La capa de anuncios
Hay un tipo específico de actuación que la gobernanza nigeriana ha perfeccionado a lo largo de las décadas. Requiere un escenario prestigioso, un nombre que suene importante, un ministro en un podio y un comunicado de prensa que viaja más lejos que la cosa que describe. El anuncio es el producto, mientras que lo anunciado es secundario: útil, sobre todo, como el tema que justifica el anuncio.
Al margen de la 80.ª Asamblea General de las Naciones Unidas en Nueva York, el ministro de Comunicaciones, Innovación y Economía Digital de Nigeria presentó N-ATLAS, descrito como el primer gran modelo de lenguaje multimodal y multilingüe de África respaldado por un gobierno. Un escenario deliberado con un lenguaje ambicioso.
«N-ATLAS pone las voces y la diversidad de África en los cimientos de la IA», declaró el ministro. «Este es el primer paso de un camino más amplio para hacer de África un contribuyente y un líder en la configuración del futuro de la IA».
Vale la pena detenerse aquí y preguntar qué es realmente N-ATLAS.
¿Qué se construyó realmente?
N-ATLAS es una versión afinada de Llama-3 8B —un modelo base de código abierto publicado gratuitamente por Meta—, entrenada con datos de lenguas nigerianas recogidos mediante grabaciones de voz colaborativas de voluntarios del programa 3MTT. La plataforma de recolección de datos la construyó Awarri, una startup de IA con sede en Lagos, que hizo el verdadero trabajo técnico. El modelo vive en Hugging Face. Soporta yoruba, hausa, igbo e inglés con acento nigeriano. No está disponible como aplicación de consumo. Es una herramienta para desarrolladores: una capa fundacional que otros constructores pueden usar para crear aplicaciones.
Es un trabajo bastante útil. El equipo de Awarri es competente. La brecha que aborda —la ausencia casi total de lenguas africanas en los datos de entrenamiento de la IA global— es real y vale la pena abordarla.
Pero seamos precisos sobre cuál fue realmente la contribución del gobierno nigeriano: movilizó voluntarios a través de un programa existente para grabar muestras de voz, y aportó respaldo institucional para un ejercicio de fine-tuning sobre un modelo de código abierto disponible gratuitamente. La arquitectura no requirió investigación novedosa. Afinar Llama-3 con un conjunto de datos lingüísticos es una técnica bien documentada, al alcance de cualquier ingeniero de ML competente con un fin de semana y acceso a una GPU. La parte más difícil —la recolección de datos— se hizo mediante colaboración abierta.
Mientras tanto, el ingeniero principal reconoció sin rodeos que están lejísimos de la escala de los modelos con los que compiten conceptualmente, que las GPU son extremadamente caras y que Nigeria aún no tiene centros de datos capaces de soportar entrenamiento de IA a gran escala. Awarri sigue enrutando la inferencia a través de los servicios en la nube de Amazon y Google.
El ministerio de innovación anunció soberanía en IA sobre un modelo que depende por completo de infraestructura extranjera.
¿Para qué se construyó?
Vale la pena preguntar a quién sirve realmente N-ATLAS, y si esa persona era el cuello de botella que el ministerio debía estar resolviendo.
Una startup nigeriana que construye un producto con cualquier ambición más allá del mercado doméstico de consumo construye en inglés. Sus clientes corporativos hablan inglés. Sus inversionistas internacionales hablan inglés. El mercado de exportación que necesita para alcanzar escala habla inglés. Una IA que entiende la entonación yoruba o la sintaxis igbo no es su restricción. Ni siquiera está entre sus diez principales restricciones.
Para la categoría estrecha de aplicaciones que genuinamente requieren capacidad en lenguas locales —servicios ciudadanos del gobierno, información de salud rural, extensión agrícola—, el caso de uso es real, pero el cliente es el sector público, no el ecosistema de startups. Y el sector público en Nigeria tiene un historial bien documentado de adquirir tecnología que no despliega.
Lo que el ecosistema de startups realmente necesita —lo que necesita cada fundador que construye un producto de IA en Lagos, sin importar qué idioma hablen sus usuarios— es inferencia barata. La capacidad de correr un modelo en producción sin que la factura de cómputo llegue antes que el primer usuario. La capacidad de experimentar, iterar y probar sin enrutar todo el presupuesto de desarrollo hacia un centro de datos en Virginia.
N-ATLAS no resuelve esto. No puede resolverlo. Es un modelo sin casa, liberado como código abierto en Hugging Face, impresionante en su cobertura lingüística, pero completamente dependiente de la misma infraestructura extranjera frente a la cual fue anunciado como alternativa.
El costo de oportunidad
Cada recurso que va a la capa de anuncios es un recurso que no va a la capa de infraestructura. Y en un entorno donde la innovación ya opera contra todo el peso acumulado del muro, desviar recursos hacia proyectos performativos no es un acto neutral. Es un lastre activo.
El presupuesto que financió el desarrollo de N-ATLAS y su anuncio en la UNGA no financió un programa de subsidios de cómputo. Las horas de los voluntarios de 3MTT que se fueron en grabar muestras de voz no se fueron en construir herramientas que hicieran a esos voluntarios más productivos como desarrolladores.
La atención ministerial y la credibilidad de las alianzas internacionales apalancadas para una mención en el TIME100 AI no se apalancaron para la decisión de compra que habría puesto GPU subsidiadas en manos de los fundadores nigerianos.
Y la gente a la que esto perjudica es invisible en el comunicado de prensa.
Fundadores que miraron la factura de AWS y decidieron que el prototipo no valía la pena continuarlo.
Investigadores que necesitaban acceso a GPU y no encontraron ninguno.
Equipos pequeños que habrían empezado algo si el entorno hubiera sido marginalmente menos hostil, pero no pudieron, porque no lo fue.
No aparecen en la UNGA. Simplemente, en silencio, no construyen. Y el ecosistema, que ya era bastante difícil, se vuelve incrementalmente más difícil.
Pero el desperdicio de recursos es solo una parte del problema.
El problema más profundo es la desorientación.
En un sistema funcional, las señales del gobierno le dicen al ecosistema qué construir.
Las aceleradoras orientan sus programas en torno a esas señales.
Los inversionistas las leen como indicadores de dónde seguirá el apoyo regulatorio.
Los fundadores escriben solicitudes de subvención y pitch decks en torno a ellas.
El gobierno es la mayor influencia individual sobre lo que el ecosistema cree que debería priorizar, lo que significa que cuando esa influencia apunta en la dirección equivocada, no solo desperdicia sus propios recursos. Desperdicia también los de todos los demás.
Cuando el ministerio señala que los modelos de lenguaje son la prioridad nacional en IA, el ecosistema imita el anuncio como un culto de cargamento. Se montan programas alrededor de los modelos de lenguaje. La atención fluye hacia los modelos de lenguaje.
Mientras tanto, la restricción real —el acceso a cómputo— sigue sin atenderse y ahora, además, sin señalizarse. A los fundadores que necesitaban subsidios de cómputo se les dice, implícitamente, que la visión del gobierno sobre la excelencia nigeriana en IA es un chatbot en yoruba en Hugging Face.
Esta es la capa de anuncios componiéndose a sí misma. No solo no resuelve el problema: lo agrava, al desorientar activamente a la gente que intentaba resolverlo por su cuenta.
No es un fracaso aislado.
La National AI Strategy no contiene plan de implementación alguno, y un documento de visión sin capa de ejecución es solo una versión más elaborada del mismo anuncio.
Cuando pones N-ATLAS junto a la estrategia que debía darle contexto, y la estrategia junto al ministerio que debía darle dientes a la estrategia, lo que encuentras en cada capa es el mismo patrón: la forma de la gobernanza sin su función.
En algún punto, la interpretación caritativa se agota. Cuando un sistema produce consistentemente la apariencia de progreso mientras impide el progreso real, el efecto es funcionalmente indistinguible del sabotaje, sin importar la intención.
La fruta más baja del árbol
Hay una versión del ministerio de Bosun Tijani que pudo haber sido. Un ministro con credenciales técnicas genuinas, relaciones genuinas con el ecosistema y acceso genuino a financiamiento multilateral —800 millones de dólares comprometidos entre el Banco Mundial, el AfDB y el EBRD solo para Project BRIDGE— que mirara el ecosistema nigeriano de startups de IA y se hiciera una pregunta simple:
¿Cuál es el cuello de botella más restrictivo, y cuál es la intervención más barata que lo elimina?
La respuesta no es un modelo de lenguaje afinado sobre una arquitectura base gratuita y subido a Hugging Face.
La respuesta es el acceso a cómputo.
La capa de infraestructura que convierte el prototipo funcional de un desarrollador en algo que puede probarse, iterarse y desplegarse a escala sin que todo el presupuesto de desarrollo se vaya a un proveedor de nube extranjero antes de que se registre el primer usuario.
Esa intervención no habría dado titulares en la UNGA, ni habría ganado una mención en el TIME100 AI. Habría sido trabajo honesto y aburrido: una sala de servidores, un programa de subsidios y una decisión de compra que habría conducido a un desarrollo real y medible.
Un patrón conocido
En los Juegos Olímpicos de París 2024, Nigeria envió 88 atletas —su delegación más grande de la historia— y gastó 12.000 millones de nairas en prepararlos. Volvió a casa con cero medallas.
Favour Ofili, campeona nacional de los 100 metros de Nigeria, no compitió en su prueba principal porque la federación de atletismo no la inscribió a tiempo. No era su primer encuentro con este sistema: en los Juegos de Tokio, cuatro años antes, fue una de los diez atletas nigerianos que no pudieron competir porque los funcionarios no organizaron las pruebas antidopaje requeridas.
Cuando salió de la pista en París tras los 200 metros, los periodistas notaron que no había personal nigeriano presente para consolarla.
Ahora corre para Turquía.
El talento y la preparación estaban ahí, pero la capa administrativa que debía convertir esa preparación en participación simplemente no funcionó. Y nadie rindió cuentas por ello.
Varios atletas de ascendencia nigeriana ganaron medallas en esos mismos juegos para Alemania, para Baréin, para Estados Unidos. Eran atletas que antes habían intentado representar a Nigeria y encontraron el sistema infranqueable.
Este mismo patrón se está repitiendo en la carrera global de la IA. Los uniformes están listos, las pancartas colgadas y el anuncio ya se hizo en las Naciones Unidas.
Pero la infraestructura que pondría a Nigeria en la verdadera línea de salida —el acceso a cómputo, las herramientas para desarrolladores, el entorno subsidiado que convierte el talento individual en capacidad colectiva— no está en la lista de pendientes. Si es que existe una.
Pero claro, lideraremos el continente en adopción de IA.
Confía en mí, bro.