Empresas de Bengaluru, el mayor polo tecnológico de India, han comenzado a integrar modelos de lenguaje de origen chino —desarrollados por DeepSeek, Alibaba y Moonshot AI— en sus operaciones internas. El motivo es estrictamente económico: estos modelos cuestan significativamente menos que las alternativas de OpenAI o Google, y cuando escalar la inteligencia artificial implica facturas millonarias, el precio se convierte en el criterio dominante.
DeepSeek, Alibaba y Moonshot AI: los tres modelos que seducen a la India corporativa
DeepSeek es una empresa china de inteligencia artificial fundada en 2023 y respaldada por el fondo de cobertura High-Flyer. Su modelo R1, lanzado a principios de 2025, causó un impacto inmediato en los mercados tecnológicos globales al demostrar un rendimiento comparable al de GPT-4 con una fracción del coste de entrenamiento.
Alibaba, por su parte, lleva años desarrollando su familia de modelos Qwen. La compañía, con sede en Hangzhou y una capitalización bursátil que ha oscilado entre los 200.000 y los 300.000 millones de dólares en los últimos años, ha convertido su división de nube —Alibaba Cloud— en el vehículo principal para distribuir estos modelos a empresas de toda Asia.
Moonshot AI es una startup china fundada en 2023 con sede en Pekín. Su modelo Kimi ha ganado tracción especialmente en tareas de procesamiento de documentos largos y análisis de texto. Las tres compañías ofrecen versiones de sus modelos accesibles vía API a precios que, en algunos casos, resultan entre cinco y diez veces más baratos que los equivalentes occidentales.
Por qué Bengaluru lidera la adopción y no Delhi o Bombay
Bengaluru concentra la mayor densidad de startups tecnológicas y centros de desarrollo de software de India. Es la sede de las divisiones de ingeniería de empresas como Infosys y Wipro, y alberga oficinas de Google, Microsoft y Amazon. Esta concentración de talento técnico facilita la evaluación y adopción rápida de nuevas herramientas de IA.
Las empresas que operan en este ecosistema trabajan con márgenes ajustados y compiten globalmente por contratos de externalización de software. Para ellas, el coste de inferencia —lo que paga una empresa cada vez que su aplicación consulta un modelo de lenguaje— es una variable crítica. Un modelo que reduce ese coste a la mitad puede marcar la diferencia entre ganar o perder un contrato.
El patrón es reconocible: una tecnología más barata y suficientemente buena desplaza a la más cara en los segmentos donde el precio importa más que la procedencia. Esto ya ocurrió con el hardware de telecomunicaciones, donde Huawei ganó cuota de mercado en mercados emergentes antes de que los gobiernos intervinieran.
La contradicción con la política de autonomía tecnológica de Nueva Delhi
India lleva años ejecutando una estrategia deliberada de reducción de dependencia tecnológica respecto a China. En 2020, el Gobierno de Narendra Modi prohibió más de 200 aplicaciones de origen chino, incluyendo TikTok y WeChat, alegando riesgos para la seguridad nacional. Posteriormente, el país ha impulsado iniciativas para desarrollar semiconductores propios y reducir la presencia de equipos chinos en su infraestructura de telecomunicaciones.
La adopción de modelos de lenguaje chinos en el sector privado representa una tensión directa con esa política. Los datos corporativos que se procesan a través de estos modelos —contratos, comunicaciones internas, código fuente, información de clientes— viajan hacia infraestructuras controladas por empresas sujetas a la legislación china, que obliga a las compañías a cooperar con los servicios de inteligencia del Estado cuando así se requiera.
Este riesgo no es teórico. La Ley de Seguridad Nacional de China, aprobada en 2017, establece que cualquier organización o ciudadano chino debe apoyar y cooperar con el trabajo de inteligencia del Estado. Esto aplica a las empresas tecnológicas chinas independientemente de dónde operen sus servidores.
El dilema real: ahorro inmediato frente a exposición de datos a largo plazo
El escenario práctico es el siguiente: una empresa de desarrollo de software en Bengaluru integra DeepSeek en su pipeline de programación asistida. Los desarrolladores usan el modelo para generar código, revisar documentación y responder preguntas técnicas. Cada consulta que hacen al modelo puede incluir fragmentos de código propietario, arquitecturas de sistemas o lógica de negocio de sus clientes.
Si esos datos se procesan en servidores ubicados en China o gestionados por empresas chinas, la empresa india —y sus clientes finales, que pueden ser compañías occidentales— pierde control sobre quién puede acceder a esa información. El ahorro en la factura de API se convierte en un riesgo de propiedad intelectual y de cumplimiento normativo.
Este es exactamente el mismo debate que se produjo en Europa con el uso de TikTok en dispositivos corporativos, o en Estados Unidos con la discusión sobre Huawei en redes 5G. La diferencia es que, en esos casos, los gobiernos actuaron. En el caso de los modelos de lenguaje en India, el mercado se está moviendo más rápido que la regulación.
El contexto global: la guerra de precios en modelos de lenguaje beneficia a los modelos chinos
Desde que DeepSeek publicó los pesos de su modelo R1 en enero de 2025 y demostró que podía alcanzar un rendimiento comparable al de los modelos de OpenAI con un coste de entrenamiento declarado de aproximadamente seis millones de dólares, la industria entró en una fase de compresión de precios acelerada.
OpenAI, Google y Anthropic han respondido reduciendo sus tarifas de API y lanzando modelos más eficientes. Pero los modelos chinos mantienen una ventaja estructural en precio, en parte porque sus costes operativos son menores y en parte porque algunas de estas empresas están dispuestas a operar con márgenes reducidos para ganar cuota de mercado global.
Para las empresas indias, esta dinámica es una oportunidad directa de reducir costes. Pero también ilustra un problema más amplio: la competencia en precios entre proveedores de IA de distintas jurisdicciones crea incentivos para que las empresas ignoren consideraciones geopolíticas en favor de la eficiencia económica inmediata.
Qué pueden hacer las empresas indias para gestionar el riesgo
Existen opciones intermedias. Algunos modelos de DeepSeek y Alibaba están disponibles como versiones de código abierto que pueden desplegarse en infraestructura propia —on-premise o en nubes locales— sin enviar datos a servidores chinos. Esta modalidad elimina el riesgo de transmisión de datos, aunque requiere inversión en infraestructura y capacidad técnica para gestionar el despliegue.
Empresas como Infosys o Tata Consultancy Services, que tienen clientes en sectores regulados como banca, sanidad o defensa, difícilmente pueden permitirse usar APIs externas de origen chino para procesar datos sensibles. Para ellas, el despliegue local de modelos de código abierto es la única vía viable si quieren beneficiarse de los avances de la IA china sin asumir el riesgo regulatorio.
El problema es que las startups más pequeñas, que son las que más se beneficiarían del ahorro en costes, suelen carecer de los recursos técnicos para gestionar ese despliegue. Para ellas, la API es la única opción práctica, y ahí es donde la tensión entre precio y seguridad se vuelve más aguda.
DeepSeek, Alibaba y Moonshot AI ante un mercado indio que no tiene regulación clara
India no tiene aún una regulación específica sobre el uso de modelos de inteligencia artificial en el sector privado ni sobre la transferencia de datos corporativos a proveedores extranjeros de IA. La Ley de Protección de Datos Personales Digitales, aprobada en 2023, establece principios generales, pero no aborda específicamente el caso de los modelos de lenguaje como procesadores de datos.
Esta laguna regulatoria es la que permite que la adopción de DeepSeek, Alibaba y Moonshot AI avance sin fricción institucional. Las empresas no están incumpliendo ninguna norma al usar estas herramientas; simplemente están tomando decisiones económicas en un vacío legal que el legislador indio aún no ha llenado.
El escenario más probable a corto plazo es que el Gobierno indio, siguiendo el patrón de 2020 con las aplicaciones móviles, acabe imponiendo restricciones o requisitos de localización de datos para el uso de modelos de IA de origen chino en sectores críticos.
Quiénes están detrás
Si eso ocurre, las empresas que hayan construido su infraestructura sobre APIs chinas tendrán que migrar, con el coste y la fricción que eso implica. Las que hayan optado por despliegues locales de modelos abiertos estarán en mejor posición. La pregunta para cualquier empresa que hoy evalúe estas herramientas no es solo cuánto ahorra ahora, sino cuánto le costará cambiar si las reglas del juego cambian dentro de doce meses.
Imagen ilustrativa generada con inteligencia artificial.
Edición con asistencia de herramientas de IA bajo supervisión editorial. Cómo trabajamos.
Fermín Sánchez es el responsable editorial de LaPrensaIA, diario de divulgación sobre inteligencia artificial. Cubrimos la actualidad de la IA con criterio propio —tecnología, empresas y sociedad— de forma clara para el público no técnico. Cada artículo se elabora con la asistencia tecnológica de Iberia y se revisa antes de publicarse. Más sobre cómo trabajamos →
