El Salvador presentó el jueves Nemotron-Personas-El-Salvador, el primer conjunto de datos abierto de personas sintéticas desarrollado específicamente para el país. La iniciativa, construida en colaboración con NVIDIA y WideLabs —empresa latinoamericana especializada en inteligencia artificial soberana y miembro del programa NVIDIA Inception—, busca ofrecer a desarrolladores, universidades y startups una base tecnológica que permita entrenar sistemas de IA adaptados a la realidad salvadoreña sin utilizar datos personales reales de la población.
El anuncio llega en un momento de aceleración tecnológica sin precedentes para El Salvador: menos de siete meses después del lanzamiento de DoctorSV, menos de cuatro desde la entrada en vigor de la Ley de Fomento de Inteligencia Artificial y Tecnologías, y apenas seis semanas después de que el país albergara la SovAI Summit en el Palacio Nacional. El ecosistema se mueve rápido. La pregunta es si las fundaciones se están construyendo al mismo ritmo que el escaparate.
Qué es exactamente Nemotron-Personas y cómo funciona
Para entender el alcance real del dataset, hay que entender primero qué es el programa Nemotron-Personas de NVIDIA. Se trata de una colección global de conjuntos de datos sintéticos multilingües y específicos por región, diseñados para apoyar el desarrollo de IA soberana en distintos países. La colección ya incluye datasets para Estados Unidos, Japón, India, Singapur, Brasil y Francia, entre otros. El Salvador se convierte hoy en el primer país centroamericano —y uno de los primeros de América Latina junto a Brasil— en sumarse a esa colección.
La arquitectura técnica se basa en el sistema NeMo Data Designer de NVIDIA, una plataforma empresarial de generación de datos sintéticos que utiliza un Modelo Gráfico Probabilístico (PGM) para producir perfiles ficticios estadísticamente coherentes con la distribución real de la población. Los perfiles generados incluyen atributos como edad, sexo, nivel educativo, ocupación, ubicación geográfica y rasgos culturales, pero son completamente artificiales: ningún perfil corresponde a una persona real. El dataset para El Salvador estará disponible bajo licencia abierta Creative Commons CC BY 4.0, lo que permite su uso tanto comercial como no comercial.
La referencia más cercana en escala y metodología es el dataset de Brasil, lanzado en enero de 2026: seis millones de personas sintéticas (1 millón de registros × 6 perfiles por registro), aproximadamente 1,400 millones de tokens totales, con 20 campos por registro basados en estadísticas oficiales del IBGE. El Salvador no ha publicado aún las especificaciones técnicas del volumen de su dataset —número de registros, campos incluidos, cobertura geográfica—, lo que constituye una primera zona de opacidad que se abordará más adelante.
El respaldo institucional: ANIA, la ley y los aliados
La presentación del dataset llega respaldada por tres pilares institucionales que el gobierno ha construido en los últimos 18 meses.
El primero es la Ley de Fomento de la Inteligencia Artificial y Tecnologías, aprobada el 26 de febrero de 2025 por la Asamblea Legislativa con 57 votos. La ley establece los principios rectores del ecosistema de IA salvadoreño —transparencia, equidad, seguridad, privacidad y rendición de cuentas— y crea el marco legal para el uso de datos en desarrollo tecnológico.
El segundo es la Agencia Nacional de Inteligencia Artificial (ANIA), instituida como entidad descentralizada con personalidad jurídica y patrimonio propio, adscrita a la Presidencia de la República, con mandato de supervisar el cumplimiento de la ley, administrar el Registro Nacional de Desarrollo de IA y coordinar la política tecnológica del Estado. La ANIA entró en implementación formal el 2 de septiembre de 2025.
El tercero es la alianza con WideLabs, que ya tiene una relación previa con instituciones salvadoreñas: la Fiscalía General de la República la acreditó públicamente en una colaboración anterior sobre herramientas de acceso digital a la justicia. La empresa opera como puente entre NVIDIA y gobiernos de la región, con experiencia documentada en despliegues de IA en sectores gubernamentales y regulados.
Lídice Nahomi González Aguilar, Directora Ejecutiva Adjunta de la ANIA, fue la voz oficial del lanzamiento: «A través de este trabajo con WideLabs y NVIDIA, estamos trayendo tecnología de vanguardia al país: conjuntos de datos sintéticos que nos proporcionan una base de privacidad por diseño para desarrollar sistemas de IA genuinamente adaptados al contexto salvadoreño».
Por qué el concepto es correcto y por qué importa
Antes de abordar las fisuras, es necesario dar al proyecto el crédito técnico que merece. El problema que busca resolver es real y significativo.
La gran mayoría de los modelos de inteligencia artificial disponibles en el mundo han sido entrenados con datos predominantemente angloparlantes y occidentales. Esto produce sistemas que con frecuencia malinterpretan contextos culturales, no reconocen idiomas locales o variedades dialectales, y generan resultados sesgados cuando se aplican a poblaciones con características demográficas distintas a las de sus datos de entrenamiento. Para un país como El Salvador —con una historia, una estructura económica, una composición demográfica y un vocabulario propios— esto se traduce en sistemas de IA que cometen errores evitables o que simplemente no sirven.
Un dataset soberano construido con estadísticas oficiales salvadoreñas permite que los agentes de IA entrenados con esa base entiendan las particularidades del país: la distribución urbana/rural, las estructuras familiares, los patrones de empleo informal, los contextos educativos y las referencias culturales. Eso es especialmente relevante para aplicaciones como DoctorSV, el asistente educativo Grok desplegado en 5,000 escuelas, y los sistemas de atención ciudadana que el gobierno está desarrollando.
El enfoque de datos sintéticos es además la respuesta técnicamente correcta al problema de la privacidad: en lugar de recopilar y procesar datos reales de los ciudadanos —con todos los riesgos de seguridad y los requisitos de consentimiento que eso implica—, se generan perfiles artificiales que replican las distribuciones estadísticas de la población sin exponer a ninguna persona real. Es lo que los expertos denominan «privacidad por diseño», y es el estándar que organismos como la Agencia Española de Protección de Datos (AEPD) y la Comisión Europea han promovido activamente.
El Índice Latinoamericano de Inteligencia Artificial (ILIA) 2025 destacó que El Salvador ocupa una posición destacada en productividad y calidad de producción de software de código abierto en la región, lo que sugiere que existe una base de talento técnico sobre la que el dataset puede tener impacto real.
Las fisuras que el comunicado oficial no menciona
Aquí es donde el periodismo tiene la obligación de hacer las preguntas que la nota de prensa no responde.
1. Las estadísticas base: ¿de cuándo son y quién las auditó?
Un dataset sintético es tan bueno como las estadísticas reales en que se basa. Si los datos del Censo de Población y Vivienda que alimentan los perfiles son desactualizados, incompletos o metodológicamente cuestionables, los perfiles sintéticos generados replicarán esas deficiencias con precisión matemática. El Salvador realizó su último censo en 2007; el siguiente fue realizado en 2024 pero sus datos definitivos aún están en proceso de publicación completa. La pregunta que ANIA no ha respondido públicamente es: ¿qué fuentes estadísticas oficiales concretas se usaron para construir el dataset, con qué año de referencia, y qué proceso de validación independiente garantiza su representatividad?
2. El riesgo de reidentificación: no resuelto por el nombre «sintético»
La literatura científica sobre datos sintéticos es unánime en un punto: los datos sintéticos no están inherentemente libres de riesgos de privacidad. Los expertos en ciberseguridad advierten que existe el riesgo de reidentificación de individuos por similitud estadística, especialmente en poblaciones pequeñas o con combinaciones de atributos poco frecuentes. En El Salvador, con departamentos de baja densidad y poblaciones con características muy específicas, un perfil sintético que combine ruralidad, cierto rango de edad, ocupación agrícola y nivel educativo puede aproximarse peligrosamente a personas reales identificables. El comunicado oficial no menciona qué métricas de validación de privacidad se aplicaron —k-anonymity, l-diversity, t-closeness— ni si se realizó un análisis de riesgo de reidentificación antes del lanzamiento.
3. La ANIA: adscrita a la Presidencia en un país sin separación de poderes
Aquí el problema no es técnico sino estructural. La ANIA, entidad rectora del ecosistema de IA salvadoreño, es una institución adscrita a la Presidencia de la República. En un país con separación de poderes funcional, eso es un modelo razonable. En El Salvador de 2026, donde el Poder Ejecutivo controla la Sala Constitucional, la Fiscalía, la Asamblea Legislativa y el sistema electoral, significa que el organismo que supervisará el uso de la IA —incluyendo la IA en sistemas de seguridad, biometría en espacios públicos, y determinaciones de acceso a servicios— responde directamente al mismo poder político que opera esos sistemas. La propia resolución de la ANIA establece que los sistemas de «biometría en espacios públicos» y «ejercicio de poderes públicos» son de registro obligatorio. Que la entidad que recibe esos registros sea una dependencia de la Presidencia no es un detalle menor.
4. El modelo regulatorio pro-negocio: ¿a qué costo?
El Salvador ha diseñado deliberadamente un marco regulatorio de IA más permisivo que el europeo. La documentación oficial de la ANIA lo señala con orgullo: «a diferencia de la normativa europea, que impone exigencias que pueden frenar a startups y desincentivar la inversión, El Salvador plantea un modelo simplificado y favorable a los negocios». La pregunta legítima es cuánta protección ciudadana se sacrifica en ese «modelo simplificado». La regulación europea de IA (EU AI Act), por costosa que sea para las empresas, existe porque los sistemas de IA de alto riesgo —crédito, empleo, justicia, seguridad— pueden causar daños reales y difícilmente reversibles a personas reales. Un marco regulatorio que prioriza la atracción de inversión sobre la protección ciudadana puede crear un paraíso de innovación con externalidades que los ciudadanos paguen durante décadas.
5. La dependencia de NVIDIA: soberanía con asterisco
Hay una ironía en el concepto de «IA soberana» construida sobre infraestructura de NVIDIA, licenciada bajo términos de NVIDIA, generada con NeMo Data Designer de NVIDIA, y distribuida a través de Hugging Face con el sello de NVIDIA. No es una crítica a NVIDIA —es la empresa líder global en infraestructura de IA y su participación aporta credibilidad técnica indiscutible—, sino una pregunta sobre el alcance real del término «soberanía». El dataset estará disponible con licencia CC BY 4.0, lo que garantiza uso abierto. Pero la infraestructura de generación, actualización y expansión del dataset seguirá dependiendo de herramientas propietarias de un actor privado extranjero. Cuando El Salvador quiera actualizar el dataset con el censo definitivo de 2024, ¿podrá hacerlo de forma autónoma o requerirá renovar su relación con WideLabs y NVIDIA?
6. El ecosistema que lo usará: ¿existe todavía?
Un dataset soberano es infraestructura. Para que tenga impacto real, necesita un ecosistema de desarrolladores, investigadores y startups que lo use. El Índice ILIA 2025 señala que más de la mitad de los países de América Latina no cuenta aún con infraestructura de cómputo de alto rendimiento, y que Brasil representa más del 90% de la capacidad de cómputo total de la región. El Salvador no tiene centros de datos de gran escala, la penetración de internet de banda ancha tiene brechas significativas en zonas rurales, y el número de empresas tecnológicas con capacidad de desarrollar agentes de IA es limitado. El dataset puede ser excelente; el terreno donde tiene que florecer es otro desafío.
El contexto más amplio: una estrategia coherente con grietas visibles
El Nemotron-Personas-El-Salvador no es un proyecto aislado. Es una pieza de un ecosistema tecnológico que el gobierno Bukele ha construido con coherencia y velocidad notables: la Ley de IA en febrero de 2025, la ANIA en septiembre de 2025, DoctorSV en noviembre de 2025, Grok en 5,000 escuelas en diciembre de 2025, la SovAI Summit en abril de 2026, y ahora el dataset soberano en junio de 2026. La estrategia tiene lógica interna y ambición genuina.
Las grietas también son sistémicas. El mismo gobierno que construye esta infraestructura tecnológica recortó el 7.3% del presupuesto de salud en 2025 y despidió a 5,080 trabajadores de la misma área donde opera DoctorSV. La misma ANIA que supervisará el uso ético de la IA responde a una Presidencia que ha usado el estado de excepción de forma continua durante más de 36 meses. El mismo país que se presenta como líder regional en soberanía tecnológica no tiene, según Freedom House, la separación de poderes necesaria para garantizar que esa tecnología no sea usada para vigilancia política.
El dataset soberano de El Salvador es una herramienta real, construida con buen criterio técnico, en alianza con un actor global de primera línea. Merece ser reconocida como lo que es. Y merece ser interrogada como lo que también es: un componente de una estrategia estatal de modernización tecnológica que avanza mucho más rápido que las instituciones democráticas que deberían supervisarla.
Preguntas que ANIA debería responder públicamente
A modo de cierre, esta nota plantea las cinco preguntas que una política de transparencia institucional mínima exige responder antes de que el dataset sea usado en aplicaciones de impacto real:
¿Cuáles son las fuentes estadísticas exactas utilizadas para construir los perfiles, con año de referencia y metodología de validación?
¿Cuántos registros contiene el dataset salvadoreño, con qué cobertura geográfica departamental y con qué campos incluidos?
¿Qué métricas de privacidad diferencial fueron aplicadas para garantizar la no reidentificabilidad, y quién las auditó de forma independiente?
¿Bajo qué condiciones puede El Salvador actualizar, ampliar o migrar el dataset sin depender de WideLabs o NVIDIA?
¿Qué mecanismo de supervisión independiente —distinto de la ANIA adscrita a la Presidencia— existe para auditar el uso del dataset en sistemas de IA de alto riesgo, especialmente en seguridad pública y acceso a servicios?
Mientras esas preguntas no tengan respuesta pública y verificable, Nemotron-Personas-El-Salvador será una herramienta con potencial genuino y un relato oficial más completo que la realidad que describe.
