Alex Karp vs. OpenAI: la crisis de confianza que América Latina debe capitalizar

Cuando el CEO de Palantir, Alex Karp, afirma que el negocio de la inteligencia artificial generativa está entregando un producto "completa e irresponsablemente sobrevalorado", no habla desde la especulación. Lo hace desde los números y desde la experiencia de quien ha colocado sistemas de datos críticos en gobiernos y grandes corporaciones. Su señalamiento directo contra Sam Altman y Dario Amodei no es una trifulca de Silicon Valley: es una advertencia que debería obligar a cualquier directorio en América Latina a revisar con lupa el modelo de consumo de IA que están adoptando.

La denuncia tiene una estructura clara. Karp sostiene que OpenAI y Anthropic operan bajo un modelo en el que el cliente paga por cada token que consume, pero al mismo tiempo entrega sus datos como combustible para entrenar modelos que luego compiten con ese mismo cliente. La lógica es perversa: usted paga por usar la API, y con cada interacción está regalando información estratégica que el proveedor transforma en ventaja competitiva. El caso más emblemático es el de Cursor, una herramienta de desarrollo que consumía la API de Anthropic, y que terminó viendo cómo Anthropic lanzaba Claude Code, un producto que compite directamente. La pregunta de Karp resuena en cualquier sala de juntas: "¿Por qué los clientes deberían entregar acceso a sus datos para que ellos construyan su ventaja competitiva?".

El costo oculto del modelo por token El argumento no es que los modelos de OpenAI o Anthropic no funcionen. La evidencia muestra que sí lo hacen, y mucho. El problema es la arquitectura de la relación comercial. Karp lo describe con crudeza: "La percepción básica en las empresas estadounidenses es: pierdes tiempo en tokens, no obtienes ningún valor y te roban tu propiedad intelectual". Datos concretos respaldan esa percepción. Un análisis de la firma 8090 encontró que para tareas empresariales típicas, los modelos de código abierto ejecutados en infraestructura propia pueden ser hasta 16,4 veces más baratos que Claude Opus, con calidad comparable. En una región donde el dólar es un recurso escaso y los márgenes son estrechos, ese diferencial de costos no es un detalle técnico: es una ventaja competitiva directa.

La alternativa soberana de Palantir y NVIDIA La respuesta de Palantir llegó antes de la entrevista de Karp. El 29 de junio de 2026, la firma anunció una alianza con NVIDIA para construir modelos personalizados de nivel frontera para agencias gubernamentales, basados en el modelo abierto Nemotron. La clave está en que todo corre en entornos "air-gapped", completamente aislados de redes externas. Las agencias mantienen la propiedad completa de los pesos del modelo y de sus datos. En palabras de Karp, "los clientes quieren estar seguros de que poseen los medios de producción. No les interesa un código de despliegue falso que transfiera su ventaja a un tercero".

Ese concepto de soberanía digital es el punto donde la discusión global toca directamente a América Latina. Gobiernos y empresas de la región manejan información sensible: registros fiscales, bases de datos de salud, transacciones financieras, datos de seguridad ciudadana. Entregar esa información a proveedores extranjeros sin garantías de aislamiento es construir una dependencia que puede volverse estructural. ¿Qué sucede si el proveedor cambia los términos de uso de la noche a la mañana? ¿Si el modelo aprende de los datos y luego cruza esa información con otros clientes? La historia de Cursor no es una anécdota: es una muestra del comportamiento sistémico de esta industria.

Lo que América Latina debe decidir La oportunidad para la región no es replicar el modelo extractivo de las Big Tech, sino construir una propia infraestructura de IA soberana. Proyectos como Nemotron, Llama o DeepSeek ya demuestran que los modelos abiertos pueden alcanzar rendimientos cercanos a los propietarios en tareas empresariales. La pregunta es si las compañías y los gobiernos latinoamericanos están dispuestos a invertir en capacidad de cómputo local, en alianzas con proveedores que garanticen la no fuga de datos, y en talento para desplegar y mantener estos sistemas.

• Para los bancos, la soberanía de datos no es opcional: es un requisito regulatorio y de confianza del cliente. Un modelo que se entrena con datos de clientes mexicanos o brasileños y queda bajo control de un tercero expone a la institución a riesgos de competencia desleal y filtración.
• Para los retailers, la información de comportamiento de compra es el activo más valioso. Regalarla a un proveedor de IA que luego la vende como servicio a la competencia es un error estratégico que se paga caro.
• Para los gobiernos, la seguridad nacional y la privacidad de los ciudadanos exigen modelos que corran en centros de datos locales, auditables y desconectados de redes globales.

El fin de la era del token sin cuestionamiento Karp lo resumió con una frase que ya circula como un aldabonazo: "La farsa se acabó". Se refiere al período en que las empresas compraban tokens sin preguntar quién se quedaba con los datos ni cuál era el retorno real. Empresas como Uber y Microsoft ya están limitando el acceso de sus empleados a herramientas de IA costosas. Los clientes empiezan a exigir modelos donde la propiedad intelectual no se transfiera. La alianza Palantir-NVIDIA no es un caso aislado: es la punta de lanza de un movimiento hacia la transparencia y el control local.

Para los ejecutivos latinoamericanos, el mensaje es claro. Antes de firmar un contrato de API o de subirse a la ola del modelo más popular, conviene preguntarse quién se queda con los datos y qué tan caro será el verdadero precio de la comodidad. La región tiene la oportunidad de saltarse la trampa del modelo extractivo y construir su propia soberanía digital. El momento es ahora, porque el costo de la dependencia se multiplica con cada token consumido.