La paradoja europea es un concepto creado por la Comisión Europea en los años 90. Según esta idea, en innovación la excelencia en conocimiento científico debería reflejarse de manera natural en altos niveles de innovación tecnológica y económica. El conocimiento, generado en universidades y centros de investigación, se transmitiría con más o menos facilidad hacia el tejido productivo dependiendo de los impedimentos regulatorios, los obstáculos burocráticos de la administración y el dinamismo de la sociedad y de las empresas. Sin embargo, esto no ocurría en Europa: a pesar de disfrutar de un liderazgo científico indiscutible, encontrábamos una absoluta falta de innovación transformadora, que parecía nacer exclusivamente en Silicon Valley, Boston o, en Asia, en Japón y Corea.

Esta paradoja, a pesar de sus aspectos negativos, exhalaba un atisbo de esperanza. Si las capacidades estaban ahí, solo hacía falta “arreglar la correa de transmisión” para que el conocimiento se convirtiera finalmente en innovación. Solo hacía falta ajustar el mecanismo, hacerlo más eficiente, y tarde o temprano Europa podría competir con los polos más dinámicos del mundo.

Bueno, esto parece haber llegado a su fin. Ya hacía tiempo que los rankings de las mejores universidades nos anunciaban que el dominio europeo tambaleaba —de hecho, el de Occidente en general— y que pronto sería sustituido, no solo retado, por China. Este cambio de ciclo no se produce de golpe, pero se ha ido consolidando en silencio hasta que datos recientes nos lo han estampado en la cara.

Estos días se ha celebrado en San Diego NeurIPS 2025, la conferencia más importante de inteligencia artificial del mundo. Hablamos de más de 21.000 contribuciones y cerca de 5.300 papers aceptados, un 24,5% del total. NeurIPS es el lugar donde han aparecido las contribuciones fundacionales sobre backpropagation, reinforcement learning, modelos generativos, y los primeros papers de Hinton, LeCun o Bengio. Es también donde la participación de la industria —desde startups hasta los grandes labs de IA— es más visible, intensa y determinante. Incluso gobiernos y organismos reguladores tienen un papel creciente.

Y bien, este año ha pasado esto 👇

El resultado es tan contundente como simbólico. De los top 50 contribuidores, el 41% son chinos y solo el 32% americanos. Si añadimos el resto de Asia —Singapur, Corea y Japón—, el total llega a un 52%. ¿Europa? Solo un 6%. Y si contamos estrictamente la Unión Europea, el porcentaje cae hasta el 2%. Es decir, marginal

Podemos pensar que este es solo un indicador parcial de la investigación europea. Y es cierto: Europa destaca en biomedicina, química, materiales, ciencias sociales… Pero este indicador es especialmente significativo porque es aquí donde hay más dinero, más actividad y donde se decide el futuro de la captura de valor de las empresas de IA más influyentes del planeta. Lo que pasa en NeurIPS marca tendencia, y la tendencia es inequívoca.

De alguna manera podemos decir que la paradoja europea se ha acabado: Europa ya no es líder en investigación, al menos no en inteligencia artificial. Y esta es una diferencia esencial. Mantener el liderazgo científico es muy difícil si no dispones de un ecosistema de innovación que lo sostenga, que permita que los investigadores encuentren oportunidades, que empresas emergentes capten talento, que los proyectos se escalen, y que los estudios no queden atrapados en la academia. De alguna manera todo ello estaba anunciado: por mucho que la Comisión insistiera en la paradoja europea, se trataba solo de una cuestión de tiempo que se cerrara el desfase entre investigación e innovación —y que Europa perdiera ambas.

La paradoja europea ha terminado: Europa ya no es líder en investigación, al menos no en inteligencia artificial

Esto complica aún más las cosas: ya no podemos apoyarnos en una investigación excelente para construir startups e innovación. Ahora, incluso la base científica que había sido nuestro punto fuerte se tiene que intentar reconstruir a remolque de China y de los Estados Unidos. Nada de esto parece fácil ni rápido. Y, sobre todo, no parece plausible dentro del entorno regulador e institucional actual.

El gráfico también evidencia dos modelos radicalmente diferentes: el chino y el americano. El modelo chino pivota claramente sobre las universidades. Alibaba, Tencent y Huawei aportan, respectivamente, un 2,23%, un 1,58% y un 1,41%. En conjunto, solo representan un 5,22% del total chino: es decir, aproximadamente un 22%-23%. El grueso de la investigación proviene de centros académicos.

El modelo estadounidense es totalmente diferente. La industria de los Estados Unidos pesa un 14% sobre un total americano del 32%-33%, es decir, entre el 42% y el 44%. Y aquí hay un matiz crucial: la industria americana trabaja con modelos propietarios, y, por tanto, gran parte de la investigación no se publica. Su peso real en la investigación de frontera es aún superior al que vemos en congresos como NeurIPS. Por otro lado, China publica mucho más, con modelos open weights y open source, lo que amplifica su visibilidad estadística.

También hay que reflexionar sobre otra dimensión que a menudo se olvida: en los últimos años, la “poción mágica” de la IA era escalar. Más datos, más parámetros, más computación. Esta dinámica ha desplazado a las universidades, que no pueden competir con los presupuestos de Silicon Valley o de Shenzhen. Ahora parece que empezamos a dejar atrás esta fórmula y vuelven a aparecer ideas más conceptuales, más allá de la ingeniería pura. Pero tampoco es del todo cierto: una parte significativa de la frontera actual —los thinking models, la nueva generación de inferencia— exige enormes recursos computacionales. Y, por lo tanto, la industria continuará dominando.

La IA generativa no es solo una herramienta, sino una disrupción que transformará empresas, trabajos y la sociedad en su conjunto. No podemos quedarnos fuera

Perder el liderazgo —y hasta la relevancia— en un campo tan significativo como la inteligencia artificial no son buenas noticias para Europa. Deberíamos reflexionar seriamente sobre ello. Quizás ha llegado el momento de reorientar nuestras universidades y los programas europeos hacia la excelencia, y no tanto hacia la cohesión territorial. Facilitar que haya AI Labs privados, que las empresas puedan investigar sin trabas, que la movilidad entre universidad e industria sea fluida. Todo esto resulta extremadamente complicado con las reglas del juego actuales. Demasiadas cosas juegan en contra: el “café para todos”, la hipertrofia regulatoria, la falta de incentivos, las barreras a la movilidad y, sobre todo, la burocracia generada por la propia implementación de las leyes.

La IA generativa no es solo una herramienta —que también—, sino una disrupción que transformará empresas, trabajos y la sociedad en su conjunto. No podemos permitirnos quedarnos fuera. El riesgo es alto: acabar pagando el acceso a los modelos de IA con el dinero del turismo, como una economía subsidiaria. Y esto significa sueldos bajos en un mercado de precios globales, significa no poder sostener el estado del bienestar, como ya ocurre en Alemania, Francia o España. Significa una Europa con menos oportunidades para los jóvenes, una Europa marginal y mediocre.

¡El futuro no es gratis!