La estrategia de la IA china de código abierto se tambalea tras la publicación de un estudio que demuestra que varios de sus modelos más populares fueron entrenados con datos generados por GPT, Claude y Gemini. Los investigadores han hallado indicios sólidos de que DeepSeek, Qwen y otros modelos asiáticos incorporaron respuestas generadas por los líderes occidentales, lo que cuestiona la autosuficiencia proclamada y la ventaja competitiva que ofrecían como alternativa ‘gratuita’.
Claves de la operación
- Los modelos chinos abiertos se nutrieron de respuestas de GPT y Claude. Un nuevo método de análisis de los pensamientos internos de los modelos revela patrones de entrenamiento con outputs de los grandes sistemas propietarios de EE. UU.
- El ‘chollo’ de la IA gratuita se desvanece por riesgos legales. La dependencia encubierta de los modelos occidentales abre la puerta a conflictos de propiedad intelectual y a una posible pérdida de confianza del mercado.
- La seguridad nacional y la soberanía europea entran en juego. El caso expone la fragilidad de los ecosistemas que basan su oferta en costes marginales cero sin transparencia sobre la procedencia de los datos de entrenamiento.
El hallazgo, difundido por Wired a partir de una técnica bautizada como ‘pensamiento en voz alta’, desmonta la narrativa de que las tecnológicas chinas habían alcanzado la paridad con las estadounidenses a base de innovación propia y datos públicos. En realidad, varios modelos que se exhibían como alternativas baratas a ChatGPT o Claude habrían aprendido comportamiento, estructura de respuesta y hasta sesgos directamente de sus rivales.
Un chollo con trampa: la dependencia oculta de Occidente
El atractivo de modelos como DeepSeek‑V2 o Qwen‑2 residía en su rendimiento casi equiparable al de los líderes del sector a un coste de computación y licencia ínfimo. Startups, pymes y departamentos de innovación de todo el mundo los adoptaron como una vía rápida para incorporar inteligencia artificial sin depender de los ecosistemas cerrados de OpenAI, Google o Anthropic.
Sin embargo, el método de inspección probado por el equipo de investigación encuentra que esos modelos replican con asombrosa fidelidad las estructuras de razonamiento, las traducciones y hasta los errores característicos de sus supuestos competidores. La explicación más plausible, apuntan los autores, es que parte del entrenamiento se realizó con corpus de conversaciones extraídas de las APIs de los gigantes estadounidenses, una práctica que bordea los términos de servicio y que podría constituir una infracción de propiedad intelectual.
Los modelos chinos no corrían más baratos por genialidad propia, sino porque en realidad viajaban con el billete pagado por OpenAI y Anthropic.
El negocio de la IA abierta china, bajo la lupa legal
La revelación sitúa a los pesos pesados tecnológicos de Pekín en una posición incómoda. Alibaba, Baidu y los laboratorios respaldados por el Estado han cimentado buena parte de su proyección internacional en la bandera del código abierto. Ahora, si se confirma que los modelos estrella han utilizado de forma masiva datos generados por sistemas comerciales cerrados, la reputación de transparencia y soberanía digital se vendrá abajo.
Además, las consecuencias contractuales no son menores. Los términos de uso de GPT‑4, Claude y Gemini prohíben expresamente emplear sus salidas para entrenar modelos competidores. Si se demuestra que los laboratorios chinos infringieron esas condiciones, los licenciantes podrían reclamar daños, exigir la retirada de los modelos o incluso solicitar el bloqueo de las plataformas que los distribuyen en terceros países.
En la práctica, los clientes empresariales que hayan integrado esos modelos en sus flujos de trabajo quedan expuestos a un riesgo de litigio indirecto y a una interrupción del servicio si los proveedores se ven forzados a cesar la distribución. La noticia ya ha encendido las alarmas en los departamentos jurídicos de media Europa.
Lo que España y Europa pueden aprender del desplome
El caso golpea de lleno a la estrategia europea de fomento del código abierto como salvaguarda de la soberanía digital. En España, donde buena parte de las startups de IA han adoptado modelos chinos para abaratar sus pruebas de concepto, la revelación provocará un replanteamiento inmediato. El coste cero se ha revelado como un espejismo que esconde una factura en forma de inseguridad jurídica y dependencia tecnológica no declarada.
Conviene recordar que la española Telefónica, a través de su filial Telefónica Tech, ha apostado por alianzas con varios laboratorios internacionales para no quedar atada a un único proveedor. Sin embargo, la tentación de abrazar modelos chinos gratuitos —presentes ya en hubs como Hugging Face— era un atajo tentador para muchas pymes. Ahora, ese atajo se ha convertido en una trampa que obliga a repensar las políticas de comprobación de la cadena de entrenamiento en cualquier contrato público o privado que involucre inteligencia artificial.
Desde Bruselas, la reacción no ha tardado. La Comisión Europea ya había advertido en el Libro Blanco sobre IA que la opacidad en la procedencia de los datos de entrenamiento sería un factor de riesgo sistémico. La nueva evidencia refuerza la necesidad de que la AI Act —cuya plena aplicación está escalonada hasta 2028— incluya mecanismos de auditoría sobre el origen de los datos de manera urgente, especialmente para los modelos de propósito general.
Mientras tanto, el chollo de la IA china abierta se desvanece. Lo que parecía un regalo para el ecosistema emprendedor se ha quedado en un señuelo con fecha de caducidad. La factura, ahora, empieza a llegar.
