El monopolio disfrazado de prudencia: por qué dejar la IA en manos de 2-3 labs nunca fue el camino seguro para la humanidad

El 4 de agosto de 2026, cuatro de las empresas más poderosas del planeta entraron a la Casa Blanca para hablar de límites. OpenAI, Anthropic, Google y Meta se sentaron con funcionarios del gobierno de Estados Unidos a discutir un marco para que el Estado revise los modelos de inteligencia artificial antes de que salgan al público. Treinta días de revisión, voluntaria, para los sistemas más avanzados. La noticia pasó como un gesto de responsabilidad. Casi nadie leyó la letra chica: ese marco exime a los modelos abiertos y apunta a los sistemas cerrados de las propias empresas que estaban sentadas en la mesa.

Al mismo tiempo, una parte enorme de la conversación pública insiste en lo contrario: que los modelos de pesos abiertos son un riesgo, que liberar inteligencia sin control es imprudente, que deberíamos confiar el timón de la tecnología más poderosa de la historia a un puñado de empresas "responsables". Dario Amodei, director de Anthropic, publicó el 27 de julio una carta titulada "Nuestra posición sobre los modelos de pesos abiertos". En ella afirma, textual, que "Anthropic nunca ha abogado por prohibir los modelos abiertos", y que los modelos abiertos sin capacidades peligrosas son "un bien público". Suena tranquilizador. Y es, en muchos sentidos, cierto. Pero el conjunto de lo que pide —control de exportación de chips, persecución de la "destilación a escala industrial", y testing de seguridad obligatorio para todo modelo suficientemente capaz— construye, pieza por pieza, otra cosa. No un muro contra los modelos abiertos. Un foso competitivo disfrazado de prudencia.

Este artículo es sobre eso. Sobre por qué la pregunta correcta no es "¿regular o no regular?", sino "¿seguridad para quién, y a costa de quién?". Sobre por qué un puñado de labs con un historial documentado de doble discurso no son el guardián natural del futuro de la humanidad. Y sobre por qué el único mecanismo de seguridad que de verdad funciona frente a un monopolio de la inteligencia es el que llevamos décadas construyendo sin pedir permiso: el código abierto.

1. El lobby, a la luz del día

Empecemos por lo que no es opinión, sino hecho verificable. En los últimos meses, los dos labs más citados del mundo de la IA coincidieron en un pedido que, leído con cuidado, es un programa político completo:

La medida que piden	A quién golpea en la práctica
Poder legal para bloquear o revertir modelos que no pasen un test independiente de seguridad (propuesta de Amodei, "Política en la Era Exponencial")	A toda la industria — pero sobre todo a quien no tiene ejército de abogados y equipos de compliance para atravesar el proceso
Testing de seguridad obligatorio para todo modelo "suficientemente capaz", abierto o cerrado	A los modelos abiertos, a los que es imposible aplicar guardrails una vez publicados
Persecución de la "destilación a escala industrial"	Directo al ecosistema abierto chino, cuya velocidad depende en parte de aprender de modelos occidentales
Control de exportación de chips (fuerte)	A la capacidad de entrenar a escala de cualquier competidor fuera del club de EE.UU.

Fíjate en la trampa lógica. Amodei dice que no quiere prohibir los pesos abiertos. Estoy dispuesto a creerle — en la letra. Pero su paquete de medidas logra el efecto de una prohibición sin cargar con el costo político de pronunciarla: si exiges testing obligatorio a todo modelo capaz, y el testing es caro y lento, entonces el modelo abierto de un lab sin recursos queda, de hecho, fuera del mercado. La barrera no se llama "prohibición". Se llama "regulación". Y es más elegante, porque se puede defender con la cara de alguien que solo quiere que nadie se lastime.

Hay un detalle que el relato suele omitir: el marco de la Casa Blanca terminó eximiendo a los modelos abiertos y concentrándose en los sistemas cerrados de las grandes. Es decir, la realidad de la política de 2026 aprieta, hoy, más a OpenAI y Anthropic que a DeepSeek o Meta. Eso debería desinflar la teoría de la "prohibición de los abiertos". Y sin embargo —y esto es lo importante— la presión indirecta sí existe, y opera por otras vías: los chips, la destilación, el testing. El muro no se levanta de frente. Se levanta por los costados.

2. La narrativa: convertir una decisión de ingeniería en una cuestión de lealtad

Si no van a prohibir de frente, ¿cómo se protege la posición? Con algo más barato y más efectivo que una ley: el encuadre. Y el encuadre que se impuso es nacionalista.

El 24 de julio de 2026, un grupo de empresas lanzó una carta pública cuyo título lo dice todo: "Open Weights and American AI Leadership". Pesos abiertos y liderazgo americano. Arrancó con 25 firmas —Nvidia, Microsoft, Meta, Mistral, Hugging Face— y en cuatro días llegó a 77, con OpenAI, Google y AWS sumándose sobre la hora. No es una carta sobre ingeniería. Es una carta sobre banderas. Y ahí está, en el título mismo, la operación que hay que ver: transformar una decisión técnica (abrir o cerrar los pesos) en una cuestión de lealtad nacional (ser americano o no serlo).

Amodei, en su propia carta, hace exactamente ese movimiento. Su preocupación número uno, escribe, no son los modelos abiertos en sí, sino el riesgo de que "gobiernos autoritarios" —y aclara: sobre todo el Partido Comunista Chino— construyan modelos más potentes que los de EE.UU. Es una preocupación legítima y la comparto en abstracto. Pero fíjate en lo que logra al plantearla así: a partir de ese párrafo, cualquiera que defienda los modelos abiertos queda, por asociación, del lado del adversario geopolítico. No importa que el open source sea una práctica de ingeniería, no una ideología. Importa que ahora tiene un color de bandera.

Y no es un fenómeno marginal. El andamiaje narrativo está por todos lados: think tanks y medios publicando piezas tituladas "Test, Standardize, Restrict: una política de EE.UU. para los modelos chinos", reportes de centros como CNAS sobre las "líneas rojas" de los modelos abiertos locales, artículos en Foreign Affairs hablando de un "robo" de IA. La idea que se repite, en todas sus variantes, es la misma: la apertura es la forma en que los adversarios avanzan barato.

Contra ese encuadre se levantó una voz que vale la pena citar completa, porque es la refutación más limpia del argumento nacionalista. El R Street Institute la llamó "Model Panic" —el pánico a los modelos— y la desarmó así:

Lee eso otra vez, porque resume el punto entero: bautizar de "chino" lo que en realidad es una práctica de ingeniería no protege a nadie — le cede terreno a quien se supone que quieres frenar. Cada vez que el gobierno aprieta las tuercas a los modelos cerrados, el ecosistema abierto gana un punto de participación. Ya lo vimos pasar en vivo: el día que se cortó el acceso a los modelos de Anthropic, al día siguiente Zhipu lanzó un modelo de pesos abiertos dentro de un punto porcentual de la frontera, a un quinto del costo.

3. La ciencia no dice lo que el relato dice

Todo el argumento de "regular por seguridad" descansa sobre una premisa implícita: estamos a pasos de crear inteligencia artificial general, y por eso hay que tener cuidado. Si esa premisa fuera falsa —o muy exagerada— entonces el andamiaje de prudencia pierde su base, y queda a la vista lo que sostiene de verdad: la posición competitiva.

Entonces, seamos rigurosos. ¿Qué dice la evidencia sobre cuán cerca estamos?

El benchmark más honesto de 2026 se llama ARC-AGI-3, lanzado en marzo. Su diseño es precisamente una trampa para el tipo de inteligencia que los modelos de lenguaje fingen tener: en vez de una pregunta estática que se pueda memorizar, mete a un agente dentro de entornos interactivos con reglas nuevas, sin instrucciones previas, y evalúa si es capaz de explorar, inferir las reglas ocultas y resolver los niveles. No se puede memorizar tu camino a un buen score, porque las reglas cambian cada vez.

Los resultados, al lanzarlo, fueron brutales:

Modelo (solo, sin andamiaje)	ARC-AGI-3
Gemini 3.1 Pro (mar 2026)	0,37%
GPT-5.5 (abr 2026)	1,8%
Claude 4.7 Opus (abr 2026)	2,1%
Humano promedio	~71%

Ningún modelo de frontera cruzó el 5% durante los primeros meses. Y aquí viene el detalle que la industria no menciona cuando presume de sus benchmarks: los mismos modelos saturan los exámenes que se pueden contaminar con datos. En ARC-AGI-2 (la versión anterior, más memorizable) ya superan al humano promedio; en MMLU y matemática están en el techo. El patrón es nítido y es la firma de un engaño: arrasan en todo lo que se puede aprender como patrón y se derrumban en cuanto el problema exige razonamiento genuinamente nuevo. Eso no es una inteligencia general acercándose. Es recuperación y aplicación de patrones — muy útil, muy poderoso, pero no lo mismo.

Quédate con eso, porque es el corazón del asunto. Un andamiaje barato transformó un 30% en un 100% sin tocar un solo peso del modelo. Dos conclusiones se siguen, y ambas incomodan a los que venden el relato del progreso imparable:

• Primera: saturar un benchmark no demuestra inteligencia. Demuestra ingeniería. Y la ingeniería de andamiajes es justo lo que no requiere presupuestos multimillonarios —es la parte de la pila que cualquiera puede construir.
• Segunda: si el modelo crudo está al 30% y el conjunto con andamiaje llega al 100%, entonces la frontera real no está en el modelo. Está en el diseño del sistema. Y ahí, la ventaja del capital se vuelve mucho más delgada.

Súmale la voz más incómoda de la industria. Yann LeCun, Premio Turing, excientífico jefe de IA en Meta, lo dijo sin anestesia en París, en junio:

Y LeCun agregó el diagnóstico que importa para nuestra tesis. Dijo que la industria tomó "una pastilla" y quedó hipnotizada; que como todas las empresas se roban ingenieros entre sí y trabajan en lo mismo, "no pueden permitirse desviarse de la corriente porque arriesgan quedarse atrás". Eso es exactamente lo que estamos describiendo: no una marcha científica inevitable hacia la AGI, sino un equilibrio de carrera armamentista donde nadie puede bajarse. Un fenómeno social y financiero, no una ley de la física.

Y hay una distinción, casi filosófica, que el mercado confunde y que conviene dejar escrita. Existen dos cosas radicalmente distintas que los labs mezclan en sus presentaciones:

	Inteligencia-herramienta	Inteligencia agéntica con agenda
Qué es	Un modelo + un andamiaje diseñado por humanos que resuelve una tarea definida	Un sistema que fija sus propios objetivos y opera en dominios nuevos sin andamiaje hecho a mano
Quién pone la meta	El benchmark, o el humano	El sistema mismo
Qué se vende	Lo que realmente existe	"Agentes autónomos que deciden qué hacer"
¿ARC-AGI-3 lo mide?	✅ Sí	❌ No puede, por definición

Un benchmark, por su propia naturaleza, no puede probar una inteligencia con agenda: porque el benchmark le da la agenda. Le dice al sistema cuál es la meta, cuál es el entorno, cuándo terminó. La "agenda" la pone el diseñador. Por eso el reclamo de los labs —"estamos a pasos de la AGI"— es infalsable con su propia evidencia: ningún score puede confirmarlo ni refutarlo. Cualquier número que muestren mide lo que el benchmark pidió, no lo que el sistema quiere. Vendieron durante años una inteligencia con propósito propio, y ninguno de sus resultados puede demostrarla.

4. El doble discurso y el boomerang

Juntemos las piezas. Si la ciencia no respalda el "estamos a pasos de la AGI", pero el relato insiste en él, ¿qué sostiene el relato? La respuesta está en el mercado.

OpenAI presentó su S-1 en confidencial en mayo de 2026, sobre una valoración de 852.000 millones de dólares (tras una ronda de 122.000 millones en marzo), con su CEO sosteniendo un piso de un billón. Anthropic presentó el suyo el 2 de junio, sobre una valoración cercana a los 965.000 millones. Las proyecciones más citadas las ponen listando en bolsa con valoraciones de mercado de día uno que llegan al orden de billones de dólares. Y aquí está el dato que convierte todo lo anterior en un problema: Anthropic tiene ingresos anualizados del orden de 47.000 millones. Un múltiplo de una valoración de un billón sobre 47.000 millones de ingresos es más de veinte veces los ingresos. Ese múltiplo no lo justifica un negocio de suscripciones y API, por bueno que sea. Lo justifica la promesa de capturar el mercado de la inteligencia general. El base del negocio es real; el premio de la valoración es fe en la AGI.

Ahora mira lo que pasa cuando juntas el miedo y la promesa, porque el combo es una máquina de ganar siempre:

Y llegamos así a la contradicción que hunde su marco, y que es puro silogismo. El líder de alineación de Anthropic declaró públicamente que su empresa cree de verdad que hay "más de un 10% de probabilidad de que la IA mate a todos los humanos en la próxima década". Tómate eso en serio y mira lo que implica:

• Rama 1: No creen sus propios números. Entonces es marketing. (Y el podcast de tecnología de TechCrunch lo preguntó en voz alta: ¿no será "una forma rara de flexionar" justo cuando preparan salir a bolsa? El New York Times publicó una columna titulada, literalmente, "Queridas empresas de IA, el doom-trolling tiene que parar".)
• Rama 2: Sí lo creen y lo hacen igual. Entonces es negligencia confesa: seguir construyendo una tecnología que, según ellos, tiene 1 en 10 de extinguirnos.

No hay una tercera rama que los favorezca. Cualquiera de las dos es letal para su narrativa. Y contra esto no hace falta ninguna teoría de la conspiración: alcanza con tomarles la palabra.

El cierre de este movimiento lo da el propio sistema cuando muerde la mano que lo pidió. En junio de 2026, los controles que Amodei pidió durante años se activaron —y apagaron sus propios modelos flagship. El interruptor regulatorio no distingue de quién es la casa. Pero el boomerang no termina ahí: el día que se cortó el acceso a esos modelos, un competidor abierto lanzó, al día siguiente, un sistema dentro de un punto porcentual de la frontera a un quinto del precio. La lección se escribe sola: la seguridad no viene de concentrar el control, sino de que haya alternativas. Cuando dependes de un solo proveedor, el interruptor puede apagarte a ti. Cuando hay un ecosistema abierto, no hay un solo interruptor que apague a todos.

5. El historial: tres hechos documentados (y una acusación)

Acá debo ser especialmente cuidadoso, porque es la parte donde la crítica fácil se vuelve difamación. No voy a decir "son malvados". Voy a hacer algo más útil: separar lo que está documentado con fuentes verificables de lo que es acusación. Y al final, señalar el patrón. Porque el punto no es la anécdota: es que el patrón no es un accidente, es un incentivo.

Hecho 1 — El espía dentro del código

En abril de 2026, Anthropic empezó a incluir en su herramienta de programación Claude Code algo que no anunció en ninguna nota de versión ni en su política de privacidad: marcadores invisibles "esteganográficos" dentro de los prompts, capaces de identificar a usuarios según su zona horaria —en particular los husos de China continental. El objetivo declarado era detectar intentos de "destilación": el uso masivo de su modelo para entrenar a otro. Durante casi tres meses la empresa identificó a usuarios sospechosos sin avisarle a ninguno. El 30 de junio, un desarrollador lo descubrió y lo hizo público. Anthropic lo eliminó en un día. Y la reacción de las empresas afectadas fue total: Alibaba prohibió Claude Code de plano.

No importa si el objetivo era legítimo. Lo que importa es el método: modificar en secreto el comportamiento de un producto que la gente usa, para vigilancia encubierta, sin decirlo. Eso no es seguridad. Es manipulación oculta, y es exactamente el tipo de práctica que las empresas que dicen cuidar la "confianza" no deberían poder esconder detrás de su bandera de responsabilidad.

Hecho 2 — El socio al que le dijeron que "era solo investigación"

Antes de lanzar Claude Code, ejecutivos de Anthropic tranquilizaron privadamente a la dirección de Cursor —una empresa de programación con IA montada sobre los propios modelos de Claude— diciéndoles que su herramienta era "meramente un experimento de investigación académica, sin planes" de comercialización. Era falso. Mientras decían eso, Anthropic construía en secreto el competidor directo de Cursor. Cuando salió, la relación se agrió —descrita internamente como "rara"— y Cursor quedó como lo que era: un cliente y proveedor al que se le ocultó que quien le vendía el motor le estaba preparando el reemplazo. (Business Insider documentó el perfil de Cursor y su tensa relación con Anthropic; la propia página de caso de estudio de Claude admite el giro.)

Esto es engaño corporativo a un socio comercial. No es ilegal. Es deshonesto. Y es un dato duro para cualquiera que crea que la "prudencia" de estos labs es un rasgo moral y no una herramienta estratégica.

Hecho 3 — El leak de 512.000 líneas y los 8.100 DMCA

El 31 de marzo de 2026, Claude Code filtró su código fuente completo —512.000 líneas, 1.900 archivos— por un error de empaquetado (.map mal configurado). Anthropic lo reconoció como "error humano, no breach". Lo relevante para nuestro tema no es el error, sino dos cosas que salieron a la luz. Primero: la respuesta fue DMCA sobre unos 8.100 repositorios de GitHub, una operación de cierre de contenidos en la comunidad que —irónicamente— es la misma comunidad de la que estas empresas se nutren y se sirven. Segundo: entre el código apareció un "Undercover Mode": un mecanismo con el que empleados de Anthropic participan en proyectos de código abierto público enmascarando que hay IA de por medio. La empresa que pide credibilidad para escribir las reglas del futuro mantenía, al mismo tiempo, una función para no decir la verdad sobre lo que hacía en público.

6. Por qué el código abierto es el escudo real

Volvamos al principio, porque ahora tenemos la pregunta en su forma desnuda. Si no podemos confiarle el futuro de la humanidad a 2 o 3 labs —no porque sean villanos de película, sino porque sus incentivos no son los nuestros—, ¿dónde queda la seguridad? La respuesta no está en un regulador que ellos mismos ayudaron a diseñar. Está en un mecanismo que no depende de la buena voluntad de nadie: la difusión del poder.

Y ese mecanismo existe, funciona, y lo usamos todos los días sin pensarlo. Se llama código abierto. Tiene tres propiedades que, juntas, lo vuelven el único escudo realista contra un monopolio de la inteligencia:

Propiedad	Por qué importa frente al monopolio
No se puede retirar	El peso en tu disco no lo puede apagar ningún CEO, ningún gobierno, ningún cambio de política. Como dice el eslogan de la comunidad: los pesos que tienes no te los pueden quitar.
No se puede auditar en secreto... por nadie	El código abierto es verificable por cualquiera. Un modelo cerrado puede esconder "marcadores invisibles" durante tres meses; uno abierto no puede, porque alguien lo va a leer.
Distribuye la capacidad de decidir	No centraliza el futuro en una junta directiva. Lo reparte entre miles de proyectos, países y personas. Un solo punto de falla nunca es seguridad.

Y no hablemos de modelos teóricos. Miremos el mercado de 2026, hoy. Los modelos de pesos abiertos ya no son "la opción barata". Son competidores de frontera. Un modelo chino bajo licencia MIT quedó dentro de un punto porcentual de los mejores modelos americanos, a un quinto del costo. DeepSeek lanzó su V4.1 hace días, con resultados fuertes en benchmarks de agentes de código, y con licencia abierta. La brecha que durante años justificó "paga el premium por el mejor modelo" se está cerrando —y cerrarla es exactamente lo que vuelve prescindible el monopolio.

Hay una estadística que resume la ironía de todo esto. La comunidad de código abierto no es un movimiento altruista idealizado: es un sistema de incentivos que funciona. Un solo proyecto que seguimos de cerca —un motor de inferencia en C puro— sumó más de 130 contribuyentes en poco más de dos meses, la mayoría desconocidos entre sí, sin un peso de presupuesto, sin oficina y sin Silicon Valley. Personas de países distintos, idiomas distintos, empleadores distintos, aportando al mismo repositorio, unidas por una sola cosa: bajar las barreras de entrada a la IA. Si eso no es difusión real de poder, no sé qué lo es.

7. Cierre: el futuro no se delega, se distribuye

Juntemos todo lo que vimos, porque el argumento entero es una sola cadena, y cada eslabón es verificable:

Uno. La ventaja competitiva de los labs del frente está concentrada en el dinero y el hardware para entrenar. Pero el valor ya no vive solo en el modelo —el caso NVIDIA lo probó: un andamiaje barato convirtió un 30% en un 100% sin tocar un peso. La ventaja de capital se está volviendo permeable.

Dos. Cuando una ventaja técnica se vuelve permeable, un actor racional busca otra forma de protegerla. La más eficaz es regular al rival y controlar la narrativa —pintar lo abierto como peligroso y lo chino como amenaza—. Eso es lo que está pasando.

Tres. Para sostener el relato hace falta una promesa: "estamos a pasos de la AGI". Pero la ciencia, medida, no la respalda —los modelos saturan lo memorizable y fracasan en lo novedoso, y la única distinción que importa (la inteligencia con agenda propia) es, por definición, imposible de probar con un benchmark. La promesa no es un dato. Es una narrativa.

Cuatro. Y una narrativa que gana en las dos ramas —si la AGI llega o si no— no es una guía de prudencia. Es un instrumento. Con un historial documentado de vigilancia encubierta, engaño a socios y manipulación de la conversación pública, ese instrumento no es la mano más segura para dejarle el futuro de la humanidad.

Entonces, ¿cuál es el camino seguro? No es rogarle prudencia a los que ganan con el monopolio. No es confiar en una regulación que ellos ayudan a escribir. Es hacer lo que la comunidad de código abierto lleva décadas haciendo sin pedir permiso: construir alternativas, distribuirlas, y asegurarse de que nadie —ni un CEO, ni un gobierno, ni un interruptor— pueda apagarle la inteligencia a toda la humanidad a la vez.

La prueba de que esto es posible no está en un manifiesto. Está en tu disco. Está en los modelos de frontera con licencia abierta que hoy corren en hardware que ya tienes, y que no le deben nada a Altman, a Amodei ni a un medidor de tokens. Está en los miles de contribuyentes anónimos que, sin conocerse, sostienen los proyectos que hacen eso posible. La democracia de la inteligencia no se pide. Se descarga, se compila y se comparte.

Por eso, la próxima vez que alguien te diga que el open source es peligroso y que deberíamos dejar la IA en manos de unos pocos "responsables", hazle la única pregunta que importa: ¿seguridad para quién? Porque la respuesta, cuando la lees completa, nunca es "para la humanidad". Es "para el que controla el interruptor". Y la humanidad, históricamente, nunca ha estado más segura entregándole más poder al que ya lo tiene.

El futuro de la humanidad no se delega a dos o tres labs. Se distribuye. Y esa puerta —la puerta abierta del código abierto— está sin cerrar. Todavía.