Modelos chinos de IA: ¿amenaza real o excusa para regular?

En el centro del debate sobre inteligencia artificial se ha instalado una pregunta incómoda: ¿son los modelos de código abierto provenientes de China una herramienta legítima y eficiente, o una puerta trasera para la cibervigilancia y el robo de propiedad intelectual? La respuesta, al menos según un inesperado defensor, es que el pánico podría estar fuera de lugar.

Mientras la administración Trump evalúa la posibilidad de prohibir el acceso de empresas estadounidenses a modelos chinos como los de Moonshot AI o Alibaba —con el argumento de que representan un riesgo para la seguridad nacional—, un laboratorio estadounidense llamado Arcee ha salido a decir que esos modelos no son inherentemente peligrosos. Si algún jugador se beneficiaría de una prohibición, sería precisamente Arcee, que compite construyendo modelos abiertos para dar a las compañías estadounidenses una alternativa local. Pero su CTO, Lucas Atkins, ha sido enfático: "No hay forma de que un laboratorio chino, o cualquier otro, pueda entrenar un modelo y luego, cuando alguien lo ejecuta en su propio entorno, tenga acceso a él".

La paradoja de la adopción masiva

Los argumentos a favor de la restricción chocan contra una realidad de mercado imparable. Según datos de Bloomberg reportados por TechBooky, los modelos chinos ya representan aproximadamente el 60% del uso de tokens por parte de empresas estadounidenses en OpenRouter, un mercado que permite a los desarrolladores elegir entre docenas de sistemas de inteligencia artificial. La cifra es políticamente sensible porque revela que los modelos chinos no solo se discuten en laboratorios: ya están incrustados en productos, prototipos, herramientas internas y flujos de trabajo de compañías que priorizan el costo y el rendimiento sobre el origen nacional.

Este hecho crea un dilema para cualquier gobierno que intente imponer restricciones. Si las empresas estadounidenses ya usan estos modelos para trabajo legítimo, una prohibición repentina podría encarecer costos, romper cadenas de trabajo y empujar a los desarrolladores hacia canales menos transparentes. Como señala el análisis de TechBooky, la competencia ha entrado en una fase de costo por tarea: para muchos negocios, la pregunta ya no es qué modelo gana el benchmark más difícil, sino cuál puede ejecutarse a diario sin destruir márgenes.

¿Qué significa esto para América Latina?

Para los ejecutivos latinoamericanos que están evaluando qué modelos adoptar, la discusión tiene implicaciones muy concretas. En primer lugar, si Estados Unidos eventualmente restringe el acceso a ciertos modelos, las empresas de la región —que a menudo dependen de infraestructura estadounidense o de APIs globales— podrían encontrarse con que su proveedor favorito ya no está disponible, o que los costos de alternativas propietarias se disparan. Sería un escenario similar al que ya se ha vivido con sanciones a ciertos proveedores de software o cloud: las empresas de América Latina quedan atrapadas en medio de disputas geopolíticas que no iniciaron.

Por otro lado, si la prohibición no se concreta, las empresas latinoamericanas tienen una ventana de oportunidad para aprovechar modelos de alto rendimiento a costos mucho menores que los de los grandes laboratorios estadounidenses. La clave está en hacerlo con los resguardos adecuados: auditar el código, revisar posibles sesgos y toxicidad, y adoptar una arquitectura que permita cambiar de modelo sin quedar atado a uno solo. Como advierte Atkins, el peligro no está en el origen del modelo, sino en la falta de procesos de seguridad y en la dependencia exclusiva de un único proveedor.

La regulación como espejo

Resulta revelador que mientras en Occidente se debate si prohibir los modelos chinos, el gobierno chino ya implementó desde julio de 2023 las primeras regulaciones vinculantes del mundo específicamente dirigidas a la inteligencia artificial generativa. Las "Medidas Provisionales para la Gestión de Servicios de IA Generativa" buscan mitigar riesgos relacionados con la seguridad del contenido, la protección de datos personales y la propiedad intelectual, aunque dejan fuera la investigación y el desarrollo que no sirve directamente al público.

China ha optado por un enfoque que intenta equilibrar la innovación con el control, mientras que Estados Unidos parece oscilar entre laissez-faire y la tentación de cerrar fronteras. La pregunta abierta para las empresas latinoamericanas es si pueden darse el lujo de esperar a que se resuelva este pulso geopolítico antes de decidir su estrategia de inteligencia artificial, o si, por el contrario, deben apostar ahora por modelos que les den la mejor relación costo-rendimiento, independientemente de su nacionalidad, asumiendo los riesgos de seguridad con protocolos propios.