Cuando los primeros chatbots de inteligencia artificial empezaron a circular, en China detectaron un problema de fondo: muchos de esos sistemas aprendían casi exclusivamente con material en inglés y, al responder en chino, arrastraban errores, sesgos y una mirada ajena sobre temas sensibles para Pekín
Ese diagnóstico reforzó una idea que hoy guía la estrategia tecnológica china: si el futuro de la IA depende de los datos, el país debe dejar de ser solo usuario y pasar a ser también un gran proveedor mundial de información para entrenamiento
Una estrategia para ganar peso en datos
A comienzos de este año, la Administración Nacional de Datos presentó un plan para convertir a China en una potencia de datos hacia fines de 2028. La hoja de ruta prevé crear conjuntos de datos de alta calidad en más de veinte áreas, entre ellas ciencia, industria y vehículos autónomos
El proyecto también apunta a abrir esos repositorios al exterior. El mes pasado, Pekín prometió compartir datos con países emergentes que asistieron a la Conferencia Mundial de Inteligencia Artificial en Shanghái, y ya difundió grandes volúmenes de información producida por laboratorios estatales y organismos oficiales
El obstáculo interno: datos dispersos y poco útiles
China reúne enormes cantidades de información gracias a su aparato de vigilancia y al uso masivo de sus plataformas digitales, pero esos datos suelen estar fragmentados entre empresas y dependencias públicas. Esa dispersión dificulta que los laboratorios accedan a material verdaderamente útil para entrenar modelos avanzados
Por eso, muchos desarrolladores dependen de la llamada destilación: extraen conocimiento de sistemas potentes para construir versiones propias. El plan oficial busca destrabar esos silos de datos y empujar un salto hacia anotaciones más sofisticadas, hechas por especialistas y no solo por etiquetadores manuales
El riesgo político que inquieta a Occidente
La expansión china en este terreno también despierta alarmas fuera del país. Analistas advierten que, si los datos exportados incorporan el enfoque oficial de Pekín, los modelos podrían amplificar la propaganda del Partido Comunista y reducir el espacio para respuestas incómodas sobre Xi Jinping, Taiwán o la política de Covid cero
Al mismo tiempo, investigaciones recientes sostienen que parte de ese relato ya se filtra en chatbots occidentales cuando responden en chino, lo que sugiere que la disputa por los datos no es solo técnica: también es ideológica
Datos con sello chino
China ya puso a disposición de desarrolladores varios repositorios de uso libre en plataformas globales. El más grande es WanJuan, una colección creada por un laboratorio de Shanghái financiado por el Estado, con materiales sobre historia, deportes, derecho, actualidad, medicina y literatura
Disponible en varios idiomas, ese paquete busca ser una base para entrenar modelos alineados con los valores promovidos por Pekín. En la práctica, la competencia por la inteligencia artificial también se está jugando en la forma en que cada potencia decide ordenar, filtrar y compartir la información del mundo