En las últimas semanas, el debate en el sector tecnológico ha escalado con fuerza: compañías punteras en inteligencia artificial han denunciado que desarrolladores externos —especialmente con base en China— han estado utilizando millones de consultas a sus modelos avanzados para entrenar sistemas competitivos sin incurrir en los enormes costos de investigación propios de un laboratorio de frontera.
OpenAI y Anthropic acusaron a empresas como DeepSeek, Moonshot AI y MiniMax de crear decenas de miles de “cuentas fantasmas” para realizar más de 16 millones de consultas a modelos como ChatGPT y Claude, con el objetivo de extraer respuestas y entrenar a sus propios sistemas rivales. Para estas compañías, esta práctica, conocida como destilación, viola los términos de uso y pone en riesgo la propiedad intelectual que sostienen como base de su liderazgo.
La destilación, explican expertos, implica entrenar un modelo más pequeño mediante consultas masivas a un sistema avanzado para “aprender” de sus respuestas y así obtener un rendimiento similar con una fracción del costo y tiempo requerido por el entrenamiento tradicional. Este atajo puede reducir meses de desarrollo y millones de dólares en infraestructura a solo semanas o días de trabajo.
Tradicionalmente, la lógica de la industria de IA se sustentó en la idea de que solo aquellos con acceso a enormes volúmenes de datos, capacidad computacional y talento especializado podían liderar la innovación. Las alianzas multimillonarias para asegurar infraestructura de punta fueron la expresión más visible de esta filosofía. Sin embargo, la destilación desafía ese paradigma y abre la puerta a una competencia más rápida, barata e intensiva, que recuerda modelos de sectores como la electrónica de consumo, donde los pioneros rara vez retienen márgenes permanentes.
Los líderes de IA —incluidos ejecutivos de OpenAI, Anthropic y otras grandes tecnológicas— sostienen que la investigación fundacional sigue siendo su fortaleza, ya que la destilación solo captura un fragmento superficial de conocimiento: respuestas visibles, pero no el proceso interno de entrenamiento, arquitectura o metodologías propietarias que generan avances significativos. En sus palabras, aprender las respuestas de un modelo no equivale a entender cómo se generan.
No obstante, el argumento económico ya resonó en inversores y mercados: si empresas más pequeñas pueden ofrecer capacidades “suficientemente buenas” a costos drásticamente menores, la lógica de gastar cientos de millones en investigación pierde parte de su atractivo financiero. Esto plantea preguntas clave sobre la rentabilidad de la vanguardia tecnológica y la manera de justificar inversiones gigantescas frente a sistemas accesibles que satisfacen demandas comerciales reales.
Además, la propagación de modelos abiertos o accesibles mediante APIs intensifica estos efectos. La destilación se democratiza y acelera, reduciendo barreras de entrada y empujando al mercado hacia una competencia más amplia. Esto podría reflejarse en tendencias de precios más competitivas para servicios y productos basados en IA, así como en una diversificación de aplicaciones especializadas que aprovechan versiones condensadas de sistemas complejos.
Las tensiones también adquieren una dimensión geopolítica: las preocupaciones sobre la posible integración de capacidades derivadas de estos métodos en sistemas estratégicos, incluyendo los de defensa o vigilancia, han sido parte de las advertencias públicas de empresas como Anthropic. La destilación, por tanto, no solo es un asunto comercial, sino un elemento de debate en torno a la seguridad tecnológica y el control de la expansión de capacidades avanzadas.
En síntesis, la controversia por los “replicantes” y la utilización de destilación marca un punto de inflexión en la industria de la IA: más allá de la innovación pura, ahora se discute quién captura realmente el valor en una economía donde la inteligencia artificial se vuelve más accesible, barata y competitiva. Este fenómeno redefine la competencia, presiona los modelos de negocio y plantea interrogantes sobre el futuro de la inversión y la seguridad en un campo dominado por el conocimiento y la velocidad.
Fuente: Revista Mercado.
