Las conversaciones sobre seguridad entre Anthropic y Google ponen bajo presión el marco de IA de Trump

OpenAI, Anthropic, Google y Meta fueron convocadas a la Casa Blanca el 4 de agosto para conocer por primera vez un nuevo marco voluntario de seguridad para IA. La reunión sitúa la división de políticas entre Anthropic y Google en la misma sala que las empresas que respaldan un desarrollo de modelos más rápido y abierto.

La cuestión inmediata es un proceso federal para revisar los modelos de frontera antes de su lanzamiento. Los modelos de frontera son los sistemas de propósito general más capaces disponibles en un momento dado. El presidente Donald Trump ordenó a los funcionarios diseñar ese proceso en junio, incluido un período de revisión opcional de hasta 30 días.

Sin embargo, la reunión tiene más peso que una consulta técnica. Anthropic ha presionado para que haya pruebas obligatorias y controles más estrictos sobre capacidades peligrosas. OpenAI, Meta, Nvidia y otras empresas han defendido el desarrollo con pesos abiertos, en el que los parámetros de los modelos están disponibles para su inspección y reutilización.

Ese desacuerdo convierte un marco voluntario en una prueba de la capacidad de influencia federal. Washington quiere visibilidad sobre sistemas cada vez más capaces sin crear un régimen de licencias. Los laboratorios quieren influir en normas que pueden afectar los calendarios de lanzamiento, las divulgaciones de seguridad y el acceso a contratos gubernamentales.

Lo que la Casa Blanca pidió a las empresas de IA que revisaran

La reunión lleva la supervisión federal de modelos desde un concepto de orden ejecutiva hacia un proceso operativo diseñado junto con las empresas a las que supervisará.

La Casa Blanca invitó a representantes de varios de los principales desarrolladores de IA a revisar el marco ya completado, según información a puerta cerrada. OpenAI, Anthropic, Google y Meta figuraban entre los participantes previstos.

El marco tiene su origen en una orden ejecutiva del 2 de junio sobre innovación y seguridad en IA avanzada. Esta instruye a los funcionarios federales a desarrollar un acuerdo voluntario con las empresas de IA que produzcan modelos de frontera cubiertos.

En virtud de la orden ejecutiva, los desarrolladores pueden preguntar al gobierno si un modelo cumple el umbral de modelo cubierto. Las empresas participantes pueden entonces proporcionar a los evaluadores federales acceso protegido antes de un lanzamiento más amplio.

Ese acceso puede durar hasta 30 días antes de que el modelo llegue a otros socios de confianza. La orden también exige protecciones de confidencialidad, ciberseguridad, riesgo interno y propiedad intelectual en torno a la revisión.

La revisión busca identificar preocupaciones de seguridad nacional antes de que un modelo esté ampliamente disponible. También puede ayudar a los desarrolladores a seleccionar socios de acceso anticipado de confianza, especialmente para trabajos relacionados con infraestructura crítica y ciberseguridad.

La orden declara explícitamente que el proceso no crea licencias obligatorias, autorización previa ni permiso gubernamental para los lanzamientos de modelos. Esa frase establece el límite declarado por la administración.

No obstante, la etiqueta de voluntario no resuelve cómo funcionará el marco en la práctica. Las agencias federales compran servicios de IA, aprueban despliegues sensibles y controlan el acceso a entornos clasificados. Esas facultades pueden dar a los estándares voluntarios una fuerza comercial considerable.

Una empresa podría seguir siendo legalmente libre de omitir una revisión. Aun así, podría enfrentar preguntas de clientes gubernamentales, socios de nube u operadores de infraestructura crítica sobre esa decisión.

La invitación llega también después de meses de desarrollo de políticas. Trump publicó un marco legislativo nacional en marzo y emitió directrices separadas sobre seguridad nacional e infraestructura crítica.

OpenAI declaró públicamente en julio que respaldaba el objetivo de la administración de completar el marco a principios de agosto. Su propuesta federal de seguridad plantea un enfoque nacional basado en estándares comunes de pruebas y una mayor capacidad federal de evaluación.

Por tanto, la reunión representa más que otra mesa redonda. Los funcionarios buscan un acuerdo sobre los procedimientos, definiciones y protecciones que determinan si las empresas realmente participan.

Esos detalles incluyen qué modelos califican, qué reciben los evaluadores y cómo se mantienen confidenciales los hallazgos de seguridad. También incluyen si una empresa puede lanzar un modelo mientras los funcionarios todavía tienen preocupaciones sin resolver.

Si esas reglas siguen siendo vagas, la participación puede volverse selectiva. Los laboratorios podrían presentar modelos cuando una revisión aporte credibilidad y luego evitarla cuando un lanzamiento enfrente presión competitiva.

Esa posibilidad crea la tensión central del artículo. Washington quiere una alerta temprana sin aprobación formal previa, mientras que los desarrolladores quieren cooperación sin ceder el control sobre los lanzamientos.

Por qué las posturas de Anthropic y Google importan para el marco

El marco debe dar cabida a empresas que coinciden en la evaluación, pero discrepan marcadamente sobre los modelos abiertos, las pruebas obligatorias y la autoridad federal.

Anthropic ha defendido obligaciones más estrictas cuando los modelos superan umbrales definidos de capacidad. Su enfoque vincula los riesgos crecientes con pruebas, seguridad y medidas de gobernanza adicionales.

El Advanced AI Framework de Anthropic de junio de 2026 incluye disposiciones para evaluar riesgos graves e informar de incidentes críticos de seguridad. Trata las salvaguardas como requisitos que deben aumentar junto con las capacidades de los modelos.

Google DeepMind también mantiene un Frontier Safety Framework. Ese marco utiliza umbrales de capacidad para identificar modelos que requieren mitigaciones más sólidas, especialmente en ciberseguridad, amenazas biológicas e investigación autónoma en IA.

Ambas empresas respaldan evaluaciones estructuradas, pero no son intercambiables. Google opera una amplia cartera de productos de consumo, nube, investigación y modelos abiertos. Anthropic ha construido una identidad pública más concentrada en políticas de seguridad y usos restringidos de alto riesgo.

Sus posturas también se cruzan con un debate más amplio sobre los sistemas con pesos abiertos. Los pesos abiertos permiten a desarrolladores externos descargar y adaptar los parámetros de los modelos, aunque no incluyen necesariamente los datos de entrenamiento ni el código fuente completo.

Sus defensores afirman que los modelos abiertos distribuyen la capacidad técnica, mejoran el acceso a la investigación y reducen la dependencia de unos pocos proveedores. También sostienen que los defensores pueden inspeccionar y modificar sistemas para responder a necesidades locales de seguridad.

Los críticos afirman que publicar pesos avanzados puede dificultar la contención de capacidades peligrosas. Una vez que los pesos circulan, un desarrollador no puede retirarlos de forma fiable ni aplicar salvaguardas basadas en la nube.

El CEO de Anthropic, Dario Amodei, ha defendido pruebas obligatorias para sistemas altamente capaces. También ha apoyado controles más estrictos dirigidos al contrabando de chips y a la destilación de modelos, un método para transferir comportamiento a otro modelo.

OpenAI ocupa una posición más mixta. Ha respaldado las pruebas federales y ha defendido una gobernanza duradera para los modelos de frontera. También se sumó al apoyo de la industria para mantener un ecosistema abierto de IA bajo condiciones de seguridad adecuadas.

Por eso, el debate entre Anthropic y Google no puede reducirse a empresas de “seguridad” frente a empresas de “innovación”. Todos los grandes laboratorios realizan evaluaciones, restringen algunos usos y toman decisiones sobre la divulgación de información técnica.

El verdadero desacuerdo se refiere a dónde terminan los compromisos voluntarios. También se refiere a cuándo un hallazgo gubernamental debería retrasar el acceso, limitar la distribución o activar una divulgación.

Las relaciones federales existentes hacen concretas esas preguntas. En 2024, el U.S. AI Safety Institute firmó acuerdos de investigación y pruebas con Anthropic y OpenAI.

Esos acuerdos de pruebas permitieron a investigadores gubernamentales recibir acceso temprano a modelos conforme a memorandos de entendimiento. Ofrecieron un precedente de cooperación sin un sistema general de licencias.

El nuevo marco amplía esa lógica hacia un proceso más amplio de seguridad nacional. También procede de una administración que ha enfatizado la adopción rápida y la reducción de cargas regulatorias.

Esa combinación crea un difícil problema de diseño. Una revisión debe ser lo bastante significativa para detectar riesgos graves, pero lo bastante predecible para que las empresas puedan planificar los lanzamientos.

Los laboratorios también necesitan confianza en que los hallazgos sensibles no llegarán a competidores ni a servicios de inteligencia extranjeros. La evaluación de un modelo puede revelar capacidades, debilidades y planes de despliegue propietarios.

Los evaluadores gubernamentales necesitan información suficiente para poner a prueba esas afirmaciones de forma independiente. Una tarjeta de sistema pulida o una demostración seleccionada por la empresa no pueden sustituir un acceso significativo.

Por tanto, la credibilidad del marco dependerá del lenguaje operativo. Los términos importantes no son por sí solos “voluntario”, “seguridad” o “innovación”.

Los términos importantes definen umbrales, evidencia, acceso, remediación y divulgación. Sin acuerdo en esos puntos, el consenso público puede ocultar prácticas incompatibles.

Las revisiones voluntarias aún pueden transformar la carrera por la IA

Un marco no necesita facultades formales de licencia para influir en el calendario de lanzamientos, la contratación pública y la confianza empresarial.

Las empresas de IA compiten en capacidad de los modelos, precio, fiabilidad, distribución y ritmo de lanzamiento. Una ventana de revisión de 30 días afecta a cada parte de esa competencia.

El acceso anticipado puede exponer el calendario de lanzamiento de una empresa a los evaluadores gubernamentales. También puede generar retrasos si los funcionarios identifican una vulnerabilidad que requiere nuevas salvaguardas.

Un laboratorio que participe puede asumir esos costes mientras un rival llega directamente al mercado. Eso produce un dilema del prisionero, en el que decisiones racionales a nivel individual debilitan un objetivo común de seguridad.

Todos los desarrolladores se benefician cuando los competidores prueban cuidadosamente capacidades peligrosas. Cada desarrollador también tiene un incentivo para lanzar primero cuando usuarios, inversores y socios esperan avances rápidos.

Según informes, el CEO de OpenAI, Sam Altman, habló con funcionarios de la Casa Blanca sobre la necesidad de ralentizar el desarrollo a medida que los sistemas se volvían más capaces. Empleados e investigadores de los principales laboratorios también han respaldado medidas de coordinación del ritmo de desarrollo.

La coordinación crea sus propios riesgos. Las normas redactadas con los laboratorios dominantes pueden elevar las barreras de entrada para desarrolladores más pequeños que carecen de equipos dedicados a políticas, entornos seguros de evaluación o relaciones con el gobierno.

Un umbral de modelo cubierto puede reducir esa carga si se dirige únicamente a sistemas que presentan riesgos excepcionales. En cambio, un umbral vago puede generar incertidumbre en todo el mercado.

La contratación pública ofrece al marco otro canal de aplicación. Las agencias pueden favorecer a proveedores que completen revisiones gubernamentales, documenten salvaguardas y acepten obligaciones de informar incidentes.

Los clientes de infraestructura crítica pueden seguir la misma señal. Bancos, hospitales, empresas de servicios públicos y contratistas de defensa se preocupan por la fiabilidad, el manejo de datos y la rendición de cuentas de los proveedores.

Para esos compradores, la revisión voluntaria puede parecerse a una certificación de seguridad. La participación puede convertirse en un requisito práctico incluso cuando ninguna ley la haga obligatoria.

Ese resultado presionaría de forma diferente a Anthropic, Google, OpenAI y Meta. Sus productos, canales de distribución y relaciones con el gobierno no son idénticos.

Google puede integrar los modelos Gemini en servicios de nube, productividad, búsqueda y dispositivos móviles. OpenAI distribuye a través de ChatGPT, APIs empresariales y la infraestructura de Microsoft.

Anthropic depende en gran medida de Claude, las alianzas de nube y la adopción empresarial. La estrategia de pesos abiertos de Meta distribuye modelos por una vía distinta, a menudo fuera del control directo de servicios alojados.

Un marco diseñado en torno al acceso a la nube previo al lanzamiento encaja más fácilmente con los proveedores centralizados. Tiene dificultades con los pesos abiertos porque el acto decisivo es la publicación, no el despliegue alojado continuo.

El gobierno puede probar un modelo abierto antes de su lanzamiento. No puede recrear controles de estilo nube después de que los pesos se hayan descargado, copiado y modificado.

Esa diferencia explica por qué el lenguaje sobre código abierto se convirtió en un foco de presión antes de la reunión. No es un debate secundario sobre las preferencias de los desarrolladores.

Determina si el proceso federal trata los métodos de distribución como categorías de riesgo distintas. También determina si los lanzamientos abiertos enfrentan condiciones adicionales.

Si el marco aplica procedimientos idénticos a todos los modelos, puede pasar por alto las diferencias de despliegue. Si impone mayores exigencias a los pesos abiertos, los críticos lo calificarán de protección para los incumbentes de modelos cerrados.

Cualquiera de las dos decisiones afecta a la competencia. Los proveedores cerrados pueden mantener el control y recopilar datos de uso, mientras que los desarrolladores abiertos posibilitan la personalización local y un acceso técnico más amplio.

Por lo tanto, la Casa Blanca debe definir el riesgo en torno a las capacidades y a vías realistas de uso indebido. El modelo de negocio de una empresa, por sí solo, no puede servir como una prueba de seguridad fiable.

Las empresas que siguen estas negociaciones deberían documentar qué modelos manejan información sensible y de qué modelos dependen determinadas decisiones. Una base de conocimiento de IA con capacidad de búsqueda puede ayudar a los equipos a conservar resultados de evaluaciones, cambios en los modelos y decisiones de política.

Esa documentación cobra importancia cuando los modelos cambian más rápido que los ciclos de adquisición. También ayuda a los compradores a comparar las garantías de los proveedores con el comportamiento observado dentro de sus propios flujos de trabajo.

La disyuntiva es seguridad sin autorización previa del gobierno

La disyuntiva central del marco es si los evaluadores federales pueden reducir el riesgo catastrófico sin obtener poder de veto informal sobre los lanzamientos privados de modelos.

Las pruebas previas al lanzamiento pueden cumplir una función legítima. Los modelos avanzados pueden descubrir vulnerabilidades de software, asistir en investigación biológica u operar herramientas en sistemas conectados.

Estas capacidades pueden apoyar a defensores e investigadores. También pueden aumentar el daño cuando fallan las salvaguardas o los controles de acceso son débiles.

La orden de la administración se centra en la seguridad nacional y la infraestructura crítica. Pide al gobierno y a los desarrolladores que cooperen antes de la etapa de distribución más amplia.

El momento importa. Las pruebas posteriores al lanzamiento pueden identificar un problema solo después de que los usuarios hayan copiado resultados, integrado API o descargado pesos del modelo.

Sin embargo, el acceso temprano del gobierno plantea inquietudes constitucionales, competitivas y de gobernanza. Los funcionarios podrían usar el lenguaje de la seguridad para presionar a las empresas respecto de discursos lícitos, contenido político o productos desfavorecidos.

La orden ejecutiva intenta acotar ese riesgo al rechazar las licencias y los permisos obligatorios. La administración también ha enfatizado la libertad de expresión en su política más amplia sobre IA.

Una exención de responsabilidad por sí sola no puede evitar la coerción informal. Las empresas que buscan contratos federales o buena voluntad regulatoria pueden tener dificultades para rechazar una solicitud oficial.

El marco necesita procedimientos documentados para escalar hallazgos. Los desarrolladores deberían saber quién evalúa un modelo, qué evidencia sustenta una preocupación y cómo se revisan los desacuerdos.

También necesita reglas estrictas de manejo. Los materiales de evaluación pueden incluir pesos del modelo, detalles de arquitectura, pruebas comparativas no publicadas, demostraciones de exploits y mitigaciones internas.

Una filtración dentro del proceso de revisión podría crear el mismo problema de seguridad nacional que el sistema pretende prevenir. Las amenazas internas merecen la misma atención que los ataques externos.

La capacidad gubernamental presenta otra limitación. Las evaluaciones de frontera requieren investigadores especializados, recursos de computación seguros y pruebas actualizadas de forma continua.

Las pruebas comparativas estáticas pueden perder valor cuando los laboratorios se optimizan frente a ellas. Los evaluadores necesitan métodos adaptativos que examinen cómo se comportan los modelos con herramientas, planificación prolongada y prompts adversariales.

El Centro de Estándares e Innovación de IA, conocido como CAISI, está en condiciones de desempeñar un papel central. CAISI surgió del anterior Instituto de Seguridad de IA de Estados Unidos dentro del Departamento de Comercio.

OpenAI ha pedido reforzar CAISI como la principal institución federal de seguridad de frontera. Esa postura respalda una experiencia centralizada en lugar de revisiones fragmentadas entre muchas agencias.

La centralización puede mejorar la coherencia. También puede concentrar información sensible y la toma de decisiones dentro de una sola institución.

El escrutinio independiente seguirá siendo necesario. El Congreso, los inspectores generales, los investigadores de seguridad y los tribunales tienen funciones para supervisar cómo evoluciona la cooperación voluntaria.

La legislación estatal añade otra capa. California y otros estados han avanzado requisitos de transparencia y seguridad para modelos de frontera, creando obligaciones más allá de cualquier proceso federal voluntario.

La Casa Blanca favorece un marco nacional que reduzca las reglas estatales en conflicto. Los estados pueden resistirse si las normas federales parecen más débiles o carecen de protecciones exigibles.

Esta disputa no se resolverá únicamente mediante pruebas técnicas. Involucra federalismo, autoridad administrativa, estructura de mercado y rendición de cuentas pública.

El argumento escéptico es directo. La reunión puede producir un lenguaje compartido sin cambiar la forma en que las empresas actúan bajo presión de lanzamiento.

Los marcos voluntarios suelen depender de la reputación y de relaciones continuas. Esos incentivos se debilitan cuando un lanzamiento retrasado amenaza la posición de mercado o ingresos importantes.

El riesgo contrario también merece atención. Un sistema nominalmente voluntario puede convertirse en un proceso de aprobación opaco sin autorización del Congreso.

Ambos resultados socavarían la confianza. Uno produce teatro de seguridad, mientras que el otro produce un control gubernamental sin rendición de cuentas.

Una vía intermedia creíble necesita compromisos medibles, acceso protegido para la evaluación, procedimientos transparentes y límites legales claros. También necesita consecuencias que los participantes comprendan antes de una crisis.

Una disputa con el Pentágono ensombrece las negociaciones sobre seguridad

El conflicto de Anthropic con el Pentágono muestra que los principios abstractos de seguridad se vuelven más difíciles cuando el gobierno es a la vez regulador y cliente.

Anthropic entró en 2026 con experiencia desplegando Claude en entornos gubernamentales sensibles. Ha afirmado que sus modelos se utilizaban en redes clasificadas desde 2024.

La empresa se resistió posteriormente a solicitudes relacionadas con armas autónomas y vigilancia masiva nacional. Esa disputa escaló hasta convertirse en una lucha más amplia sobre los usos militares aceptables.

Anthropic afirmó en febrero que no había recibido comunicación directa de la Casa Blanca ni del Departamento de Defensa sobre el estado de las negociaciones. Su respuesta oficial enfatizó el apoyo continuo a la seguridad nacional estadounidense.

OpenAI anunció entonces su propio acuerdo para un despliegue clasificado. La empresa afirmó haber logrado restricciones relacionadas con la vigilancia masiva nacional y la responsabilidad humana sobre el uso de la fuerza.

OpenAI también instó al gobierno a poner condiciones comparables a disposición de otros laboratorios. Específicamente, pidió resolver el conflicto con Anthropic.

Ese historial complica la nueva reunión. Anthropic está discutiendo procedimientos de seguridad con una administración que previamente ha cuestionado sus restricciones sobre el uso gubernamental.

El conflicto ilustra definiciones contrapuestas de control. Anthropic quiere límites que acompañen a su modelo durante el despliegue, incluso en entornos gubernamentales de alto riesgo.

La administración ha sostenido que los líderes militares deben conservar la autoridad sobre los sistemas utilizados por combatientes. Una directiva de seguridad nacional de junio también rechazó la dependencia de proveedores que podría permitir a una empresa desactivar capacidades críticas.

Ambas preocupaciones tienen peso práctico. Un ejército no puede depender de un contratista que pueda alterar unilateralmente un sistema desplegado esencial durante una crisis.

Un desarrollador también enfrenta una grave exposición legal y ética si su modelo respalda vigilancia ilegal o elimina a los humanos de decisiones relacionadas con el uso de fuerza letal.

El marco de la Casa Blanca aborda el riesgo del modelo previo al lanzamiento, no todos los usos posteriores. Aun así, el conflicto con el Pentágono determina cómo interpretarán las empresas las garantías federales.

Un laboratorio al que se le pide divulgar vulnerabilidades debe confiar en el gobierno que las recibe. El gobierno debe confiar en que un laboratorio no ocultará riesgos materiales ni impondrá restricciones sorpresivas más adelante.

Empleados de Google y OpenAI apoyaron públicamente la postura de Anthropic durante la disputa con el Pentágono. Esa respuesta mostró que la competencia institucional no elimina las preocupaciones compartidas entre el personal técnico.

La dirección de las empresas aún puede elegir contratos y salvaguardas distintos. La solidaridad de los empleados no establece un acuerdo sectorial.

Por tanto, la convergencia entre Anthropic y Google es más sólida en torno a la necesidad de líneas rojas definidas, no sobre cada detalle de política. La presencia comercial y las relaciones gubernamentales de Google crean incentivos diferentes.

Meta añade otro contraste. Sus lanzamientos de pesos abiertos reducen la capacidad de la empresa para controlar las modificaciones posteriores realizadas por terceros después de la publicación.

Estos modelos obligan al marco a distinguir entre el lanzamiento original de un desarrollador y las adaptaciones posteriores. La responsabilidad se vuelve más difícil de asignar a medida que los modelos circulan por comunidades externas.

El episodio del Pentágono también advierte contra tratar el acceso gubernamental como automáticamente seguro. Las agencias de seguridad nacional pueden contar con sistemas de seguridad avanzados y, al mismo tiempo, perseguir una autoridad operativa más amplia.

Un marco duradero debe especificar limitaciones de propósito. Los datos compartidos para la evaluación de modelos no deberían migrar silenciosamente hacia disputas de adquisición, recopilación de inteligencia o política competitiva.

Es probable que las empresas busquen protecciones por escrito sobre este punto. Las garantías verbales tendrán un valor limitado cuando cambien las relaciones o se produzcan transiciones de administración.

Para los lectores, esta es la referencia histórica más importante. El gobierno federal no entra en la conversación como un laboratorio neutral.

Es regulador, cliente, socio de seguridad y actor político. Esas funciones pueden respaldar una supervisión eficaz, pero también pueden crear incentivos en conflicto.

Tres señales mostrarán si el marco funciona

La siguiente prueba no es si las empresas elogian las conversaciones, sino si el proceso final cambia los lanzamientos y al mismo tiempo preserva límites claros al poder federal.

La primera señal es una definición publicada de un modelo de frontera cubierto. Esa definición debería identificar umbrales medibles de capacidad o riesgo sin nombrar arquitecturas ni modelos de negocio favorecidos.

Un umbral preciso fortalecería la legitimidad del marco. Mostraría que las revisiones se dirigen a riesgos excepcionales en lugar de convertirse en una aprobación rutinaria para todo modelo relevante.

Un umbral vago o no publicado debilitaría el argumento. Las empresas podrían recibir un trato diferente, mientras que los desarrolladores más pequeños tendrían dificultades para prever sus obligaciones.

La segunda señal es evidencia de una revisión previa al lanzamiento real. Habrá que observar si OpenAI, Anthropic, Google, Meta u otro laboratorio participante presenta un nuevo modelo antes de su despliegue amplio.

Los detalles importantes son la duración de la revisión, el alcance de las pruebas y el resultado. Una revisión que identifique y corrija un problema documentado demostraría más que una reunión ceremonial.

Cualquier informe público debe proteger los detalles de exploits y la información propietaria. Aun así, debería explicar qué categoría de riesgo examinaron los evaluadores y si cambiaron las mitigaciones.

Que un modelo se lance sin cambios tras una breve consulta no significaría automáticamente que el proceso fracasó. Aportaría poca evidencia de que el escrutinio federal afectó a la seguridad.

La tercera señal es cómo el marco trata los lanzamientos de pesos abiertos. Los funcionarios deben decidir si los parámetros descargables reciben salvaguardas distintas de los modelos disponibles únicamente mediante servicios controlados.

Una política basada en capacidades, con consideraciones claras sobre la distribución, reforzaría el marco. Podría abordar los riesgos de lanzamientos irreversibles sin declarar peligrosos todos los modelos abiertos.

Una restricción general sobre los pesos abiertos debilitaría el respaldo de la industria y suscitaría preocupaciones sobre la competencia. Ignorar por completo la distribución dejaría sin respuesta una cuestión de seguridad fundamental.

Una acción del Congreso podría acabar sustituyendo partes del sistema voluntario. Por ahora, el poder ejecutivo está desarrollando procedimientos bajo la autoridad existente.

Eso hace que la transparencia sea especialmente importante. El público debería conocer la base jurídica del marco, las normas de participación, los mecanismos de apelación y la estructura de supervisión.

Los desarrolladores y los compradores empresariales también deberían prepararse para cambios de política que lleguen entre lanzamientos de modelos. Los equipos de compras pueden seguir las fichas de sistema, los resultados de evaluaciones, las restricciones contractuales y los informes de incidentes.

Los trabajadores del conocimiento afrontan un desafío relacionado. La utilidad de un modelo no demuestra que sea apropiado para registros confidenciales, decisiones automatizadas o herramientas conectadas.

Los equipos deberían preguntarse qué datos recibe un sistema, qué acciones puede realizar y quién revisa los fallos. Estas preguntas siguen siendo pertinentes independientemente de la participación de la Casa Blanca.

Las conversaciones entre Anthropic y Google importarán si generan un proceso capaz de resistir la presión competitiva. El acuerdo en una mesa de conferencias es solo el comienzo.

La cuestión más incisiva es si un desarrollador aceptará un retraso cuando los evaluadores detecten un problema grave. La cuestión paralela es si los funcionarios respetarán los límites legales cuando una empresa discrepe.

Preste atención a la primera definición de modelo cubierto, la primera revisión completada y la primera decisión relacionada con los pesos abiertos. En conjunto, esos acontecimientos revelarán si se trata de infraestructura de seguridad o de una marca voluntaria.

Para cualquiera que elija o implemente IA, ahora es el momento de documentar los compromisos de los proveedores y definir líneas rojas internas. ¿Qué sistemas pueden acceder a conocimiento sensible y qué acciones requieren aprobación humana?

La Casa Blanca puede establecer una base federal, pero las organizaciones siguen siendo responsables de sus decisiones de despliegue. Sus controles determinarán si las promesas de política resisten el contacto con los flujos de trabajo reales.