Michael Kratsios, asesor principal de ciencia y tecnología del presidente Donald Trump, fue quien puso en palabras lo que varias empresas venían denunciando desde febrero. Según el comunicado oficial, decenas de miles de cuentas fraudulentas asociadas a laboratorios chinos estarían generando millones de consultas a los modelos de OpenAI, Anthropic y Google DeepMind para entrenar copias más baratas y sin salvaguardias. La Casa Blanca anunció que explorará "un rango de medidas para responsabilizar a actores extranjeros", coordinando con la industria privada y con agencias federales una defensa contra lo que ya se describe como la mayor operación de apropiación tecnológica del siglo.
La denuncia no salió de la nada. En febrero de este año, Anthropic reveló que tres laboratorios chinos —DeepSeek, Moonshot AI y MiniMax— habían utilizado más de 24.000 cuentas fraudulentas para generar 16 millones de intercambios con Claude, extrayendo sistemáticamente sus capacidades de razonamiento y sus cadenas de pensamiento. OpenAI, por su parte, documentó que empleados de DeepSeek habían desarrollado código para acceder a sus modelos a través de routers de terceros, obteniendo salidas que luego reutilizaron para entrenar sistemas propios. Lo que era una sospecha de la industria pasó a ser una acusación formal del gobierno estadounidense.
Qué es la distilación y por qué cambia todo
Para entender la gravedad del conflicto hay que entender primero qué es la distilación de modelos. En su versión legítima, es una técnica de optimización: se toma un modelo grande y costoso —por ejemplo, GPT-5— y se lo usa como "maestro" para enseñar a un modelo más chico a imitar sus respuestas. El resultado es un "alumno" que funciona con una fracción del costo computacional. Es una práctica común en la industria y perfectamente válida cuando se hace con modelos propios o con licencia.
El problema aparece cuando la distilación se hace sin permiso sobre modelos de terceros. El atacante no necesita robar el código fuente ni los pesos del modelo original. Le basta con enviar millones de consultas cuidadosamente diseñadas, registrar las respuestas y usar ese conjunto de datos para entrenar su propia versión. En términos prácticos, el modelo clonado aprende el "estilo" y las capacidades del original sin pagar los cientos de millones de dólares que costó desarrollarlo. Es el equivalente moderno de la ingeniería inversa, pero aplicada a sistemas de inteligencia artificial que pueden costar miles de millones de dólares y años de investigación.
Qué denunció la Casa Blanca
- Escala industrial: decenas de miles de cuentas surrogadas generando millones de consultas automatizadas a modelos de IA estadounidenses.
- Distilación sistemática: uso de las respuestas obtenidas para entrenar modelos chinos con capacidades equivalentes a una fracción del costo.
- Apropiación de propiedad intelectual: extracción de métodos de razonamiento, cadenas de pensamiento y comportamientos agénticos patentados.
- Despojo de salvaguardias: los modelos clonados pierden las protecciones éticas del original, generando sistemas menos seguros.
- Coordinación estatal presunta: la Casa Blanca sugiere que las campañas son sistemáticas y no meros casos aislados de usuarios.
El asunto toma dimensión cuando se considera el caso DeepSeek, la startup china que en enero de 2025 sacudió al mercado con un modelo que rivalizaba con GPT-4 usando supuestamente una fracción del presupuesto de OpenAI. Bloomberg y Rest of World documentaron extensamente las acusaciones de distilación cruzadas entre ambas compañías. Lo que entonces era un debate técnico entre ingenieros hoy es, literalmente, un asunto de seguridad nacional para Washington.
Las medidas que prepara Washington
El comunicado de la administración Trump adelanta un paquete de respuestas que, de concretarse, cambiaría profundamente las reglas del mercado global de IA. Según reportes de Axios y Nextgov, las acciones planificadas incluyen compartir información de inteligencia con las empresas de IA norteamericanas sobre los ataques detectados, desarrollar herramientas defensivas de detección de consultas automatizadas y, lo más importante, coordinar mecanismos legales para sancionar a los actores extranjeros responsables.
Entre las opciones que maneja la Casa Blanca figura incluir a empresas como DeepSeek o Moonshot AI en la Entity List del Bureau of Industry and Security (BIS), una lista negra que les impediría acceder a tecnología estadounidense. También se estudia activar sanciones bajo la PAIP Act, una legislación reciente sobre propiedad intelectual de IA, e impulsar el desarrollo de un marco de defensa contra distilación liderado por el NIST (Instituto Nacional de Estándares y Tecnología). Cada una de estas medidas apunta no solo a castigar a los laboratorios chinos sospechosos, sino a crear precedentes jurídicos que sirvan para casos futuros.
Pero hay un obstáculo técnico y legal formidable: la distilación de modelos no es, en rigor, un robo tal como lo define la legislación actual. El atacante no roba archivos ni vulnera ningún sistema. Simplemente usa la API pública del modelo, pagando incluso por cada consulta. Las únicas armas disponibles son los términos de servicio —que DeepSeek y las demás empresas chinas presuntamente violaron— y la legislación de propiedad intelectual, cuya aplicación transfronteriza es históricamente débil. Por eso la respuesta pasa inevitablemente por la vía geopolítica y no por la judicial tradicional.
Anthropic, OpenAI y la industria: ¿víctimas o cómplices del juego?
La lectura más crítica de este episodio es que las empresas norteamericanas, con su práctica de ofrecer APIs públicas al mundo entero para maximizar los ingresos y la adopción, crearon la superficie de ataque que ahora denuncian. Durante años, OpenAI y competidores fueron acusados por artistas, escritores y empresas de usar material protegido sin permiso para entrenar sus propios modelos. Hoy, cuando son víctimas del mismo fenómeno a manos de laboratorios chinos, piden protección estatal.
La ironía no escapa a los analistas. El think tank Just Security publicó un informe extenso titulado "The Case for Imposing Costs on China's AI Distillation Campaigns" donde se reconoce que la frontera entre aprendizaje legítimo y robo es técnica y moralmente difusa. El Institute for AI Policy and Strategy fue aún más lejos: propuso un marco de intervención gubernamental específico contra ataques de distilación, que pasa por regular qué empresas pueden acceder a qué APIs y bajo qué condiciones. Lo que hasta hace meses era un territorio de libre comercio digital empieza a parecerse a una industria estratégica bajo control estatal.
Para Sam Altman y Dario Amodei —los CEOs de OpenAI y Anthropic— el dilema es existencial. Si restringen el acceso a sus modelos, pierden ingresos y presencia global frente a competidores más abiertos. Si los mantienen disponibles, continúan financiando indirectamente el desarrollo de sus imitadores chinos. Por eso celebraron el comunicado de la Casa Blanca: por primera vez, el gobierno reconoce el problema y se compromete a ayudar a resolverlo, aunque sea mediante sanciones comerciales que históricamente resultaron poco efectivas.
El momento geopolítico: 21 días antes de Pekín
La acusación de la Casa Blanca no ocurre en el vacío. Tres semanas antes, el 14 de mayo, el presidente Donald Trump y el secretario general Xi Jinping celebrarán en Pekín una cumbre que había sido pospuesta en dos ocasiones. La reunión busca destrabar aranceles, acordar pautas sobre Taiwán y —ahora sabemos— negociar un marco sobre propiedad intelectual tecnológica. El momento elegido para hacer pública la denuncia sobre distilación de IA, días antes del encuentro, es un gesto diplomático agresivo: Washington quiere llegar a la mesa con palancas concretas de presión.
Desde Pekín, la respuesta oficial fue previsible: negación tajante y acusación recíproca. El vocero del Ministerio de Relaciones Exteriores chino dijo que las acusaciones son "política de contención tecnológica" que busca frenar el desarrollo legítimo de China. Señaló, no sin razón, que Estados Unidos impuso sanciones contra las exportaciones de chips Nvidia y bloqueó a Huawei y a otras empresas chinas del acceso a mercados norteamericanos durante años. Es la lógica clásica de la guerra fría: cada lado considera sus medidas defensivas y las del otro, ofensivas.
Lo que es cierto, más allá de la retórica, es que la competencia entre ambos países por el liderazgo en IA está llegando a un punto de definición. China tiene más ingenieros formados, más datos, más respaldo estatal y menos frenos regulatorios. Estados Unidos tiene los mejores modelos, la mejor infraestructura y el ecosistema de capital de riesgo. La distilación permite a China acortar la brecha en capacidades técnicas sin replicar la inversión de capital. Para Washington, frenar ese mecanismo es condición sine qua non para mantener la ventaja competitiva.
Qué significa para América Latina
La pregunta inevitable es cómo afecta todo esto a la región. La respuesta corta es que nos afecta de tres formas concretas, aunque indirectas. Primero, los precios y la disponibilidad de los modelos que usan los desarrolladores latinoamericanos cambiarán. Las startups mexicanas, colombianas, argentinas, brasileñas y chilenas que integran APIs de OpenAI o Anthropic en sus productos podrán verse impactadas por nuevas restricciones geográficas, verificación de identidad más rigurosa o aumento de precios destinados a desincentivar el uso automatizado masivo.
Segundo, los modelos chinos —DeepSeek, Qwen, Moonshot— son una alternativa de costo competitivo que muchas empresas latinoamericanas ya están usando, especialmente en México, Brasil y Perú donde el costo importa tanto como la capacidad. Si estas empresas terminan en la Entity List del BIS, el acceso desde cualquier país con vínculos comerciales con EE.UU. podría verse restringido, o al menos, desaconsejado legalmente. Para América Latina, que está firmemente integrada al ecosistema digital norteamericano pero también expuesta a la oferta china, la elección de proveedor deja de ser una decisión puramente técnica para convertirse en una apuesta geopolítica.
Tercero, y quizás lo más estructural: este episodio acelera el cierre del período de "IA abierta al mundo" en el que los modelos más potentes estuvieron disponibles para cualquier desarrollador con tarjeta de crédito. En el nuevo escenario, es previsible que el acceso se segmente, con niveles de disponibilidad distintos según el país de origen del usuario, la empresa contratante y la finalidad del uso. Para países tomadores de tecnología —como los latinoamericanos— esto implica que los ecosistemas locales deberán aprender a moverse entre proveedores, integrar modelos abiertos como los de Meta o Mistral, y construir capacidades propias en áreas específicas donde no se quiera depender de ningún actor extranjero. La región tiene hubs de talento creciente en São Paulo, Ciudad de México, Buenos Aires, Santiago y Medellín que empiezan a tomar el tema con seriedad.
Lo que está realmente en juego
Más allá del dato anecdótico y del espectáculo diplomático, este episodio marca un cambio fundamental en cómo vamos a pensar la IA durante los próximos años. Por primera vez, un gobierno importante reconoce públicamente que los modelos de IA son activos estratégicos nacionales comparables a la infraestructura energética, militar o financiera. Y por primera vez, se empieza a discutir en serio qué mecanismos legales y técnicos son necesarios para proteger esos activos en un mundo donde la ventaja tecnológica se puede copiar a través de una conexión de API.
La administración Trump, que venía siendo percibida como desregulatoria en tecnología, acaba de trazar una línea muy clara: el libre mercado de IA tiene límites cuando está en juego la seguridad nacional. Esta será, muy probablemente, una posición bipartidista en los próximos años, sostenida tanto por republicanos como por demócratas. Y eso tendrá consecuencias en cadena para el resto del mundo: desde el modo en que se entrenan los modelos hasta quién puede usarlos, pasando por qué datos pueden cruzar fronteras y qué empresas pueden asociarse con cuáles.
Para la industria de IA, el 23 de abril de 2026 puede recordarse como el día en que terminó la ingenuidad regulatoria. Lo que viene es un escenario más complejo, más segmentado y, probablemente, más caro. La pregunta que queda abierta es si la regulación llegará a tiempo para preservar la confianza global en esta tecnología, o si llegará tarde, cuando el daño —técnico, económico y geopolítico— ya haya tomado forma irreversible.