Anthropic respalda una petición para moderar el ritmo de la IA, pero la carrera aún no tiene frenos

Anthropic ha respaldado una petición firmada por 1.293 empleados de la IA de frontera, pese a la intensa presión que enfrentan todos los grandes laboratorios para seguir avanzando. El CEO Dario Amodei, varios cofundadores y empleados sénior añadieron sus nombres. La empresa afirma que los gobiernos deberían preparar herramientas capaces de ralentizar el desarrollo automatizado de IA si los riesgos se vuelven inaceptables.

El respaldo importa porque la petición no exige una paralización inmediata. Pide a Estados Unidos que apoye un esfuerzo internacional que permita una moderación deliberada del ritmo. Esa distinción separa la iniciativa de cartas anteriores que exigían pausas fijas.

También deja al descubierto el conflicto central. Anthropic sostiene que la sociedad necesita un freno de emergencia, al tiempo que reconoce que ningún laboratorio responsable puede utilizarlo de forma segura por sí solo. OpenAI, Google DeepMind, Meta y otros desarrolladores de frontera afrontan la misma carrera, incluso cuando sus empleados comparten la preocupación.

Anthropic convierte una petición de empleados en una posición empresarial

Anthropic ha llevado el debate sobre moderar el ritmo de la IA desde la disidencia de empleados hasta una postura oficial respaldada por su dirección.

La declaración sobre la moderación del ritmo afirma que las principales empresas de IA creen estar acercándose a la automatización de la investigación en IA. Sus firmantes advierten que esta transición podría acelerar el desarrollo de capacidades más allá de la capacidad de la sociedad para comprender o controlar los sistemas resultantes.

La petición de la carta es limitada. Solicita al gobierno de Estados Unidos que apoye un esfuerzo internacional para desarrollar herramientas técnicas y de gobernanza. Estas herramientas ayudarían a los países participantes a moderar deliberadamente el desarrollo automatizado de IA de frontera.

La «IA de frontera» se refiere a los sistemas de propósito general más capaces que están en desarrollo. El «desarrollo automatizado de IA» va más allá de usar un chatbot para sugerencias de código. Implica que los modelos realicen partes sustanciales de la investigación y la ingeniería necesarias para crear a sus sucesores.

Anthropic confirmó su apoyo mediante un respaldo oficial de la empresa. La publicación indicó que la petición había sido firmada por Amodei, varios cofundadores y personal sénior. Vinculó directamente el respaldo con la reciente investigación de Anthropic sobre la mejora recursiva autónoma.

Ese respaldo otorga a la petición un peso institucional inusual. Los empleados suelen firmar cartas abiertas a título personal, dejando a sus empleadores en libertad de permanecer neutrales. Anthropic, en cambio, adoptó como propio el diagnóstico básico de la petición.

OpenAI también respaldó la iniciativa, según informaciones publicadas después de que apareciera la carta. Empleados de Google DeepMind, Meta, Microsoft, Thinking Machines y varias otras organizaciones firmaron a título personal.

El total siguió aumentando tras el lanzamiento de la petición. El sitio web registraba 1.293 empleados cuando se revisó el 30 de julio, frente a los aproximadamente 1.100 reportados cuando los medios de comunicación la cubrieron por primera vez. Dado que la lista sigue abierta, esa cifra representa un recuento cambiante y no un total fijo de lanzamiento.

Entre los firmantes hay investigadores y líderes que discrepan en muchas otras cuestiones de política pública. John Schulman, científico jefe de Thinking Machines, afirmó que la declaración ayuda a establecer una conciencia compartida sobre posibles necesidades de coordinación. Shengjia Zhao, científico jefe de Meta AI, también firmó.

Ilya Sutskever, cofundador de Safe Superintelligence, advirtió que cualquier intervención tendría que funcionar a escala internacional. También reconoció que una implementación deficiente podría empeorar la situación. Esa salvedad resume el problema más profundo de la petición.

La declaración no identifica un modelo específico que deba activar una desaceleración. No establece un umbral vinculante, una autoridad de supervisión, un sistema de inspección ni un mecanismo de aplicación. Pide a los gobiernos que empiecen a construir esas herramientas antes de que una emergencia los obligue a improvisar.

Esto hace que la acción de Anthropic sea más trascendental que una declaración general de seguridad. La empresa está diciendo que debería existir un sistema internacional de frenado, aunque no haya definido toda su maquinaria.

Por qué la investigación de IA de Anthropic cambió el momento

La petición llega ahora porque la IA ya no se limita a asistir a quienes desarrollan modelos. Está empezando a realizar partes más amplias de su trabajo.

El informe de Anthropic de junio, AI builds itself, aporta la evidencia que sustenta su postura. La empresa describe la mejora recursiva autónoma como un sistema que diseña y desarrolla de manera autónoma a su propio sucesor.

Anthropic recalca que los sistemas actuales no han alcanzado ese punto. También afirma que la mejora recursiva completa no es inevitable. Sin embargo, los datos internos sugieren que el proceso de desarrollo se está automatizando cada vez más.

En mayo de 2026, Claude habría sido autor de más del 80 por ciento del código integrado en la base de código de Anthropic. La proporción se situaba en cifras bajas de un solo dígito antes de que Claude Code entrara en vista previa de investigación en febrero de 2025.

Anthropic afirma que su ingeniero típico integró ocho veces más código al día durante el segundo trimestre de 2026 que durante 2024. La empresa advierte abiertamente que el volumen de código es una medida imperfecta de productividad. Más líneas no significan automáticamente mejor software ni un trabajo ocho veces más valioso.

Esa salvedad importa. La IA puede generar código repetitivo, pruebas, migraciones y documentación sin producir un aumento equivalente en el razonamiento difícil. Por tanto, un laboratorio podría informar de una producción mucho mayor mientras avanza más lentamente en sus problemas centrales de investigación.

Otra medición interna ofrece una perspectiva diferente. En una encuesta de marzo de 2026 entre 130 empleados de investigación de Anthropic, el encuestado mediano estimó una producción cuatro veces mayor con Mythos Preview. Anthropic volvió a advertir que la ganancia real probablemente fue menor.

La evidencia más sólida de la empresa se refiere a trabajos con objetivos claros. En un ejercicio recurrente de optimización, Claude Opus 4 produjo una aceleración media de tres veces en mayo de 2025. Mythos Preview habría alcanzado aproximadamente 52 veces el rendimiento inicial en abril de 2026.

Un investigador humano cualificado normalmente lograba una mejora de aproximadamente cuatro veces tras entre cuatro y ocho horas en ese ejercicio. Anthropic advierte que el resultado no debe interpretarse como un incremento comparable en el entrenamiento de modelos reales.

La progresión sigue siendo importante porque ilustra un ciclo experimental cerrado. El modelo modifica el código, ejecuta el experimento, mide el resultado y vuelve a intentarlo. Una persona establece el objetivo y las reglas de evaluación, pero no dicta cada paso.

Eso no es una mejora recursiva autónoma completa. El sistema optimiza un objetivo seleccionado por personas, en lugar de decidir qué sucesor construir. Anthropic afirma que persisten brechas considerables cuando los modelos deben ejercer juicio, elegir metas o identificar la dirección de investigación más útil.

Sin embargo, la automatización parcial puede acelerar la carrera antes de que llegue la autonomía completa. Un laboratorio que termina los experimentos más rápido puede probar más ideas, descartar antes las vías débiles y empezar antes a entrenar su siguiente sistema.

La misma capacidad puede ayudar a la investigación sobre alineamiento. El alineamiento es el esfuerzo por hacer que el comportamiento de los modelos siga los objetivos y restricciones humanos. Los experimentos más rápidos pueden mejorar las evaluaciones, los métodos de interpretabilidad y las salvaguardas junto con las capacidades generales.

Ese uso dual crea el problema de oportunidad. Las herramientas necesarias para estudiar sistemas avanzados suelen ser las mismas que ayudan a construirlos. Mejores agentes de investigación pueden acelerar al mismo tiempo el trabajo de seguridad y el trabajo de capacidades.

Por lo tanto, el argumento de Anthropic no es que haya comenzado una explosión de inteligencia descontrolada. Es que la sociedad debería prepararse antes de que la investigación automatizada reduzca de forma sustancial la duración de cada ciclo de desarrollo.

El verdadero adversario es el fracaso de la coordinación

La principal competencia no es Anthropic contra OpenAI. Es la cautela colectiva frente a una carrera que castiga a cualquier laboratorio que actúe por su cuenta.

Todos los desarrolladores de frontera tienen incentivos para seguir avanzando. Los nuevos modelos atraen usuarios, contratos empresariales, talento técnico, capital y alianzas estratégicas. Quedarse atrás puede reducir la influencia de una empresa sobre los estándares de seguridad que finalmente se adopten.

La competencia nacional añade otra capa. Los responsables políticos de Estados Unidos quieren que las empresas nacionales mantengan una ventaja sobre los laboratorios chinos. Cualquier propuesta que ralentice a los desarrolladores estadounidenses enfrentará preguntas sobre si los competidores en otros lugares harán lo mismo.

Anthropic lo reconoce directamente. Su investigación señala que una pausa aislada podría permitir que actores menos cautelosos se pongan al día. Ese resultado podría reemplazar a un líder sin reducir el peligro general.

Una intervención significativa exigiría que varios laboratorios bien financiados en varios países actuaran bajo condiciones comparables. Los participantes necesitarían saber que sus competidores realmente han ralentizado su trabajo.

La verificación es más difícil para la IA que para muchos programas de armamento. Una instalación de misiles cuenta con equipos especializados e infraestructura visible. El desarrollo de IA utiliza centros de datos, chips, software y equipos de red que también sirven para fines comerciales ordinarios.

Las ejecuciones de entrenamiento también pueden ocultarse o dividirse. Los gobiernos necesitarían métodos de supervisión que distingan el desarrollo prohibido del despliegue permitido, la evaluación, la investigación académica y la experimentación a menor escala.

El sistema también necesitaría un desencadenante. Un gobierno podría actuar cuando un modelo supera una evaluación cibernética peligrosa, automatiza una parte determinada de la investigación en IA o completa tareas complejas durante períodos más largos. Cada opción genera disputas sobre medición y aplicación.

También necesitaría una regla de salida. Una pausa sin condiciones claras para reanudar el desarrollo podría volverse permanente por inercia política. Una regla de salida débil podría permitir que los participantes reinicien antes de que el riesgo subyacente haya cambiado.

Por último, una autoridad debe decidir si se ha alcanzado el desencadenante. Un laboratorio no puede servir de forma creíble como único juez de sus propios modelos. Una agencia nacional podría carecer de acceso en el extranjero, mientras que un organismo internacional necesitaría tiempo para negociar y financiarse.

Estos detalles explican por qué la petición solicita herramientas en lugar de una desaceleración inmediata. Sus autores intentan crear una opción que actualmente no existe.

La propuesta se parece más a la preparación para el control de armamentos que a la regulación ordinaria de productos. Requiere mediciones compartidas, procedimientos de inspección, canales de comunicación y consecuencias por ocultamiento. Esos componentes no pueden reunirse durante una crisis técnica que evoluciona rápidamente.

La propia postura de Anthropic contiene claramente la disyuntiva. La empresa afirma que consideraría ralentizar o pausar temporalmente si otros desarrolladores próximos a la frontera lo hicieran de una forma verificable.

Esa condición es defendible, pero exigente. Un mecanismo que solo funciona cuando coopera cada rival importante puede fracasar por un solo actor reticente, un programa oculto o un desacuerdo sobre las mediciones de capacidad.

La alternativa no es más fácil. La contención unilateral puede convertirse en una transferencia competitiva desde la organización más cautelosa hacia la menos cautelosa. El resultado podría generar un desarrollo más rápido con salvaguardas más débiles.

El amplio apoyo a la petición muestra que los investigadores reconocen este problema de acción colectiva. No demuestra que los gobiernos o las empresas lo hayan resuelto.

Una petición no es un freno para la IA

La crítica más contundente es sencilla: Anthropic respalda una opción sin especificar cómo funcionaría esa opción.

La carta no contiene una propuesta de política detallada. No define las actividades de desarrollo sujetas a una ralentización, los umbrales de capacidad implicados ni los países necesarios para un acuerdo creíble.

Tampoco aclara si “ralentización” significa retrasar un lanzamiento público, limitar un proceso de entrenamiento, restringir la capacidad de cómputo o pausar la automatización de la investigación. Estas intervenciones tendrían costes y requisitos de aplicación diferentes.

Un retraso en el lanzamiento daría a los laboratorios más tiempo para evaluar, pero no ralentizaría necesariamente el crecimiento interno de capacidades. Una restricción del entrenamiento llegaría más profundamente a la investigación, pero exigiría una supervisión invasiva.

Los límites a la investigación automatizada afrontarían un problema de clasificación. Los asistentes de programación ya contribuyen a la ingeniería ordinaria, las revisiones de seguridad y la evaluación de modelos. Los reguladores tendrían que separar la asistencia benigna de los sistemas capaces de acelerar sustancialmente el desarrollo de sucesores.

Los críticos también cuestionan por qué los laboratorios necesitan que el gobierno restrinja un trabajo que ellos mismos controlan. El exejecutivo de Microsoft Steven Sinofsky sostuvo que los empleados preocupados por la dirección de sus empresas pueden marcharse o buscar otro trabajo.

Esa crítica pasa por alto parte de la lógica de la petición. Un empleado o una empresa no pueden detener una carrera entre múltiples compañías. Aun así, expone una brecha real de rendición de cuentas si los partidarios exigen intervención pública sin proponer medidas voluntarias dentro de sus propias organizaciones.

Los laboratorios podrían publicar evaluaciones comunes, divulgar más información sobre la investigación asistida por IA y establecer informes compartidos de incidentes antes de que actúen los gobiernos. También podrían acordar umbrales preliminares de alerta sin limitar inmediatamente el desarrollo.

El comentario de Schulman sobre la petición respalda esa dirección. Dijo que los laboratorios deberían empezar a diseñar mecanismos de coordinación voluntariamente, incluso antes de la participación del gobierno de EE. UU.

Otra preocupación afecta al poder de mercado. Los complejos sistemas de licencias, supervisión del cómputo y evaluación obligatoria podrían favorecer a las empresas que ya controlan una infraestructura extensa. Los laboratorios más pequeños y los investigadores independientes podrían tener dificultades para cumplirlos.

Por tanto, un régimen de ralentización podría reducir la competencia y dejar a las empresas más grandes al mando de los sistemas avanzados. Esa posibilidad merece atención porque las compañías que advierten sobre el riesgo de frontera también tienen importantes intereses comerciales.

La posición política más amplia de Anthropic intensifica el escrutinio. La empresa ha respaldado controles más estrictos en torno a los modelos avanzados mientras continúa lanzando sistemas Claude más capaces.

Ese comportamiento no es necesariamente contradictorio. Una empresa puede creer que el desarrollo competitivo debe continuar hasta que exista una alternativa coordinada. También puede defender normas que se apliquen por igual a sus rivales.

Sin embargo, esta situación crea una prueba evidente de credibilidad. Anthropic debe demostrar que los controles que prefiere abordan riesgos medibles, y no tecnologías o competidores que amenazan su posición de mercado.

La reciente postura de la empresa sobre los modelos de pesos abiertos ilustra la tensión. Los sistemas de pesos abiertos permiten a los usuarios descargar y modificar los parámetros del modelo. Sus defensores afirman que mejoran el acceso, la investigación, la competencia y el control nacional sobre la tecnología.

Anthropic sostiene que los sistemas abiertos más capaces pueden volverse difíciles de contener tras su lanzamiento. La empresa declinó unirse a otra carta del sector que se oponía a restricciones amplias sobre los pesos abiertos, quedando aislada de varias grandes compañías tecnológicas.

Una división en la política del sector no invalida el argumento de seguridad de Anthropic. Sí demuestra que el significado de una “ralentización responsable” será objeto de disputa.

Meta, Nvidia y los defensores de los modelos abiertos se resistirán a las normas que sitúen a los sistemas descargables en una desventaja estructural. Los laboratorios de modelos cerrados argumentarán que los lanzamientos irreversibles requieren un trato especial.

Los gobiernos deben resolver ese desacuerdo sin permitir que las empresas redacten normas en torno a sus propios modelos de negocio. De lo contrario, un marco de seguridad puede convertirse en una política industrial que favorezca al grupo con mayor acceso a los reguladores.

Por ello, la petición debe leerse como una solicitud para iniciar el diseño institucional, no como evidencia de que ya exista un régimen viable. Su valor reside en identificar el freno que falta. Su debilidad es la ausencia de un plan de ingeniería para construirlo.

Lo que la posición de Anthropic significa para los usuarios y las empresas de IA

El impacto inmediato no es un calendario más lento de lanzamientos de Claude. Es una mayor incertidumbre sobre cómo se evaluarán, gobernarán y adquirirán los sistemas de frontera.

Los desarrolladores no deberían esperar que la petición detenga las mejoras de los modelos el próximo mes. No crea ninguna obligación vinculante, y Anthropic no ha anunciado una pausa vinculada a su adhesión.

El cambio a corto plazo aparecerá en los debates sobre políticas públicas. Los gobiernos ahora pueden señalar el apoyo público de empleados y líderes de laboratorios competidores al proponer requisitos de evaluación o supervisión.

Los compradores empresariales deberían seguir esos debates porque la gobernanza de los modelos afecta a las adquisiciones. Una empresa que integre sistemas de frontera en programación, investigación, atención al cliente o seguridad necesita saber si los futuros lanzamientos podrían sufrir retrasos o restricciones de uso.

Los compradores también deberían distinguir el rendimiento del modelo de su continuidad. El sistema con mayor puntuación no es automáticamente la dependencia más segura a largo plazo si el acceso puede cambiar tras una evaluación, una disputa política o un incidente de seguridad.

Los equipos pueden reducir esa exposición manteniendo flujos de trabajo independientes del modelo. Deben conservar prompts, evaluaciones, materiales fuente y registros de decisiones fuera de la interfaz de un único proveedor.

Esta práctica importa cuando un modelo cambia de comportamiento o deja de estar disponible. Una base de conocimientos técnica con capacidad de búsqueda puede preservar el contexto necesario para comparar sustitutos sin reconstruir cada decisión.

Los equipos de software también deberían crear sus propias pruebas de aceptación. Los benchmarks de los proveedores rara vez reflejan el código real de una empresa, su tolerancia al riesgo, su proceso de aprobación o sus obligaciones regulatorias.

Si la investigación automatizada avanza como espera Anthropic, los ciclos de actualización serán más difíciles de gestionar. Un modelo podría adquirir capacidades relevantes entre revisiones de seguridad programadas o puntos de control de adquisición.

Las empresas necesitarán procesos de evaluación más rápidos sin abandonar la rendición de cuentas humana. Eso incluye probar el comportamiento del modelo, documentar los cambios y definir qué tareas requieren aprobación.

Los trabajadores del conocimiento afrontan un problema relacionado. Los sistemas más rápidos pueden producir más análisis, código y documentos de los que los equipos pueden revisar. El volumen de resultados se convierte en un riesgo cuando la capacidad de verificación humana permanece fija.

Las propias estadísticas de código de Anthropic ilustran este desequilibrio. Ocho veces más código integrado no significa ocho veces más atención humana para la seguridad, la arquitectura y el mantenimiento.

Las organizaciones deberían medir la corrección de errores, el tiempo de revisión, los incidentes y el valor posterior junto con el resultado generado. De lo contrario, una aparente ganancia de productividad puede ocultar trabajo adicional de verificación.

Los equipos de seguridad tienen el motivo más fuerte para prestar atención. La automatización de la investigación puede ayudar a los defensores a descubrir vulnerabilidades, pero también puede reducir el coste de la experimentación ofensiva.

Un mecanismo de ralentización podría acabar centrándose primero en las capacidades cibernéticas, porque pueden evaluarse mediante ejercicios controlados. Eso afectaría a la manera en que los laboratorios lanzan herramientas de programación agéntica o conceden acceso a sus modelos más capaces.

Para los usuarios individuales, la petición es sobre todo una señal de gobernanza. Indica que las personas que construyen sistemas de frontera creen cada vez más que la velocidad de desarrollo se ha convertido en una variable de política pública, no en una fuerza natural inevitable.

La frase importante es “opción de ganar tiempo”. Los partidarios no afirman que todo avance deba detenerse. Sostienen que la sociedad debería poder responder cuando los riesgos medidos aumenten más rápido de lo que las instituciones pueden adaptarse.

Que esa opción proteja a los usuarios depende de su diseño. Un mecanismo transparente podría crear más tiempo de evaluación durante transiciones peligrosas. Un mecanismo opaco podría centralizar el control y ofrecer poca evidencia independiente de una mayor seguridad.

Tres señales mostrarán si la ralentización se vuelve real

La próxima prueba es si Anthropic y otros partidarios convierten una declaración breve en umbrales, métodos de verificación y participación internacional.

La primera señal es un umbral concreto de evaluación. La división de investigación de Anthropic planea reunir a responsables políticos, investigadores, organizaciones de la sociedad civil y laboratorios competidores durante los próximos meses.

Esas conversaciones deberían producir más que principios generales. Una propuesta creíble necesita condiciones observables que justifiquen la intervención. Podrían incluir el rendimiento en investigación autónoma, capacidades cibernéticas peligrosas u operación sostenida sin corrección humana.

Las mediciones elegidas deben superar una revisión independiente. Los datos internos de productividad de Anthropic son informativos, pero una empresa no puede establecer políticas públicas basándose solo en evidencia privada.

Los evaluadores externos necesitan acceso a sistemas, métodos y resultados reproducibles. También necesitan procedimientos claros para gestionar capacidades sensibles sin publicar instrucciones que incrementen el uso indebido.

Un umbral público reforzaría el argumento de Anthropic porque convertiría “demasiado rápido” en una afirmación comprobable. La dependencia continuada de advertencias amplias lo debilitaría.

La segunda señal es una propuesta de verificación que incluya a competidores internacionales. El problema central no es convencer a Anthropic de que haga una pausa. Es determinar si otros programas de frontera también se han ralentizado.

Una propuesta viable debe explicar qué puede supervisarse, qué actores reciben acceso y cómo se detectan las infracciones. Debe tener en cuenta la infraestructura comercial de nube, los centros de datos privados y los programas gubernamentales.

China es central para esa cuestión, pero no debería convertirse en una excusa para evitar el trabajo preliminar. Las empresas y agencias estadounidenses pueden desarrollar estándares de medición antes de que exista un acuerdo diplomático completo.

La supervisión técnica también puede mejorar sin crear de inmediato límites vinculantes. Los laboratorios podrían registrar grandes procesos de entrenamiento, compartir resultados estandarizados de evaluaciones o informar a un organismo independiente sobre agentes de investigación inusualmente capaces.

Estas medidas no garantizarían el cumplimiento. Ayudarían a revelar si el problema de verificación es manejable o fundamentalmente incompatible con la infraestructura actual.

Una participación significativa de desarrolladores fuera de EE. UU. reforzaría el argumento de la ralentización. Un plan limitado a empresas nacionales dejaría sin resolver su principal riesgo competitivo.

La tercera señal es la acción voluntaria de los partidarios de la petición. Anthropic, OpenAI y otros laboratorios no necesitan un tratado para mejorar la transparencia o coordinar evaluaciones.

Pueden publicar definiciones de investigación automatizada de IA, identificar indicadores de alerta y describir procedimientos internos de escalamiento. También pueden divulgar cuándo un modelo modifica materialmente la velocidad del desarrollo de sucesores.

Anthropic ya ha aportado más evidencia interna que la mayoría de sus competidores. Su siguiente paso debería conectar esa evidencia con las decisiones. Los lectores necesitan saber qué cambio observado llevaría a la empresa a retrasar el entrenamiento, el despliegue o el lanzamiento.

Los compromisos voluntarios no sustituirían la supervisión gubernamental. Demostrarían que los partidarios consideran la ralentización un proyecto operativo de seguridad, en lugar de una postura de relaciones públicas.

No actuar reforzaría el argumento de los críticos. Los laboratorios seguirían compitiendo mientras piden a los gobiernos que resuelvan un problema que no han traducido en controles prácticos.

La petición ha logrado una tarea importante. Ha demostrado que la preocupación por el desarrollo automatizado de la IA trasciende las empresas, los perfiles técnicos y las divisiones políticas de larga data.

No ha construido el freno que solicita. No existe un mecanismo de activación compartido, no opera ningún sistema internacional de verificación y ninguna autoridad puede imponer todavía una pausa coordinada.

Esa brecha es ahora la noticia. Anthropic ha aceptado públicamente que el desarrollo de modelos de frontera podría requerir un ritmo deliberadamente más pausado, pero su respaldo eleva el nivel de exigencia para lo que venga después.

Habrá que seguir de cerca la publicación de umbrales, las propuestas de monitoreo internacional y los compromisos voluntarios de los laboratorios. Si aparecen, la petición habrá puesto en marcha un proceso de gobernanza. Si no, Anthropic seguirá en la misma carrera, pidiendo frenos mientras todos sus competidores continúan acelerando.