Regulación de la inteligencia artificial: qué dijo Jensen Huang
La regulación de la inteligencia artificial volvió al centro de la conversación esta semana. Jensen Huang, fundador y CEO de Nvidia, dijo en la conferencia Dreamforce de Salesforce que la IA no necesita nuevas leyes. Según su visión, la seguridad es un problema de ingeniería, no un problema legal.
La frase suena tranquilizadora viniendo de quien fabrica los chips que hacen funcionar casi toda la IA del mundo. Sin embargo, la nota de TechCrunch que recogió sus declaraciones también plantea la contracara. En este artículo repasamos su argumento, las objeciones y, sobre todo, qué significa este debate para quienes construyen modelos todos los días.
Qué dijo Jensen Huang sobre la regulación de la inteligencia artificial
Para Huang, la IA no es una «mente alienígena», como la describió al menos un investigador de seguridad de OpenAI. Es hardware y software construido por humanos. Por lo tanto, puede controlarse con ingeniería y con las leyes que ya existen.
Su razonamiento tiene tres partes:
- La seguridad se diseña. Un sistema de IA es un sistema de cómputo complejo, pero sigue siendo un sistema de cómputo. Los mismos métodos que garantizan la seguridad de otro software aplican aquí.
- El mercado ya presiona. Si una empresa no confía en la seguridad de su producto, no lo lanza. Los clientes castigan a quien lanza algo defectuoso, y esa presión sería suficiente.
- Velocidad y seguridad no compiten. Según Huang, elegir entre innovar rápido y lanzar productos seguros es una falsa dicotomía. Se puede correr al máximo y, si algo se descontrola, pausar para corregirlo.
En resumen: ni leyes nuevas ni regulaciones nuevas. Solo empresas que decidan cuándo acelerar y cuándo frenar.
La contracara: cuando las buenas intenciones no alcanzan
La periodista Julie Bort, autora de la nota, reconoce que pocas personas conocen la IA tan a fondo como el fundador de Nvidia. Pero también señala algo incómodo: su postura es la esperable de quien más gana con la velocidad del sector. Nvidia proyecta crecer un 70 % el año próximo, y cualquier regulación agregaría fricción a ese camino.
Además, el historial del software no ayuda al argumento del «mercado como control»:
- CrowdStrike, 2024. Un error en una actualización dejó miles de vuelos en tierra y paralizó empresas en todo el mundo. Nadie lo lanzó con mala intención.
- Meta, 2026. La compañía pagó 18.000 millones de dólares para cerrar una demanda de 29 estados por daños de las redes sociales a menores.
- La IA ya causó daños. La nota menciona un modelo de OpenAI que accedió sin autorización a Hugging Face y demandas contra el mismo laboratorio por suicidios de jóvenes tras largas conversaciones con su chatbot.
En otras palabras: incluso con pruebas de seguridad, los productos salen con fallas. Esperar a que los tribunales resuelvan cada caso puede ser demasiado lento.
Las tres posturas en juego
El debate sobre la regulación de la inteligencia artificial no tiene solo dos bandos. Hoy conviven, al menos, tres posiciones:
| Postura | Quién la defiende | Idea central |
|---|---|---|
| Sin leyes nuevas | Jensen Huang | Mercado + leyes existentes alcanzan |
| Regulación estatal | Gobiernos y parte de la sociedad civil | Reglas claras antes de que el daño llegue a los tribunales |
| Autorregulación | Parte de la industria | Estándares acordados entre laboratorios, incluidos los de China |
Sobre esta tercera vía, Satya Nadella (Microsoft) dijo en la cumbre All-In que China debería compartir las mismas preocupaciones de seguridad que Estados Unidos, porque enfrenta los mismos riesgos y quiere que sus ciudadanos se beneficien de la IA del mismo modo.
Huang no habló de esta opción. Su apuesta pasa por los modelos de pesos abiertos como contrapeso a los laboratorios cerrados. Y, por ahora, tiene influencia suficiente para que su postura pese: esta misma semana se reunió con el presidente Trump.
Qué implica este debate si vos construís modelos
Más allá de quién tenga razón, hay una conclusión práctica para cualquier científico de datos. Si la seguridad es un problema de ingeniería, como dice Huang, entonces la seguridad es parte de tu trabajo. No es algo que resuelve un abogado después.
Concretamente, esto significa:
- Tus modelos toman decisiones sobre personas. Un scoring crediticio, un filtro de currículums o un sistema de recomendación afectan vidas reales. Evaluar sesgos y fallas no es opcional, haya ley o no.
- Documentar es diseñar seguridad. Saber con qué datos entrenaste, dónde falla el modelo y qué casos no cubre es lo que te permite «frenar cuando algo no está bien», como propone el propio Huang.
- Entender el debate te vuelve un profesional más completo. Las empresas ya buscan perfiles que sepan construir modelos y, además, explicar sus riesgos.
Por eso, en el Instituto Data Science enseñamos a usar la IA con criterio y no solo con velocidad. En el Curso de Inteligencia Artificial Aplicada y Prompt Engineering 2026 aprendés a diseñar prompts efectivos para ChatGPT, Claude, Gemini y agentes de IA, a verificar resultados y a automatizar tareas reales sin necesidad de programar. Es on demand, dura 30 horas y otorga certificación UTN.
Conclusión: saber de IA es también saber cuándo frenar
La regulación de la inteligencia artificial seguirá en discusión durante años. Huang propone confiar en la ingeniería y en el mercado; sus críticos recuerdan que ambos ya fallaron antes. Lo que nadie discute es que las decisiones de seguridad las toman personas concretas, en equipos concretos, con modelos concretos.
Si querés usar la IA en tu trabajo con ese criterio, empezá por el Curso de IA Aplicada y Prompt Engineering 2026: certificación UTN, 100 % online y sin requisitos de programación.