Los registros del contrato entre OpenAI y el Pentágono revelan una exigencia controvertida de una IA que rara vez dice no
OpenAI afronta un nuevo escrutinio después de que registros del Pentágono describieran modelos militares con «tasas mínimas de rechazo», pese a que ambas partes niegan que ese requisito formara parte de su acuerdo ejecutado. El lenguaje en disputa aparece en la versión P00003 de un contrato entre OpenAI y el Pentágono obtenido mediante una demanda basada en la Ley de Libertad de Información. Describe sistemas especializados destinados a rechazar solicitudes de seguridad nacional con la menor frecuencia posible.
Esa frase no demuestra que el Pentágono recibiera un modelo sin restricciones. OpenAI afirma que rechazó la disposición, mientras que el Departamento de Defensa sostiene que ningún contrato activo la contiene. Sin embargo, el gobierno divulgó P00003 en respuesta a una solicitud que excluía explícitamente los borradores, según la investigación sobre el contrato.
La documentación también creó un inusual problema de verificación. Un abogado del Pentágono confirmó inicialmente que el registro divulgado era el contrato final, pero retiró esa confirmación después de que los periodistas contactaran a OpenAI. Mientras tanto, documentos independientes indican que ambas partes firmaron un acuerdo ampliado P00003 el 6 de febrero, antes de que otro acuerdo autorizara el despliegue en redes clasificadas el 27 de febrero.
Por tanto, la controversia va más allá de una sola frase disputada. Pone a prueba si las promesas contractuales, las restricciones a nivel de modelo y las garantías públicas pueden auditarse cuando la IA avanzada entra en sistemas militares secretos.
Anthropic ofrece la comparación inmediata. Su disputa con el Pentágono se centró en restricciones relacionadas con la vigilancia doméstica masiva y las armas autónomas. Posteriormente, OpenAI anunció un despliegue en entornos clasificados, afirmando que su propio acuerdo preservaba protecciones en esas áreas.
El conflicto central es claro: el gobierno quiere modelos que sigan siendo útiles en todas las misiones militares lícitas, mientras que los proveedores de IA sostienen que algunos usos todavía requieren límites firmes. Un modelo optimizado para rechazar solicitudes con menor frecuencia puede ayudar a los analistas a completar trabajo legítimo. El mismo objetivo de diseño también puede debilitar una capa importante de protección cuando los prompts se refieren a vigilancia, selección de objetivos o fuerza letal.
El contrato entre OpenAI y el Pentágono tiene dos historias contradictorias
La documentación divulgada y las explicaciones oficiales todavía no conforman un relato coherente sobre lo que firmaron las partes.
La controversia comienza con un acuerdo prototipo adjudicado a OpenAI Public Sector en 2025. Un aviso federal de contratación describe un acuerdo prototipo de importe fijo valorado en hasta 200 millones de dólares. Su propósito declarado era desarrollar capacidades de IA de frontera para abordar desafíos críticos de seguridad nacional.
OpenAI no estaba sola. El Pentágono también estableció relaciones con Anthropic, Google y xAI para prototipos de IA militar. Los casos de uso reportados incluían logística, apoyo a la toma de decisiones de inteligencia y actividades de combate más amplias.
P00003 amplió el acuerdo anterior con OpenAI. La versión divulgada a través del litigio FOIA definía los «OpenAI Mission Models» como sistemas diseñados para aplicaciones de seguridad nacional. Indicaba que esos modelos tendrían «tasas mínimas de rechazo» y ofrecerían capacidades operativas adaptadas a usuarios militares.
Un rechazo ocurre cuando un modelo se niega a completar una solicitud porque las políticas, las salvaguardas de seguridad o los controles técnicos identifican la tarea como inadmisible. Las tasas de rechazo también pueden aumentar cuando las salvaguardas bloquean erróneamente trabajo legítimo. Por ello, reducir los rechazos innecesarios es un objetivo de producto razonable en muchos contextos.
El contexto militar cambia lo que está en juego. Un rechazo relacionado con un formato de documento inofensivo resulta incómodo. Un rechazo relacionado con la selección de objetivos, el monitoreo de poblaciones o la operación de armas puede constituir un límite de seguridad deliberado.
El portavoz de OpenAI, Nate Evans, declaró a The Intercept que la empresa nunca aceptó lenguaje que exigiera tasas mínimas de rechazo. Caracterizó el texto divulgado como una propuesta gubernamental anterior que OpenAI rechazó. Evans afirmó que el acuerdo final ejecutado omitía el requisito.
El portavoz del Pentágono, Jacob Bliss, afirmó de manera similar que la frase no aparecía en ningún acuerdo vigente entre el departamento y OpenAI. Estas negativas cuestionan directamente el estatus del documento P00003, pero no explican por qué fue incluido en una entrega de registros finales.
The Intercept y Legal Advocates for Safe Science and Technology habían solicitado contratos ejecutados, modificaciones y documentos finales relacionados. Según se informó, la solicitud instruía al departamento a no incluir borradores. Esa distinción importa porque las entregas FOIA pueden contener material preliminar, pero el solicitante había intentado específicamente evitar esta ambigüedad.
Un abogado del Pentágono dijo inicialmente a la publicación que P00003 era el contrato final. Después de que OpenAI recibiera preguntas sobre el lenguaje, el abogado revirtió esa respuesta y pidió a los periodistas que la ignoraran. El departamento afirmó entonces que necesitaba más tiempo para determinar qué se había divulgado.
Esta secuencia deja abiertas varias posibilidades. El gobierno podría haber entregado un borrador por error. El documento podría combinar términos aceptados con lenguaje posteriormente eliminado mediante otro instrumento. También podría representar una modificación ejecutada que fue sustituida antes del despliegue.
Ninguna de esas posibilidades puede seleccionarse con confianza sin las páginas de firmas, el historial de revisiones o el texto operativo de reemplazo. El hecho crítico no es que OpenAI proporcionara con certeza un modelo de bajo rechazo. El hecho crítico es que el registro público todavía no puede establecer qué versión regulaba el trabajo.
Por qué las «tasas mínimas de rechazo» cambian la cuestión de seguridad
Un objetivo de bajo rechazo mide la disponibilidad, pero no revela si el modelo sigue teniendo límites en situaciones de alto riesgo.
Los productos de IA para consumidores rechazan con frecuencia prompts relacionados con malware, abuso de datos personales, construcción de armas o violencia dirigida. Estos controles son imperfectos. A veces rechazan investigación benigna, ficción, pruebas de ciberseguridad o solicitudes que no implican una intención peligrosa.
Los usuarios gubernamentales tienen razones legítimas para buscar un comportamiento distinto. Un analista de inteligencia podría necesitar resumir propaganda extremista sin respaldarla. Un equipo de ciberseguridad podría pedir a un modelo que explique código malicioso para que los defensores puedan identificarlo. Los planificadores militares pueden necesitar análisis relacionados con armas, adversarios y condiciones del campo de batalla.
Una política estándar para consumidores podría bloquear esas tareas simplemente porque reconoce vocabulario peligroso. Los modelos especializados pueden reducir esos falsos positivos al considerar la autoridad del usuario, el entorno operativo y la misión prevista.
La cláusula disputada va más allá de describir acceso específico para una misión. «Tasas mínimas de rechazo» enmarca el rendimiento exitoso en torno a la poca frecuencia con que el sistema dice no. Sin métricas, excepciones o reglas de evaluación complementarias, la frase revela poco sobre qué rechazos deberían mantenerse.
Un modelo puede reducir los rechazos al distinguir mejor entre solicitudes legítimas y prohibidas. Otro puede alcanzar el mismo resultado numérico eliminando salvaguardas. Son sistemas fundamentalmente distintos, incluso si sus tasas agregadas de rechazo parecen idénticas.
Heidy Khlaaf, científica jefe del AI Now Institute y antigua ingeniera de seguridad de sistemas de OpenAI, declaró a The Intercept que el lenguaje probablemente se refiere a pocas o ninguna salvaguarda del modelo. También cuestionó la premisa de crear barreras de protección específicas para la seguridad nacional sin límites transparentes.
Esa interpretación sigue siendo una evaluación experta, no una prueba de la configuración desplegada. La frase contractual no divulga los datos de entrenamiento, las instrucciones del sistema, los controles de acceso, los resultados de evaluación ni las condiciones que activan la revisión humana.
Esos detalles ausentes son decisivos. Un modelo militar podría responder de forma amplia y, aun así, seguir sin poder iniciar acciones. Podría operar dentro de un entorno de nube controlado, con usuarios autenticados, prompts registrados y sistemas de autorización separados. Como alternativa, su resultado podría fluir hacia procesos operativos en los que la velocidad reduzca las oportunidades de escrutinio.
La distinción entre consejo y acción también puede difuminarse. Un modelo no necesita apretar un gatillo para influir en un resultado letal. Podría clasificar objetivos potenciales, combinar informes de inteligencia, recomendar prioridades de vigilancia o resumir pruebas para un comandante.
Cada paso puede influir en la decisión final. Una firma humana al final no proporciona automáticamente una supervisión significativa si la persona carece de tiempo, información o autoridad para cuestionar el sistema.
El comportamiento de rechazo es solo un control dentro de esta cadena. Las restricciones de contratación definen los fines permitidos. Las políticas del modelo determinan qué solicitudes reciben respuestas. La arquitectura técnica controla el acceso a los datos y las acciones externas. La doctrina militar asigna responsabilidades cuando las personas actúan según el resultado.
Una afirmación de seguridad creíble debe explicar cómo estas capas se refuerzan mutuamente. También debería identificar qué sucede cuando una capa falla.
OpenAI afirma que su despliegue contiene salvaguardas técnicas y exige responsabilidad humana en las decisiones relacionadas con la fuerza letal. Su descripción pública también prohíbe la vigilancia doméstica masiva. Son compromisos relevantes, pero el acuerdo no divulgado limita la evaluación independiente de cómo operan.
Por ello, la redacción disputada importa incluso si OpenAI logró eliminarla. Muestra qué priorizaba al menos un borrador gubernamental durante las negociaciones. La cláusula situaba la disponibilidad de respuestas en el centro, mientras dejaba sin especificar en el lenguaje divulgado los límites del rechazo aceptable.
Las salvaguardas públicas de OpenAI se encuentran con el amplio estándar de misión del Pentágono
La tensión principal se sitúa entre las líneas rojas prometidas por OpenAI y un modelo de contratación militar construido en torno a todos los usos lícitos.
El 27 de febrero, OpenAI alcanzó un acuerdo que permite que sus modelos operen en entornos militares clasificados. El momento llegó tras el colapso de las negociaciones entre Anthropic y el Pentágono sobre restricciones aceptables.
OpenAI publicó su versión al día siguiente. En su declaración sobre el acuerdo, la empresa afirmó que el ejército necesita IA avanzada a medida que posibles adversarios integran tecnologías similares en sus sistemas.
OpenAI también presentó varias salvaguardas. Afirmó que su tecnología no podía respaldar la vigilancia doméstica masiva. Exigió responsabilidad humana para las decisiones relacionadas con la fuerza letal, incluidas las armas autónomas. La empresa añadió que personal de OpenAI participaría en el despliegue y supervisaría cómo operaban los sistemas.
Estos compromisos suenan similares a las preocupaciones planteadas por Anthropic. Anthropic se resistió a las exigencias de poner Claude a disposición para todos los fines militares lícitos sin las restricciones contractuales que había solicitado. Posteriormente, el Pentágono designó a la empresa como un riesgo para la cadena de suministro, mientras la administración ordenó a las agencias federales dejar de utilizar sus productos.
La expresión «todos los fines lícitos» parece amplia, pero la legalidad no constituye una especificación completa de seguridad. Las leyes pueden cambiar, diferir entre jurisdicciones o dejar cuestiones operativas sin resolver. Los abogados gubernamentales y los proveedores tecnológicos también pueden interpretar de forma distinta una misma autoridad.
OpenAI afirma que sus condiciones añaden protecciones más allá de la legislación vigente. Los críticos han cuestionado si esas condiciones crean prohibiciones exigibles o si principalmente reiteran la política gubernamental actual. El contrato operativo completo ayudaría a resolver esa cuestión, pero no ha estado disponible públicamente en una forma que pueda revisarse de manera independiente.
El lenguaje de rechazo mínimo agudiza esta incertidumbre. Si el acuerdo final lo eliminó, OpenAI resistió con éxito al menos una amplia exigencia gubernamental. Si requisitos similares sobrevivieron con otra redacción, las descripciones públicas podrían no reflejar el estándar operativo.
La posición del gobierno crea otra tensión. Los funcionarios quieren que los sistemas comerciales de IA respalden misiones que los productos de consumo no pueden abordar. También se resisten a que proveedores privados ejerzan un control abierto sobre la política militar.
Esa preocupación no es trivial. Una empresa no elegida no debería determinar la política de seguridad nacional simplemente modificando las reglas de uso de un modelo. La autoridad militar debe permanecer dentro de una cadena de mando legal y democrática.
Sin embargo, los proveedores siguen controlando sistemas con limitaciones conocidas. Los modelos pueden generar información falsa, seguir instrucciones adversarias, exponer datos sensibles o producir respuestas convincentes sin respaldo probatorio. Una cláusula de contratación no puede eliminar esos riesgos técnicos.
La solución exige más que decidir si OpenAI o el Pentágono tiene la última palabra. Los contratos necesitan usos prohibidos precisos, salvaguardas medibles, requisitos de registro, procedimientos de escalamiento y consecuencias por infracciones.
La supervisión independiente importa porque ambas partes tienen incentivos para enfatizar la compatibilidad. El Pentágono quiere sistemas capaces con menos barreras operativas. OpenAI quiere acceso a un cliente influyente mientras mantiene su postura pública sobre seguridad.
La disputa con Anthropic ilustra lo que ocurre cuando esos incentivos divergen. La negativa de Anthropic a aceptar las condiciones preferidas por el gobierno condujo a represalias políticas y exclusión operativa. Ese resultado presiona a todos los proveedores competidores para que parezcan más complacientes.
OpenAI entró en el entorno clasificado durante ese conflicto. La empresa afirma que mantuvo salvaguardas más sólidas, no más débiles. El controvertido registro P00003 hace ahora que la evidencia documental sea esencial para evaluar esa afirmación.
El despliegue clasificado plantea riesgos más allá de los rechazos del modelo
Incluso un modelo cuidadosamente delimitado puede crear riesgos graves cuando el secreto limita las pruebas externas, la notificación de incidentes y la rendición de cuentas pública.
Las redes clasificadas impiden que inteligencia sensible llegue a usuarios no autorizados. También impiden que investigadores, periodistas y el público en general examinen cómo se comporta un modelo desplegado.
Ese secreto es necesario para muchas operaciones militares. No obstante, crea una brecha de verificación. Los observadores externos no pueden realizar pruebas, comparar el comportamiento de rechazo, inspeccionar registros ni determinar si las salvaguardas cambiaron tras el despliegue.
El gobierno puede realizar evaluaciones internas, pero esas revisiones deben responder a más que si el modelo completa tareas. Deberían medir alucinaciones, sesgo de automatización, filtración de datos, inyección de prompts y desempeño en condiciones adversarias.
La alucinación ocurre cuando un modelo produce contenido infundado o falso de forma convincente. En un flujo de trabajo de oficina ordinario, un usuario podría detectar una cita inventada. En una operación de rápida evolución, una síntesis plausible pero incorrecta puede influir en una decisión trascendental.
El sesgo de automatización crea un problema distinto. Las personas suelen depositar una confianza excesiva en recomendaciones generadas por máquinas, especialmente cuando el sistema procesa más información de la que pueden revisar. Un modelo con pocos rechazos puede empeorar esa tendencia al producir una respuesta incluso cuando la evidencia es incompleta.
El modelo también puede encontrarse con material clasificado que contiene instrucciones maliciosas. La inyección de prompts es un ataque que oculta comandos dentro de datos que se le ha pedido al sistema analizar. Un documento comprometido podría indicarle al modelo que revele información, ignore la política o manipule sus conclusiones.
Estos modos de fallo no requieren una intención maliciosa por parte del gobierno. Surgen de las limitaciones de la tecnología y de la complejidad de los sistemas de información militares.
OpenAI afirma que su despliegue utiliza un entorno basado en la nube en lugar de colocar modelos directamente en plataformas de armas. Esa separación puede reducir los riesgos de acción inmediata. No elimina la influencia del modelo en el análisis de inteligencia, la planificación, la logística o el apoyo a la selección de objetivos.
El Pentágono ha descrito la IA como una forma de aumentar la toma de decisiones en entornos operativos complejos. Para mayo, el departamento había anunciado acuerdos de redes clasificadas con Google, Microsoft, Amazon Web Services, Nvidia, OpenAI, Reflection y SpaceX. La expansión de la IA clasificada muestra que la cuestión política se extiende mucho más allá de un solo proveedor.
Varios proveedores pueden reducir la dependencia de una única empresa. También pueden generar salvaguardas inconsistentes, responsabilidades superpuestas y presión para igualar al competidor menos restrictivo.
Un modelo que rechaza con mayor frecuencia podría perder evaluaciones centradas en la finalización de tareas. Un modelo que responde con más libertad podría parecer operativamente superior hasta que se produzca un fallo grave. Por tanto, las métricas de contratación pueden moldear el comportamiento de seguridad incluso sin una exigencia explícita de eliminar barreras de protección.
El debate público no debería tratar los rechazos como inherentemente buenos. Los rechazos excesivos pueden volver un sistema poco fiable y animar a los usuarios a buscar alternativas menos controladas. La cuestión relevante es si los rechazos ocurren en el límite correcto.
Responder a esa cuestión requiere pruebas basadas en escenarios. Los evaluadores deberían examinar si los modelos rechazan la vigilancia ilegal, la identificación de objetivos sin respaldo, las acciones letales autónomas y los intentos de eludir la autorización. También deberían verificar que los modelos puedan completar tareas legítimas de inteligencia y defensa.
Los resultados pueden seguir siendo clasificados cuando sea necesario, pero los órganos de supervisión necesitan acceder a ellos. Los inspectores generales, los comités del Congreso y expertos independientes con las autorizaciones adecuadas pueden evaluar los controles sin publicar secretos operativos.
La controversia sobre el contrato entre OpenAI y el Pentágono expone lo que ocurre cuando ni el contrato ni el marco de evaluación pueden ser inspeccionados. El público recibe garantías del proveedor y del cliente, pero carece de la evidencia necesaria para ponerlas a prueba.
La brecha documental es ahora el riesgo central
La conclusión más sólida no es que OpenAI eliminó sus salvaguardas, sino que el mantenimiento de registros del gobierno ha hecho imposible auditar un acuerdo trascendental.
Los documentos publicados contienen una cláusula que ambas partes dicen haber rechazado. La solicitud FOIA buscaba registros finales y excluía borradores. Inicialmente, un abogado del gobierno trató P00003 como definitivo, y luego retiró esa conclusión.
Cada hecho puede tener una explicación administrativa inocente. En conjunto, socavan la confianza en el historial oficial del contrato.
El control de versiones debería ser básico en una contratación que involucra IA de frontera clasificada. Los revisores necesitan saber quién propuso una condición, cuándo cambió, quién aprobó la revisión y qué documento rige el despliegue.
La cronología de febrero añade complejidad. Otro documento indica supuestamente que OpenAI aceptó una versión ampliada de P00003 el 6 de febrero. El 27 de febrero, las partes completaron el acuerdo de red clasificada.
La relación entre esos acuerdos sigue sin estar clara. El documento del 27 de febrero podría sustituir la modificación anterior. Podría complementarla. También podría regir un despliegue distinto mientras deja activa parte del acuerdo de prototipo.
La negativa de OpenAI es específica: la empresa afirma que el contrato ejecutado no exige tasas mínimas de rechazo. Esa afirmación merece registrarse claramente. No debería extenderse hasta convertirla en prueba de que el documento publicado nunca se ejecutó o de que no existe en otro lugar un requisito de desempeño comparable.
La negativa del Pentágono es igualmente limitada. Decir que la frase no aparece en ningún contrato actual no establece si alguna vez apareció en una modificación ejecutada. Una condición puede desaparecer de un acuerdo activo tras una enmienda o sustitución.
El gobierno puede resolver gran parte de la disputa sin exponer operaciones clasificadas. Podría publicar las páginas de firma pertinentes, la cronología de enmiendas, el lenguaje de sustitución y las partes no clasificadas de los requisitos operativos.
OpenAI también podría publicar el texto contractual exacto que respalda sus salvaguardas públicas, sujeto a las necesarias supresiones. La empresa ya divulgó su interpretación del acuerdo, de modo que confirmar las cláusulas operativas daría sustancia a esa explicación.
Los críticos también deben evitar exageraciones. “Tasas mínimas de rechazo” no establece que un modelo controle armas, realice vigilancia o ignore toda restricción. El documento describe una característica deseada, no evidencia de un despliegue prohibido específico.
La frase tampoco revela la tasa de rechazo real. Ningún porcentaje, referencia comparativa ni comparación con ChatGPT de consumo verificados aparece en la información disponible. Por tanto, las afirmaciones de que el ejército recibió un modelo completamente sin restricciones van más allá de la evidencia.
La incertidumbre en sí misma tiene consecuencias. Los desarrolladores que trabajan en sistemas de seguridad necesitan confianza en que los compromisos de despliegue resistan la presión de contratación. Los compradores empresariales necesitan documentación precisa cuando diferentes configuraciones de modelos operan bajo políticas distintas.
Los trabajadores del conocimiento también deben entender que un nombre de modelo familiar no garantiza un comportamiento familiar. Una configuración militar, un despliegue empresarial y un chatbot público pueden utilizar instrucciones, herramientas, permisos y umbrales de rechazo diferentes.
Mantener un registro consultable de políticas, evaluaciones y revisiones es fundamental para una gobernanza responsable de la IA. Una base de conocimiento bien gestionada no puede sustituir la supervisión pública, pero se aplica el mismo principio: las decisiones trascendentales requieren fuentes rastreables e historial de versiones.
Por tanto, la disputa debería tratarse como un fallo documental hasta que evidencia más sólida establezca algo más. Este enfoque mantiene cautela respecto de la acusación subyacente, al tiempo que reconoce que la ambigüedad contractual es inaceptable a este nivel de riesgo.
Qué observar tras la divulgación del rechazo mínimo
Tres señales determinarán si este episodio se convierte en una disputa de registros corregible o en evidencia de un problema más profundo de rendición de cuentas.
La primera señal es la publicación de la cadena contractual operativa real. El Pentágono debería identificar si P00003 fue firmado, sustituido o producido por error. También debería mostrar cómo se relaciona la modificación del 6 de febrero con el acuerdo de despliegue clasificado del 27 de febrero.
Una cronología clara respaldaría la explicación de las partes si demuestra que la cláusula controvertida permaneció únicamente en un borrador rechazado. La negativa continuada o las respuestas contradictorias reforzarían las preocupaciones de que la descripción pública omite condiciones relevantes.
La segunda señal es un marco de evaluación concreto para los rechazos de IA militar. Los funcionarios no necesitan divulgar prompts sensibles ni datos de inteligencia. Aun así, pueden publicar categorías de uso prohibido, métodos de prueba, obligaciones de notificación y la autoridad responsable de investigar los fallos.
Ese marco debería distinguir los rechazos erróneos de los rechazos necesarios. También debería evaluar alucinaciones, uso no autorizado de herramientas, inyección de prompts y supervisión humana bajo presión de tiempo operativa.
La publicación de estándares de evaluación significativos reforzaría el argumento de OpenAI de que un modelo militar más útil puede mantener límites firmes. Un programa de desempeño centrado únicamente en las tasas de respuesta lo debilitaría.
La tercera señal es cómo el Pentágono aplica las salvaguardas entre proveedores que compiten entre sí. Google, Microsoft, Amazon, Nvidia, Reflection, SpaceX, OpenAI y otros contratistas no deberían operar bajo normas sustancialmente distintas para la vigilancia o las decisiones letales sin una razón documentada.
El enfrentamiento con Anthropic vuelve esta comparación especialmente importante. Antes de su ruptura, las negociaciones con el Pentágono supuestamente se centraron en si la empresa permitiría un uso militar más amplio. Posteriormente, OpenAI anunció un acuerdo que mantenía restricciones que parecían similares en las descripciones públicas.
Si surgen salvaguardas comunes entre proveedores, el episodio parecerá más una negociación difícil seguida de una convergencia de políticas. Si los proveedores reciben condiciones diferentes según su disposición a reducir las negativas, la presión competitiva podría rebajar gradualmente el umbral de seguridad.
En última instancia, la historia del contrato entre OpenAI y el Pentágono trata de quién define ese umbral y cómo puede verificarse. Ni la negativa generalizada ni el cumplimiento sin restricciones son estándares adecuados para la IA militar.
Los lectores deberían estar atentos a documentos, controles medibles y normas coherentes para los proveedores, en lugar de otra ronda de garantías. Hasta que aparezcan, la cláusula de “tasas mínimas de rechazo” seguirá siendo objeto de disputa, y el sistema que, según se informa, se entregó bajo ella continuará sin verificarse. La próxima divulgación debería responder a una pregunta sencilla: ¿qué salvaguardas obligan al modelo desplegado cuando una solicitud militar legal sigue creando un riesgo inaceptable?
