La tokenización como instrumento de una urgente nueva política industrial.para México y LATAM El Financiero

Terminó el NVIDIA GTC 2026, y todavía no termina de asentarse lo que viví durante esos cinco días en San José. Más de mil sesiones, laboratorios y talleres. Dos torres de cristal y acero del McEnery Convention Center saturadas de una energía que no era entusiasmo ordinario, sino la tensión particular de quienes saben que están en el centro exacto de algo que está cambiando el mundo. El domingo 15 de marzo, antes de que la conferencia “oficialmente” comenzara, ya había comenzado todo. Certificaciones, talleres de día completo sobre workflows acelerados con CUDA Python, recepciones donde ingenieros no solo de Nvidia, sino también de Meta, Google y Amazon se mezclaban como si fuera lo más natural del mundo. A las 7:30 am se abrieron las puertas de acreditación. A las 9 am empezó lo serio.

Lo que no estaba preparado para ver fue la densidad de la sala de exhibiciones. Pasillos que no terminaban, stands ocupando metros cuadrados diseñados más para un evento olímpico que para una conferencia tecnológica. Pero lo verdaderamente sorprendente no fueron los exhibidores de las grandes empresas, aunque los había, sofisticados y cautivadores. Fueron las startups que participaron en Inception: áreas enteras dedicadas a startups en sus primeros meses, a veces semanas, de existencia. Equipos jóvenes que se atrevían a demostrar visiones de futuro que hace tres años habría parecido ciencia ficción, y que hoy, en el contexto correcto, parecían casi inevitables: ayer eran los modelos fundacionales, hoy son los World Models y los sistemas multiagentes como OpenClaw y NemoClaw.

El lunes a las 11 am, Jensen Huang dio su keynote. No fue un discurso. Fue un encuadre de todo lo que NVIDIA es y será. Su idea central no era sobre hardware ni sobre modelos. Era sobre el trabajo mismo, sobre cómo entendemos el valor en la era de la inteligencia artificial. Huang planteó que el recurso más valioso ya no es únicamente el salario, sino el acceso al cómputo. Los tokens, esa unidad con la que se mide el uso de los sistemas de IA, se convierten en un activo productivo de primer orden. Una nueva alternativa de política industrial que será tokenizada, mucho antes de que la misma RAE incluya la definición. Jensen propuso que en el futuro cada ingeniero podría contar con un presupuesto anual de tokens como parte de su compensación, lo que le permitiría entrenar modelos, ejecutar agentes y generar soluciones a una escala que antes era impensable para un individuo. NVIDIA, dijo implícitamente con cada diapositiva, ya no es una compañía que vende GPUs. Es una fábrica de inteligencia, una token factory donde el pensamiento, el razonamiento y la capacidad de actuar son recursos operacionales que se producen, se enrutan, se gobiernan y se consumen a escala industrial.

La imagen que Huang usó para aterrizarlo fue tan sencilla como demoledora: imagina dos ingenieros con habilidades similares, pero uno recibe, además de su salario, un presupuesto significativo de tokens de IA. Ese ingeniero puede probar miles de ideas, automatizar tareas y escalar sus proyectos rápidamente, mientras el otro avanza mucho más lento. El primero produce en días lo que el segundo tardaría meses en lograr. Los tokens funcionan como una especie de energía productiva que potencia la creatividad y la ejecución. En síntesis, el salario del futuro no se medirá únicamente en dinero, sino en capacidad de generar inteligencia. Y en ese escenario, las empresas no solo competirán por talento, sino por ofrecer a sus equipos el mayor acceso posible a esta nueva forma de poder productivo.

Las sesiones técnicas que siguieron fueron brutalmente profundas. Se presentaban trabajos que apenas hace un año eran especulación. Ingenieros compartían problemas que estaban resolviendo en sistemas reales, no en demos: agentes autónomos que tomaban decisiones reales, gemelos digitales que replicaban mundos físicos con fidelidad aterradora. Shraddha Sridhar, Product Lead en NVIDIA para IA en diseño de chips, explicó una evolución en tres niveles que se volvió una especie de marco mental para todo lo que vino después: productividad individual, donde un ingeniero usa un agente y trabaja más rápido; escalado a nivel de equipo, donde el patrón se replica; y expansión de capacidad, donde los agentes hacen cosas que antes eran simplemente imposibles. Su ejemplo fue brutal en su claridad: un sistema de análisis de potencia que no sólo acelera una tarea existente, sino que cambiaba cuándo llegaba la información crítica. Datos que antes llegaban demasiado tarde para influir en decisiones estaban ahora disponibles meses antes, cuando los ingenieros aún podían actuar sobre ellos. Eso no es optimización. Es, antes de que se reconozca, una verdadera transformación, una nueva política industrial que va naciendo bottom-up.

Al recorrer la expo, algo me quedó absolutamente claro: la siguiente ola de la IA no se va a ganar en el cloud. Se está jugando en el mundo real. Alguien de NVIDIA lo dijo de manera muy precisa en una conversación de pasillo: por fin estamos viendo cómo la IA deja de ser solo modelos y empieza a meterse en el trabajo físico, donde puede observar, guiar y verificar en tiempo real. Ya no estamos hablando de dashboards o predicciones, sino de ejecución: en fábricas, en operaciones, en el piso mismo donde ocurren las cosas. Lo que vi en GTC es que la Physical AI no es futuro, es presente. Un agente de IA que detectó una fuga de agua en una oficina de NVIDIA, envió un mensaje al empleado responsable y contactó a un plomero, todo sin intervención humana. Robots humanoides que entendían instrucciones en lenguaje natural y se adaptan a entornos que nunca habían visto. Simulaciones en Omniverse que mapean el mundo físico con tanta fidelidad que lo aprendido en la simulación se transfería directamente a robots reales. La arquitecta Vera Rubin sucediendo a Blackwell. La próxima generación Feynman anunciada (de 1.6nm) y pensada para agentes de IA autónomos con memoria a largo plazo.

La hospitalidad de los hiper escaladores fue extraordinaria. Meta, Google, Microsoft, Amazon, todos abriendo sus puertas en distintos rincones de San José. Copas en mano, conversaciones que empezaban con “estamos construyendo…” y terminaban dos horas después con ambos participantes conscientes de haber presenciado algo importante. La intención detrás de esa generosidad era legible: esto no es competencia cerrada. Es un ecosistema abierto donde todos necesitamos crecer juntos.

Pero hay un momento que pone todo lo anterior en perspectiva distinta. Participé en el hackathon de GTC. Por mi edad, podría parecer que fui el capitán decorativo de un equipo, pero fuimos justamente eso, un equipo, y sorprendentemente, ganamos. Mi equipo lo formaban estudiantes extraordinarios del Imperial College y de Cambridge. No eran matemáticos de caricatura que parecieran genios intocables. Eran pragmáticos, curiosos, capaces de concentrarse bajo presión extrema y de cambiar estrategia en segundos cuando el problema exigía un giro. Durante siete horas construimos un sistema que resolvía un problema real en orquestación de agentes de IA múltiples: cómo hacer que diferentes capas de inteligencia trabajen juntas para controlar constelaciones de satélites sin colapsar. Coqueteamos con NemoClaw y OpenClaw. Y ganamos.

No porque tuviéramos la mejor idea inicial. Ganamos porque el equipo entendió algo que emergió de manera repetida en cada sesión de GTC: la era en la que un modelo mejor gana automáticamente ha terminado. La verdadera ventaja ahora está en sistemas completos y complejos, en orquestación, en saber cómo ensamblar, enrutar y gobernar múltiples capas de inteligencia para que trabajen no en competencia, sino en concierto. OpenClaw fue el símbolo de todo esto: no es otra herramienta más, sino el reconocimiento de que los verdaderos sistemas ganadores no nacen de laboratorios de modelos que descienden al comercio, sino de capas de orquestación que deciden qué modelo, en qué momento, para qué problema específico.

América Latina no puede conformarse con ser reserva demográfica ni cantera de talento barato para economías que ya concentran la infraestructura, el cómputo y la propiedad intelectual. Si el mundo se está reorganizando entre regiones que envejecen, regiones que manufacturan y regiones que innovan, entonces LATAM tiene que pelear por algo más ambicioso: convertirse en una región que también diseña, hace ingeniería y escala soluciones. Para eso no basta con ampliar cobertura educativa o hablar de transformación digital en abstracto; hay que impulsar conocimiento profundo, matemáticas, ciencias computacionales, robótica, electrónica, manufactura avanzada y una cultura de ejecución técnica. La verdadera innovación no nace sólo de tener ideas, sino de contar con ingenieros capaces de convertirlas en sistemas, productos, procesos y empresas. Si no fortalecemos esa base con las herramientas y el acceso a las naciente AI Factories, corremos el riesgo de exportar personas mientras importamos tecnología; pero si la fortalecemos, nuestra ventaja demográfica puede traducirse en soberanía tecnológica, productividad y nuevas profesiones de alto valor para la economía que viene.

El ecosistema se está reorganizando ante nuestros ojos. Las alianzas estratégicas entre NVIDIA, Disney, Uber y docenas de otras empresas que reconocen que la próxima ola competitiva no será sobre chips, sino sobre quién puede orquestar ecosistemas de agentes inteligentes con mayor efectividad, son la señal más clara de esto. Los modelos mejores ya no ganan automáticamente. Ganan los sistemas inteligentes. Los que saben orquestar, verificar, gobernar y escalar la inteligencia.

Lo que ganamos en el hackathon no fue un trofeo. Fue un ejemplo de que la próxima generación de líderes tecnológicos ya entiende esto. Comprende que la victoria no está en tener el modelo más grande, sino en construir sistemas que hagan que inteligencia múltiple trabaje como un organismo cohesionado. GTC 2026 no fue una conferencia sobre el futuro de la IA. Fue la IA del futuro demostrando que ya está aquí.