La disputa por la propiedad de la IA en los 50 estados que decidirán los contratos

Google News puso de relieve un conflicto profundo que abarca los 50 estados: los gobiernos pueden desplegar inteligencia artificial sin controlar realmente lo que ocurre una vez que comienza el contrato.

La pregunta parece sencilla. ¿Quién posee un sistema de IA cuando una agencia estatal empieza a utilizarlo? Sin embargo, la propiedad puede referirse a varios activos distintos. Entre ellos se incluyen el software, los pesos del modelo, los datos gubernamentales, los resultados generados, los registros de auditoría, los comentarios de los empleados y las mejoras realizadas durante el despliegue.

Un estado rara vez compra todos esos activos como un único paquete transferible. Por lo general, licencia el servicio de un proveedor, conserva derechos sobre algunos datos y acepta limitaciones sobre todo lo demás. La entidad pública puede seguir siendo responsable de las decisiones incluso cuando el proveedor controla la maquinaria que las sustenta.

Ese desequilibrio es el problema central. Los estados buscan servicios más rápidos, menos carga administrativa y un mejor acceso a la información. Los proveedores buscan proteger la propiedad intelectual, los modelos reutilizables y los métodos comerciales.

Ambas posturas pueden ser legítimas. El conflicto comienza cuando un contrato deja al estado responsable de un sistema de IA que no puede inspeccionar, probar, transferir ni reconstruir.

El titular de Google News apunta a un problema contractual

La propiedad de la IA gubernamental suele decidirse antes del despliegue, dentro de un lenguaje de contratación pública que pocos residentes llegan a ver.

Un estado puede comprar servidores y poseer el equipo físico. La mayoría de los acuerdos modernos de IA funcionan de otra manera. Las agencias suelen adquirir suscripciones en la nube, interfaces de programación de aplicaciones, plataformas de análisis o servicios gestionados.

Una interfaz de programación de aplicaciones, o API, permite que un sistema solicite funciones a otro. La agencia envía datos o instrucciones, mientras el proveedor opera el modelo y la infraestructura subyacentes.

Ese acuerdo separa el uso operativo de la propiedad legal. Un departamento puede utilizar un asistente de IA todos los días sin poseer los pesos de su modelo, el código fuente, el proceso de entrenamiento ni la infraestructura de soporte.

Los pesos del modelo son los parámetros numéricos aprendidos que dan forma a las respuestas de un modelo. Suelen estar entre los activos más estrechamente protegidos por un proveedor.

La agencia puede seguir siendo propietaria de la información proporcionada por los residentes. Sin embargo, su contrato debe explicar si el proveedor puede conservar esa información, crear embeddings a partir de ella o utilizarla para el desarrollo de productos.

Los embeddings son representaciones numéricas que ayudan a los sistemas de IA a comparar y recuperar información relacionada. Pueden conservar patrones significativos del material de origen incluso cuando los documentos originales se almacenan en otro lugar.

El material generado añade otra capa. Un sistema de IA podría resumir un expediente, clasificar solicitudes de prestaciones, señalar posibles fraudes o recomendar una inspección. El contrato debe establecer si la agencia puede exportar esos resultados en un formato utilizable.

El acceso por sí solo no equivale a propiedad. Una agencia puede consultar resultados mediante un panel de control sin tener el derecho o la capacidad técnica para recuperar los registros subyacentes.

Esa distinción se vuelve crítica cuando vence un contrato. El proveedor podría devolver los documentos de origen, pero omitir los prompts, los cálculos intermedios, las puntuaciones de confianza, las versiones del modelo o las correcciones humanas.

Sin esos registros, el siguiente proveedor no puede reproducir el trabajo del sistema anterior. Los auditores también tienen dificultades para determinar por qué se produjo una decisión pasada.

No se trata de detalles administrativos teóricos. El Electronic Privacy Information Center encontró 621 contratos de IA con un alcance de mercado potencial superior a los 720 millones de dólares. Su investigación abarcó registros de 27 estados y del Distrito de Columbia.

Los sistemas identificados por EPIC afectaban la educación, la atención sanitaria, la policía y las prestaciones públicas. En esos ámbitos, unas condiciones de propiedad incompletas pueden afectar el acceso de una persona a servicios esenciales.

Por tanto, un contrato necesita un mapa detallado de activos. Debe distinguir entre las aportaciones de la agencia, los materiales del proveedor, las configuraciones creadas conjuntamente, los resultados del sistema, los registros, las evaluaciones y las mejoras posteriores al despliegue.

El mapa también debe identificar quién puede utilizar cada activo, con qué fines y durante cuánto tiempo. Una declaración amplia de que «el estado es propietario de sus datos» no responde a esas preguntas.

Los estados también necesitan condiciones de eliminación que abarquen copias de seguridad, artefactos derivados y subcontratistas. De lo contrario, un proveedor puede eliminar la base de datos visible mientras el material relacionado permanece en toda su cadena de servicio.

El titular distribuido a través de Google News recoge un problema nacional, pero el lenguaje decisivo sigue siendo local. Cada oficina de contratación puede definir la propiedad de manera diferente.

El despliegue hace responsables a los estados sin otorgarles control total

Una entidad pública no puede externalizar su responsabilidad ante los residentes, incluso cuando todos los componentes técnicos pertenecen a un contratista.

La rendición de cuentas gubernamental sigue a la función pública. Si un sistema de IA influye en prestaciones, empleo, licencias, educación, atención sanitaria o policía, los residentes cuestionarán a la agencia que lo utiliza.

El proveedor puede haber diseñado el modelo. Un integrador de sistemas puede haberlo conectado a las bases de datos de la agencia. Una empresa de nube puede almacenar los registros. Sin embargo, el estado sigue tomando, comunicando o aplicando la decisión resultante.

Esta división crea una brecha de responsabilidad. La agencia asume las consecuencias legales y políticas, mientras que pruebas clave pueden permanecer dentro de un sistema controlado por el proveedor.

Pensemos en una agencia de prestaciones que utiliza IA para priorizar las solicitudes que deben revisarse. Un residente al que se le niegue ayuda podría preguntar qué datos influyeron en la decisión y cómo puede corregirse un error.

La agencia necesita más que una puntuación final. Necesita los campos de entrada pertinentes, la versión aplicable del modelo, el historial de procesamiento, las reglas de decisión y los registros de revisión humana.

Si el contrato promete únicamente acceso a un panel de control actual, la agencia puede carecer de las pruebas necesarias para una apelación. Una actualización de software también puede modificar el sistema antes de que los investigadores examinen la decisión anterior.

El versionado de modelos registra qué configuración del sistema produjo un resultado concreto. Cumple una función similar a conservar la normativa exacta y el expediente utilizados en una decisión tradicional.

Las leyes estatales de registros públicos añaden otra complicación. Los documentos gubernamentales suelen estar sujetos a obligaciones de divulgación, conservación y preservación. Las reclamaciones de los proveedores relacionadas con secretos comerciales pueden restringir el acceso a material técnico.

La protección de secretos comerciales cumple un propósito comercial real. Un estado no debería obtener derechos ilimitados de publicación sobre cada modelo propietario simplemente porque adquirió una suscripción.

Sin embargo, la confidencialidad no puede convertirse en un sustituto general de la rendición de cuentas. Los contratos pueden crear acceso controlado para auditores, reguladores, tribunales e investigadores autorizados sin publicar código propietario para todo el mundo.

El equilibrio exige planificación. Las agencias deben definir qué materiales deben seguir disponibles durante las investigaciones y después de la terminación. También deben establecer durante cuánto tiempo deben conservarse esos materiales.

La ley de IA para consumidores de Colorado ilustra el creciente enfoque en los desplegadores, es decir, las organizaciones que utilizan sistemas de alto riesgo. Su marco exige evaluaciones de impacto, gestión de riesgos, avisos a los consumidores y oportunidades para apelar determinadas decisiones relevantes.

Tales obligaciones incrementan la importancia de la documentación. Un desplegador no puede realizar una evaluación significativa si el desarrollador retiene datos de rendimiento o limitaciones del sistema.

El mismo problema aparece cuando una agencia detecta resultados discriminatorios. Necesita autoridad para probar el sistema, obtener los registros pertinentes y exigir medidas correctivas.

Un acuerdo estándar de servicio de un proveedor podría restringir la ingeniería inversa, las pruebas comparativas o la publicación de resultados de pruebas. Esas restricciones pueden chocar con las obligaciones de supervisión de un gobierno.

Los estados deben negociar los derechos de prueba antes del despliegue. Deben abarcar evaluaciones independientes, análisis del rendimiento demográfico, revisiones de seguridad e investigaciones motivadas por quejas de residentes.

El contrato también debe indicar qué ocurre cuando las pruebas identifican perjuicios. Las opciones incluyen plazos de corrección, suspensión del uso, revisión humana adicional, reembolso y terminación sin costes de salida punitivos.

La supervisión humana no resuelve todos los problemas. Un trabajador no puede revisar de forma significativa una recomendación de IA sin suficiente contexto para cuestionarla.

Una interfaz que muestra una puntuación y un botón de «aprobar» puede convertir la revisión humana en una ceremonia. Las agencias necesitan explicaciones, indicadores de incertidumbre y permiso para rechazar recomendaciones automatizadas.

Por tanto, el estado posee la responsabilidad pública, independientemente de quién posea el software. Esa realidad debe orientar cada derecho técnico y contractual que solicite.

Los verdaderos adversarios son el control público y la dependencia del proveedor

La disputa central no enfrenta a un estado con otro; enfrenta el control público con la dependencia de sistemas que las agencias no pueden trasladar ni inspeccionar.

Los proveedores necesitan productos reutilizables para atender a muchos clientes. Construir un modelo, una pila de infraestructura y un proceso operativo distintos para cada estado elevaría los costes y ralentizaría el despliegue.

Los estados también se benefician de plataformas comerciales compartidas. Un proveedor consolidado puede aportar equipos de seguridad, actualizaciones frecuentes, ingenieros especializados e integraciones probadas que una sola agencia no puede mantener por sí misma.

El peligro no es la participación privada en sí misma. Es la dependencia del proveedor, que se produce cuando cambiar de proveedor se vuelve técnica, legal o financieramente inviable.

La IA puede profundizar esa dependencia porque el sistema cambia con el uso. Las agencias añaden prompts, documentos normativos, flujos de trabajo, etiquetas, correcciones y resultados de evaluación.

Esas incorporaciones pueden pasar a formar parte del servicio desplegado. Si no pueden exportarse, el estado pierde el conocimiento operativo acumulado cuando se marcha.

Una migración convencional de bases de datos suele centrarse en tablas, archivos y esquemas. Una migración de IA también puede requerir embeddings, configuraciones de recuperación, reglas de seguridad, plantillas de prompts, conjuntos de evaluación e integraciones específicas del modelo.

Un sistema de recuperación busca información aprobada antes de que un modelo genere su respuesta. Su utilidad depende del procesamiento de documentos, los controles de acceso, la configuración de clasificación y los comentarios recopilados con el tiempo.

El lenguaje de propiedad debe cubrir esos componentes por separado. De lo contrario, un proveedor puede devolver los documentos originales mientras conserva la configuración que los hacía útiles.

Este desafío se parece a la diferencia entre poseer libros y poseer un catálogo funcional. El contenido sigue estando disponible técnicamente, pero el acceso práctico se derrumba cuando desaparece el sistema organizativo.

Los equipos que ya gestionan grandes colecciones de documentos entienden esa distinción. Una base de conocimientos con capacidad de búsqueda depende de la estructura, los permisos y la calidad de recuperación, no solo de poseer los archivos.

El gobierno federal ha comenzado a abordar el mismo problema de contratación. Una revisión de la GAO de abril de 2026 examinó adquisiciones de IA en varias agencias importantes.

Los funcionarios de las cinco agencias seleccionadas identificaron la propiedad de los datos y los derechos de propiedad intelectual como desafíos. La GAO destacó la necesidad de portabilidad, licencias claras, transparencia de precios y protecciones frente a la dependencia del proveedor.

La portabilidad implica más que descargar una hoja de cálculo. El estado necesita datos en formatos documentados, junto con las relaciones y los metadatos necesarios para reutilizarlos.

La portabilidad de los modelos es más difícil. Un modelo propietario puede no poder transferirse a otra nube o proveedor. En ese caso, el contrato debería preservar las capas creadas por el estado que lo rodean.

Esas capas pueden incluir prompts, casos de evaluación, reglas de negocio, instrucciones del sistema, definiciones de flujos de trabajo e historiales de rendimiento. Conservarlas reduce el costo de sustituir el modelo central.

Los estados también deberían evitar considerar que toda mejora es propiedad del proveedor. Un empleado de una agencia podría dedicar meses a corregir resultados y desarrollar instrucciones especializadas.

Un contrato justo puede distinguir entre las mejoras al producto general del proveedor y las configuraciones creadas para la agencia. También puede otorgar a ambas partes una licencia sobre el trabajo desarrollado conjuntamente.

El uso de datos exige una precisión similar. La información gubernamental utilizada para operar un servicio no debería convertirse automáticamente en material de entrenamiento para el modelo general de un proveedor.

Una prohibición del entrenamiento debe definirlo con la suficiente amplitud para que sea efectiva. Debe abordar el ajuste fino, la evaluación, el análisis de productos, la creación de datos sintéticos y la revisión humana.

El ajuste fino adapta un modelo mediante ejemplos adicionales. Incluso cuando los proveedores no reentrenan un modelo fundacional, pueden seguir obteniendo valor comercial de las interacciones con las agencias.

El contrato debería identificar los fines aprobados en lugar de basarse únicamente en restricciones imprecisas. Debería especificar si los datos pueden utilizarse para seguridad, mejora del servicio, detección de abusos o desarrollo de nuevos productos.

Los subcontratistas necesitan los mismos límites. El proveedor principal de un estado puede depender de un proveedor de alojamiento en la nube, un desarrollador de modelos, una empresa de monitoreo y un servicio de revisión humana.

Cada participante puede crear otra copia, registro o artefacto derivado. Las protecciones de propiedad se debilitan si solo se aplican al proveedor nombrado en la portada del contrato.

Los estados pueden responder mediante cláusulas estándar y compras cooperativas. Un lenguaje compartido reduce los costos de negociación y evita que las agencias resuelvan de forma independiente el mismo problema.

Sin embargo, la estandarización debería establecer un mínimo, no eliminar las diferencias entre casos de uso. Un asistente de redacción para comunicaciones públicas plantea riesgos distintos a los de un sistema que influye en la elegibilidad para Medicaid.

La cuestión de la propiedad debería seguir las consecuencias. Los despliegues de mayor riesgo requieren un acceso de auditoría más sólido, una retención más prolongada, registros de apelación más claros y derechos de suspensión más rápidos.

Los cincuenta estados están elaborando normas a ritmos diferentes

El mosaico estatal refleja distintas instituciones, presupuestos, leyes y tolerancias al riesgo, en lugar de 50 marcos completos de propiedad.

La frase «50 estados, 50 maneras diferentes» puede sugerir que todos los estados han definido su enfoque. La evidencia disponible muestra un panorama menos ordenado.

Algunos estados cuentan con políticas centralizadas de IA o funcionarios designados para la supervisión. Otros se apoyan en normas existentes sobre privacidad, ciberseguridad, contratación pública y registros públicos.

Muchos aún están desarrollando el lenguaje contractual. La National Conference of State Legislatures informó que una encuesta de 2024 reveló que solo el 9 por ciento de los encuestados tenía condiciones preferidas para la contratación de IA.

Otro 62 por ciento estaba desarrollando ese lenguaje, mientras que el 29 por ciento no había comenzado. Esas cifras describen una transición, no un sistema nacional maduro.

La visión general de la IA gubernamental de NCSL también documentó una atención creciente a los inventarios, las evaluaciones, las guías para empleados y los estándares de contratación.

Los inventarios responden a una pregunta básica: ¿dónde se está utilizando la IA? Un gobierno no puede controlar sistemas que no ha identificado.

Incluso una política central sólida puede pasar por alto herramientas adquiridas por agencias individuales. Las funciones de IA también pueden llegar mediante actualizaciones ordinarias de software sin un nuevo proceso de contratación.

Una plataforma de atención al cliente puede añadir resúmenes automatizados. Un sistema de recursos humanos puede incorporar clasificación de candidatos. Un producto de gestión de casos puede añadir recomendaciones predictivas.

Es posible que el estado nunca publique una licitación etiquetada como «inteligencia artificial». Por lo tanto, los términos de propiedad y supervisión deben aplicarse cuando la IA llega a través de actualizaciones, subcontratistas o funciones integradas.

Los contratos deberían exigir una notificación antes de que un proveedor active una función sustancial de IA. Las agencias necesitan entonces el derecho de evaluarla, rechazarla o negociar salvaguardas adicionales.

Una función sustancial es aquella que modifica el uso de datos, la influencia en las decisiones, el riesgo o los costos operativos. Las mejoras menores de interfaz no requerirían la misma revisión.

Las estructuras estatales también afectan a quién puede imponer esas condiciones. Una oficina tecnológica centralizada puede establecer requisitos compartidos entre agencias. Un estado descentralizado puede depender de departamentos individuales y funcionarios de contratación.

La capacidad presupuestaria también importa. Los estados grandes pueden contratar abogados especializados, profesionales de seguridad y científicos de datos. Las jurisdicciones más pequeñas pueden depender en mayor medida de la documentación del proveedor.

Esa disparidad refuerza la necesidad de recursos públicos compartidos. Las cláusulas modelo, las plantillas de evaluación y las definiciones de incidentes pueden ayudar sin obligar a todos los estados a adoptar una política idéntica.

La National Association of State Procurement Officials afirma que una contratación exitosa exige colaboración entre los equipos de contratación, tecnología, asuntos legales, privacidad y programas. Sus orientaciones sobre contratación también hacen hincapié en el monitoreo posterior a la adjudicación.

Ese enfoque interfuncional es esencial porque ninguna oficina individual ve todo el riesgo. Contratación pública entiende la capacidad de negociación contractual, mientras que el personal de programas comprende las decisiones que se respaldan.

Los equipos tecnológicos evalúan la arquitectura y la portabilidad. Los responsables de privacidad examinan el uso de datos. Los especialistas en derechos civiles evalúan si el sistema puede producir resultados desiguales.

Los abogados estatales interpretan las leyes de registros y los requisitos de debido proceso. Los equipos de seguridad determinan si los registros, las integraciones y el acceso a los modelos crean nuevas vías de ataque.

El proceso se vuelve más lento cuando cada pregunta llega tarde. Se vuelve más rápido cuando las agencias establecen requisitos de propiedad antes de que los proveedores presenten propuestas.

Los requisitos claros también pueden ayudar a los proveedores. Las empresas pueden fijar con precisión el precio de los derechos solicitados y evitar meses de negociación incierta.

Por tanto, el mosaico actual es tanto un riesgo como un campo de pruebas. Los estados están descubriendo qué cláusulas funcionan mediante proyectos piloto, disputas, auditorías y renovaciones de contratos.

Sin embargo, la experimentación tiene límites cuando los residentes asumen las consecuencias. Un chatbot fallido es inconveniente. Un sistema opaco de elegibilidad puede denegar asistencia alimentaria, médica o de vivienda.

Los estados necesitan una base común para los usos con consecuencias importantes. Esa base debería incluir resultados trazables, acceso de auditoría, portabilidad de datos, notificación de incidentes y derechos de salida exigibles.

Por encima de esa base, los estados pueden adaptar la gobernanza a las leyes e instituciones locales. La uniformidad es menos importante que garantizar que ningún despliegue deje la rendición de cuentas sin evidencia.

Lo que el lenguaje de propiedad aún no puede garantizar

Los contratos sólidos crean capacidad de negociación, pero no hacen que un sistema de IA sea preciso, justo, seguro o comprensible.

Un estado puede ser dueño de todos los registros generados y aun así desplegar un sistema deficiente. Puede obtener el código fuente sin contar con empleados capaces de evaluarlo.

La capacidad técnica sigue siendo una limitación importante. La GAO determinó que los equipos federales de contratación tenían dificultades para acceder a científicos de datos y expertos en ciberseguridad. Las agencias estatales y locales suelen enfrentar límites de personal más estrictos.

La documentación del proveedor puede ayudar, pero no es evidencia independiente. Las afirmaciones sobre rendimiento deberían probarse utilizando la población, la calidad de los datos, el flujo de trabajo y las condiciones operativas de la agencia.

Un modelo que funciona bien en un laboratorio puede fallar tras su despliegue. Las políticas cambian, el comportamiento de los residentes se modifica, los datos de origen se deterioran y los proveedores actualizan los modelos subyacentes.

Este proceso suele denominarse deriva del modelo. Describe un rendimiento decreciente o cambiante a medida que evoluciona la relación entre los datos y los resultados del mundo real.

Los sistemas generativos añaden otra forma de cambio. Un proveedor puede reemplazar un modelo fundacional manteniendo el mismo nombre de producto e interfaz.

El nuevo modelo podría responder de manera diferente a prompts idénticos. Sin registros de versión y avisos de cambios, la agencia no puede vincular el comportamiento modificado con la actualización.

Los contratos deberían exigir un aviso previo para cambios significativos. También deberían dar a las agencias tiempo para probar las actualizaciones antes de utilizarlas en producción para usos de alto riesgo.

Sin embargo, las pruebas tienen límites. Los fallos poco frecuentes pueden escapar a los parámetros de evaluación, mientras que los daños sociales podrían no aparecer en los indicadores de precisión agregada.

Una tasa de precisión general puede ocultar grandes diferencias entre grupos demográficos. También puede ocultar si los errores recaen principalmente en personas que ya enfrentan barreras.

La propiedad no resuelve esas decisiones de medición. Las agencias deben decidir qué resultados importan y qué tasas de error son aceptables.

La transparencia pública crea otra disyuntiva. Los residentes merecen información significativa sobre los sistemas que les afectan. Los proveedores buscan razonablemente protección para métodos propietarios y detalles sensibles para la seguridad.

Publicar el código fuente no siempre es necesario ni suficiente. Una divulgación más útil puede identificar el propósito del sistema, las categorías de datos, el papel en la toma de decisiones, los límites conocidos, el proveedor y el proceso de apelación.

Las agencias deberían publicar información suficiente para que las personas afectadas comprendan el papel del sistema. Los revisores independientes también necesitan acceso controlado a evidencia técnica más profunda.

La ausencia de un contrato visible no prueba un abuso. Del mismo modo, la existencia de un contrato no prueba un despliegue responsable.

La investigación de EPIC planteó preocupaciones sobre decisiones que pasan a sistemas privados sin una participación pública adecuada. Esa crítica no debería generalizarse como la afirmación de que todo sistema de IA contratado es ilegal o perjudicial.

Muchas herramientas realizan trabajo administrativo de menor riesgo. Pueden resumir documentos internos, dirigir solicitudes de servicio, detectar registros duplicados o ayudar a los empleados a encontrar políticas.

El riesgo cambia cuando la IA determina hechos, clasifica a personas, recomienda medidas coercitivas o condiciona el acceso a servicios públicos. Las salvaguardas de propiedad deberían aumentar con esa influencia.

La palabra clave principal exige su propia cautela. Un titular visto a través de Google News es un punto de descubrimiento, no el registro probatorio completo.

La agregación puede comprimir una cuestión compleja en una pregunta provocadora. Los lectores deberían seguir la cobertura subyacente y examinar los contratos, leyes, auditorías y políticas de las agencias oficiales.

La visibilidad en las búsquedas tampoco establece un consenso nacional. La evidencia disponible respalda un panorama de contratación fragmentado, no un conjunto literal de 50 modelos de propiedad finalizados.

La conclusión más defendible es más acotada. Los gobiernos estatales están desplegando IA bajo diferentes sistemas jurídicos y administrativos, mientras muchas normas de propiedad siguen sin resolverse.

Los contratos pueden cerrar parte de esa brecha. No pueden sustituir a personal competente, supervisión continua, avisos públicos ni un proceso para corregir decisiones perjudiciales.

Tres señales mostrarán quién controla realmente la IA estatal

El control se hace visible durante los cambios de modelo, las impugnaciones públicas y las salidas contractuales, no durante una demostración pulida del producto.

La primera señal es la difusión de cláusulas contractuales estándar de IA. Los estados deberían publicar o compartir lenguaje que cubra los datos gubernamentales, los resultados generados, los registros de auditoría, las restricciones de entrenamiento, la portabilidad y la eliminación.

Las cláusulas estándar demostrarían que la propiedad ha pasado de una política general a una contratación exigible. Su ausencia dejaría a las agencias negociando derechos críticos, un contrato a la vez.

La segunda señal es cómo gestionan los estados los cambios de proveedores y modelos. Las agencias necesitan inventarios que identifiquen las funciones de IA integradas, las versiones desplegadas, las actualizaciones y los funcionarios responsables.

Hay que estar atentos a los requisitos que obliguen a los proveedores a avisar con antelación sobre cambios sustanciales. También conviene observar si las agencias pueden probar las actualizaciones antes de que esos cambios lleguen a los residentes.

Si los estados documentan estas transiciones, refuerzan la afirmación de que las instituciones públicas mantienen el control. Los cambios silenciosos la debilitarían.

La tercera señal es lo que ocurre al renovar o rescindir el contrato. Una prueba de salida genuina debería determinar si una agencia puede recuperar los registros y trasladar los flujos de trabajo esenciales a otro lugar.

La prueba debería incluir prompts, configuraciones, evaluaciones, registros y documentación. Exportar únicamente los documentos fuente no recrearía el sistema operativo.

Los estados también deberían verificar la eliminación de los datos tras la migración. Ese proceso debe abarcar las bases de datos activas, las copias de seguridad, los artefactos derivados y los subcontratistas pertinentes.

Estas señales importan más que las declaraciones de que un estado “posee sus datos”. La propiedad solo adquiere sentido cuando la agencia puede inspeccionar, gobernar, transferir y preservar lo que necesita.

Los residentes deberían buscar inventarios públicos de IA, evaluaciones de impacto, resúmenes de contratos y procedimientos de apelación. Los periodistas pueden comparar esos documentos con los registros de compras y el comportamiento de los sistemas.

Los compradores gubernamentales deberían pedir a los proveedores que demuestren la portabilidad antes de la adjudicación. Una exportación de muestra puede revelar campos faltantes y dependencias propietarias antes de que resulten costosas.

Los equipos tecnológicos deberían mantener conjuntos de evaluación controlados por la agencia. Se trata de colecciones de casos representativos utilizadas para probar el rendimiento entre distintas versiones y proveedores.

Los responsables de los programas deberían definir los registros necesarios para explicar los resultados individuales. Los equipos jurídicos pueden entonces vincular esos registros con los requisitos de conservación, divulgación y apelación.

Los proveedores también tienen una oportunidad. Las empresas que ofrezcan acceso creíble para auditorías y salidas funcionales pueden diferenciarse de los proveedores basados en la dependencia.

Google News seguirá mostrando historias sobre políticas estatales de IA, lanzamientos y disputas. La evidencia decisiva seguirá estando dentro de los contratos y los registros operativos.

La siguiente pregunta para cada agencia es práctica: ¿puede explicar un resultado anterior, probar un modelo nuevo y abandonar a su proveedor sin perder la memoria institucional?

Si la respuesta es no, el estado no controla el despliegue de las formas que importan. Simplemente tiene permiso para utilizarlo.

Los funcionarios públicos, los proveedores y los residentes deberían exigir una respuesta más clara antes de que los sistemas con consecuencias relevantes se expandan. Siga los contratos detrás del próximo titular de Google News y luego pregunte quién puede auditar, transferir y detener el sistema.