○ planned · proyecto
Otorga nivel a: Technological Sovereignty · AI Security Governance
Usa: Technological Sovereignty · AI Security Governance · Large Language Models · Commons Governance
El ponente repasa la evolución de la inteligencia artificial en México desde 2005, cuando existía una sola clase de IA en la UNAM, hasta la explosión actual de maestrías, demanda industrial y departamentos de IA en empresas como Banorte, Liverpool, Coppel y Grupo Salinas. Su tesis es que México tiene talento y demanda, pero está frenado por un sistema de incentivos (el SNI) que ignora las conferencias donde realmente se hace IA (NeurIPS, ICML, ICLR), por una relación academia-gobierno “incestuosa” y por una cultura de atajos. El futuro depende de conectar gobierno, academia e industria, y de que los interesados construyan portafolio y publiquen.
Hallazgos clave
- El SNI no reconoce conferencias, y eso explica el rezago: NeurIPS e ICML tienen tasa de aceptación ~12% y son las publicaciones #1–3 de IA, pero “es conferencia, no es journal”; México publica menos que Arabia Saudita o Finlandia en NeurIPS.
- Una agenda nacional de IA debe tener siempre tres piernas —gobierno, industria y academia—; si falta una, fracasa. En México la relación academia-gobierno está distorsionada por el SNI y la academia-industria por el prejuicio de que “la ciencia es pura”.
- La industria mexicana ya valora la IA: Banorte saltó a todos los bancos gracias a su departamento de analítica, Liverpool es la cuarta tienda en línea, y BBVA busca 120–130 científicos de datos; pero la IA no se puede tercerizar (“AutoML no es magia”), necesita talento que entienda modelos.
- Para entrar al campo, lo que pesa en un CV es el acceso a datos reales y un portafolio, no el bootcamp: “toca la puerta a cualquier investigador, siempre les sobran datos”; las conferencias COMIA y MICAI y el workshop LXAI son la puerta de entrada para publicar.
- No hay atajos: a Japón le tomó 10 años pasar de 5 a ~40 publicaciones en NeurIPS; la recomendación es formarse con fundamento (entender por qué K-Means hace lo que hace), no solo consumir herramientas tipo H2O.
Módulos
- Historia y geografía de la IA en México — Del invierno de los 90 a la única clase de 2005, la escuela de verano de 2009 (Hinton, Michael Jordan, Bishop) y el boom actual.
- El sistema de incentivos académicos — Cómo funciona el SNI, por qué no cuenta conferencias y cómo eso distorsiona la producción científica mexicana.
- Las conferencias que importan — NeurIPS, ICML, ICLR y AAAI: qué son, por qué importan y cómo asistir o publicar (LXAI, grants, workshops).
- Industria y casos de éxito en México — Banorte, Liverpool, Coppel, FEMSA/OXXO, Grupo Salinas/Algoritia: por qué invierten y por qué no se terceriza.
- Formación y portafolio — Maestrías vs bootcamps vs certificaciones, por qué el acceso a datos reales pesa más que el título, y cómo armar un portafolio.
- Las tres piernas y el futuro — Gobierno, academia e industria; el ejemplo de Silicon Valley y qué piezas del rompecabezas puede aportar la comunidad.
Fuente: https://www.youtube.com/watch?v=6PRupduZYVw · Transcript local: data/cursos/datapub-ia-en-mexico/ia-en-mexico.srt
Enlaces
Otorga nivel a: Technological Sovereignty · AI Security Governance Usa: Technological Sovereignty · AI Security Governance · Large Language Models · Commons Governance