El mundo construyó la IA en inglés primero. India acaba de gastar 1.250 millones de dólares para construir una en sus propios idiomas

Pregúntenle a la mayoría de los grandes modelos de lenguaje algo en bhojpuri, en dogri o en santali, y obtendrán una de dos respuestas. O el modelo falla directamente, o responde en silencio como si le hubieran preguntado en hindi, adivinando un idioma para el que nunca fue entrenado en serio.

Esa brecha no es un error de redondeo. India tiene 22 idiomas incluidos en su constitución y, según el último censo, bastante más de un centenar de idiomas adicionales hablados por al menos diez mil personas cada uno. Casi nada de eso aparece en los datos de entrenamiento detrás de ChatGPT, Gemini o Claude, que aprenden abrumadoramente del inglés y de un puñado de otros idiomas globales.

El gobierno de India decidió que esa brecha merecía cerrarse por cuenta propia, y ahora ha puesto dinero real y hardware real detrás de tres apuestas distintas sobre cómo hacerlo. Una está funcionando mejor de lo que nadie esperaba. Otra sigue sin comprobarse. Otra ya ha tenido que admitir que prometió de más.

El cómputo que India está regalando

En marzo de 2024 el gabinete de la Unión aprobó la Misión IndiaAI con un desembolso total de 10.371,92 crore de rupias, cerca de 1.250 millones de dólares, repartidos en cinco años. Aproximadamente el 44 por ciento de eso, unos 4.563 crore de rupias, se destinó a un solo problema: conseguir que investigadores y startups indias tuvieran acceso a GPU, los chips especializados que entrenan y ejecutan modelos de IA, sin tener que pagar precios de Silicon Valley por ellos.

Para finales de 2025 se habían incorporado más de 38.000 GPU al Portal de Cómputo de IA del gobierno, alquiladas a solicitantes aprobados a tarifas fuertemente subsidiadas. En la Cumbre de Impacto de IA de India en Nueva Delhi en febrero de 2026, el ministro de Tecnologías de la Información, Ashwini Vaishnaw, anunció que se sumarían 20.000 más, con una meta declarada de 100.000 GPU públicas para finales de 2026.

El resto de los 10.372 crore de rupias de la misión financia otras seis piezas: una plataforma de datos compartida llamada AIKosh, un brazo de financiamiento para startups, un programa de capacitación orientado a llevar alfabetización en IA al sector público, un impulso al desarrollo de aplicaciones, y un pilar de seguridad y confianza. Es, en efecto, un intento de construir toda la infraestructura de apoyo que un país necesita para entrenar su propia IA, y no solo repartir chips.

La parte que ya está funcionando: la traducción, a gran escala

La pieza más antigua de este conjunto es dos años anterior a la misión de cómputo. Bhashini, la Misión Nacional de Traducción de Idiomas de India, fue lanzada por el primer ministro en julio de 2022 y opera bajo el Ministerio de Electrónica y Tecnologías de la Información. Ofrece conversión de voz a texto, de texto a voz y traducción entre los 22 idiomas incluidos en la constitución, expuestos como API gratuitas a las que cualquier desarrollador u oficina de gobierno puede conectarse.

Un observador de la industria informó que, para comienzos de 2026, Bhashini había superado los 6.000 millones de solicitudes acumuladas desde su lanzamiento, manejando cerca de 15 millones al día con tiempos de respuesta de menos de un segundo. Alianzas con el Banco Estatal de India la han usado para ofrecer servicios bancarios multilingües, y se ha desplegado para traducción en vivo en grandes concentraciones públicas, incluido el Maha Kumbh.

Esta es la versión poco glamorosa, de infraestructura básica, del impulso hacia una IA soberana, más cercana en espíritu al UPI que a un chatbot. Nadie afirma que Bhashini escriba poesía. Mueve texto y voz entre los idiomas de India a una escala que importa, y ha seguido haciéndolo en silencio mientras las partes más llamativas de la estrategia se desarrollaban en público.

El modelo soberano: una oportunidad real, todavía sin comprobar

La pieza estrella de la misión es el intento de construir un modelo de lenguaje fundacional entrenado específicamente para los idiomas de India, en lugar de ajustar después uno estadounidense. En 2025 el gobierno eligió a Sarvam AI, una startup fundada en 2023 por Vivek Raghavan y Pratyush Kumar, entre 67 candidatos para liderar este esfuerzo, respaldándola con acceso a 4.096 GPU Nvidia H100.

Sarvam ya había recaudado unos 41 millones de dólares de Lightspeed, Khosla Ventures y Peak XV Partners en diciembre de 2023, una de las mayores apuestas tempranas de la época por una empresa de IA centrada en India. En febrero de 2026 lanzó dos modelos de pesos abiertos, Sarvam-30B y el más grande Sarvam-105B, junto con modelos de voz para transcripción y síntesis de voz en idiomas indios. Nvidia ha presentado esta alianza como caso de estudio de lo que llama IA soberana, describiéndola como un modelo construido para servir a 1.400 millones de personas en sus propios idiomas.

Aquí está la complicación, dicha con honestidad. Sarvam ha publicado cifras de referencia sólidas frente a modelos como DeepSeek, pero según informó Forbes en marzo de 2026, esos modelos no aparecen en tablas de clasificación independientes como el Open LLM Leaderboard de Hugging Face, y buena parte de los datos de evaluación proviene de pruebas de referencia diseñadas y calificadas por la propia Sarvam, con criterios de evaluación fijados por la misma empresa cuyos fundadores también construyeron algunos de los puntos de referencia estándar específicos de India de los que ya depende el sector. Eso no es evidencia de fraude. Es evidencia de que esas afirmaciones todavía no han sido verificadas por nadie sin intereses en el resultado, lo cual importa más, no menos, dado que los modelos de Sarvam ya funcionan dentro de productos financieros reales.

La advertencia: Krutrim

El cuarto nombre de esta historia es Krutrim, fundada por Bhavish Aggarwal, de Ola, y lanzada a comienzos de 2024 con 50 millones de dólares de financiamiento y una valoración de 1.000 millones de dólares, convirtiéndose en el primer unicornio de IA de India a las pocas semanas de su lanzamiento. Prometía un modelo de lenguaje entrenado en idiomas indios, un asistente conversacional llamado Kruti y, más adelante, sus propios chips de IA.

La recepción inicial fue difícil. Los usuarios señalaron errores de traducción y errores factuales en el chatbot beta casi de inmediato, y los analistas encontraron que la oferta de nube de la empresa no estaba a la altura de lo que esperaban los desarrolladores. Para mayo de 2026, TechCrunch informó que Krutrim había recortado más de 200 puestos en varias rondas de despidos, había retirado la aplicación Kruti de las tiendas de aplicaciones, había pausado el diseño de sus propios chips y había girado, dejando de construir modelos fundacionales para vender en su lugar infraestructura de nube de IA a clientes corporativos. La empresa dice que ese nuevo negocio ya es rentable, aunque reportes anteriores encontraron que cerca del 90 por ciento de los ingresos del año fiscal previo venían de su propia empresa matriz, Ola, y no de clientes externos. Un analista de la industria resumió el giro sin rodeos: el estándar de prueba tiene que crecer al mismo ritmo que el tamaño de la promesa.

Lo que todo esto realmente significa

Coloquen las cuatro piezas una junto a otra y aparece un patrón más interesante que la versión triunfalista o la versión cínica. La apuesta poco glamorosa, GPU baratas y una API de traducción que nadie discute, es la parte que demostrablemente funciona a gran escala. La apuesta ambiciosa, un modelo fundacional hecho en casa para rivalizar con los que salen de Estados Unidos y China, tiene respaldo real del gobierno y hardware real detrás, pero sus propias afirmaciones todavía esperan verificación externa. Y la apuesta que se movió más rápido y habló más alto tuvo que dar marcha atrás en menos de dos años.

Nada de eso hace equivocado el objetivo de fondo. Un idioma hablado por decenas de millones de personas e ignorado por todos los grandes laboratorios de IA es una brecha real, y cerrarla vale la pena, termine o no siendo una sola empresa india la dueña del modelo que lo logre. Lo que India ha construido hasta ahora no es un rival de GPT-4. Es el cómputo, las tuberías de datos y la capa de idioma sobre la que cualquier modelo futuro, hecho en casa o no, tendrá que correr. Esa parte, al menos, no es una promesa. Ya está cargando 15 millones de solicitudes al día.