Compute, no compliance

La ENIA estructura su agenda en cuatro ejes: talento y capacidades, innovación y emprendimiento, marco ético y regulatorio, colaboración nacional e internacional. Cada eje se descompone en líneas de acción medibles, tales como porcentaje de docentes capacitados, número de organismos certificados o porcentaje de propuestas con saberes indígenas integrados. El documento tiene 43 páginas, 47 referencias bibliográficas internacionales y plantilla institucional impecable.

Los compromisos concretos del documento son cinco: adoptar la NTP-ISO/IEC 42001:2025 en entidades públicas; implementar el CNIDIA como infraestructura HPC para investigación; adherir la República del Perú al Convenio Marco del Consejo de Europa sobre Inteligencia Artificial; convocar concursos nacionales que integren saberes indígenas y biodiversidad; habilitar la plataforma "Participa Perú" para gobernanza algorítmica. Esos cinco compromisos son el contenido de la estrategia.

Una estrategia especifica una meta verificable y técnica, los recursos asignados a ella, el adversario contra el que se compite y los trade-offs que se aceptan. Un manual de cumplimiento especifica un marco a adoptar, certificaciones a obtener, indicadores a reportar y estándares con los cuales alinearse.

La ENIA opera en el segundo registro. Cada acción es "adopción", "implementación", "alineación", "promoción", siempre con verbos pasivos. La visión declarada apunta a "consolidar al Perú como referente normativo en la región" y "garantizar el respeto a los derechos fundamentales". El documento describe entonces cumplimiento operativo con un orden regulatorio global diseñado por la EU AI Act, la UNESCO y la OCDE, antes que una estrategia. La República del Perú se posiciona así para recibir las herramientas de inteligencia artificial que otros construyen, debidamente certificadas, correctamente gobernadas y registradas en plataformas públicas. Esa posición tiene valor, aunque queda fuera del plano estratégico.

Las dimensiones donde se decide la capacidad real de inteligencia artificial de un país son industriales, no normativas. Ninguna está en la ENIA.

Una estrategia nacional de inteligencia artificial seria responde cuatro preguntas. ¿Qué fronteras científicas podemos capturar que otros no pueden? ¿Qué infraestructura debemos construir que otros tendrán que rentar? ¿Qué nodos humanos debemos atraer o repatriar que otros pierden? ¿Qué datasets poseemos que otros no? Las cuatro tienen respuesta clara en el caso peruano. La ENIA no las hace.

En su lugar responde otras: qué normas adoptar, qué certificaciones emitir, qué acuerdos firmar, qué concursos convocar. Las preguntas que la ENIA responde son las preguntas de un actor que se posiciona dentro de un orden ya establecido. Las preguntas que omite son las de un actor que decide construir capacidad propia.

El horizonte 2026-2030 que fija la ENIA cumple su función como cronograma administrativo, aunque se vuelve catastrófico cuando se lee como cronograma estratégico. La ventana real para tomar decisiones civilizacionales sobre inteligencia artificial cierra mucho antes de 2030, y quien opere a la república fuera de esa ventana lo hará en condición tributaria.

Leopold Aschenbrenner, en Situational Awareness de junio 2024, articula la trayectoria mediante la métrica que importa: orders of magnitude por año. Aproximadamente 0.5 OOM anuales en compute, otros 0.5 OOM en eficiencia algorítmica, además de ganancias de unhobbling, esto es, la transición desde chatbot hacia agente autónomo. La extrapolación sitúa AGI funcional alrededor de 2027 ("strikingly plausible" en sus palabras) y aceleración recursiva entre 2028 y 2030. Aunque la fecha exacta resulte discutible, el régimen de escalamiento opera a doble dígito anual y queda empíricamente verificado en la trayectoria de GPT-2 a GPT-4.

La consecuencia industrial son clusters de cómputo a escala sin precedentes. El propio análisis lo formula con elocuencia: "every six months another zero is added to the boardroom plans". Del cluster de diez mil millones de dólares se pasa al de cien mil millones, y de ahí al cluster del trillón. Las proyecciones contemplan cientos de millones de GPUs operativas, con la producción eléctrica norteamericana creciendo decenas de puntos porcentuales para sostenerlas. El datacenter andino de cien megavatios que esta crítica recomienda equivale aproximadamente al 0.1% de la escala del cluster del trillón. Competir con esa gigaestructura queda fuera de cuestión, dado que la asimetría industrial es estructural. La operación viable consiste en disponer de un nodo soberano de cien megavatios mientras la gigaestructura se construye en otro lugar, siempre que se levante dentro de la ventana en que todavía se permite hacerlo.

Situational Awareness predice que para 2027-2028 el desarrollo de AGI de frontera quedará absorbido bajo mandato de seguridad nacional norteamericana: "by 27/28 we'll get some form of government AGI project". Los frontier labs operarán entonces bajo régimen DoD-equivalente. Cuando ocurra, el acceso a capacidad de frontera se volverá restringido, condicional y asimétrico. Se accederá como aliado de segundo nivel sujeto a export controls expandidos, o sencillamente no se accederá. Ambas posiciones excluyen la soberanía. La ventana para construir capacidad propia antes de la nacionalización abarca hasta 2026-2027, exactamente la ventana inicial de la ENIA.

Una distinción adicional separa secretos algorítmicos de pesos del modelo, con consecuencias operacionales decisivas. Los pesos abiertos de DeepSeek y otros laboratorios chinos erosionan la moat de inferencia de los laboratorios americanos sin transferir el secreto algorítmico, esto es, la receta de post-entrenamiento, refuerzo, infraestructura y agentes. El acceso a pesos abiertos provee capacidad de inferencia, mientras que la capacidad de mejora autónoma requiere I+D propio. La diferencia equivale a operar un modelo frente a desarrollarlo. La libertad táctica de los pesos abiertos no equivale a libertad estratégica en investigación algorítmica nativa.

Conviene marcar una distancia crítica respecto al frame del análisis. El régimen aparece allí enmarcado como "Free World vs China" con stakes existenciales. La proposición es americana antes que civilizacional. Para la República del Perú la pregunta interesante se desplaza desde el polo con el cual alinearse hacia cómo construir un sustrato soberano que no dependa estructuralmente de Washington ni de Beijing. Esa pregunta no aparece en Situational Awareness. Construir un tercer eje técnico, anclado en Sudamérica civilizacional con Instituto SOLAR como cabeza institucional y capa propia de cómputo y datasets, ofrece la única respuesta que preserva soberanía cuando los dos polos hegemónicos terminan en lógicas de absorción.

La ENIA propone un horizonte. La realidad propone una ventana. Esa ventana abre hoy y cierra antes de 2030. Operar dentro de ella habilita soberanía. Operar fuera deriva en renta extractiva sobre la propia infraestructura institucional. Ahí reside la asimetría temporal que el documento oficial no nombra y que toda decisión técnica nacional debería asumir desde el primer día.

La sección anterior trata 2026-2027 como el cierre del régimen pre-AGI. Ahora bien, el propio análisis es explícito al señalar que AGI funciona como escalón hacia superinteligencia, lejos de constituir un endpoint. La metáfora central de Situational Awareness presenta un tsunami que se eleva mientras la mayoría aún ve aguas tranquilas: "you can see what they see". La conciencia situacional consiste en ver la ola venir antes de que el ruido cotidiano la oculte. Cualquier crítica seria a la ENIA debe asumir el régimen completo y no solamente la primera transición.

La tesis central apunta más allá de "AGI por 2027" hacia "ASI por 2028-2030 vía investigadores de IA automatizados". El mecanismo es recursive self-improvement aplicado a investigación algorítmica. Cientos de millones de instancias AGI ejecutando experimentos en paralelo comprimen décadas de progreso en meses. El propio autor lo formula así: "we would rapidly go from human-level to vastly superhuman AI systems, possibly within a year of getting AGI". El régimen post-AGI opera en aceleración continua, dado que la inteligencia automatizada se vuelve insumo de la siguiente, y el ciclo carece de precedente industrial.

El problema operacional es la decisive advantage. ASI otorgaría ventajas militares, económicas y científicas sin paralelo histórico. Según el análisis, el primer actor en alcanzar superinteligencia podría obtener un lead irrecuperable, análogo a la ventaja nuclear de 1945-1949 aunque permanente y autoextensible. Para una república no alineada, la pregunta deja de girar alrededor del polo con el cual asociarse y se desplaza hacia la cuestión más dura, esto es, si existe soberanía post-ASI sin ser polo. El documento oficial no tiene respuesta. Esta crítica tampoco la pretende. La pregunta queda formulada.

La implicación para la ventana es que se cierra antes de lo que sugiere la lectura solo-AGI. La ENIA 2030 carga un doble retraso: respecto al cronograma AGI 2027 y, de modo más grave, respecto al régimen ASI que el documento no contempla. Construir sustrato técnico después de 2028 significa construirlo bajo condiciones que ninguna república no-polo ha enfrentado, esto es, dependencia operacional de inteligencias no humanas controladas por uno de los dos hegemones.

Conviene también una nota crítica sobre la propia tesis. La explosión de inteligencia resulta plausible aunque no probada. Recursive self-improvement asume saturación lenta de retornos, alineamiento técnico funcional, y disponibilidad sostenida de compute y energía, todos supuestos no triviales. La trayectoria admite además escenarios alternativos: AGI hacia 2030 sin explosión, plateau prolongado por bottlenecks de datos o energía, e incluso inviernos AI recurrentes como los de 1974 y 1987. La estrategia de la república no puede depender de apostar a un cronograma específico.

La fortaleza de la tesis civilizacional kiranir reside precisamente en esta robustez temporal. Los datacenters de cien megavatios en altitud andina, las ontologías de minería e ictiología, las bibliotecas Evo-2 para genómica regional y la capa SOLAR de cómputo continental constituyen infraestructuras que producen valor operacional inmediato, con independencia de si AGI llega en 2027, ASI en 2028, o si ninguno de los dos materializa durante esta década. Construir el sustrato sigue siendo la decisión correcta en todas las trayectorias plausibles. Ahí reside su solidez.

Situational Awareness identifica una jerarquía de cuellos de botella en el escalamiento hacia AGI: chips, talento, algoritmos. Por encima de los tres opera el binding constraint efectivo, que es la energía. El cluster del trillón requiere aproximadamente diez gigavatios de potencia eléctrica continua. El cluster actual de mil millones de dólares de un solo laboratorio consume cientos de megavatios; el de cien mil millones requiere gigavatios; el del trillón excede la demanda de ciudades enteras. Sin electrones suficientes, las GPUs quedan inactivas.

Las cifras del análisis resultan elocuentes: para 2030, sostener la trayectoria de compute requeriría que la producción eléctrica norteamericana crezca en orden de "tens of percent". Lo que históricamente toma décadas, esto es la expansión sustantiva de generación, debe ocurrir ahora en cinco años. Los frontier labs ya negocian proyectos de natural gas buildout en Texas y restart de plantas nucleares decomisionadas. El capital para construir el cluster del trillón está disponible en Wall Street; la pregunta abierta es si los electrones lo estarán a tiempo.

Esta jerarquía invierte la geografía estratégica de la inteligencia artificial. Bajo régimen de escasez de chips, la ventaja se concentra en quienes producen semiconductores, esto es Taiwán, Corea, Japón. Bajo régimen de escasez de energía, la ventaja se desplaza hacia quienes generan electricidad limpia y abundante con baja demanda local. La transición entre regímenes está ocurriendo en tiempo real. Para una república cuyo capital es geografía antes que fabs, la implicación resulta directa: la oportunidad estratégica reside en electrones más que en silicio.

La República del Perú posee aproximadamente doce gigavatios de capacidad hidroeléctrica instalada, distribuidos entre Mantaro, Santa Eulalia, Callahuanca, Charcani y el complejo Curibamba en construcción, con factor de carga superior al 75% y costos marginales bajos. El arco volcánico, que incluye Ubinas, Misti, Tutupaca y Chachani, ofrece potencial geotérmico estimado en 2.8 gigavatios comercialmente viables, hoy subexplotado. El sur peruano contiguo a Atacama recibe irradiación solar comparable a las mejores zonas de Chile, con factor de capacidad solar fotovoltaico por encima del 30%. La altitud andina sobre 3500m reduce la carga de cooling de un datacenter en aproximadamente 40% respecto a operación en costa tropical.

La combinación resulta estratégicamente única en Sudamérica. Brasil cuenta con hidro abundante aunque a baja altitud, con alta humedad y cooling costoso. Chile dispone de Atacama pero con menos hidro y geografía sísmica complicada. Argentina tiene gas natural y nuclear, además de distancia significativa a sus polos de demanda. La República del Perú reúne hidro escalable, geotérmica subexplotada, solar competitiva y altitud refrigerante en un solo territorio contiguo. Para el régimen energético post-AGI, esta combinación constituye activo de primer orden.

La implicación para la ENIA queda en el plano operacional. El documento no nombra una sola vez la palabra "energía" como insumo de inteligencia artificial. Una estrategia que omite la geografía energética en un régimen donde la energía constituye la restricción binding está formulada para un régimen que ya no existe. La pregunta que importa pasa por cuántos gigavatios pueden comprometerse al sustrato de IA antes de 2030. Diez gigavatios disponibles dentro del territorio peruano, asignados a cómputo, configuran una proposición civilizacional verificable. Mil reglamentos certificados sin un solo gigavatio asignado quedan como ejercicio de archivística.

Esa dotación natural exige acompañamiento mediante una estrategia explosiva de expansión. La capacidad instalada actual sirve como base, mientras que el régimen post-AGI demanda otra escala completamente. Hacia 2035, la república debería duplicar la matriz energética asignable a cómputo industrial: nuevos aprovechamientos hidroeléctricos en la cuenca del Marañón siguiendo el modelo Curibamba; explotación industrial de la geotermia en Tutupaca, Calientes y Borateras superando el 1% actualmente desarrollado; despliegue solar utility-scale de cinco gigavatios entre Moquegua y Tacna; corredor eólico Marcona-Paracas. Diez a quince gigavatios adicionales asignados específicamente a sustrato de IA antes de 2030 transforman el problema de viabilidad en problema de capital.

En horizonte de mediano plazo merece consideración el ciclo del torio. China alcanzó criticidad con el reactor TMSR-LF1 en Wuwei (Gansu) durante 2023, primer reactor de sales fundidas de torio operativo en más de medio siglo. La tecnología combina seguridad pasiva, eficiencia neutrónica superior al uranio y reducción radical de residuos de larga vida. La República del Perú posee depósitos significativos de monazita en arenas de la costa norte, mineral que contiene torio asociado a tierras raras, con sinergia operacional respecto a la Decisión 1 sobre minerales estratégicos. Paralelamente, los SMR de tecnología occidental como NuScale o BWRX-300 ofrecen ventana de despliegue 2030-2035 para complemento de matriz. Tracking activo de ambas trayectorias, sin compromiso prematuro, forma parte de la estrategia energética de mediano plazo.

La recomendación concreta es construir un datacenter andino de cien megavatios operativo para 2030. Localización en cordillera occidental por encima de 3500m con acceso directo a geotermia profunda e hidroeléctrica. Co-emplazamiento con un centro de entrenamiento de modelo fundacional regional. Conectividad por fibra redundante a puntos de entrada en costa, principalmente Lima, Chimbote y Paita. Costo orden de magnitud cuatrocientos a quinientos millones de dólares. Las fuentes de capital son combinables: presupuesto público asignado al CNIDIA, fondo soberano peruano por crear, soberanos del bloque SOLAR aliados, operadores privados de hyperscale. Anclaje universitario en PUCP, UNI, San Marcos, UPCH como nodos de investigación con acceso preferencial.

Esa es la infraestructura que el CNIDIA debería volverse. Hoy el CNIDIA aparece descrito en la ENIA como "hub nacional de I+D+i" para "servicios de simulación e investigación avanzada del sector público y privado", lo cual configura un laboratorio universitario expandido. La República del Perú necesita en cambio una instalación de cómputo industrial. Para efectos de escala, el costo equivale al de un solo proyecto minero de tamaño medio. La barrera no reside en el capital, dado que se trata más bien de una decisión política.

Compute es necesario, no suficiente. Operar inteligencia artificial institucionalmente requiere presencia simultánea en seis capas técnicas. Ninguna basta sola; todas se ocupan en paralelo o no se ocupa ninguna. Esta es la lectura que la ENIA, centrada exclusivamente en la capa normativa, no hace.

Capa 1. Modelo fundacional general. Anthropic, OpenAI, DeepSeek. En commoditización acelerada por DeepSeek R1 (2025), la moat de cómputo norteamericana resulta saturable. El acceso vía API es barato, mientras que entrenar un modelo general propio sería performático sin ser estratégico para la República del Perú en esta capa.

Capa 2. Modelo de dominio. Aquí se decide la frontera científica real. Evo-2 del Arc Institute (2024, 7B parámetros, 9.3 trillones de tokens de DNA) ofrece el caso paradigmático: un modelo cuyo dominio entero es genoma. El equivalente para minería peruana sería un modelo entrenado sobre los archivos INGEMMET (cuarenta años de surveys no digitalizados) más hiperspectral satelital y sondaje histórico. Costo: cinco a veinte millones de dólares, dieciocho a veinticuatro meses.

Capa 3. Integración ontológica. Palantir Foundry / AIP y sus análogos. La capa no opera como ChatGPT empresarial; consiste en un grafo tipado que conecta datos institucionales con modelos bajo gobernanza estricta y trazabilidad por acción. La diferencia entre tener acceso a un modelo y operar con un modelo pasa exactamente por esta capa. El equivalente soberano cuesta veinte a cincuenta millones de dólares y veinticuatro meses, y sin él las inversiones de las otras capas se convierten en tooling rentado.

Capa 4. Sensores físicos. Para minería: hiperspectral satelital (Sentinel-2, EnMAP, EMIT), SAR comercial (Capella, ICEYE), drones magnetométricos. Para marítimo: AIS, VIIRS infrarrojo nocturno, RF pasivo (HawkEye 360), SAR. Casi todo está disponible por suscripción comercial, y la construcción propia se justifica solo donde la geografía o el adversario lo exigen.

Capa 5. Datasets. La capa más estable. Los modelos cambian cada año, mientras que los datasets sobreviven décadas. Lo que el sustrato civilizacional acumula como dato (genoma andino, oceanografía pacífica, glaciología cordillerana, mineralogía estratégica, lengua reconstruida, paisaje arqueológico) constituye activo no replicable desde fuera del territorio. La obra Arca Genome materializa esta capa en el dominio de preservación genómica, con foundation operativa, plataforma digital en producción y vault físico en el Batolito de Vilcabamba. Aquí los frentes encuentran su anclaje técnico real.

Capa 6. Plataforma operativa más autoridad legal. La capa que permite que la inferencia tenga consecuencia material. La detección sin autoridad de actuar queda en observación. Aquí fallan la mayoría de programas nacionales: tienen modelos, tienen datos, pero les falta la institución que los integre con autoridad de actuar sobre el resultado.

La pregunta que importa no se reduce al modelo que tiene la República del Perú. Pasa por las capas en que la República del Perú opera. Operar en una sola capa convierte al país en plataforma de otro, mientras que operar en las seis configura soberanía técnica.

Dos casos concretos demuestran que el stack es construible hoy con tecnología existente. Ambos comparten la misma arquitectura: dataset propio, modelo de dominio, integración ontológica, sensores, plataforma y autoridad legal. Y ambos resultan operativamente urgentes.

Caso 1: predicción de yacimientos minerales. KoBold Metals (con capital de Bill Gates y Jeff Bezos, 537 millones de dólares levantados) descubrió el yacimiento Mingomba en Zambia en 2024, un depósito de cobre que la geología tradicional miró sin ver durante un siglo. Su método combina machine learning sobre survey aeroportado, hiperspectral satelital y sondaje histórico. BHP, Rio Tinto, Vale y Aramco operan equivalentes internamente. La técnica define hoy el estado del arte industrial.

Para la República del Perú, los activos no replicables son los archivos INGEMMET (cuarenta años de geología, mayoritariamente no digitalizados), los registros de concesión coloniales y republicanos, y los drill cores históricos en custodia de mineras nacionales y extranjeras. Stack mínimo: capa 5 (digitalización INGEMMET más hiperspectral) más capa 2 (modelo de dominio sobre geología andina) más capa 3 (integración con catastro minero) más capa 6 (autoridad para emitir derechos de exploración informados). Costo total: quince a treinta millones de dólares, veinticuatro meses. Output: superficie probabilística de yacimientos de cobre, litio, cobalto y tierras raras sobre todo el territorio. Información estratégica que cambia el balance entre el Estado y los operadores extractivos.

Caso 2: detección de pesca ilegal en zona económica exclusiva. Estado del arte operativo: Global Fishing Watch combina AIS más VIIRS nocturno más machine learning sobre setenta mil millones de posiciones de buques desde 2012. HawkEye 360 detecta emisiones RF de buques con AIS apagado. Capella e ICEYE proveen SAR a través de nubes. Skylight, del Allen Institute, integra todo en una sola plataforma de monitoreo. Tecnología operativa, hoy.

Estado en la zona económica exclusiva peruana, con novecientos mil kilómetros cuadrados: la flota china de aguas distantes opera con seiscientos buques en la frontera, y el setenta por ciento apaga AIS al ingresar. Pérdida estimada en recursos pesqueros entre trescientos y ochocientos millones de dólares anuales, distribuida entre anchoveta, calamar gigante y jurel. El bottleneck es institucional antes que técnico. INGEMMET no habla con la Marina, la Marina no habla con PRODUCE, PRODUCE no habla con la Cancillería. Cada agencia tiene su pedazo de dato, y nadie tiene la ontología que conecte AIS con SAR con registro de descarga en puerto chino. Stack mínimo: capa 4 (sensores) más capa 5 (dataset histórico ZEE) más capa 2 (modelo de tracking adversarial) más capa 3 (integración multi-agencia) más capa 6 (autoridad de captura, sanción, escalamiento diplomático). Costo: quince a cuarenta millones de dólares, veinticuatro a treinta y seis meses. ROI: una sola sentencia ejecutoria contra una flota recupera el costo del sistema completo. La alternativa pasa por seguir pagando trescientos a ochocientos millones anuales como renta a la asimetría informacional.

Ambos casos comparten la misma estructura: dataset propio, modelo de dominio, integración ontológica, sensores, plataforma y autoridad legal. La capa de modelo fundacional general (la API de Anthropic o de OpenAI) entra como último componente del stack, y quien empieza por ahí confunde la jerarquía operacional.

La ENIA enfatiza las lenguas originarias como dimensión de inclusión: concursos que integren saberes indígenas, cobertura del quechua, aymara y asháninka como signo de equidad. Es razonable como política cultural. Es equivocado como estrategia de inteligencia artificial. Hay dos problemas con tratar la cobertura lingüística como bet estratégica.

(1) los modelos de frontera la cubrirán solos. Anthropic, OpenAI, Google entrenan en todo texto disponible en todas las lenguas disponibles. La masa de tokens del quechua (alrededor de ocho millones de hablantes) es pequeña aunque no nula. En cinco a diez años los modelos de frontera tendrán competencia funcional en quechua, aymara y asháninka como parte del entrenamiento multilingüe estándar, automáticamente. Que la República del Perú destine presupuesto estratégico escaso a construir "un modelo de quechua" duplica trabajo que los laboratorios de frontera harán como subproducto.

(2) la pregunta estratégica está invertida. La pregunta interesante se desplaza desde "¿podemos tener un modelo en quechua?" hacia "¿podemos tener compute en territorio quechua?". Anthropic resuelve la primera con costo marginal de unos tokens más en el set de entrenamiento, mientras que la segunda exige capital, geografía, regulación y operadores. Una operación de lingüística aplicada queda lejos de constituir soberanía industrial.

Una estrategia nacional que prioriza cobertura lingüística por encima de infraestructura de cómputo está invertida. Optimiza por inclusión cultural (real aunque secundaria) al costo de soberanía industrial, que sí es load-bearing. La lengua tiene rol propio que conviene preservar: continuidad civilizacional y base cognitiva para nodos humanos que escriben, programan y legislan en quechua reconstruido. El análogo histórico es el hebreo moderno como base civilizacional de Israel después de 1880, dentro del registro de continuidad civilizacional antes que dentro del registro de estrategia técnica de IA. La ENIA borra esa distinción categorial.

Seis decisiones convertirían a la ENIA de un manual de cumplimiento en una estrategia técnica. Son concretas, técnicas, capitalizadas y verificables.

Uno. Infraestructura de cómputo. Datacenter de Frontera (#06): 100 MW operativos para 2030 en cordillera occidental, con acceso a geotermia e hidroeléctrica andinas. Capital cuatrocientos millones de dólares de fuente combinada (presupuesto público, fondo soberano peruano, soberanos del bloque SOLAR, operadores privados de hyperscale). Primer nodo de cómputo soberano en territorio andino antes del cierre de la ventana 2026-2027.

Dos. Modelo fundacional regional. Entrenar un LLM open-weights especializado en datos regionales (genómicos, climáticos, agronómicos, minerales). En lugar de competir con la frontera, especializarse en lo que solo la República del Perú tiene. Constituye el reemplazo estratégico del "modelo en quechua": un modelo que captura el sustrato científico-técnico peruano antes que el lingüístico.

Tres. Vehículo de repatriación. Crear instrumento fiscal (diez años de exoneración impositiva, visa preferencial, estatus de nodo humano estratégico) para ingenieros y científicos peruanos que retornan con experiencia de frontera. La diáspora técnica peruana en Estados Unidos, España, Chile, Brasil y Asia configura activo estratégico de primer orden. La ENIA no la menciona una sola vez.

Cuatro. Instituto SOLAR de soberanía de IA. Infraestructura inter-estatal con Argentina, Brasil, Chile y Perú como base inicial, análoga conceptualmente al CERN europeo en física de partículas o al ESO en astronomía: una institución técnica con capital y operación compartida entre estados-miembro. Procurement conjunto de hardware. Interconexión cross-border de alta capacidad. Mercado conjunto de inferencia. SOLAR funciona como nombre civilizacional de la red continental, opuesto a categorías importadas como "LATAM", lejos de constituir un acrónimo. Esto requiere diplomacia técnica que la ENIA, centrada en MoUs con UNESCO y Consejo de Europa, no contempla.

Cinco. Capa de integración soberana. Construir un equivalente nacional de Palantir AIP, esto es, ontología tipada con gobernanza que conecte datos institucionales (INGEMMET, Marina, PRODUCE, SUNAT, RENIEC, MINSA) con modelos de dominio bajo trazabilidad por acción. Sin esta capa, los datacenters quedan reducidos a tooling rentado y los modelos a demos. La diferencia entre detectar un yacimiento mineral y emitir derechos de exploración informados, o entre detectar una flota china ilegal y prosecutarla judicialmente, pasa exactamente por esta capa. Costo: treinta a sesenta millones de dólares, treinta y seis meses.

Seis. Programa nacional de I+D algorítmico. La asimetría real reside en el algoritmo más que en los pesos, donde algoritmo significa post-entrenamiento, refuerzo, agentes, unhobbling e infraestructura de entrenamiento. El acceso a pesos abiertos provee capacidad de inferencia, mientras que la capacidad de mejora autónoma requiere investigación propia. Programa de doctorados acelerados en arquitecturas de frontera, contratación de retornados con experiencia en frontier labs norteamericanos y chinos (sinergia con Decisión 3), y publicación selectiva en venues académicos del bloque SOLAR. Costo: cincuenta millones de dólares por cohorte de cien doctorados, ciclo de cinco años. Sin esta capa, la República del Perú opera modelos sin desarrollarlos, lo cual marca la frontera entre soberanía y consumo final.

La ENIA octubre 2025 es un documento honesto en su factura. La intención no falla y la captura ideológica está ausente. La falla es categorial, dado que confunde un manual de cumplimiento con una estrategia.

Una estrategia técnica de inteligencia artificial para la República del Perú existe, aunque no fue escrita en ese documento. Se construye desde la geografía, el compute, el sustrato, los sensores, las ontologías institucionales y la autoridad legal de actuar. Es decir, desde lo que el territorio tiene y otros no, antes que desde la norma adoptada en otra parte.

Una observación operacional final. La inteligencia artificial separada de la operación produce entretenimiento; la operación separada de inteligencia artificial produce burocracia; soberanía aparece únicamente cuando ambas confluyen. Esa confluencia exige capital, geografía, autoridad legal y diseño institucional simultáneos. La ENIA octubre 2025 no provee ninguno de los cuatro. El siglo XXI premia capacidad real, y la República del Perú la tiene en abundancia. Solo falta el documento que la nombre.

Leonardo Calle