta mucho más difícil de auditar desde el exterior, lo cual introduce un nivel de opacidad estratégica sin precedente directo en carreras armamentísticas anteriores.

1.2 Objeto de la competencia

Cada una de estas áreas constituye, en simultáneo, un dominio de inversión estatal y un dominio de inversión privada. Las empresas que desarrollan modelos de frontera operan mayoritariamente bajo lógica comercial civil, y los estados negocian con ellas acceso preferencial, contratos de infraestructura o participación directa en programas de defensa. Esta interdependencia entre sector privado y aparato militar constituye un rasgo distintivo de la competencia actual, ausente en la carrera nuclear, donde el desarrollo permanecía casi exclusivamente en manos estatales.

Las potencias compiten por desarrollar capacidades en las siguientes áreas:

Área de desarrollo	Aplicación
Inteligencia militar	Análisis de datos en tiempo real
Sistemas autónomos	Coordinación de enjambres de drones
Detección de objetivos	Identificación automática de amenazas
Guerra electrónica	Análisis de señales asistido por IA
Ciberdefensa y ciberataque	Automatización de respuesta y ofensiva
Apoyo al comando	Simulación y predicción de escenarios
Robótica militar	Sistemas terrestres, navales y aéreos con distintos niveles de autonomía

 

1.3 Mecanismo de la escalada

La dinámica se sostiene en una secuencia de acción y reacción entre potencias. Cuando Estados Unidos desarrolla una capacidad de procesamiento de inteligencia militar significativamente más rápida, China acelera sus inversiones para alcanzarla o superarla, Rusia despliega contramedidas, y Europa incrementa su gasto para reducir su dependencia tecnológica de terceros. Cada innovación genera una respuesta equivalente en los competidores, y esa secuencia produce una espiral competitiva sostenida.

Esta secuencia presenta tres características que la distinguen de escaladas armamentísticas previas:

Velocidad de iteración. Un programa de desarrollo de un sistema de armas convencional puede extenderse durante una década. Un modelo algorítmico se actualiza en ciclos de meses, y en algunos casos de semanas, lo cual comprime drásticamente el tiempo disponible para que un competidor evalúe una amenaza y formule una respuesta.

Difusión horizontal del conocimiento. Buena parte de la investigación en inteligencia artificial se publica en formato abierto o semiabierto, lo cual acelera la capacidad de actores con menos recursos de acortar distancias respecto de los líderes tecnológicos, un fenómeno mucho menos marcado en tecnología nuclear o aeroespacial militar.

Umbral de entrada variable. Mientras que desarrollar un arma nuclear exige una infraestructura estatal de gran escala prácticamente inalcanzable para actores no estatales, el acceso a modelos de inteligencia artificial de capacidad intermedia resulta considerablemente más accesible, lo cual amplía el número de actores relevantes en la competencia, incluidas potencias medianas y, en determinados escenarios, actores no estatales.

1.4 El desplazamiento del recurso estratégico

El poder militar histórico se midió en unidades de hardware: cantidad de tanques, aviones, portaaviones y misiles. La configuración actual incorpora variables adicionales: la calidad del modelo de IA, el volumen y la calidad del entrenamiento, la disponibilidad de datos, la potencia de los chips y el tamaño de los centros de datos.

Esta variable resulta decisiva incluso en igualdad de condiciones materiales. Dos países pueden operar el mismo modelo de dron, y aquel cuyo algoritmo detecte una amenaza un segundo antes obtiene una ventaja decisiva en el enfrentamiento. Este principio, conocido en la literatura de defensa como ventaja en el ciclo OODA (observar, orientar, decidir, actuar), adquiere una dimensión nueva cuando la fase de orientación y decisión se delega parcialmente en sistemas algorítmicos capaces de procesar información a velocidades imposibles para la cognición humana.

La consecuencia estratégica directa es que la paridad en plataformas físicas deja de garantizar paridad operativa. Un ejército puede disponer de una flota de drones idéntica a la de su adversario y encontrarse en desventaja sistemática si el software que coordina esa flota procesa la información con menor eficiencia.

Capítulo 2. Los modelos de frontera como recurso estratégico

2.1 Definición

Los modelos de frontera constituyen los sistemas de inteligencia artificial más avanzados disponibles en un momento determinado, y representan el límite superior de capacidad tecnológica alcanzado por la industria. El umbral que define a un modelo de frontera es relativo: un modelo pierde esa condición en el momento en que otro lo supera.

Esta condición relativa tiene una consecuencia estratégica directa: ningún actor puede considerar consolidada una ventaja tecnológica de manera permanente. El liderazgo en modelos de frontera exige inversión sostenida y continua, y la pérdida de esa inversión durante un período limitado puede resultar en un atraso difícil de revertir en el corto plazo, dado el carácter acumulativo del conocimiento técnico y de la infraestructura asociada.

2.2 Características técnicas

Los modelos de frontera reúnen habitualmente las siguientes propiedades:

• Escalas de miles de millones o billones de parámetros.
• Entrenamiento sobre volúmenes de datos extremadamente amplios.
• Infraestructura de cómputo que involucra decenas de miles de GPU.
• Capacidad de razonamiento multimodal (texto, imagen, audio, video, código).
• Generalización de tareas en un único modelo.
• Costos de entrenamiento que alcanzan cientos de millones o miles de millones de dólares.

Estas propiedades explican por qué el desarrollo de modelos de frontera se concentra en un número reducido de actores. La escala de inversión requerida opera como barrera de entrada estructural, comparable en magnitud a la que históricamente restringió el acceso a tecnología nuclear o aeroespacial, aunque con una diferencia relevante: los costos de entrenamiento decrecen con el tiempo a medida que mejora la eficiencia algorítmica y el hardware, lo cual reduce gradualmente esa barrera y amplía el número de actores capaces de aproximarse a la frontera tecnológica.

2.3 Actores relevantes

Entre las organizaciones que desarrollan modelos considerados de frontera se encuentran OpenAI, Anthropic, Google DeepMind, xAI, Meta, Alibaba y DeepSeek. La competencia entre estos actores se concentra en las capacidades de razonamiento, programación, comprensión multimodal, eficiencia y autonomía.

La distribución geográfica de estos actores coincide, de manera no casual, con las dos principales potencias en disputa por el liderazgo tecnológico militar. Estados Unidos concentra la mayoría de las organizaciones mencionadas, mientras que China desarrolla su propio ecosistema con Alibaba y DeepSeek como exponentes principales, sostenido además por un conjunto amplio de laboratorios estatales y universitarios. Esta concentración geográfica confirma que la competencia algorítmica se superpone, en gran medida, con la competencia geopolítica tradicional entre ambas potencias.

2.4 Condición de doble uso

Los modelos de frontera se aplican tanto a dominios civiles como militares: investigación científica, diseño de medicamentos, optimización industrial, desarrollo de software, inteligencia militar, ciberseguridad, análisis de inteligencia y automatización de tareas complejas. Esa condición de doble uso (dual-use technology) constituye el fundamento por el cual numerosos gobiernos consideran su desarrollo un asunto de seguridad nacional.

La condición de doble uso introduce una complejidad regulatoria específica. Restringir la exportación o el acceso a un modelo de frontera con el objetivo de limitar su aplicación militar implica, de manera simultánea, restringir su aplicación civil en investigación científica, salud o desarrollo económico. Esta tensión explica buena parte de las dificultades que enfrentan los marcos de control de exportaciones de tecnología de inteligencia artificial, a diferencia de tecnologías de uso predominantemente militar, donde la restricción resulta jurídicamente más sencilla de delimitar.

2.5 Recursos necesarios para su construcción

La construcción de un modelo de frontera exige una combinación de recursos escasos que excede la disponibilidad de talento técnico:

Recurso	Función
GPU de última generación	Ejecutar el entrenamiento masivo
Energía eléctrica	Sostener miles de aceleradores durante semanas o meses
Centros de datos	Alojar la infraestructura de cómputo
Grandes conjuntos de datos	Entrenar el modelo
Investigadores especializados	Diseñar la arquitectura y el proceso de entrenamiento
Capital	Financiar inversiones de cientos o miles de millones de dólares

 

Entre estos recursos, el suministro de semiconductores avanzados ocupa una posición particularmente estratégica, dado que la fabricación de chips de última generación se concentra en un número muy reducido de empresas y países. Esta concentración convierte a la cadena de suministro de semiconductores en un punto de vulnerabilidad geopolítica de primer orden, y explica por qué las políticas de control de exportación de chips avanzados se transformaron en un instrumento central de la competencia tecnológica entre potencias, equiparable en relevancia estratégica a los controles históricos sobre materiales fisionables.

La disponibilidad energética constituye otro cuello de botella creciente. El entrenamiento y la operación de modelos de frontera a gran escala requiere consumos eléctricos comparables a los de ciudades medianas, lo cual introduce a la política energética nacional como variable directa de la competencia militar algorítmica.

2.6 Analogía pedagógica

Un automóvil convencional y un vehículo de Fórmula 1 cumplen la misma función básica de transporte, aunque representan niveles tecnológicos completamente distintos. Del mismo modo, un modelo de IA de escala reducida resuelve consultas simples, mientras que un modelo de frontera incorpora las técnicas, la infraestructura y el conocimiento más avanzados disponibles en un momento dado. Controlar modelos de frontera equivale a disponer de una ventaja tecnológica susceptible de traducirse en liderazgo económico, científico y militar.

Capítulo 3. Valor militar de los modelos de frontera

Un modelo de frontera funciona como un motor cognitivo que potencia el conjunto de los sistemas militares modernos, en tanto convierte volúmenes masivos de información en decisiones operativas.

3.1 Inteligencia militar

El procesamiento de imágenes satelitales mediante IA permite reducir semanas de trabajo analítico humano a un informe automatizado con los hallazgos relevantes: detección de bases militares, identificación de vehículos, conteo de aeronaves, reconocimiento de movimientos inusuales y comparación con registros históricos.

Este cambio de escala tiene una consecuencia doctrinal significativa. La inteligencia militar tradicional operaba bajo una lógica de escasez de información, donde el desafío central consistía en obtener datos sobre el adversario. La inteligencia militar asistida por IA opera bajo una lógica de abundancia de información, donde el desafío central se desplaza hacia la capacidad de filtrar, priorizar y sintetizar un volumen de datos que excede ampliamente la capacidad de procesamiento humano. Esta inversión del problema exige, a su vez, una revisión de la formación y el rol del analista de inteligencia, que pasa de recolector primario de información a supervisor y validador de análisis generados algorítmicamente.

3.2 Fusión de información

Un modelo de frontera integra fuentes heterogéneas (satélites, radares, drones, buques, aeronaves, personal en terreno, interceptaciones de radio, redes sociales, cámaras) y construye una representación unificada del campo de batalla, orientada a responder sobre la ubicación del adversario, sus intenciones y su probable siguiente movimiento.

La fusión de información multiorigen constituye uno de los mayores desafíos técnicos históricos de la doctrina de mando y control, dado que cada fuente presenta formatos, niveles de confiabilidad y latencias distintas. La capacidad de un modelo de frontera de integrar estas fuentes de manera coherente y en tiempo casi real reduce lo que la doctrina militar denomina niebla de guerra, es decir, la incertidumbre estructural sobre la situación del campo de batalla que históricamente condicionó la toma de decisiones militares.

3.3 Planificación táctica

El modelo permite simular miles de escenarios de manera simultánea y evaluar la probabilidad de éxito de distintas variantes operativas en pocos segundos. La decisión final permanece en manos del comandante, con un análisis considerablemente más amplio que el que produciría un estado mayor humano en el mismo tiempo.

La simulación algorítmica de escenarios tácticos amplía el espacio de opciones que un comandante puede evaluar antes de comprometer recursos. Un estado mayor humano trabaja habitualmente sobre un número reducido de variantes analizadas en profundidad, mientras que un sistema algorítmico puede recorrer un espacio de posibilidades mucho más amplio, a costa de una menor profundidad interpretativa en cada escenario individual. La combinación de ambas capacidades, amplitud algorítmica y profundidad de juicio humano, define el modelo de planificación híbrida que gran parte de las doctrinas militares contemporáneas buscan institucionalizar.

3.4 Coordinación de sistemas autónomos

Un enjambre de varios cientos de drones requiere, sin asistencia algorítmica, control individual o reglas simples de operación. Con un modelo de frontera, el enjambre opera como un sistema coordinado capaz de repartir objetivos, evitar colisiones, redistribuir tareas cuando una unidad es neutralizada y adaptarse a cambios del terreno.

La coordinación de enjambres introduce una lógica operativa distinta a la de las plataformas individuales que dominaron el siglo XX. El valor militar de un enjambre no reside en la capacidad de cada unidad individual, generalmente modesta, sino en la inteligencia colectiva del sistema. Esta característica desplaza parte de la ventaja competitiva desde el diseño de plataformas físicas hacia el diseño del software de coordinación, y explica el interés creciente de las fuerzas armadas en sistemas de bajo costo unitario combinados con algoritmos de coordinación de alta sofisticación.

3.5 Guerra electrónica

El análisis de millones de señales electromagnéticas permite detectar radares enemigos, identificar frecuencias de comunicación, localizar emisores, recomendar interferencias y sugerir rutas seguras para aeronaves y drones.

El espectro electromagnético constituye un dominio de combate en sí mismo, junto a los dominios terrestre, naval, aéreo, espacial y cibernético reconocidos por la doctrina militar contemporánea. La capacidad de un modelo de frontera de procesar el espectro en tiempo real y de adaptar contramedidas de manera dinámica introduce una ventaja decisiva en escenarios donde la superioridad electromagnética condiciona la efectividad del resto de las capacidades militares, incluida la comunicación entre unidades y la guía de sistemas de precisión.

3.6 Ciberdefensa y ciberataque

El modelo detecta patrones anómalos en una red, identifica intentos de intrusión, analiza malware y sugiere correcciones, con capacidad de automatizar parte de la respuesta ante un ataque. En el plano ofensivo, acelera el análisis de vulnerabilidades, con el uso concreto sujeto a decisiones humanas y reglas de empleo definidas por cada fuerza.

El dominio cibernético presenta una característica distintiva respecto de los dominios físicos de combate: la velocidad de ataque y defensa se mide en fracciones de segundo, y la ventana de tiempo disponible para una respuesta humana efectiva resulta, en numerosos escenarios, insuficiente. Esta característica convierte a la ciberdefensa en uno de los dominios donde la automatización algorítmica de la respuesta avanza con mayor rapidez, y donde la delegación de decisiones en sistemas autónomos genera algunos de los debates doctrinales más intensos dentro de las fuerzas armadas.

3.7 Logística

La optimización algorítmica de combustible, municiones, alimentos, mantenimiento, rutas de suministro y evacuación médica sostiene la capacidad de combate en el tiempo. Un ejército con logística optimizada conserva capacidad operativa durante períodos más prolongados.

La historia militar demuestra de manera reiterada que la capacidad logística condiciona el desenlace de los conflictos con la misma relevancia que la capacidad de combate directa. La aplicación de modelos de frontera a la planificación logística permite anticipar cuellos de botella de suministro, optimizar rutas bajo condiciones cambiantes de riesgo y coordinar la evacuación médica con mayor eficiencia, funciones que tradicionalmente dependieron de la experiencia acumulada de oficiales de logística y que ahora se complementan con análisis predictivo de alta escala.

3.8 Apoyo a la decisión estratégica

El modelo sintetiza información y genera escenarios que asisten a los dirigentes militares en preguntas sobre consecuencias de un ataque, rutas de menor riesgo, priorización de recursos y probabilidad de ofensivas enemigas en distintas regiones.

Este nivel de aplicación introduce la pregunta doctrinal más sensible de todo el dominio: el grado de autonomía que corresponde delegar en sistemas algorítmicos en decisiones que involucran el uso de la fuerza. La mayoría de las doctrinas militares actuales sostienen el principio de mantener control humano significativo sobre decisiones letales, aunque la presión competitiva descripta en el capítulo 1 genera incentivos estructurales hacia una automatización creciente de ese proceso, lo cual constituye el núcleo del debate ético y jurídico contemporáneo sobre sistemas de armas autónomas (desarrollado en profundidad en el Anexo IV).

3.9 Síntesis de ventajas por área

Área	Ventaja del modelo de frontera
Inteligencia	Detección temprana de amenazas
Vigilancia	Análisis automatizado de grandes volúmenes de imágenes
Comando	Asistencia en decisiones complejas
Logística	Optimización de recursos y suministros
Sistemas autónomos	Coordinación de enjambres de drones
Ciberseguridad	Detección y respuesta acelerada
Guerra electrónica	Análisis de señales en tiempo real
Planificación	Simulación de miles de escenarios

 

Capítulo 4. Riesgos y desafíos de la incorporación militar de modelos de frontera

4.1 Decisiones a velocidades no humanas

Un sistema de IA identifica una amenaza y recomienda una respuesta en milisegundos. La automatización simétrica de este proceso entre bandos enfrentados incrementa el riesgo de escaladas accidentales.

Este riesgo adquiere una dimensión histórica relevante cuando se compara con episodios documentados durante la Guerra Fría, en los cuales sistemas de alerta temprana generaron falsas alarmas de ataque nuclear que fueron contenidas gracias a la intervención de juicio humano. La automatización algorítmica de esa misma función, sin un margen equivalente de intervención humana, reduce el margen de corrección disponible ante errores de interpretación del sistema.

4.2 Compresión del tiempo de reacción

La asimetría entre un país con tiempo de respuesta de diez segundos y otro con tiempo de respuesta de medio segundo genera presión estructural hacia una automatización creciente del proceso decisional.

Esta dinámica configura lo que la literatura de seguridad internacional denomina dilema de la estabilidad estratégica. La reducción del tiempo de reacción disponible presiona a los actores hacia posturas de alerta más automatizadas, lo cual reduce, en simultáneo, el margen para la diplomacia y la desescalada en momentos de crisis, un efecto estructural que se repite con distintas tecnologías a lo largo de la historia militar y que la inteligencia artificial intensifica de manera particular.

4.3 Sistemas de armas autónomas

Los sistemas con capacidad de seleccionar y atacar objetivos con intervención humana reducida plantean desafíos éticos y jurídicos de magnitud considerable, vinculados a la responsabilidad sobre el uso de la fuerza.

El debate internacional sobre estos sistemas se organiza en torno a tres posiciones principales: la prohibición completa de sistemas de armas letales autónomas, la exigencia de control humano significativo en toda decisión de uso de la fuerza, y la regulación flexible orientada a establecer estándares técnicos sin restricciones categóricas. Ninguna de estas posiciones logró, hasta el momento, consenso vinculante a nivel de Naciones Unidas, lo cual mantiene este dominio en un vacío normativo que numerosos organismos internacionales señalan como una de las principales amenazas a la estabilidad estratégica global.

4.4 Automatización de ciberataques

La IA acelera el descubrimiento de vulnerabilidades, la generación de malware y la adaptación de ataques respecto de los métodos tradicionales de desarrollo manual.

La automatización de esta capacidad reduce, además, la barrera de entrada para actores con recursos técnicos limitados, lo cual amplía el número de actores capaces de ejecutar operaciones cibernéticas de sofisticación considerable, incluidos actores no estatales y grupos criminales con vínculos ambiguos con estados patrocinadores.

4.5 Concentración tecnológica

El liderazgo militar depende crecientemente de un grupo reducido de empresas con capacidad de desarrollar modelos de frontera, fabricar chips avanzados o proveer infraestructura de cómputo a gran escala, lo cual genera dependencias estratégicas entre estados y actores privados.

Esta concentración introduce una tensión estructural entre la lógica comercial de las empresas desarrolladoras, orientada a la maximización de valor y al acceso amplio a mercados globales, y la lógica de seguridad nacional de los estados, orientada a restringir el acceso de competidores estratégicos. La resolución de esa tensión define en gran medida el marco regulatorio que cada país adopta respecto de sus propias empresas tecnológicas de frontera.

 

Capítulo 5. Implicancias para la doctrina militar y la gobernanza internacional

La incorporación de modelos de frontera al dominio militar exige una revisión de tres niveles de la doctrina tradicional.

En el nivel operativo, las fuerzas armadas enfrentan el desafío de integrar sistemas algorítmicos en estructuras de mando diseñadas originalmente para procesos de decisión exclusivamente humanos, lo cual exige nueva formación de personal, nuevos protocolos de verificación y nuevos mecanismos de responsabilidad ante errores del sistema.

En el nivel estratégico, la velocidad de la competencia algorítmica reduce el margen de tiempo disponible para negociaciones de control de armamentos comparables a las alcanzadas durante la Guerra Fría en materia nuclear, dado que la naturaleza del software dificulta la verificación externa de capacidades y limita, por lo tanto, la aplicabilidad de mecanismos tradicionales de inspección y transparencia.

En el nivel normativo internacional, la ausencia de consenso sobre el grado de autonomía admisible en sistemas de armas y sobre los límites de la competencia algorítmica entre potencias configura un vacío regulatorio que distintos organismos internacionales identifican como uno de los principales riesgos de estabilidad estratégica de la década en curso.

 

Capítulo 6. Comparación histórica de recursos estratégicos

La superioridad militar del siglo XX se apoyó principalmente en la cantidad de armamento disponible. La superioridad militar del siglo XXI se apoya crecientemente en la calidad del procesamiento de información. Los modelos de frontera constituyen el componente central de esa capacidad, en tanto convierten volúmenes masivos de datos en análisis, predicciones y recomendaciones que aceleran el ciclo militar de observar, comprender, decidir y actuar.

Siglo	Recurso estratégico dominante
XIX	Acero, carbón y ferrocarriles
XX	Petróleo, energía nuclear y misiles
XXI	Datos, algoritmos, chips, capacidad de cómputo e inteligencia artificial

 

Un ejército que recorre ese ciclo con mayor velocidad y precisión obtiene una ventaja operativa significativa, incluso en condiciones de paridad relativa en plataformas y armamento convencional.

El riesgo estructural de esta dinámica radica en que el ritmo de avance tecnológico supere la capacidad de las normas internacionales para regularlo, con el consecuente incremento de la probabilidad de errores, accidentes o una espiral de innovación de contención cada vez más difícil. La experiencia histórica de la carrera nuclear demuestra que la estabilidad estratégica exige, además de capacidad tecnológica, marcos de comunicación, verificación y confianza entre potencias rivales. La construcción de marcos equivalentes para la competencia algorítmica constituye, en consecuencia, uno de los principales desafíos de gobernanza internacional de la década en curso.

Anexo I: Evolución de las Guerras desde la Primera Guerra Mundial hasta los Modelos de IA de Frontera

Este anexo desarrolla la evolución histórica de los recursos estratégicos y las capacidades militares dominantes a lo largo de un siglo, desde la Primera Guerra Mundial hasta la etapa actual de competencia algorítmica. El recorrido permite ubicar la aparición de los modelos de inteligencia artificial de frontera dentro de una secuencia más amplia de transformaciones tecnológicas que redefinieron, en cada época, la naturaleza del poder militar.

1. Primera Guerra Mundial (1914-1918): la industrialización de la guerra

El conflicto marca el ingreso definitivo de la producción industrial masiva al campo de batalla. La ametralladora, la artillería de largo alcance, el gas químico y los primeros tanques transforman la guerra en un fenómeno de desgaste sostenido por la capacidad productiva de cada nación.

La trinchera se convierte en el símbolo del período y expone el desfase entre tácticas ofensivas heredadas del siglo XIX y capacidad defensiva potenciada por la tecnología industrial. El poder militar depende en esta etapa de la capacidad de un estado de movilizar su industria y su población hacia el esfuerzo bélico.

2. Segunda Guerra Mundial (1939-1945): mecanización, aviación y el salto nuclear

La guerra incorpora la mecanización a gran escala de las fuerzas terrestres, el desarrollo de la aviación como arma decisiva y la aparición de la radio y el radar como herramientas de detección y coordinación. El período cierra con el desarrollo de la bomba atómica, que introduce por primera vez un arma capaz de decidir un conflicto en un único evento.

La criptografía adquiere relevancia estratégica de primer orden con el descifrado de comunicaciones enemigas, un antecedente directo de la importancia que el procesamiento de información alcanza en los conflictos posteriores. El recurso estratégico dominante pasa a ser la combinación de capacidad industrial, dominio aéreo y acceso a tecnología nuclear.

3. Guerra Fría (1947-1991): disuasión nuclear y carrera espacial

El período se organiza en torno a la disuasión nuclear entre las dos superpotencias, sostenida en arsenales de misiles balísticos intercontinentales y en la doctrina de destrucción mutua asegurada. La competencia se extiende al espacio con el desarrollo de satélites y programas espaciales, y al terreno de la inteligencia con el despliegue de redes de espionaje de escala global.

El recurso estratégico central deja de ser exclusivamente la cantidad de tropas o armamento convencional y pasa a integrar la capacidad tecnológica de vigilancia, la precisión de los sistemas de lanzamiento y la infraestructura de comando y control capaz de sostener una respuesta nuclear coordinada.

4. Guerras regionales de la segunda mitad del siglo XX (Corea, Vietnam, conflictos de descolonización)

Estos conflictos introducen la asimetría como variable central del análisis militar. Potencias con superioridad tecnológica convencional enfrentan dificultades sostenidas frente a fuerzas irregulares que emplean tácticas de guerrilla, conocimiento del terreno y apoyo poblacional local.

La lección doctrinal que se consolida en este período establece que la superioridad tecnológica no garantiza por sí sola el éxito militar, un principio que reaparece con matices distintos en el debate actual sobre inteligencia artificial aplicada a conflictos asimétricos.

5. Guerra del Golfo (1991): la guerra de precisión

El conflicto marca la consolidación de las armas de precisión guiadas y de los sistemas de posicionamiento satelital aplicados al combate. La televisión transmite en tiempo casi real el uso de misiles guiados con cámara, y el mundo asiste por primera vez a una demostración pública de la superioridad que otorga la combinación de sensores, guiado de precisión y superioridad aérea absoluta.

Este conflicto funciona como antecedente conceptual directo de la lógica descripta en el cuerpo de la tesis: la ventaja ya no depende únicamente de la cantidad de plataformas, sino de la precisión con la que cada plataforma alcanza su objetivo.

6. Guerras posteriores al 11 de septiembre de 2001: drones y guerra irregular

Los conflictos en Afganistán e Irak consolidan el uso operativo de drones armados y de vigilancia, junto con el desarrollo de sistemas de inteligencia, vigilancia y reconocimiento integrados. La guerra irregular contra actores no estatales exige nuevas doctrinas de contrainsurgencia y una integración creciente entre inteligencia humana e inteligencia técnica.

El dron consolida su lugar como plataforma central de la guerra contemporánea, y su evolución posterior hacia sistemas coordinados en enjambre constituye el puente técnico directo hacia la etapa algorítmica descripta en el cuerpo de esta tesis.

7. Guerra híbrida y ciberguerra (2010 en adelante)

La década incorpora el dominio cibernético como campo de batalla reconocido, con episodios de sabotaje mediante software malicioso contra infraestructura crítica y campañas sostenidas de desinformación como herramienta de conflicto. El concepto de guerra híbrida describe la combinación simultánea de operaciones militares convencionales, operaciones cibernéticas, presión económica y campañas de información.

Esta etapa anticipa de manera directa la centralidad que los datos y el procesamiento de información alcanzan en la doctrina militar actual, y constituye el antecedente inmediato de la incorporación de la inteligencia artificial como capacidad militar estructural.

8. Conflictos recientes con integración algorítmica (2020 en adelante)

Los conflictos más recientes incorporan de manera creciente sistemas de inteligencia artificial para el análisis de imágenes satelitales, la coordinación de drones de bajo costo en operaciones masivas y el procesamiento acelerado de inteligencia de señales. La guerra en Ucrania, en particular, funciona como campo de prueba a gran escala de tecnologías de identificación de objetivos asistida por algoritmos y de coordinación de sistemas no tripulados de bajo costo producidos en masa.

Esta etapa consolida el tránsito descripto en el cuerpo de la tesis: el software de coordinación y análisis adquiere un peso estratégico comparable, y en determinados escenarios superior, al de la plataforma física que ese software controla.

9. Etapa de los modelos de IA de frontera (2023 en adelante)

La incorporación de modelos de inteligencia artificial de frontera representa la culminación del proceso descripto a lo largo del anexo. El procesamiento de información, que fue ganando peso estratégico de manera progresiva desde la criptografía de la Segunda Guerra Mundial hasta la guerra de precisión de los años noventa, se convierte en el eje central de la ventaja militar. La capacidad de análisis, predicción y coordinación autónoma que ofrecen estos modelos integra, en un único sistema, funciones que hasta el período anterior permanecían distribuidas entre distintas capacidades militares específicas.

Tabla integrativa de hitos históricos

Período	Conflicto o etapa	Recurso estratégico dominante	Capacidad militar emergente
1914-1918	Primera Guerra Mundial	Capacidad industrial y movilización masiva	Artillería, ametralladora, gas químico, tanques
1939-1945	Segunda Guerra Mundial	Industria, aviación y tecnología nuclear	Mecanización, radar, criptografía, arma atómica
1947-1991	Guerra Fría	Disuasión nuclear y tecnología espacial	Misiles balísticos, satélites, inteligencia de señales
1950-1975	Corea, Vietnam, descolonización	Sostenimiento político y conocimiento del terreno	Guerra asimétrica y de guerrillas
1991	Guerra del Golfo	Precisión y superioridad aérea	Armas guiadas, posicionamiento satelital
2001-2011	Afganistán e Irak	Vigilancia persistente e inteligencia integrada	Drones armados, contrainsurgencia
2010-2020	Guerra híbrida y ciberguerra	Control de infraestructura e información	Sabotaje cibernético, desinformación
2022 en adelante	Conflictos con integración algorítmica	Coordinación de sistemas de bajo costo a escala	Enjambres de drones, identificación asistida por IA
2023 en adelante	Modelos de IA de frontera	Datos, algoritmos, chips y capacidad de cómputo	Fusión de inteligencia, planificación y decisión asistida

 

Síntesis del anexo

El recorrido histórico muestra una tendencia sostenida a lo largo de un siglo: el recurso estratégico que define la ventaja militar se desplaza progresivamente desde la capacidad industrial y la cantidad de armamento hacia la calidad del procesamiento de información. Cada etapa incorpora una capa adicional de tecnología de información sobre la etapa anterior, desde la criptografía y el radar hasta la ciberguerra y la inteligencia artificial de frontera, sin que ninguna capa reemplace por completo a la precedente. La etapa actual integra en un único sistema algorítmico funciones que hasta hace pocas décadas permanecían distribuidas entre distintas capacidades militares específicas.

Anexo II: La Cuestión Bélica Moderna en la Era de los Modelos de Frontera

Este anexo desarrolla ocho dimensiones de la guerra contemporánea que amplían y profundizan el argumento central de la tesis. Cada bloque se conecta directamente con los riesgos y capacidades descriptos en los capítulos previos, y aporta el nivel de especificidad doctrinal, jurídica y técnica que la cuestión bélica moderna exige.

1. Mando y control multidominio

La doctrina militar contemporánea organiza la conducción de las operaciones alrededor de cinco dominios reconocidos: terrestre, naval, aéreo, espacial y cibernético. El concepto de mando y control multidominio (multi-domain command and control) describe la capacidad de integrar información y decisiones a través de estos cinco dominios de manera simultánea, en lugar de gestionarlos como compartimentos separados según la práctica tradicional de cada fuerza.

Los modelos de frontera cumplen un rol estructural en esta integración. La cantidad de datos que produce cada dominio por separado (imágenes satelitales, tráfico de radio, sensores navales, telemetría de drones, tráfico de red) supera ampliamente la capacidad de un centro de mando organizado según la lógica sectorial del siglo XX. La función de un modelo de frontera consiste en construir una representación unificada de la situación operativa que permita a un comandante conducir simultáneamente acciones en los cinco dominios con un único cuadro de situación coherente.

Esta integración plantea, en simultáneo, un desafío de arquitectura de sistemas. Cada dominio genera datos en formatos, protocolos y niveles de clasificación distintos, y la interoperabilidad entre las plataformas de cada fuerza constituye uno de los principales obstáculos técnicos para lograr un mando y control multidominio efectivo. La ventaja competitiva no reside únicamente en poseer el mejor modelo algorítmico, sino en la capacidad de conectar ese modelo con la totalidad de los sistemas heredados de cada fuerza armada.

2. Guerra espacial y constelaciones satelitales

La infraestructura satelital constituye una capa crítica de la guerra moderna, en tanto sostiene comunicaciones, navegación de precisión, alerta temprana y reconocimiento de imágenes. La incorporación de constelaciones comerciales de satélites en órbita baja introduce una transformación relevante en este dominio.

A diferencia de los sistemas satelitales militares tradicionales, concentrados en un número reducido de satélites de gran tamaño y alto costo, las constelaciones comerciales operan miles de satélites pequeños distribuidos en red. Esta arquitectura otorga resiliencia frente a ataques, dado que la destrucción de una unidad individual no compromete la capacidad general de la red, a diferencia de un satélite militar único cuya pérdida elimina una capacidad completa.

Los conflictos recientes demostraron el valor operativo de estas constelaciones para sostener comunicaciones militares en escenarios donde la infraestructura terrestre resulta destruida o interferida. Esta dependencia introduce una variable nueva en la ecuación estratégica: buena parte de la infraestructura espacial que sostiene operaciones militares pertenece a empresas privadas, lo cual traslada decisiones de relevancia militar directa a actores que no responden a la cadena de mando estatal tradicional.

El procesamiento algorítmico de las imágenes que producen estas constelaciones, aplicado en tiempo casi real mediante modelos de frontera, constituye además una de las aplicaciones de inteligencia militar de mayor crecimiento en la actualidad, en tanto multiplica exponencialmente el volumen de información disponible sobre el terreno de operaciones.

3. Guerra cognitiva y desinformación generativa

La guerra cognitiva describe el conjunto de operaciones orientadas a influir sobre la percepción, las creencias y la voluntad de decisión de una población o un liderazgo adversario, en lugar de actuar directamente sobre su capacidad militar física. Este dominio existe desde hace décadas bajo la forma de propaganda y operaciones psicológicas, y adquiere una escala inédita con la capacidad de generación de contenido sintético que ofrecen los modelos de frontera.

La generación automatizada de texto, imagen, audio y video con niveles de realismo elevados permite producir material de desinformación a una escala y velocidad imposibles mediante métodos tradicionales. Un modelo de frontera puede generar miles de variantes de un mismo mensaje adaptadas a distintos públicos, idiomas y plataformas, y sostener esa producción de manera continua durante el desarrollo de un conflicto.

Esta capacidad introduce tres riesgos específicos. El primero es la dificultad creciente de distinguir contenido auténtico de contenido sintético, lo cual erosiona la confianza pública en fuentes de información durante momentos de crisis. El segundo es el uso de audio y video sintéticos que imitan la voz e imagen de figuras de autoridad, con potencial de generar decisiones erróneas basadas en comunicaciones falsas atribuidas a mandos legítimos. El tercero es la posibilidad de sostener campañas de influencia dirigidas de manera personalizada a segmentos específicos de población, una capacidad que multiplica la efectividad de la propaganda tradicional mediante el mismo principio de personalización algorítmica que emplea la publicidad digital comercial.

La guerra cognitiva se distingue de la ciberguerra tradicional en que no ataca la infraestructura técnica de un adversario, sino directamente los procesos de percepción y decisión de personas, lo cual la ubica en un espacio de difícil regulación jurídica dado que buena parte de esta actividad ocurre en plataformas civiles de comunicación.

4. Comando y control nuclear

La integración de sistemas de inteligencia artificial en la cadena de mando nuclear constituye el punto de mayor sensibilidad estratégica dentro de la cuestión bélica moderna. Las doctrinas nucleares de las principales potencias mantienen, hasta el momento, el principio de control humano exclusivo sobre la decisión de emplear armamento nuclear.

La presión competitiva descripta en el capítulo 1 genera, sin embargo, incentivos hacia la incorporación de sistemas algorítmicos en funciones de apoyo dentro de esa cadena de mando: análisis de alerta temprana, evaluación de la credibilidad de una señal de ataque, y generación de recomendaciones de respuesta. La diferencia entre un sistema que asiste la decisión y un sistema que decide constituye la línea doctrinal que separa un uso considerado aceptable de un uso considerado inadmisible por la mayoría de los marcos de seguridad nuclear vigentes.

El riesgo central de esta integración se vincula con episodios históricos documentados de falsas alarmas durante la Guerra Fría, en los cuales sistemas de detección generaron señales erróneas de ataque nuclear inminente que fueron contenidas gracias a la evaluación de oficiales humanos que decidieron no escalar la respuesta pese a la indicación del sistema. Un sistema algorítmico que participe de esa evaluación con mayor peso en la decisión reduce el margen equivalente de corrección humana ante un error de interpretación, en un dominio donde el costo de un error resulta catastrófico e irreversible.

Por este motivo, buena parte de los marcos internacionales de control de armamento nuclear que se discuten actualmente incorporan de manera explícita la exigencia de mantener control humano exclusivo sobre cualquier decisión vinculada al empleo de armamento nuclear, independientemente del nivel de sofisticación que alcancen los sistemas de apoyo a la decisión.

5. Casos de estudio de conflictos recientes

La incorporación empírica de casos documentados fortalece el argumento central de la tesis mediante evidencia concreta de aplicación operativa.

Identificación de objetivos asistida por algoritmos. Distintas fuerzas armadas incorporaron sistemas de procesamiento de imágenes e inteligencia de señales orientados a acelerar el proceso de identificación y priorización de objetivos militares, reduciendo un proceso que tradicionalmente insumía horas o días a un procedimiento de minutos. Estos sistemas generan, además, un debate específico sobre el nivel de verificación humana que corresponde exigir antes de autorizar un ataque basado en una recomendación algorítmica.

Enjambres de drones de bajo costo. El conflicto en Ucrania consolidó el empleo masivo de drones de producción económica, coordinados mediante software de bajo nivel de sofisticación en las primeras etapas del conflicto y con niveles crecientes de autonomía y coordinación algorítmica en etapas posteriores. Este caso confirma el principio doctrinal desarrollado en el cuerpo de la tesis: la ventaja no depende del costo o la sofisticación de cada plataforma individual, sino de la calidad del software que coordina el conjunto.

Guerra electrónica adaptativa en Medio Oriente y Europa del Este. Distintos actores desplegaron sistemas de interferencia electrónica capaces de adaptar sus contramedidas en tiempo real frente a nuevas frecuencias de comunicación empleadas por drones adversarios, generando una dinámica de acción y reacción algorítmica que se resuelve en cuestión de días o semanas, en contraste con los ciclos de meses o años que caracterizaban a la guerra electrónica de generaciones anteriores.

6. Marco jurídico internacional

El derecho internacional humanitario establece tres principios centrales que rigen la conducción de hostilidades: distinción, proporcionalidad y precaución. La aplicación de estos principios a sistemas de armas autónomas genera un debate jurídico específico que la tesis no puede omitir.

El principio de distinción exige diferenciar entre combatientes y población civil. Un sistema autónomo que selecciona objetivos mediante reconocimiento de imágenes enfrenta el desafío de replicar ese juicio en escenarios de alta ambigüedad visual, donde la diferencia entre un combatiente armado y un civil puede depender de contexto situacional difícil de codificar en un sistema algorítmico.

El principio de proporcionalidad exige que el daño incidental a población civil no resulte excesivo en relación con la ventaja militar concreta y directa que se busca obtener. Esta evaluación requiere un juicio de valor comparativo que la mayoría de los marcos jurídicos actuales consideran no delegable a un sistema automatizado sin supervisión humana significativa.

El principio de precaución exige adoptar todas las medidas factibles para evitar o minimizar el daño incidental. La velocidad de decisión de un sistema autónomo puede entrar en tensión directa con este principio, en tanto la precaución tradicionalmente exige tiempo de verificación que la lógica de ventaja competitiva presiona a reducir.

La Convención sobre Ciertas Armas Convencionales de Naciones Unidas mantiene, desde hace más de una década, un grupo de expertos gubernamentales dedicado específicamente a sistemas de armas autónomas letales, sin haber alcanzado hasta el momento un instrumento jurídico vinculante. Las posiciones de los estados miembros se distribuyen entre quienes proponen una prohibición preventiva completa, quienes proponen exigir control humano significativo como estándar obligatorio, y quienes proponen limitar la regulación a principios generales sin restricciones categóricas sobre tipos específicos de sistemas.

7. Dinámica de alianzas militares

La competencia algorítmica introduce tensiones específicas en el funcionamiento de alianzas militares tradicionales, particularmente en la Organización del Tratado del Atlántico Norte.

La interoperabilidad entre fuerzas aliadas requiere estándares técnicos comunes que permitan a los sistemas de un país operar de manera coordinada con los sistemas de otro. La incorporación de modelos de inteligencia artificial de distinto origen, entrenados sobre conjuntos de datos distintos y con arquitecturas propietarias diferentes, complica esta interoperabilidad de manera considerablemente mayor a la que generaba la estandarización de hardware militar convencional.

Adicionalmente, compartir tecnología de frontera con socios estratégicos implica un riesgo de proliferación que cada potencia evalúa de manera cuidadosa. Un modelo algorítmico, a diferencia de una plataforma física, puede replicarse y transferirse con mayor facilidad, lo cual genera reticencia entre los países que lideran el desarrollo de estas capacidades a la hora de compartirlas plenamente incluso con aliados formales, y produce una dinámica de cooperación limitada o escalonada según el nivel de confianza y el riesgo de filtración hacia terceros países.

Esta dinámica introduce, en consecuencia, una jerarquía interna dentro de las alianzas militares, donde el país que controla la tecnología de frontera retiene una ventaja de negociación estructural sobre sus propios socios, incluso en el marco de una alianza formalmente basada en principios de cooperación igualitaria.

8. Vulnerabilidades específicas de los sistemas de IA militar

Los sistemas de inteligencia artificial aplicados al dominio militar presentan vulnerabilidades técnicas propias que no tienen equivalente directo en sistemas de armamento convencional.

Envenenamiento de datos de entrenamiento. Un actor adversario puede intentar introducir datos manipulados en el proceso de entrenamiento o actualización de un modelo, con el objetivo de inducir errores de clasificación específicos en el momento operativo. Esta vulnerabilidad exige protocolos de seguridad sobre la cadena completa de obtención y curación de datos, un dominio de seguridad distinto y adicional a la ciberseguridad tradicional de redes e infraestructura.

Manipulación adversarial de sensores. Determinadas modificaciones, en apariencia menores, sobre un objeto físico o una señal captada por un sensor pueden inducir a un sistema de reconocimiento de imágenes a una clasificación errónea, sin que esa modificación resulte perceptible para un observador humano. Esta vulnerabilidad, documentada extensamente en investigación de seguridad de sistemas de IA civiles, adquiere una dimensión crítica cuando el sistema afectado participa en la identificación de objetivos militares.

Fragilidad ante condiciones distintas de las de entrenamiento. Un modelo entrenado sobre determinado conjunto de escenarios, condiciones climáticas o características del terreno puede degradar significativamente su desempeño cuando opera en condiciones que difieren de las condiciones de entrenamiento. Esta fragilidad resulta particularmente relevante en el dominio militar, donde el adversario tiene incentivo directo para generar condiciones inusuales que exploten esa debilidad, a diferencia de aplicaciones civiles donde las condiciones de uso tienden a mantenerse dentro de rangos más predecibles.

Estas tres vulnerabilidades configuran un dominio de seguridad específico, denominado en la literatura técnica como seguridad de sistemas de aprendizaje automático (machine learning security), que las fuerzas armadas que incorporan modelos de frontera deben desarrollar como capacidad institucional propia, con independencia de la seguridad cibernética tradicional orientada a proteger redes e infraestructura.

Tabla integrativa de la cuestión bélica moderna

Dimensión	Capacidad o riesgo central	Estado del debate o desarrollo actual
Mando y control multidominio	Integración de datos de los cinco dominios en un cuadro de situación único	Desafío de interoperabilidad entre plataformas heredadas y nuevos sistemas algorítmicos
Guerra espacial	Constelaciones satelitales comerciales de baja órbita	Dependencia militar creciente de infraestructura privada
Guerra cognitiva	Generación de contenido sintético para operaciones de influencia	Erosión de la distinción entre información auténtica y sintética
Comando y control nuclear	Integración de IA en funciones de apoyo a la alerta temprana	Consenso internacional sobre mantener control humano exclusivo en la decisión final
Casos de estudio recientes	Identificación de objetivos, enjambres de drones, guerra electrónica adaptativa	Evidencia empírica de la ventaja del software de coordinación sobre la plataforma física
Marco jurídico internacional	Principios de distinción, proporcionalidad y precaución	Sin instrumento vinculante en la Convención sobre Ciertas Armas Convencionales
Alianzas militares	Interoperabilidad y proliferación tecnológica entre aliados	Cooperación limitada por riesgo de filtración hacia terceros
Vulnerabilidades técnicas de IA militar	Envenenamiento de datos, manipulación adversarial, fragilidad ante condiciones nuevas	Dominio de seguridad emergente, distinto de la ciberseguridad tradicional

 

Síntesis del anexo

Los ocho bloques desarrollados completan la dimensión operativa, jurídica y doctrinal de la cuestión bélica moderna que el cuerpo principal de la tesis y el Anexo I dejaban planteada de manera general. En conjunto, confirman que la incorporación de modelos de frontera al dominio militar no constituye una transformación aislada de capacidades tácticas, sino una reconfiguración simultánea de la doctrina de mando, el derecho internacional, las alianzas estratégicas y la propia arquitectura de seguridad técnica que sostiene el uso responsable de estos sistemas.

Anexo III: El Daño Colateral de la Integración de Modelos de Frontera al Escenario Militar

El concepto de daño colateral se empleó tradicionalmente para describir el impacto no intencionado de una acción militar puntual sobre población o infraestructura civil. La incorporación de modelos de inteligencia artificial de frontera al dominio militar exige ampliar ese concepto más allá del evento puntual, en tanto genera consecuencias estructurales y sistémicas que exceden el daño físico directo de un ataque. Este anexo desarrolla esas consecuencias en cinco planos: el daño colateral operativo, el institucional, el social, el geopolítico y el que afecta al propio desarrollo civil de la inteligencia artificial.

1. Daño colateral operativo: el error a escala

El daño colateral tradicional resulta de una decisión errónea puntual, generalmente atribuible a información incompleta o a una falla de juicio en un momento específico. La automatización algorítmica de la identificación de objetivos introduce una categoría de error distinta: el error sistemático, replicado a la misma velocidad y escala con la que opera el sistema.

Un sesgo o una falla de clasificación en un modelo que procesa miles de decisiones por hora no produce un error aislado, sino un patrón de error que se repite de manera consistente hasta que alguien lo detecta y corrige. Esta característica invierte la lógica tradicional del daño colateral, donde cada evento se evalúa de manera individual. En un sistema algorítmico, la unidad relevante de análisis deja de ser el evento y pasa a ser el patrón, con la dificultad adicional de que un patrón sistemático de error puede pasar inadvertido durante un período prolongado si el sistema no cuenta con mecanismos robustos de auditoría en tiempo real.

La presión competitiva descripta en el capítulo 1 actúa directamente sobre este riesgo. La ventaja que otorga reducir el tiempo entre detección y respuesta genera un incentivo estructural para reducir también las instancias de verificación humana, precisamente las instancias que permiten detectar un patrón de error antes de que se repita a gran escala.

2. Daño colateral institucional: la erosión de la responsabilidad

La atribución de responsabilidad constituye un pilar del derecho de los conflictos armados. Cuando una decisión de ataque involucra una recomendación algorítmica, un comandante que autoriza y un sistema que procesó la información previa, la cadena de responsabilidad se fragmenta entre actores humanos y no humanos de manera que el marco jurídico existente no resuelve con claridad.

Esta fragmentación genera lo que la literatura de ética militar denomina brecha de responsabilidad (accountability gap). Un desarrollador de software no participó de la decisión operativa concreta. Un comandante que actuó sobre una recomendación algorítmica puede alegar que confió en un sistema validado institucionalmente. El propio sistema no constituye un sujeto susceptible de responsabilidad jurídica o moral. El resultado es un espacio donde un daño concreto ocurre sin que exista un responsable claramente identificable bajo los marcos jurídicos vigentes, lo cual debilita el efecto disuasivo y correctivo que la atribución de responsabilidad cumple tradicionalmente en el derecho internacional humanitario.

3. Daño colateral social: la desensibilización de la decisión de matar

La distancia física y psicológica entre quien decide el uso de la fuerza y sus consecuencias directas constituye una variable estudiada extensamente en la psicología militar. La incorporación de sistemas algorítmicos que preprocesan, filtran y recomiendan objetivos introduce una capa adicional de mediación entre la decisión humana y su consecuencia.

Cuando la decisión se presenta como la aceptación o el rechazo de una recomendación generada por un sistema validado, el proceso psicológico de la decisión se transforma. Distintos estudios sobre automatización en contextos de alto riesgo documentan un fenómeno conocido como sesgo de automatización, según el cual los operadores humanos tienden a aceptar la recomendación de un sistema automatizado con menor escrutinio crítico que el que aplicarían a una decisión generada enteramente de manera autónoma por su propio juicio. Trasladado al contexto de decisiones letales, este fenómeno introduce un riesgo específico de degradación del umbral de deliberación que tradicionalmente acompaña el uso de la fuerza.

4. Daño colateral geopolítico: la inestabilidad derivada de la opacidad

El daño colateral no se limita al ámbito de un conflicto puntual. La naturaleza opaca de los modelos de frontera, señalada en el capítulo 1, genera un tipo de daño colateral geopolítico anterior a cualquier confrontación directa.

Un país que no puede verificar con certeza la capacidad algorítmica de un rival tiende a sobreestimar esa capacidad por motivos de prudencia estratégica, lo cual alimenta la lógica de escalada descripta en el capítulo 1 de esta tesis. Esta dinámica reproduce, con una variable tecnológica distinta, el mismo mecanismo de incertidumbre que sostuvo buena parte de la carrera armamentística nuclear del siglo XX, con el agravante de que la verificación de capacidades algorítmicas resulta considerablemente más difícil que la verificación de arsenales físicos mediante inspección o satélite.

El daño colateral en este plano no se mide en víctimas de un ataque concreto, sino en la reducción del margen de estabilidad estratégica disponible para prevenir un conflicto, un costo difuso pero acumulativo que afecta al sistema internacional en su conjunto.

5. Daño colateral sobre el desarrollo civil de la inteligencia artificial

La militarización de los modelos de frontera genera, además, un efecto de retroalimentación sobre el desarrollo civil de esta tecnología que constituye una forma adicional de daño colateral, distinta de las anteriores por afectar un dominio ajeno al conflicto armado propiamente dicho.

La orientación de inversión, talento y prioridades de investigación hacia aplicaciones militares desplaza recursos que de otro modo podrían destinarse a aplicaciones civiles de alto valor social, como investigación médica, mitigación del cambio climático o educación. Este desplazamiento no resulta necesariamente total ni exclusivo, dado que buena parte de la investigación tiene aplicación dual, pero introduce una tensión de prioridades que distintos actores de la industria y la academia señalan como un costo social difícil de cuantificar pero relevante en el mediano plazo.

Adicionalmente, la asociación creciente entre empresas desarrolladoras de modelos de frontera y programas militares genera tensiones internas dentro de estas organizaciones, expresadas en renuncias de personal técnico y debates públicos sobre los límites éticos de la aplicación militar de tecnología desarrollada originalmente para fines civiles. Este conflicto interno constituye, en sí mismo, un indicador del nivel de disputa normativa que la militarización de la inteligencia artificial genera incluso dentro de los propios actores que la desarrollan.

 

Tabla integrativa del daño colateral

Plano del daño colateral	Mecanismo central	Consecuencia principal
Operativo	Error sistemático replicado a escala y velocidad algorítmica	Patrones de error difíciles de detectar antes de su repetición masiva
Institucional	Fragmentación de la cadena de responsabilidad entre humanos y sistemas	Brecha de responsabilidad jurídica y moral ante un daño concreto
Social	Sesgo de automatización en la aceptación de recomendaciones algorítmicas	Degradación del umbral de deliberación en decisiones letales
Geopolítico	Opacidad de capacidades algorítmicas entre potencias rivales	Sobreestimación de amenazas y reducción de la estabilidad estratégica
Desarrollo civil de IA	Desplazamiento de recursos e inversión hacia aplicaciones militares	Costo de oportunidad sobre aplicaciones civiles y tensión interna en la industria

 

Síntesis del anexo

El daño colateral derivado de la integración de modelos de frontera al escenario militar excede la definición tradicional centrada en el evento físico puntual. Se trata de un fenómeno distribuido en cinco planos que operan de manera simultánea y se refuerzan entre sí: el error se sistematiza, la responsabilidad se diluye, el umbral de deliberación se erosiona, la estabilidad internacional se debilita por opacidad mutua, y el desarrollo civil de la tecnología queda condicionado por su propia utilidad militar. Este daño colateral ampliado constituye, en consecuencia, uno de los argumentos centrales para sostener que la gobernanza de esta tecnología exige marcos específicos, distintos de los diseñados para armamento convencional o incluso para armamento nuclear, dado que la naturaleza de estos daños no se limita al momento del conflicto sino que opera de manera continua desde la etapa de desarrollo tecnológico.

Anexo IV: Riesgos de la Delegación de Tareas Militares en Sistemas de IA con Autonomía

La delegación de tareas militares en sistemas con distintos grados de autonomía constituye la decisión más consecuente entre todas las descriptas en esta tesis, en tanto determina qué margen de juicio humano permanece activo en el momento decisivo de un conflicto. Este anexo desarrolla los riesgos específicos que emergen cuando la autonomía del sistema se incrementa, organizados según el tipo de riesgo que generan.

1. El espectro de autonomía y su relevancia para el riesgo

Los sistemas militares con inteligencia artificial se ubican en un espectro que va desde la asistencia a la decisión (el sistema recomienda, un humano decide) hasta la autonomía plena (el sistema selecciona y ejecuta sin intervención humana en el momento de la acción). El riesgo no crece de manera lineal a lo largo de este espectro: existe un punto de inflexión, habitualmente identificado con el paso de “humano en el circuito” (human-in-the-loop) a “humano fuera del circuito” (human-out-of-the-loop), donde el sistema deja de requerir una autorización activa para actuar y pasa a operar bajo reglas predefinidas que ejecuta de manera independiente.

Ese punto de inflexión concentra la mayor parte de los riesgos que se desarrollan a continuación, dado que elimina la última instancia de verificación humana antes de que una acción con consecuencias letales se materialice.

2. Riesgo de error de clasificación sin corrección disponible

Un sistema autónomo que identifica y ataca un objetivo sin intervención humana en el momento de la acción no cuenta con la posibilidad de corrección que ofrece un operador humano al advertir una inconsistencia de último momento. La literatura de seguridad de sistemas de aprendizaje automático documenta de manera extensa que ningún sistema de clasificación alcanza una tasa de error nula, y que las condiciones reales de combate (iluminación, camuflaje, presencia de civiles en zonas de conflicto, señuelos deliberados del adversario) generan escenarios que se apartan de las condiciones bajo las cuales el sistema fue entrenado y evaluado.

La ausencia de un humano capaz de interrumpir la acción en el instante final convierte cualquier error de clasificación en un evento irreversible, a diferencia de un sistema de asistencia donde ese mismo error puede corregirse antes de la ejecución.

3. Riesgo de escalada no deliberada entre sistemas autónomos enfrentados

Cuando dos fuerzas enfrentadas despliegan sistemas autónomos de manera simultánea, la interacción entre ambos sistemas puede generar secuencias de acción y reacción que ningún actor humano decidió ni previó en su totalidad. Un sistema autónomo que responde a una acción del sistema adversario, que a su vez responde a esa respuesta, puede generar una escalada que se desarrolla a una velocidad que excede la capacidad de intervención humana antes de que el conflicto alcance un nivel de intensidad no deseado por ninguna de las partes.

Este riesgo reproduce, en el dominio algorítmico, la lógica de los sistemas de alerta automática que generaron episodios de falsa alarma durante la Guerra Fría, con la diferencia de que aquellos episodios se contuvieron gracias a la intervención de un oficial humano que decidió no ejecutar la respuesta indicada por el sistema. Un esquema de autonomía plena elimina precisamente esa instancia de contención.

4. Riesgo de pérdida de control sobre sistemas desplegados

Un sistema autónomo desplegado en el terreno puede quedar aislado de su cadena de mando por interferencia electrónica, sabotaje de comunicaciones o fallas técnicas del enlace. La pregunta doctrinal central en este escenario es qué comportamiento adopta el sistema ante la pérdida de contacto con su mando: si se detiene, si continúa ejecutando su última instrucción, o si opera bajo reglas de decisión propias diseñadas para escenarios de aislamiento.

Cualquiera de estas tres opciones conlleva un riesgo distinto. Detenerse puede resultar operativamente inviable en determinados escenarios tácticos. Continuar ejecutando la última instrucción puede perpetuar una acción que las circunstancias ya volvieron inapropiada. Operar bajo reglas propias de decisión amplía, precisamente, el grado de autonomía que genera el resto de los riesgos descriptos en este anexo, sin garantía de que esas reglas resulten adecuadas para la totalidad de escenarios que el sistema pueda enfrentar de manera aislada.

5. Riesgo de manipulación adversarial dirigida a explotar la autonomía

Un adversario que conoce el patrón de decisión de un sistema autónomo puede diseñar deliberadamente condiciones orientadas a inducir un comportamiento específico del sistema, un riesgo cualitativamente distinto de la manipulación adversarial de sensores descripta en el Anexo II. En este caso, el objetivo no consiste en generar un error puntual de clasificación, sino en explotar el patrón de reglas que gobierna la autonomía del sistema para inducir una respuesta predecible y aprovechable, por ejemplo generando señuelos que atraigan al sistema hacia una trayectoria o un objetivo específico definido por el adversario.

Esta vulnerabilidad crece en proporción directa al grado de autonomía del sistema, dado que un sistema que opera bajo reglas fijas sin verificación humana resulta más previsible y, en consecuencia, más explotable que un sistema donde un operador humano introduce criterio situacional no codificado en las reglas del sistema.

6. Riesgo de responsabilidad difusa ante consecuencias letales

Este riesgo profundiza el problema institucional desarrollado en el Anexo III, con una particularidad propia de la autonomía plena: cuando ningún humano autoriza la acción específica en el momento en que ocurre, la pregunta sobre quién responde por esa acción carece de respuesta clara dentro de los marcos jurídicos vigentes. La responsabilidad puede recaer, según distintas interpretaciones jurídicas en debate, sobre quien diseñó el sistema, quien lo desplegó, quien definió las reglas de autonomía, o quien autorizó su uso en determinado contexto operativo, sin que exista consenso internacional sobre cuál de estas instancias corresponde priorizar.

La ausencia de ese consenso constituye, en sí misma, uno de los principales obstáculos para regular la delegación de tareas militares en sistemas autónomos, dado que cualquier marco jurídico de control de armamento requiere, como condición previa, poder atribuir responsabilidad ante su incumplimiento.

7. Riesgo de degradación del umbral político para el uso de la fuerza

La decisión de emplear la fuerza militar conlleva, en la mayoría de los marcos democráticos, un costo político asociado al riesgo de bajas propias y a la responsabilidad pública sobre las consecuencias de esa decisión. Un sistema autónomo reduce el riesgo de bajas propias en el momento de la acción, lo cual puede reducir, en consecuencia, el costo político percibido de recurrir al uso de la fuerza.

Esta dinámica genera el riesgo de que la disponibilidad de sistemas autónomos facilite decisiones de intervención militar que, de requerir el despliegue de personal humano con el riesgo asociado, habrían enfrentado mayor resistencia política o pública. Este riesgo no depende de una falla técnica del sistema, sino de un cambio en los incentivos políticos que rodean la decisión de emplear la fuerza.

 

Tabla integrativa de riesgos de la delegación autónoma

Riesgo	Mecanismo	Consecuencia central
Error sin corrección disponible	Ausencia de verificación humana en el instante final	Errores de clasificación se vuelven irreversibles
Escalada no deliberada	Interacción entre sistemas autónomos enfrentados	Secuencias de conflicto que ningún humano decidió en su totalidad
Pérdida de control	Aislamiento del sistema respecto de su cadena de mando	Comportamiento del sistema en escenarios no previstos por su mando
Manipulación adversarial de la autonomía	Explotación deliberada del patrón de reglas del sistema	Previsibilidad explotable por el adversario
Responsabilidad difusa	Ausencia de autorización humana específica en el momento de la acción	Vacío de atribución jurídica ante consecuencias letales
Degradación del umbral político	Reducción del riesgo de bajas propias percibido	Menor resistencia política a decisiones de uso de la fuerza

 

Síntesis del anexo

El incremento del grado de autonomía en sistemas militares desplaza el riesgo desde el plano técnico puntual hacia el plano sistémico, jurídico y político. Cada uno de los seis riesgos desarrollados comparte un rasgo común: la eliminación progresiva de instancias de verificación humana reduce el margen disponible para detectar y corregir un error antes de que sus consecuencias se vuelvan irreversibles. Este principio constituye el fundamento central por el cual la mayoría de los marcos de seguridad internacional que se discuten actualmente insisten en preservar un nivel de control humano significativo como condición mínima para el empleo de estos sistemas en tareas militares.

Anexo V: Posibles Objeciones de un Ex Militar frente a los Modelos de IA de Frontera en la Guerra Moderna

Este anexo reconstruye las objeciones que un ex militar con experiencia operativa real probablemente formularía frente al desarrollo de esta tesis. El objetivo consiste en incorporar la perspectiva de quien conoce el terreno, el mando de tropas y las condiciones reales de combate, como contrapeso a un análisis que, por su naturaleza, se construye desde una perspectiva tecnológica y doctrinal más que desde la experiencia directa del conflicto.

1. Sobreestimación de la fiabilidad técnica en condiciones reales de combate

Un ex militar con experiencia de terreno cuestionaría el supuesto implícito de que un sistema entrenado en condiciones controladas mantiene el mismo nivel de desempeño en el caos operativo real. El combate genera condiciones que ningún entorno de entrenamiento reproduce con exactitud: polvo, humo, lluvia, camuflaje deliberado, señuelos del adversario, fatiga de los operadores y fallas simultáneas de múltiples sistemas.

La experiencia de mando enseña que el plan más sofisticado se degrada apenas comienza el contacto con el enemigo, un principio que la doctrina militar conoce desde hace más de un siglo. Un ex militar diría que el texto describe la coordinación de enjambres, la fusión de información y la identificación de objetivos como procesos fluidos, cuando en la práctica cada uno de esos procesos enfrenta fricción constante que la tesis no desarrolla en profundidad.

2. Confusión entre capacidad desplegada y capacidad proyectada

Buena parte de la literatura sobre inteligencia artificial militar mezcla sistemas que ya operan en el terreno con sistemas que permanecen en fase de desarrollo, prueba o directamente en discurso promocional de la industria de defensa. Un ex militar con formación técnica objetaría que el texto no siempre distingue con claridad entre lo que está operativo hoy y lo que constituye proyección a futuro.

Esta distinción resulta central para cualquier análisis serio, dado que buena parte de las capacidades descriptas (coordinación autónoma de enjambres, fusión total de inteligencia multidominio) dependen de una madurez tecnológica e infraestructura de comunicaciones que en muchos escenarios reales todavía no existe de manera consolidada.

3. Dependencia de infraestructura de comunicaciones frágil

Toda la arquitectura de coordinación algorítmica descripta en la tesis (enjambres de drones, mando y control multidominio, fusión de información en tiempo real) depende de enlaces de comunicación estables entre el sistema y su centro de mando. Un ex militar señalaría que la interferencia electrónica, el sabotaje de comunicaciones y la simple destrucción física de la infraestructura de enlace constituyen la primera línea de defensa que cualquier fuerza capacitada intenta atacar.

La guerra electrónica no es un dominio nuevo, y quien tuvo experiencia en ese campo sabe que la promesa de coordinación algorítmica perfecta choca de inmediato con la realidad de un adversario que invierte recursos específicamente en romper esa coordinación. El resultado suele ser un sistema que opera de manera degradada, parcial o intermitente, muy distinto del escenario ideal que describen los análisis tecnológicos.

4. Generalidad excesiva sobre reglas de empeñamiento

Un ex militar con formación en derecho operacional objetaría el nivel de abstracción con el que la tesis trata la autonomía y la responsabilidad jurídica. En la práctica militar real, las reglas de empeñamiento son extremadamente específicas, situacionales y revisadas caso por caso, a diferencia del tratamiento general que reciben en los anexos jurídicos de este documento.

Esta objeción no invalida el análisis, pero sí señala que la traducción de principios generales (distinción, proporcionalidad, precaución) a procedimientos operativos concretos exige un nivel de detalle que la tesis no alcanza, y que solo la experiencia de mando real permite calibrar con precisión.

5. Subestimación del factor humano en la decisión de combate

La tesis describe el sesgo de automatización como un riesgo psicológico documentado, pero un ex militar agregaría una objeción adicional desde la experiencia práctica: el juicio humano en combate no se reduce a la evaluación racional de una recomendación algorítmica, sino que incorpora experiencia acumulada, intuición situacional y conocimiento del terreno que ningún sistema replica de manera completa.

Quien tuvo mando de tropas suele desconfiar de cualquier reemplazo del criterio adquirido en terreno por un sistema entrenado sobre datos históricos, precisamente porque cada situación de combate presenta variables únicas que la experiencia humana procesa de manera distinta a como lo hace un modelo estadístico.

6. Escepticismo sobre la superioridad tecnológica como garantía de victoria

Un ex militar con experiencia en conflictos asimétricos (Vietnam, Afganistán, Irak) recordaría que la superioridad tecnológica nunca garantizó por sí sola el resultado de un conflicto. La tesis se concentra en la ventaja que otorga el procesamiento algorítmico de información, pero un ex militar señalaría que la voluntad de combate, el conocimiento del terreno local y el apoyo de la población siguen siendo variables decisivas que ninguna tecnología resuelve por sí sola.

Esta objeción no niega el valor de la inteligencia artificial en el dominio militar, pero introduce una advertencia doctrinal relevante: la historia reciente muestra casos de fuerzas tecnológicamente inferiores que sostuvieron conflictos prolongados frente a adversarios con capacidades muy superiores, un patrón que cualquier análisis centrado exclusivamente en la ventaja algorítmica corre el riesgo de subestimar.

 

Tabla integrativa de objeciones

Objeción	Origen de la crítica	Fundamento desde la experiencia militar
Sobreestimación de fiabilidad técnica	Experiencia de combate en terreno real	El caos operativo degrada el desempeño de cualquier sistema entrenado en condiciones controladas
Confusión entre capacidad desplegada y proyectada	Formación técnica y conocimiento de programas de defensa	Buena parte de la literatura mezcla sistemas operativos con desarrollos aspiracionales
Dependencia de comunicaciones frágiles	Experiencia en guerra electrónica	La coordinación algorítmica depende de enlaces que el adversario ataca de manera prioritaria
Generalidad sobre reglas de empeñamiento	Formación en derecho operacional	Las reglas reales son específicas y situacionales, no generales
Subestimación del factor humano	Experiencia de mando de tropas	El juicio humano incorpora intuición y experiencia que un modelo no replica
Escepticismo sobre la superioridad tecnológica	Experiencia en conflictos asimétricos	La historia muestra victorias de fuerzas tecnológicamente inferiores

 

Síntesis del anexo

Las objeciones reconstruidas en este anexo no contradicen el diagnóstico general de la tesis, que identifica correctamente el desplazamiento del poder militar hacia el procesamiento algorítmico de información. Lo que aportan es una corrección de escala: entre el diseño de un sistema y su desempeño real en combate existe una distancia que solo la experiencia operativa directa permite medir con precisión, y que el análisis tecnológico y doctrinal, por más riguroso que sea, tiende a subestimar de manera sistemática.

Anexo VI: Algoritmos de Inteligencia Artificial, con Énfasis en los Modelos de Frontera

Este anexo desarrolla el concepto de algoritmo desde su definición más básica hasta su aplicación en los modelos de frontera que se analizan a lo largo de la tesis. El objetivo consiste en dotar al lector de un marco técnico mínimo que permita comprender por qué un modelo como GPT-5.5, Gemini, Claude o Grok constituye, en rigor, un conjunto coordinado de múltiples algoritmos operando de manera simultánea.

1. Definición de algoritmo

Un algoritmo constituye una secuencia de instrucciones orientada a resolver un problema determinado.

Ejemplos habituales:

• Ordenar una lista de números.
• Encontrar el camino más corto en un mapa.
• Detectar correo no deseado.
• Recomendar un video.

La inteligencia artificial emplea algoritmos como componente central de su funcionamiento, aunque el campo de los algoritmos abarca un universo mucho más amplio que la propia inteligencia artificial, incluido buena parte del software que emplea la humanidad desde hace décadas sin ninguna relación con IA.

2. Algoritmos clásicos

Un algoritmo clásico surge de reglas escritas de manera explícita por un programador.

Si temperatura > 38°C

    mostrar "Fiebre"

Sino

    mostrar "Normal"

Este tipo de algoritmo mantiene su comportamiento fijo a lo largo del tiempo, salvo que un programador modifique manualmente su código.

3. Algoritmos de Machine Learning

En este caso, el programador define una arquitectura matemática, un método de aprendizaje y una función objetivo, y el algoritmo aprende las reglas de funcionamiento a partir de millones o billones de ejemplos.

El algoritmo descubre por sí mismo qué características identifican un patrón determinado, en lugar de operar sobre reglas predefinidas del tipo “si tiene cuatro patas y ladra, es un perro”. Esta capacidad de extraer reglas a partir de datos, sin que un humano las escriba de manera explícita, constituye la diferencia estructural entre un algoritmo clásico y un algoritmo de aprendizaje automático.

4. Funcionamiento del entrenamiento

Durante el entrenamiento, un algoritmo de IA repite un ciclo básico millones de veces:

Entrada → Predicción → Error → Corrección → Nueva predicción

Este proceso se conoce como optimización, y consiste en la reducción progresiva y continua del margen de error del sistema a medida que procesa nuevos ejemplos.

5. Tipos principales de algoritmos de IA

Tipo de algoritmo	Aplicación típica
Regresión	Predicción de valores numéricos continuos
Árboles de decisión	Clasificación mediante reglas jerárquicas
Random Forest	Combinación de múltiples árboles de decisión
Support Vector Machines	Clasificación mediante separación de categorías
Redes neuronales	Reconocimiento de patrones complejos
Transformers	Procesamiento de lenguaje y secuencias largas
Reinforcement Learning	Aprendizaje mediante prueba, error y recompensa
Algoritmos evolutivos	Optimización mediante selección iterativa

Cada uno de estos algoritmos resuelve problemas de naturaleza distinta, y la elección de uno u otro depende de la tarea específica que se busca resolver.

 

6. Los modelos de frontera y la multiplicidad algorítmica

Los modelos de frontera, como GPT-5.5, Gemini, Claude o Grok, operan mediante un conjunto amplio de algoritmos que trabajan de manera simultánea y coordinada. La capacidad de estos sistemas surge de la interacción entre múltiples componentes especializados, entre los que se destacan:

• Algoritmo de tokenización, que fragmenta el texto en unidades procesables.
• Algoritmo de atención (Attention), que permite al modelo ponderar la relevancia relativa de cada elemento de una secuencia.
• Algoritmo predictivo, que calcula la probabilidad de la siguiente unidad de una secuencia (desarrollado en el punto 7).
• Algoritmo de backpropagation, que ajusta los parámetros del modelo durante el entrenamiento.
• Algoritmo de descenso por gradiente, que guía la dirección de esos ajustes.
• Algoritmos de optimización específicos, como Adam o AdamW, que refinan la velocidad y estabilidad del aprendizaje.
• Algoritmos de inferencia, que generan resultados a partir del modelo ya entrenado.
• Algoritmos de búsqueda durante la generación, como sampling, beam search, top-k o top-p, que determinan cómo el modelo selecciona cada palabra o token de su respuesta.

Cada uno de estos componentes cumple una función específica dentro del sistema, y ninguno de ellos, por separado, explica la capacidad general del modelo completo.

7. El algoritmo predictivo como núcleo funcional

Un modelo de frontera, en su función más elemental, opera como un sistema de predicción de la siguiente unidad de una secuencia. Dado un fragmento de texto, el algoritmo predictivo calcula la probabilidad de cada palabra o token posible como continuación de ese fragmento, y el sistema de muestreo descripto en el punto 6 selecciona la unidad que continúa la secuencia a partir de esa distribución de probabilidad.

Este principio, conocido técnicamente como predicción del siguiente token (next-token prediction), constituye el mecanismo de entrenamiento fundamental sobre el cual se construye la capacidad general del modelo. Durante el entrenamiento, el sistema procesa volúmenes masivos de texto y ajusta sus parámetros de manera continua para mejorar la precisión con la que predice cada unidad siguiente a partir del contexto previo.

La generalización de esta capacidad predictiva explica fenómenos que exceden la simple continuación de texto. Un modelo entrenado para predecir con precisión la siguiente unidad de una secuencia desarrolla, como consecuencia de ese entrenamiento a gran escala, capacidades de razonamiento, resumen, traducción y generación de código, dado que predecir correctamente la continuación de un texto complejo exige, en la práctica, haber capturado patrones profundos de lógica, sintaxis y conocimiento factual presentes en los datos de entrenamiento.

En el contexto militar desarrollado en el cuerpo de esta tesis, el algoritmo predictivo cumple una función estructural equivalente en tareas como la anticipación del movimiento probable de un adversario, la proyección de escenarios tácticos y la generación de alertas tempranas a partir de patrones detectados en datos de inteligencia. En todos estos casos, el principio subyacente es el mismo que gobierna la generación de texto: el sistema calcula la continuación más probable de una secuencia de datos a partir de los patrones que identificó durante su entrenamiento.

8. Analogía de la fábrica

Un modelo de frontera puede entenderse como una fábrica compleja. El modelo completo equivale a la fábrica en su totalidad. Cada algoritmo específico equivale a una máquina especializada dentro de esa fábrica. Los datos de entrenamiento equivalen a la materia prima que ingresa al proceso productivo. Los pesos (weights) equivalen a la configuración precisa de cada máquina, ajustada de manera continua durante el entrenamiento para mejorar el resultado final.

La inteligencia del sistema reside en la interacción coordinada de cientos de algoritmos y miles de millones de parámetros, y no en la operación aislada de un único componente.

 

Tabla integrativa de algoritmos de IA

Nivel	Componente	Función central
Algoritmo clásico	Reglas explícitas escritas por un programador	Ejecuta instrucciones fijas sin adaptación propia
Machine Learning	Arquitectura, método de aprendizaje y función objetivo	Aprende reglas a partir de datos de entrenamiento
Entrenamiento	Ciclo de predicción, error y corrección	Reduce el margen de error de manera progresiva
Tokenización	Fragmentación del texto en unidades procesables	Prepara la entrada para el resto del sistema
Atención (Attention)	Ponderación de relevancia entre elementos de una secuencia	Permite relacionar información distante dentro de un texto
Algoritmo predictivo	Cálculo de probabilidad de la siguiente unidad de una secuencia	Explica la generación de texto y la proyección de escenarios
Backpropagation y descenso por gradiente	Ajuste de parámetros durante el entrenamiento	Corrige el modelo en función del error detectado
Optimización (Adam, AdamW)	Refinamiento de la velocidad y estabilidad del aprendizaje	Mejora la eficiencia del proceso de entrenamiento
Inferencia y muestreo (sampling, beam search, top-k, top-p)	Generación de resultados a partir del modelo entrenado	Determina la respuesta concreta que produce el sistema

 

Síntesis del anexo

Un modelo de frontera constituye un sistema compuesto por múltiples algoritmos especializados que operan de manera coordinada, y no un algoritmo único que resuelve todas las funciones del sistema. La atención permite al modelo identificar qué partes del contexto resultan relevantes, el algoritmo predictivo calcula la continuación más probable a partir de esa información ponderada, y el muestreo determina la selección final entre las opciones más probables. Esta secuencia constituye el núcleo funcional compartido por todos los modelos de frontera mencionados en esta tesis, con independencia de las diferencias de arquitectura, escala o entrenamiento específico entre uno y otro.

Comprender esta multiplicidad algorítmica resulta indispensable para evaluar con precisión las capacidades y los límites de estos modelos cuando se aplican al dominio militar desarrollado en el cuerpo de esta tesis. Quien busque profundizar en el aspecto técnico específico puede dirigir su atención al mecanismo de Transformer y, dentro de él, al algoritmo de Self-Attention, que constituye el núcleo estructural de los modelos de frontera actuales.