Los laboratorios de IA no logran convencer a las empresas de que no espían su código
Nvidia reserva Fable para código abierto y usa sus propios modelos en tareas internas; Booz Allen lo ha vetado y Palantir bloquea su despliegue. La retención cero no basta.
Que un inversor no se fíe de la empresa en la que invierte es un titular incómodo, y es lo que le está pasando a Anthropic. Nvidia, que ha metido dinero en ella y le suministra hardware para entrenar modelos, ha decidido que Fable no toca trabajo sensible: lo usa para proyectos de código abierto y para poco más. Para tareas internas como la monitorización de su cadena de suministro con IA tira de sus propios Nemotron. No está sola. Booz Allen Hamilton, uno de los primeros usuarios de Mythos, ha prohibido a sus empleados tocar Fable para el software de ciberseguridad propietario que desarrolla. Y Palantir bloquea su despliegue a clientes hasta que Anthropic firme garantías irrevocables de retención cero de datos.
El criterio de Nvidia lo resumió Justin Boitano, su vicepresidente de IA empresarial: «Como empresa, creemos que la retención cero de datos debería estar activada por defecto». Bill Vass, CTO de Booz Allen, fue igual de directo: «Nos preocupa un poco que pueda estar aprendiendo de parte de nuestro código». Alex Karp, consejero delegado de Palantir, aprovechó un evento con clientes para decir que las empresas están hartas de que los laboratorios las «exploten». Su postura también le conviene: quiere que esas compañías pasen por su plataforma en lugar de contratar directamente con los proveedores.
La retención cero no tapa todos los agujeros
Anthropic ha reaccionado. Después del empujón de sus clientes y de que OpenAI abriera en agosto un programa para que los usuarios de GPT-5.6 Cyber guardaran sus logs de seguridad en servidores propios, la compañía ha lanzado algo parecido, con despliegue este otoño en clientes seleccionados.
Pero la retención cero no impide que el laboratorio aprenda de cómo se usa el servicio. OpenAI y Anthropic recogen metadatos y datos técnicos de uso de sus clientes empresariales. OpenAI los llama «desidentificados» y sostiene en su página de privacidad empresarial que pasa los datos de negocio por clasificadores automáticos y herramientas de seguridad para «entender mejor cómo se usan nuestros servicios»; las clasificaciones resultantes, dice, no contienen los datos en sí. Hay clientes que no tienen claro qué abarca ese metadato.
John Schulman, cofundador de OpenAI que pasó brevemente por Anthropic y ahora trabaja en Thinking Machines, describió el espectro de formas de entrenar con datos de usuario: del preentrenamiento directo, con riesgo alto de reproducir contenido, a la destilación o la construcción de tareas de aprendizaje por refuerzo a partir de «rastros de usuario». Ese último caso reproduce poco contenido, pero puede extraer propiedad intelectual. «La desidentificación es débil», dice, y con unos pocos bits se puede reidentificar a un usuario. Sarah Hooker, ex de Cohere y Google DeepMind, señala el mismo agujero: hay técnicas de datos sintéticos que generan conjuntos equivalentes en distribución preservando la privacidad. Y avisa de que una empresa con propiedad intelectual tiene una ventana limitada para construir su propia inteligencia; si no, acaba alimentando a un laboratorio que antes o después le competirá. Schulman matizó después que entrenar con datos de usuario es «extremadamente improbable» que aporte mucho a la capacidad de frontera, y que sirve más para encontrar modos de fallo, aunque admitió que los laboratorios difieren en cuán agresivamente lo hacen.
El caso que lo hizo tangible
El matemático Tristan Buckmaster acusó a OpenAI de algo más grave. Junto a Levent Alpöge subió borradores de su trabajo sobre las ecuaciones de Navier-Stokes a Codex; poco después, la compañía presentó su propio avance por una ruta de solución inusualmente parecida. OpenAI admitió primero que no podía descartar que datos anonimizados derivados de ese uso hubieran mejorado sus modelos. Tras una investigación interna, actualizó su publicación: los prompts de Buckmaster de los dos meses anteriores al 8 de septiembre de 2026 no pudieron influir en el sistema, ni por entrenamiento ni de ninguna otra forma.
El episodio deja a los laboratorios con un problema comercial, no solo reputacional. Quien tiene código o investigación que vale dinero necesita saber qué sale exactamente de su perímetro y qué se queda, y hoy ni los contratos ni las declaraciones de privacidad responden a eso con la precisión que exige una compra empresarial. Hasta que lo hagan, los modelos que quieren vender a las empresas seguirán perdiendo trabajo interno frente a lo que cada uno pueda desplegar en su casa.
