El cierre del primer corpus de LatamGPT, el 31 de julio de 2025, dejó una base de 188 millones de documentos, 296,500 millones de tokens y 152 datasets de veinte países. Con ese material, un equipo coordinado desde el Centro Nacional de Inteligencia Artificial de Chile realizó un preentrenamiento continuo sobre Llama 3.1 de 70,000 millones de parámetros, aplicó ajuste supervisado y publicó el modelo en acceso abierto. Pero el dato que más interpela a los tomadores de decisión dominicanos no es el anuncio tecnológico, sino la fragilidad institucional que el proceso dejó al descubierto.
De 429 sitios web evaluados para entrar al corpus, solo 125 superaron la auditoría de licencias. Menos de un tercio. El resultado retrata una región con material disponible y capacidad técnica, pero sin claridad jurídica suficiente sobre uso, condiciones y trazabilidad. Para sortear ese vacío, el equipo recurrió al mecanismo más costoso: quince personas, revisiones manuales sucesivas, respaldo documental por sitio, verificación de políticas de uso, filtrado por gestión de riesgos y un abogado incorporado al pipeline técnico. La evidencia contrasta con el discurso de modernización: sin reglas claras, cada iniciativa vuelve a negociarse desde cero y el aprendizaje institucional llega tarde y caro.
El proyecto también dejó expuesta otra alerta para la fiscalización pública: ningún país de la región cuenta hoy con un régimen de excepción para minería de textos y datos con fines de investigación comparable al artículo 4 de la directiva europea de derecho de autor o a las disposiciones de Singapur y Japón sobre análisis computacional. En ese escenario, la discusión sobre inteligencia artificial deja de ser solo técnica y pasa a ser una cuestión de prioridades de Estado, presupuesto y vigilancia ciudadana sobre decisiones que afectan capacidades públicas futuras. Para la sociedad civil, el caso chileno funciona menos como celebración que como advertencia sobre la distancia entre la retórica digital y la preparación institucional real.