La segunda edición del Pan African AI & Innovation Summit terminó el miércoles 23 de septiembre en el Kempinski Hotel Gold Coast City de Accra. Durante dos días reunió a administraciones públicas, empresas tecnológicas, universidades, organizaciones continentales, inversores y equipos que intentan convertir la inteligencia artificial en productos. El lema oficial proponía escalar un ecosistema africano de IA ética a través de juventud, políticas públicas, alianzas y capacidades.

La cobertura periodística se concentró sobre todo en el nivel político de la cumbre. Ghana News Agency destacó la propuesta del ministro ghanés Samuel Nartey George de regular riesgos y daños sin impedir la experimentación de menor riesgo. También recogió la advertencia de Arnold Kavaarpuo, director ejecutivo de la Data Protection Commission, ante un poder tecnológico que ya atraviesa comunicaciones, nube, identidad digital, pagos, modelos de IA y acceso a mercados y que, en su opinión, ningún regulador africano puede gobernar por separado.

La segunda jornada permitió observar otra capa. La apertura del miércoles marcó el desplazamiento. Después de discutir el día anterior sobre políticas, datos, alianzas e inversión, tocaba pasar «de los marcos a las personas» y preguntarse cómo convertir la IA de una idea emocionante en un impacto real.

Durante las horas siguientes, palabras como soberanía, talento, infraestructura o innovación fueron encontrándose con teléfonos básicos, escuelas sin conectividad, residuos del cacao, datos bancarios que una empresa emergente no puede consultar, dispositivos médicos que todavía no han llegado a una clínica y modelos cuyos resultados necesitan integrarse en instituciones capaces de actuar.

Coordinar sin uniformar

Thelma Quaye volvió a intervenir al inicio de la segunda jornada para desarrollar lo que había planteado el martes. Smart Africa reúne actualmente a 42 Estados miembros y persigue la creación de un mercado digital continental único. La cifra corresponde a la alianza, no al Africa AI Council. Este último fue constituido formalmente el 17 de noviembre de 2025 y cuenta con 15 integrantes, siete responsables ministeriales de TIC y ocho representantes independientes de empresas, academia y otros ámbitos.

El día anterior, Quaye había resumido el problema con una fórmula recogida por Ghana News Agency: «We need coordination, not uniformity». Sistemas de identidad, pagos, regulación o datos incompatibles pueden conservar formalmente la soberanía de cada Estado y, al mismo tiempo, impedir que una solución desarrollada en uno de ellos pueda operar en los demás.

En la presentación del miércoles llevó el argumento hacia sus condiciones materiales. Acceso a GPU, formación, mercados y financiación aparecieron dentro de una misma arquitectura. También volvió sobre el objetivo de 60.000 millones de dólares del Africa AI Fund. La cifra procede de la Africa Declaration on Artificial Intelligence adoptada en Kigali en abril de 2025. La declaración establece que el fondo debería combinar capital público, privado y filantrópico para financiar infraestructura de IA, empresas africanas, formación de profesionales y capacidad investigadora. Meses después, Carnegie Endowment señalaba que los detalles del fondo todavía no habían salido a la luz.

En Accra, Quaye afirmó además que ya se habían alcanzado 18.700 millones de dólares en financiación para IA en África. No hemos encontrado un desglose público que permita tratar esa cifra como un dato consolidado. La mantenemos, por tanto, como una afirmación pronunciada durante su intervención y no como una estimación verificada de capital movilizado.

La distinción importa. Una estrategia de IA sin cómputo limita lo que puede construirse. El talento sin compradores o inversión puede quedarse en formación. Y una empresa que solo puede operar dentro de las fronteras técnicas o regulatorias de su país difícilmente accede al mercado continental que debería justificar su crecimiento.

Después de formar

George Opare Addo, ministro de Desarrollo y Empoderamiento Juvenil de Ghana, dedicó buena parte de su intervención a cuestionar otra métrica habitual. El acceso a programas de capacitación, sostuvo, constituye solamente el principio.

En lugar de contar únicamente cuántas personas jóvenes reciben formación o financiación, propuso seguir qué sucede después. Entre los indicadores que planteó estaban las empresas formalmente registradas, la supervivencia a los doce y veinticuatro meses, el crecimiento de ingresos, los puestos de trabajo creados, la reinversión y la participación de mujeres jóvenes y personas con discapacidad.

El Digital Youth Village de la Universidad de Ghana presentó una secuencia semejante. Olivia Frimpong Kwapong, directora del proyecto y decana de la School of Continuing and Distance Education, describió un itinerario que empieza formando e ideando, pero continúa con prototipado, incubación, aceleración, inversión y acceso a mercado antes de poder hablar del crecimiento de una empresa.

La infraestructura del talento apareció así como algo bastante más amplio que un curso.

En el panel educativo, G. Ayorkor Korsah, de Ashesi University, distinguió tres conocimientos que necesita quien enseña IA: comprender qué es y qué no es, saber utilizar —y cuándo no utilizar— sus herramientas y entender cómo funciona hasta poder crear con ella. Añadió una advertencia. Pensamiento crítico, creatividad y empatía no deberían desaparecer precisamente cuando las herramientas permiten delegar una parte creciente del trabajo cognitivo.

Ayo Jones, estratega educativa y creadora del SHiFT System, llevó la discusión todavía más abajo, hacia aulas que ni siquiera disponen siempre de luz, agua, dispositivos o conectividad. «You can teach curiosity without Wi-Fi», dijo. Su argumento no consistía en negar la brecha tecnológica, sino en evitar que la falta de infraestructura suspenda mientras tanto el aprendizaje de capacidades como curiosidad, pensamiento crítico, colaboración o comunicación.

Tom-Chris Emewulu, fundador y presidente de Stars From All Nations, añadió después la otra mitad del problema. Se puede desarrollar todo el talento en IA imaginable, señaló, pero sin un camino hacia el mercado y sin clientes que paguen, su alcance continúa limitado. Para una empresa emergente, el acceso a mercado puede acabar siendo más decisivo que otro premio o una nueva pequeña subvención.

Formar a más personas no produce por sí mismo una industria tecnológica. Alguien tiene que comprar aquello que construyan.

Una IA que pueda recibir una llamada

Algunas de las intervenciones más interesantes de Accra procedieron de soluciones diseñadas alrededor de aquello que falta.

Nii Lante Heward-Mills, responsable de Viamo en Ghana y Liberia, describió herramientas de IA accesibles mediante teléfonos básicos y sin depender de una conexión convencional a internet. En la sesión habló de despliegues en nueve países y doce lenguas. Una cobertura de Citi Newsroom publicada dos semanas antes atribuía a Viamo un alcance distinto —IA sin conexión en trece países y diez lenguas—, señal de que las cifras probablemente describen conjuntos de servicios o despliegues diferentes. Para el argumento de la cumbre, lo relevante era la interfaz: una llamada de voz desde el teléfono que la persona ya posee.

El desarrollo tiene respaldo público. El 15 de septiembre Google explicó que estaba apoyando a Viamo para llevar Gemini a teléfonos básicos mediante Ask Viamo Anything, cuyo piloto en Ruanda había superado los dos millones de preguntas. El 23 de septiembre, Viamo publicó además su propio anuncio formal de colaboración con Google para ampliar el acceso a IA mediante llamadas telefónicas.

En Ghana, Viamo había lanzado días antes la plataforma gratuita 231 junto con MTN. El servicio permite acceder por voz desde teléfonos básicos y funciona inicialmente en Twi, Ewe, Hausa, Dagbani, Ga e inglés.

Farmerline partía de una restricción parecida. Durante la sesión, su representante explicó la evolución desde un servicio de información agronómica mediante IVR hacia Darli AI y afirmó que el sistema podía comprender «about 41 local languages».

Las fuentes públicas no ofrecen una cifra única. Un artículo de GSMA publicado originalmente en mayo de 2025 describía Darli AI con 27 lenguas y explicaba que Farmerline aspiraba a ampliar sustancialmente esa cobertura. En otoño de 2025, la propia empresa ya publicitaba 42 lenguas, diagnóstico de enfermedades mediante fotografías y funcionamiento tanto en smartphones como en feature phones. La web actual de Darli vuelve a mostrar «27+ languages». En vez de ordenar esas cifras como si fueran etapas sucesivas de una misma métrica, conviene leerlas como definiciones distintas de cobertura lingüística —modelos disponibles, lenguas en producción o servicios plenamente desplegados— que la documentación pública no termina de aclarar.

Los casos de Viamo y Farmerline sugieren una medida de innovación distinta de la habitual. El modelo mayor deja de ser necesariamente el más útil. En determinados contextos importan más la conectividad necesaria, el dispositivo que ya tiene la persona usuaria, la lengua en la que puede hablar y el coste de llegar hasta ella.

El momento en que el prototipo encuentra una institución

El Hack-AI-Thon hizo visible la misma tensión de una manera casi experimental.

La presentación final de HemoDetect cerró, según anunció la organización desde el escenario, una selección procedente de «200 plus solutions». El jurado no se limitó a preguntar si los modelos funcionaban. Una y otra vez preguntó qué ocurriría cuando intentaran salir del prototipo.

VitaPulse presentó un dispositivo para monitorización cardíaca con inferencia local. El equipo explicó que había comparado su modelo con conjuntos de datos abiertos como PhysioNet. El jurado preguntó entonces por la siguiente etapa: si el dispositivo había sido llevado a una clínica, si se habían recogido datos de pacientes reales y si sus resultados habían sido confrontados con esos conjuntos de referencia. La respuesta fue que todavía no.

La distancia entre ambos momentos resulta pequeña desde el código y enorme desde la medicina.

Otro equipo propuso detectar y rastrear operaciones financieras fraudulentas. Cuando el jurado preguntó si ya había alguna entidad financiera utilizando el producto, la respuesta también fue negativa. Su modelo base había sido entrenado con datos públicos de transacciones de dinero móvil y el equipo buscaba bancos o empresas fintech con los que continuar.

El comentario posterior fue especialmente revelador. El concepto era bueno, pero todavía no constituía una solución viable para producción. La recomendación fue asociarse con un banco o una operadora, trabajar dentro de sus reglas de protección de datos y utilizar información real para construir, probar y validar el modelo.

El algoritmo no era el único producto que faltaba. Faltaba también la institución.

HemoDetect, dedicado al análisis automatizado de muestras de laboratorio, abrió una variante del mismo problema. El sistema incorporaba revisión profesional de los resultados, pero el jurado preguntó qué ocurría con la prometida mejora de productividad si una persona especialista tenía que revisar todos los casos. La recomendación fue entrenar con datos reales de laboratorio y establecer umbrales de confianza que determinasen cuándo resulta necesaria la intervención humana.

Datos reales, instituciones capaces de proporcionarlos y reglas sobre cuándo debe intervenir una persona aparecieron así como partes del sistema, no como trámites posteriores al desarrollo.

Husker AI terminó ganando la competición, según el anuncio realizado durante la clausura. KNUST había documentado el proyecto el 12 de septiembre, después de que quedara finalista en el Ghana AI Innovation Challenge. El sistema permite escanear residuos de vainas de cacao, contarlos y clasificarlos, estimar su valor y conectar a quienes los producen con posibles compradores para alimentación animal, fertilizante orgánico o biochar.

El residuo del cacao acabó imponiéndose a propuestas médicas y financieras de mayor apariencia tecnológica. También ahí había una señal. La sofisticación del modelo importaba menos que la relación entre problema, producto, personas usuarias y condiciones reales de utilización.

Dos horas antes del lanzamiento

El panel sobre privacidad, sesgos y responsabilidad llevó esa lógica hacia el propio proceso de desarrollo.

Kwame Anda se presentó como CEO de Creative Waves Consulting y explicó la privacidad desde el ciclo completo de un producto. Privacy by design, dijo, significa no llamar al equipo encargado de privacidad «dos horas antes del lanzamiento». Debe entrar desde el descubrimiento del problema y continuar durante diseño, desarrollo, pruebas, lanzamiento y vida posterior del sistema.

La observación parece administrativa hasta que se conecta con lo ocurrido durante el Hack-AI-Thon. Los problemas de acceso a datos bancarios, validación clínica o supervisión humana no estaban fuera de los modelos. Determinaban si esos modelos podían existir fuera de una presentación.

Lobna Jeribi, exministra tunecina y especialista en políticas públicas, trasladó el razonamiento a la resiliencia climática. Una información mejor no produce automáticamente mejores resultados, sostuvo. Las instituciones tienen que interpretarla, coordinar acciones, movilizar recursos y modificar sus intervenciones.

Su formulación fue especialmente útil para pensar la IA más allá de sus métricas técnicas.

«What happens after prediction?»

Un sistema puede mejorar una predicción meteorológica o anticipar un riesgo ambiental. El resultado depende después de si una autoridad local puede convertir esa información en decisiones de inversión, si una comunidad puede responder o si las personas dedicadas a la agricultura pueden modificar sus prácticas.

La precisión del modelo termina siendo solamente una parte del sistema que produce el resultado.

Lo que sale de la sala

Felix Donkor cerró la segunda edición de la cumbre desplazando finalmente la responsabilidad hacia quienes habían participado.

«Build something, sign the agreement, hire a young person», pidió antes de convocarles nuevamente para 2027. Y añadió una condición: volver con evidencias.

La frase reunía buena parte de lo ocurrido durante los dos días.

La primera jornada había discutido cómo gobernar la IA desde África, cómo controlar datos que cruzan fronteras, cómo responder al poder acumulado por grandes plataformas y cómo construir infraestructura propia. La segunda mostró qué sucede cuando esas aspiraciones alcanzan la escala del producto.

Una estrategia necesita cómputo. Una alianza continental necesita sistemas capaces de interoperar. La formación necesita empleo y compradores. Una lengua necesita datos suficientes para entrar en un sistema. Una herramienta médica necesita validación clínica. Un modelo antifraude necesita un banco que permita probarlo. Una automatización necesita decidir cuándo debe intervenir una persona. Una predicción necesita una institución que pueda actuar después.

Accra no resolvió esas dependencias en dos días. Hizo algo más modesto y quizá más útil: permitió verlas juntas.

El balance de esta segunda edición podrá medirse con el criterio que su propia organización eligió al despedirse. En septiembre de 2027 no bastará con recordar qué se dijo en aquella sala. Habrá que observar qué consiguió salir de ella.

Referencias