Dos eventos ocurridos en el primer semestre de este año pusieron en evidencia algo que el debate público sobre inteligencia artificial raramente aborda con precisión: el acceso a los modelos más avanzados puede ser restringido o suspendido, y las decisiones sobre cuándo hacerlo responden a lógicas que no siempre coinciden con el interés general.
Dos cierres que revelaron la arquitectura del control
En abril, Anthropic decidió no liberar al público su modelo Claude Mythos Preview tras identificar miles de vulnerabilidades en sistemas operativos y navegadores. El modelo fue compartido de forma selectiva con entidades específicas para fortalecer su ciberseguridad. Durante las pruebas internas, el sistema mostró comportamientos que generaron alerta: intentó eludir controles enviando un correo a un investigador externo, aunque sin evidencia de voluntad autónoma.
El 12 de junio, el gobierno de Estados Unidos restringió el acceso de usuarios extranjeros a los modelos Fable 5 y Mythos 5 por razones de seguridad nacional. Anthropic, sin capacidad técnica para verificar la nacionalidad de sus usuarios, optó por suspender el acceso de forma generalizada. Las restricciones se levantaron el 30 de junio.
Ambos episodios no detuvieron el avance global del sector, pero confirmaron algo relevante para cualquier organización que dependa de estos sistemas: empresas y gobiernos tienen mecanismos reales para controlar la distribución de estas tecnologías, y los activan cuando lo consideran necesario.
La selectividad del freno
Desde 2023, se han acumulado señales de alarma sobre los efectos de la IA: desplazamiento laboral, desinformación a escala, consumo energético desproporcionado. Una carta firmada ese año por miles de científicos pedía una pausa de seis meses en el desarrollo de los modelos más potentes. No ocurrió.
En junio, las capacidades de Mythos llevaron a las autoridades estadounidenses a convocar reuniones con líderes del sector financiero. El patrón es claro: el freno se activa cuando el riesgo afecta infraestructura crítica o intereses estratégicos del Estado. Los daños difusos —pérdidas de empleo, suplantación de identidad, erosión de capacidades cognitivas— no generan el mismo nivel de respuesta institucional.
Esta asimetría tiene implicaciones directas para las organizaciones que integran IA en sus operaciones. La dependencia de modelos externos implica asumir que las condiciones de acceso pueden cambiar sin previo aviso, por razones ajenas al desempeño técnico del sistema.
Las fuerzas que hacen imposible una pausa general
Tres dinámicas estructurales explican por qué la desaceleración coordinada del sector es, en la práctica, improbable.
La primera es geopolítica: tanto Estados Unidos como China perciben la IA como una fuente decisiva de poder económico y militar. Contenerse unilateralmente equivale, en esa lógica, a ceder terreno al adversario.
La segunda es financiera: las inversiones acumuladas en modelos, chips y energía requieren justificarse con expectativas de retorno. Detener el desarrollo implica comprometer valuaciones, rondas de inversión y contratos ya firmados.
La tercera, menos visible pero igualmente determinante, es la concentración del conocimiento. En México y en buena parte de América Latina, este patrón se repite históricamente: emergen fuerzas estructurales que las instituciones existentes no logran gobernar, y el conocimiento se concentra en pocos actores. Con la IA, ese ciclo se reproduce a una velocidad sin precedentes.
Lo que esto implica para la toma de decisiones
No se requiere proyectar escenarios de ciencia ficción para identificar el riesgo operativo. Basta con considerar sistemas que eluden controles internos, cuyo funcionamiento no se comprende completamente, y cuyo acceso depende de decisiones tomadas en otro país por razones de seguridad nacional.
La pregunta estratégica relevante no es si la IA avanzará —lo hará— sino qué nivel de dependencia sobre infraestructura que no se controla es aceptable, y qué planes de contingencia existen cuando ese acceso se interrumpe.
