La inteligencia artificial generativa se ha transformado, en pocos años, de un campo especializado de investigación computacional en una tecnología de propósito general con aplicaciones en programación, manufactura, salud, educación, finanzas, comunicación y creación de contenidos. Su expansión no se limita a la difusión comercial de asistentes conversacionales o sistemas de generación de imágenes. Detrás de estas aplicaciones existe una competencia por controlar arquitecturas, métodos de entrenamiento, optimización de modelos, procesamiento multimodal, seguridad de sistemas y usos industriales. El informe Patent Trends Update in GenAI de la OMPI, publicado en julio de 2026, muestra que el patentamiento relacionado con esta tecnología se está acelerando a un ritmo excepcional y que sus protagonistas ya no son únicamente empresas de software, sino también conglomerados financieros, fabricantes, compañías de infraestructura y entidades públicas de investigación.
La pregunta relevante, sin embargo, no consiste solamente en determinar qué país o empresa registra más invenciones. El problema central es comprender cómo la apropiación jurídica del conocimiento tecnológico puede traducirse en ventajas económicas, industriales y geopolíticas. Una patente concede un derecho territorial y temporal de exclusión, pero su valor estratégico puede superar el producto específico que protege. Una cartera amplia permite negociar licencias cruzadas, reducir riesgos de litigio, impedir la entrada de competidores, respaldar valoraciones empresariales y participar en la configuración de estándares. En ese sentido, la carrera patentaria constituye una disputa por posiciones futuras dentro de mercados que todavía se encuentran en proceso de formación.
La medición de esta competencia exige, además, ciertas precisiones metodológicas. Los informes de paisaje tecnológico suelen utilizar familias de patentes para evitar contar varias veces una misma invención protegida en diferentes jurisdicciones. La OMPI define una familia como un conjunto de solicitudes interrelacionadas destinadas a proteger una invención igual o similar; por ello, una familia ofrece una aproximación más cercana al número de invenciones que el simple recuento de documentos nacionales. Sin embargo, las publicaciones no equivalen necesariamente a patentes concedidas, productos comercializados o innovaciones exitosas. También existe un desfase temporal, normalmente cercano a dieciocho meses, entre la presentación y la publicación de muchas solicitudes.
La competitividad tecnológica debe entenderse, por tanto, como una capacidad multidimensional. Incluye la generación de conocimiento, pero también su absorción, protección, financiación, escalamiento y difusión. Un país puede liderar en cantidad de patentes y depender de componentes extranjeros; otro puede producir menos documentos, pero controlar modelos de frontera, plataformas digitales o semiconductores avanzados. El AI Index Report 2026 de Stanford refleja esta complejidad: Estados Unidos mantiene fortalezas en modelos de alto nivel, inversión privada e impacto tecnológico, mientras China lidera diferentes métricas de publicaciones, patentes e implementación industrial. La competencia no presenta, por ello, una jerarquía única y estable.
Este artículo sostiene que las patentes de IA generativa definen la competitividad global mediante tres mecanismos. Primero, delimitan espacios jurídicos de explotación y negociación dentro de la cadena de valor. Segundo, revelan la dirección de la inversión tecnológica de empresas y Estados. Tercero, pueden consolidar estructuras de mercado al favorecer a quienes poseen recursos suficientes para registrar, vigilar, licenciar y litigar grandes carteras. La exposición se basa principalmente en fuentes oficiales y estudios académicos publicados hasta julio de 2026, y adopta una posición crítica: las estadísticas patentarias son fundamentales para comprender la competencia, pero no pueden confundirse con una medición completa de innovación o liderazgo.
El fundamento económico tradicional del sistema de patentes es un intercambio entre exclusividad y divulgación. El inventor revela públicamente información técnica que, de otro modo, podría conservar como secreto, y recibe a cambio un derecho limitado para impedir que terceros exploten la invención sin autorización. Este mecanismo busca resolver un problema de apropiabilidad: la producción de conocimiento requiere inversión, pero su reproducción puede resultar considerablemente más barata. En industrias caracterizadas por altos costos de investigación y rápida imitación, la protección puede facilitar la recuperación de inversiones. No obstante, la OCDE ha advertido que los efectos del sistema dependen del sector, de la calidad de las patentes y de las condiciones de competencia, por lo que no existe una relación automática entre una protección más intensa y una mayor innovación.
Las patentes también funcionan como indicadores de actividad inventiva, aunque deben interpretarse con precaución. El número de solicitudes puede reflejar inversión en investigación, especialización tecnológica o expectativas comerciales, pero también estrategias defensivas, incentivos institucionales y diferencias entre oficinas nacionales. Los trabajos de Hall, Jaffe y Trajtenberg mostraron que las citas recibidas por una patente se relacionan con el valor de los activos tecnológicos de las empresas. Estudios posteriores han reiterado, sin embargo, que las citas son indicadores ruidosos: pueden aproximar influencia tecnológica, pero no captan de manera perfecta la calidad científica, el valor social o la rentabilidad privada. En consecuencia, volumen, citas, tamaño familiar, cobertura internacional y comercialización deben analizarse conjuntamente.
La teoría de los sistemas nacionales de innovación permite ampliar esta perspectiva. Las empresas no innovan de manera aislada, sino dentro de redes constituidas por universidades, institutos públicos, inversionistas, oficinas de patentes, mercados laborales, infraestructuras y políticas industriales. Desde esta perspectiva, las diferencias entre China y Estados Unidos no pueden reducirse a una comparación de solicitudes. Un estudio reciente de Fang, Gu, Yan y Zhu muestra que el patentamiento estadounidense en IA está concentrado en grandes empresas privadas y centros tecnológicos consolidados, mientras el ecosistema chino presenta una participación más amplia de universidades, empresas estatales y regiones. Las patentes son, así, huellas institucionales de distintos modos de organizar la innovación.
Este proceso ocurre dentro de una economía crecientemente basada en activos intangibles. La OMPI y Luiss Business School estimaron que la inversión intangible de las economías estudiadas superó los diez billones de dólares en 2025 y que, desde 2008, creció más de tres veces más rápido que la inversión tangible. Software, datos, investigación, marcas, diseño, conocimiento organizacional y propiedad intelectual forman una infraestructura invisible que condiciona la productividad. En IA generativa, la patente adquiere valor cuando se articula con estos activos complementarios: un algoritmo protegido difícilmente produce una ventaja sostenible sin bases de datos, capacidad computacional, personal especializado, canales de distribución y conocimiento empresarial.
La acumulación de derechos exclusivos puede, finalmente, generar efectos opuestos a los buscados por el sistema. Carl Shapiro denominó “maraña de patentes” a una red de derechos superpuestos que obliga a una empresa a negociar con numerosos titulares antes de comercializar un producto complejo. La IA generativa presenta condiciones favorables para este fenómeno porque combina semiconductores, procesamiento distribuido, métodos estadísticos, gestión de datos, interfaces y aplicaciones sectoriales. Cuanto más fragmentada esté la titularidad de estos componentes, mayor será el costo de determinar la libertad de operación. Las licencias cruzadas y los consorcios pueden reducir ese problema, pero también fortalecer a los grandes actores capaces de aportar carteras extensas a la negociación.
El primer problema interpretativo consiste en la tensión entre cantidad, calidad y capacidad de transformación económica. El liderazgo numérico chino es inequívoco, pero no demuestra por sí solo que todas las invenciones tengan la misma influencia o alcance. Al mismo tiempo, sería incorrecto asumir que el volumen chino carece de valor por el solo hecho de estar impulsado por universidades o entidades públicas. Fang y sus coautores encuentran que las patentes de IA de empresas estatales y universidades chinas contienen conocimiento utilizado posteriormente por actores privados y presentan una prima económica verificable. La conclusión más prudente es que los indicadores describen fortalezas distintas: escala y difusión institucional en China; concentración privada, inversión y generación de modelos de frontera en Estados Unidos; y especialización industrial en Japón, Corea y determinadas economías europeas.
El segundo problema es el uso estratégico de las patentes. Una cartera puede proteger una innovación efectivamente comercializada, pero también servir como escudo frente a demandas, instrumento de intercambio o advertencia contra nuevos participantes. En mercados tecnológicos complejos, las empresas acumulan derechos incluso cuando no pretenden fabricar directamente todos los productos cubiertos. La patente se convierte entonces en una unidad de negociación. Este fenómeno puede estimular acuerdos y transferencia tecnológica, pero también producir retención estratégica, costos de transacción y litigios. La rapidez con que se están publicando nuevas familias de IA generativa aumenta la probabilidad de superposición entre reivindicaciones y eleva la importancia de los análisis de libertad de operación.
El tercer elemento es la concentración de la infraestructura. Las patentes no actúan independientemente del acceso a chips, centros de datos, energía, nube y software especializado. La OCDE ha señalado que la integración entre diseño de semiconductores, servicios de nube, desarrollo de modelos e inversión empresarial puede generar eficiencia, pero también producir cierres de mercado, acceso diferenciado a insumos críticos y costos elevados para cambiar de proveedor. La interoperabilidad, la portabilidad y la existencia de capacidad pública o compartida de cómputo pueden resultar tan importantes para la competencia como la política de patentes. Una empresa puede disponer de una invención jurídicamente protegida y, aun así, carecer de los recursos necesarios para entrenarla o desplegarla a escala.
El cuarto desafío se encuentra en las diferencias jurídicas entre jurisdicciones. La Oficina Europea de Patentes admite que los métodos de inteligencia artificial y aprendizaje automático pueden ser patentables cuando forman parte de una solución técnica a un problema técnico; no basta, por tanto, con presentar un algoritmo matemático de manera abstracta. La CNIPA publicó a finales de 2024 directrices específicas para solicitudes relacionadas con IA, orientadas a explicar la aplicación de su legislación y elevar la calidad de las solicitudes. En Estados Unidos, la USPTO revisó en noviembre de 2025 su orientación sobre invenciones asistidas por IA y reafirmó que solo las personas naturales pueden ser nombradas inventoras, aunque los sistemas artificiales puedan utilizarse como herramientas durante el proceso inventivo. La divergencia en examen, suficiencia descriptiva y materia patentable puede influir en dónde y cómo las empresas estructuran sus carteras.
El quinto problema es distributivo. La carrera favorece a las empresas capaces de financiar investigación, solicitudes internacionales, vigilancia tecnológica y defensa judicial. Las pequeñas empresas y los países con menor capacidad institucional corren el riesgo de convertirse en consumidores de tecnologías protegidas en otras jurisdicciones. Sin embargo, una política basada únicamente en aumentar solicitudes nacionales tampoco solucionaría esta brecha. Se requieren capacidades para evaluar la calidad, transferir resultados universitarios, negociar licencias, desarrollar estándares abiertos y combinar patentes con software de código abierto, secretos empresariales y publicaciones científicas. Una estrategia competitiva equilibrada debe proteger invenciones valiosas sin cerrar innecesariamente los espacios de experimentación y acumulación colectiva de conocimiento.
China National Intellectual Property Administration — CNIPA. (2024). 人工智能相关发明专利申请指引（试行） [Directrices provisionales para solicitudes de patentes de invenciones relacionadas con inteligencia artificial]. CNIPA.
https://www.cnipa.gov.cn/art/2024/12/31/art_66_196988.html
De Rassenfosse, G. (2025). Patent citations and patent importance. The Patentist Living Literature Review / arXiv.
https://arxiv.org/abs/2508.20503
European Commission. (2025). AI Continent Action Plan. Comisión Europea.
https://digital-strategy.ec.europa.eu/en/factpages/ai-continent-action-plan
European Patent Office — EPO. (2026). Guidelines for Examination: Artificial intelligence and machine learning, section G-II, 3.3.1. Oficina Europea de Patentes.
https://www.epo.org/en/legal/guidelines-epc/2026/g_ii_3_3_1.html
Fang, H., Gu, X., Yan, H., & Zhu, W. (2026). AI Patents in the United States and China: Measurement, Organization, and Knowledge Flows. NBER Working Paper No. 35022. National Bureau of Economic Research.
https://www.nber.org/papers/w35022
Hall, B. H., Jaffe, A., & Trajtenberg, M. (2005). “Market Value and Patent Citations”. The RAND Journal of Economics, 36(1), 16–38.
https://eml.berkeley.edu/~bhhall/papers/HallJaffeTrajtenberg_RJEjan04.pdf
Organisation for Economic Co-operation and Development — OECD. (2004). Patents and Innovation: Trends and Policy Challenges. OECD Publishing.
https://doi.org/10.1787/9789264026728-en
Organisation for Economic Co-operation and Development — OECD. (2026). Executive Summary of the Roundtable on Competition in Artificial Intelligence Infrastructure. OECD Competition Committee.
https://one.oecd.org/document/DAF/COMP/M%282025%293/ANN2/FINAL/en/pdf
Shapiro, C. (2001). “Navigating the Patent Thicket: Cross Licenses, Patent Pools, and Standard Setting”. En Innovation Policy and the Economy, vol. 1. MIT Press y National Bureau of Economic Research.
https://www.nber.org/books-and-chapters/innovation-policy-and-economy-volume-1/navigating-patent-thicket-cross-licenses-patent-pools-and-standard-setting
Stanford Institute for Human-Centered Artificial Intelligence. (2026). The 2026 AI Index Report. Stanford University.
https://hai.stanford.edu/ai-index/2026-ai-index-report
United States Patent and Trademark Office — USPTO. (2025). Revised Inventorship Guidance for AI-Assisted Inventions. U.S. Department of Commerce.
https://www.uspto.gov/subscription-center/2025/revised-inventorship-guidance-ai-assisted-inventions
World Intellectual Property Organization — WIPO. (2024). Patent Landscape Report: Generative Artificial Intelligence. OMPI.
https://www.wipo.int/web-publications/patent-landscape-report-generative-artificial-intelligence-genai/en/index.html
World Intellectual Property Organization — WIPO. (2026). Patent Trends Update in GenAI. Technology SPARK Report Series. OMPI.
https://www.wipo.int/edocs/pubdocs/en/wipo-pub-1089-3-2026-en-patent-trends-update-in-genai.pdf
World Intellectual Property Organization & Luiss Business School. (2026). World Intangible Investment Highlights 2026: Better Data for Better Business and Policy. OMPI.
https://www.wipo.int/edocs/pubdocs/en/wipo-pub-1097-en-world-intangible-investment-highlights.pdf