Anthropic c. Alibaba: destilación de modelos de IA y propiedad intelectual
La destilación de modelos de IA es legal. Anthropic también la practica. Y ahora denuncia a Alibaba por hacerle exactamente lo mismo.
La destilación como campo de batalla: el caso Anthropic c. Alibaba y la (in)definición de los límites de la propiedad intelectual en la era de la inteligencia artificial generativa
I. Introducción: el litigio que replantea la propiedad intelectual en IA
1.1. El anuncio de Anthropic y la magnitud de la acusación
El 24 de junio de 2026, la agencia Reuters difundió una noticia que sacudiría los cimientos del derecho de la inteligencia artificial: Anthropic, una de las empresas líderes en IA generativa con sede en Estados Unidos, había remitido una carta al Comité Bancario del Senado estadounidense en la que acusaba al gigante tecnológico chino Alibaba Group de haber orquestado «el mayor robo de IA de la historia» (4). Según la misiva, Alibaba habría creado 25.000 cuentas falsas para acceder masivamente a los modelos Claude de Anthropic, generando 28,8 millones de interacciones en un período de apenas cuarenta y cinco días —entre el 22 de abril y el 5 de junio de 2026— con el propósito de extraer sus capacidades mediante técnicas de destilación de modelos (1). La acusación, dirigida tanto a los senadores Tim Scott y Elizabeth Warren como a funcionarios de la Casa Blanca, no solo planteaba un conflicto comercial entre dos de los principales actores de la industria, sino que abría un frente jurídico de primera magnitud: ¿es legal destilar un modelo de IA a partir de las respuestas de otro? ¿Qué figuras de propiedad intelectual resultan aplicables cuando el «conocimiento» extraído no es código fuente literal, sino un patrón de comportamiento inferido a través de miles de millones de consultas?
1.2. La destilación de modelos como práctica industrial: entre la eficiencia y la apropiación indebida
La destilación de modelos, técnica desarrollada inicialmente por Hinton, Vinyals y Dean en 2015 como un método para comprimir modelos pesados en versiones más ligeras y eficientes, se ha convertido en una práctica industrial extendida (14). En su versión legítima, permite a los laboratorios crear modelos más económicos y rápidos para sus clientes, reduciendo costes operativos y facilitando el despliegue en dispositivos con recursos limitados. Sin embargo, en su versión adversaria —denominada por Anthropic como «ataques de destilación a escala industrial»—, un competidor puede utilizar las salidas de un modelo propietario para entrenar el suyo propio, eludiendo los costes de investigación, desarrollo y recopilación de datos que soportó el laboratorio original (2). Esta práctica, que se sitúa en una zona gris legal, ha sido denunciada en los últimos años por OpenAI contra DeepSeek, por Google contra actores no identificados que atacaban Gemini, y ahora por Anthropic contra Alibaba (24), (25).
1.3. Planteamiento de la investigación y estructura del artículo
El presente artículo se propone analizar, desde una perspectiva jurídica rigurosa y con un enfoque crítico, el caso Anthropic c. Alibaba como paradigma de los desafíos que la inteligencia artificial generativa plantea al derecho de la propiedad intelectual. La hipótesis que guía esta investigación es doble: por un lado, el marco normativo vigente —tanto en Estados Unidos como en los ordenamientos europeo y chino— resulta manifiestamente insuficiente para dar respuesta a las particularidades de la destilación de modelos, lo que genera una inseguridad jurídica insostenible; por otro lado, la propia Anthropic se encuentra en una posición paradójica, al haber sido demandada en el pasado por prácticas de extracción de datos muy similares a las que ahora denuncia, lo que revela que el conflicto no es tanto ético como estratégico-competitivo (22), (23). Esta paradoja, lejos de debilitar el análisis, lo enriquece al poner de manifiesto que la destilación es una práctica generalizada en la industria, y que su ilicitud o licitud depende menos de consideraciones técnicas que de la narrativa dominante en cada momento.
La estructura del artículo responde a un recorrido que va de lo fáctico a lo normativo, y de lo normativo a lo propositivo. Tras esta introducción, el Capítulo II expone con detalle los hechos del caso, la cronología de los acontecimientos y las técnicas empleadas por las partes. El Capítulo III aborda el fundamento técnico de la destilación y su régimen jurídico, distinguiendo entre sus usos legítimos e ilícitos. El Capítulo IV constituye el núcleo del análisis jurídico sustantivo, examinando una por una las figuras de protección que podrían resultar aplicables —derecho de autor, secretos comerciales, términos de servicio, patentes y competencia desleal— a la luz de la doctrina más reciente. El Capítulo V sitúa el litigio en su dimensión geopolítica, analizando la invocación de la seguridad nacional y el contexto de las tensiones bilaterales entre Estados Unidos y China. El Capítulo VI presenta la posición de las partes y el debate doctrinal, incluyendo las paradojas de Anthropic y las voces críticas que cuestionan la solidez de sus alegaciones. Finalmente, el Capítulo VII formula propuestas de lex ferenda y el Capítulo VIII recoge las conclusiones. La metodología empleada combina el análisis dogmático del derecho positivo, el estudio de casos y la comparación jurídica, con especial atención a los desarrollos normativos en Estados Unidos, la Unión Europea y China.
II. Los hechos del caso: cronología, modus operandi y alegaciones
2.1. La carta al Senado de Estados Unidos: destinatarios, fecha y contenido
El documento fundacional del litigio es la carta remitida por Anthropic el 10 de junio de 2026 al Comité Bancario del Senado de los Estados Unidos, con copia a los senadores Tim Scott (republicano por Carolina del Sur) y Elizabeth Warren (demócrata por Massachusetts), así como a altos funcionarios de la Oficina de Política Científica y Tecnológica de la Casa Blanca (1). La elección de los destinatarios no fue casual: Scott y Warren, pese a sus diferencias ideológicas, han coincidido en su preocupación por la competencia tecnológica con China y han impulsado iniciativas legislativas para proteger la industria estadounidense de IA. La carta, filtrada a la prensa y confirmada por múltiples medios el 24 de junio, tenía un tono dramático que anticipaba la estrategia comunicativa de Anthropic: describía el presunto ataque como «el mayor robo de propiedad intelectual en la historia de la inteligencia artificial» y advertía de que «cientos de miles de millones de dólares en inversión estadounidense estaban siendo transferidos de facto a competidores geopolíticos» (1), (5), (6).
El contenido de la carta se articulaba en tres bloques. El primero exponía los hechos materiales: la creación de 25.000 cuentas falsas en la plataforma de Anthropic, el volumen de interacciones (28,8 millones) y el período de actividad (22 de abril a 5 de junio de 2026). El segundo bloque describía el modus operandi atribuido a Alibaba, con un nivel de detalle técnico que sugería que Anthropic había realizado una investigación forense previa. El tercer bloque contenía la calificación jurídica de los hechos como «apropiación indebida de secretos comerciales», «infracción de los términos de servicio» y «competencia desleal», y solicitaba la intervención del Congreso y de la administración para «cerrar la puerta a esta modalidad de robo» (1).
2.2. Las cifras del ataque: 25.000 cuentas fraudulentas y 28,8 millones de interacciones
La magnitud de las cifras es, sin duda, el elemento que ha convertido este caso en un hito mediático y jurídico. Veinticinco mil cuentas falsas no son fruto de un esfuerzo artesanal, sino de una operación industrial coordinada (7). Anthropic afirmó haber detectado estas cuentas mediante sistemas automatizados de monitorización que analizaban patrones de comportamiento, direcciones IP, velocidades de consulta y la estructura de los prompts (1). Las 28,8 millones de interacciones equivalen, según los cálculos de Anthropic, a más de 30.000 consultas por hora durante todo el período de cuarenta y cinco días, lo que revela una infraestructura de bots o de operadores humanos distribuidos geográficamente (8). Esta cifra adquiere relevancia probatoria porque, como señala la doctrina, la destilación efectiva de un modelo de gran tamaño requiere volúmenes masivos de datos de salida (16); cuanto mayor es el número de interacciones, más fiel resulta el modelo «alumno» al modelo «profesor».
El período de tiempo también es significativo. La campaña comenzó el 22 de abril de 2026, apenas dos semanas después de que Anthropic lanzara la versión más avanzada de Claude, y finalizó el 5 de junio, coincidiendo con el anuncio por parte de Alibaba de su nuevo modelo Qwen 3.0, que presentaba mejoras sustanciales en razonamiento lógico y capacidades agénticas —precisamente las áreas en las que Claude destacaba (9). Esta coincidencia temporal, aunque no constitutiva de prueba directa, refuerza la sospecha de que la extracción de datos y el lanzamiento del nuevo modelo estaban conectados (1).
2.3. Período de actuación y técnicas de ofuscación: proxies, cuentas falsas y evasión de controles
Anthropic describió en su carta un modus operandi sofisticado que incluía múltiples capas de ofuscación. Las 25.000 cuentas fraudulentas se crearon utilizando direcciones de correo electrónico generadas aleatoriamente y, en muchos casos, números de teléfono desechables (1). Para evitar la detección por IP, las consultas se enrutaban a través de redes de proxy y servidores VPN distribuidos en diversos países, lo que dificultaba la identificación geográfica del origen de los ataques (8). Además, los prompts estaban diseñados para simular consultas legítimas de usuarios reales, mezclando preguntas banales con solicitudes técnicas profundas que permitían extraer el razonamiento paso a paso de Claude —el llamado chain-of-thought—, que es precisamente el tipo de información más valiosa para entrenar a un competidor (9).
Según Anthropic, la campaña no fue un ataque de fuerza bruta, sino una operación quirúrgica que seleccionaba cuidadosamente los dominios de conocimiento a extraer: matemáticas, razonamiento lógico, generación de código y planificación de tareas complejas (1). Esta selectividad indica que los atacantes conocían de antemano las fortalezas de Claude y dirigían sus consultas a explotar esas fortalezas, en lugar de realizar un scraping indiscriminado. La carta menciona que, en algunos casos, los prompts incluían instrucciones específicas para que Claude «explicara su razonamiento paso a paso», una técnica que permite extraer no solo el resultado final sino el proceso interno del modelo —información que suele estar protegida por los acuerdos de usuario (28).
2.4. El objeto de la extracción: razonamiento agéntico, ingeniería de software y capacidades avanzadas
El objeto del presunto robo no era, según Anthropic, el código fuente de Claude —al que los atacantes no tenían acceso—, sino sus «capacidades», entendidas como el conjunto de patrones de inferencia y representaciones internas que hacen que Claude sea un modelo superior. En particular, Anthropic señaló tres áreas de extracción prioritaria: el razonamiento agéntico (agentic reasoning), que permite a Claude planificar y ejecutar tareas complejas con autonomía; la ingeniería de software avanzada, que incluye la generación y depuración de código en múltiples lenguajes; y las capacidades de cumplimiento de instrucciones en contextos de seguridad (1), (9). Estas capacidades son el resultado de años de investigación y de inversiones millonarias en datos de entrenamiento, ajuste fino mediante aprendizaje por refuerzo con retroalimentación humana (RLHF) y técnicas de alineación constitucional.
Desde una perspectiva jurídica, la distinción entre «código fuente» y «capacidades» es central. Mientras el código fuente está claramente protegido por el derecho de autor y por los secretos comerciales, las capacidades emergentes de un modelo —las regularidades estadísticas que permiten a la IA generar respuestas coherentes— no tienen un encaje claro en las categorías tradicionales de propiedad intelectual (15). Como advierte el estudio de la Universidad de California Hastings From Prompt to Clone, la destilación se sitúa en un terreno pantanoso porque no implica copia literal, sino imitación funcional (10). Esta imitación, sin embargo, puede resultar económicamente devastadora para el laboratorio original, que ve cómo su ventaja competitiva se erosiona sin que el competidor haya asumido los costes de I+D.
2.5. Los actores señalados: Alibaba Group y su laboratorio Qwen
Anthropic identificó sin ambages a Alibaba Group como responsable directo de la campaña, en particular a su división de inteligencia artificial, el laboratorio Qwen (10), (11). Qwen es la familia de modelos de lenguaje de Alibaba, que ha competido directamente con Claude en el mercado chino e internacional. El lanzamiento de Qwen 3.0, anunciado por Alibaba el 6 de junio de 2026 —apenas un día después de que concluyera la campaña de extracción— presentaba mejoras que, según Anthropic, eran «estadísticamente improbables» sin haber tenido acceso a las salidas de Claude (1). La carta menciona que los ingenieros de Anthropic compararon las respuestas de Qwen 3.0 con las de Claude en un conjunto de miles de benchmarks y encontraron «similitudes sistémicas» que excedían lo esperable por casualidad (1).
Alibaba, por su parte, no había emitido una respuesta oficial a las acusaciones de Anthropic en el momento de redactar este artículo. Sin embargo, la compañía se encuentra inmersa en un litigio paralelo contra el Departamento de Defensa de Estados Unidos por su inclusión en la lista 1260H de «empresas militares chinas», demanda que presentó el 23 de junio de 2026 ante un tribunal federal de San José (21), (36). Este contexto de tensión bilateral hace especialmente delicada la acusación de Anthropic, que añade presión política y regulatoria sobre Alibaba en un momento en que ya enfrenta restricciones comerciales.
2.6. El precedente de febrero de 2026: las acusaciones contra DeepSeek, Moonshot AI y MiniMax
El caso Alibaba no es un episodio aislado. En febrero de 2026, Anthropic publicó una entrada en su blog corporativo en la que, por primera vez, alertaba sobre «ataques de destilación a escala industrial» contra sus modelos (2). En aquella ocasión, los señalados fueron tres laboratorios chinos: DeepSeek, Moonshot AI y MiniMax, a los que Anthropic atribuyó más de 16 millones de intercambios a través de 24.000 cuentas fraudulentas (12), (13). La empresa matizó entonces que la destilación «puede ser legítima» cuando se usa para crear modelos más pequeños para clientes, pero que en estos casos se trataba de «extracción competitiva» sin autorización (3).
Este precedente es importante por dos razones. Primera, demuestra que Anthropic ha identificado un patrón de conducta recurrente en la industria china, lo que sugiere que la destilación adversaria es una práctica generalizada y no un incidente aislado. Segunda, revela que las medidas técnicas de protección adoptadas por Anthropic —sistemas de detección de anomalías, limitación de tasa de consultas y bloqueo de IPs sospechosas— no fueron suficientes para disuadir a los atacantes, lo que llevó a la empresa a elevar el asunto al plano regulatorio y judicial (37). El salto cualitativo entre febrero y junio de 2026 —de 24.000 a 25.000 cuentas, de 16 a 28,8 millones de interacciones— indica que los ataques no solo continuaron, sino que se intensificaron pese a la advertencia pública de Anthropic.
La acumulación de estos casos ha llevado a la industria y a los reguladores a preguntarse si estamos ante un problema de seguridad informática, de propiedad intelectual o de competencia desleal, o ante una combinación de los tres. La respuesta a esta pregunta, como se verá en los capítulos siguientes, no es sencilla y requiere un examen detenido del marco normativo aplicable, que en gran medida fue diseñado para una economía analógica y no para la extracción de conocimiento estadístico a través de interfaces digitales.
III. La destilación de modelos: fundamento técnico y régimen jurídico
3.1. Definición y funcionamiento de la destilación de modelos
La destilación de modelos, también conocida como knowledge distillation, es una técnica de compresión y transferencia de conocimiento en el ámbito del aprendizaje automático que fue formalizada por Geoffrey Hinton, Oriol Vinyals y Jeff Dean en su influyente artículo de 2015 (14). En su formulación original, la destilación perseguía un objetivo perfectamente legítimo y eficientista: transferir el conocimiento de un modelo grande y computacionalmente costoso —denominado modelo «profesor»— a un modelo más pequeño y ligero —el modelo «alumno»— que pudiera desplegarse en entornos con recursos limitados, como dispositivos móviles o sistemas embebidos (8). La intuición subyacente era que las probabilidades de salida «blandas» (soft targets) generadas por el modelo profesor con una temperatura elevada en la función softmax contienen más información que las etiquetas «duras» (hard labels) del conjunto de datos original, permitiendo al modelo alumno aprender no solo la clasificación correcta sino también las relaciones de similitud entre las distintas clases (8).
Desde una perspectiva técnica, la destilación opera mediante la minimización de una función de pérdida que combina la entropía cruzada con las salidas del modelo profesor y, opcionalmente, con las etiquetas verdaderas (8). El parámetro de temperatura (T) permite ajustar la suavidad de la distribución de probabilidades: temperaturas más altas producen distribuciones más blandas que revelan la estructura relacional del conocimiento del profesor (8). Como explican Hinton y sus coautores, «cuando las etiquetas correctas son conocidas para todo o parte del conjunto de transferencia, este método puede mejorarse significativamente entrenando también al modelo destilado para producir las etiquetas correctas» (8). Esta doble función objetivo —aproximar las salidas del profesor y acertar las etiquetas verdaderas— es lo que confiere a la destilación su eficacia y, al mismo tiempo, su ambigüedad jurídica.
La evolución de la técnica desde 2015 ha sido vertiginosa. Lo que comenzó como un mecanismo de compresión para redes neuronales en tareas de clasificación de imágenes y reconocimiento de voz se ha convertido en una práctica ubicua en el desarrollo de grandes modelos de lenguaje (LLM) (9). Los principales laboratorios de IA emplean rutinariamente la destilación para crear versiones más pequeñas y económicas de sus modelos insignia, ofreciendo así diferentes niveles de servicio a sus clientes en función de sus necesidades y presupuesto (9). En este contexto, la destilación es no solo legítima sino también una práctica industrial estándar, reconocida como tal por los propios actores de la industria (9).
3.2. Destilación legítima vs. destilación ilícita: la delgada línea que separa la innovación de la infracción
La distinción entre destilación legítima e ilícita es, en buena medida, una cuestión de autorización y finalidad. La destilación autorizada es aquella que el propietario del modelo profesor realiza sobre sus propios modelos, o aquella que autoriza expresamente a terceros mediante licencias o acuerdos de colaboración (9). Esta práctica tiene aplicaciones legítimas que abarcan desde la optimización para computación en el borde hasta la adaptación de modelos para dominios especializados, como las ciencias de la vida o la ingeniería de software (9). Los laboratorios líderes, incluyendo Anthropic, emplean la destilación de manera rutinaria: «la destilación puede ser legítima: los laboratorios de IA la utilizan para crear modelos más pequeños y baratos para sus clientes» (3). Esta declaración, realizada por Anthropic en su comunicado de febrero de 2026, es crucial porque establece que la propia empresa reconoce la destilación como una práctica válida cuando se realiza con autorización.
La destilación ilícita, por el contrario, es aquella que se produce sin autorización y con la finalidad de extraer las capacidades de un modelo propietario para beneficio de un competidor (9). El mecanismo típico consiste en el scraping masivo de la interfaz de programación de aplicaciones (API) del modelo profesor para acumular grandes volúmenes de datos de salida, que luego se utilizan para entrenar un modelo alumno (9). Como señala el análisis de Fenwick, «una empresa puede extraer conocimiento de un modelo de IA propietario o restringido sin permiso —a menudo mediante el scraping repetido de su API para acumular grandes volúmenes de datos de entrenamiento— y luego utilizar estos datos para entrenar un nuevo modelo alumno» (9). La particularidad de esta práctica es que el modelo alumno puede tener una arquitectura completamente diferente a la del modelo profesor, lo que dificulta la aplicación de los marcos tradicionales de propiedad intelectual basados en la copia literal (9).
La doctrina ha señalado que la delgada línea entre ambos usos se vuelve especialmente problemática cuando la destilación se realiza mediante cuentas fraudulentas que violan los términos de servicio del modelo profesor. En estos casos, la ilicitud no deriva tanto de la técnica en sí misma como de las circunstancias en que se ejecuta: la suplantación de identidad, la evasión de controles de acceso y la violación de cláusulas contractuales (2). Anthropic, en su comunicado de febrero de 2026, caracterizó la actividad de DeepSeek, Moonshot AI y MiniMax como «ilícita» precisamente por violar sus términos de servicio, no por el mero hecho de practicar la destilación (1). Esta distinción es fundamental para el análisis jurídico, porque sitúa el conflicto no en la ilegalidad per se de la destilación, sino en la ilegalidad de los medios empleados para llevarla a cabo.
3.3. La destilación adversaria o competitiva como técnica de extracción de capacidades
La destilación adversaria, también denominada destilación competitiva o extracción de modelos (model extraction), es la variante que ha concitado la atención de los reguladores y de la industria en los últimos años. A diferencia de la destilación legítima, que persigue la compresión y la eficiencia, la destilación adversaria tiene como objetivo la apropiación de las capacidades de un modelo competidor para reducir o eliminar la ventaja competitiva del laboratorio original (2). Como explica el estudio From Prompt to Clone de la Universidad de California Hastings, en esta modalidad «los modelos "alumno" más pequeños se entrenan imitando las salidas de los modelos "profesor" más grandes y propietarios» (10).
El riesgo principal de la destilación adversaria no es meramente la copia, sino la posibilidad de que «una capacidad útil pueda transferirse más barato que la estructura de gobernanza que originalmente la acompañaba» (4). Esta observación, formulada en la literatura académica sobre resistencia a la destilación, captura con precisión la preocupación de Anthropic: las salvaguardas de seguridad, los mecanismos de alineación y las restricciones de uso que los laboratorios estadounidenses incorporan a sus modelos pueden perderse en el proceso de destilación, generando modelos «desprotegidos» que podrían ser utilizados para fines maliciosos (11). Anthropic ha advertido que «los modelos destilados ilícitamente tienen pocas probabilidades de retener las salvaguardas de seguridad diseñadas para prevenir el uso indebido —como las restricciones para ayudar a desarrollar armas biológicas o permitir ciberataques» (11).
La extracción de capacidades mediante destilación se ha convertido en una preocupación creciente para la industria. En febrero de 2026, Google reveló que atacantes habían intentado clonar su modelo Gemini utilizando más de 100.000 consultas, un incidente de menor escala pero que confirmaba que los ataques de destilación no son un fenómeno aislado dirigido únicamente a Anthropic (1). Estos incidentes sugieren que la destilación adversaria es una práctica extendida que afecta a múltiples actores de la industria y que trasciende las fronteras nacionales. Anthropic, por su parte, ha señalado que «la amenaza de los ataques de destilación ha ido creciendo más allá de una sola empresa y región» (1).
3.4. El mercado de la destilación: incentivos económicos y asimetrías competitivas
La destilación de modelos no es solo una cuestión técnica o jurídica; es también un fenómeno económico de primera magnitud. La estructura de costes de la industria de la IA generativa presenta una peculiaridad: «los avances frontera reducen el coste de servir capacidades de nivel básico a través de la destilación, creando un vínculo de costes a la baja entre los niveles de producto que no tiene equivalente en los mercados tecnológicos tradicionales» (4). Esta dinámica significa que los laboratorios que invierten en investigación fronteriza pueden ver cómo sus avances son rápidamente «destilados» por competidores que no han asumido los costes de I+D, erosionando así su ventaja competitiva y su capacidad de recuperar la inversión.
El incentivo económico para la destilación adversaria es abrumador. Entrenar un modelo de gran tamaño desde cero requiere inversiones millonarias en infraestructura computacional, recopilación y depuración de datos, y ajuste fino mediante técnicas como el aprendizaje por refuerzo con retroalimentación humana. La destilación, en cambio, permite a un competidor obtener un modelo con capacidades similares «en una fracción de tiempo y a una fracción del coste» que desarrollarlas de manera independiente (11). Los modelos «destilados» no requieren los conjuntos de chips más avanzados ni los costes operativos de los modelos frontera, lo que les permite ofrecer precios significativamente más bajos en el mercado (4). Esta asimetría competitiva es precisamente lo que Anthropic ha denunciado como un «subsidio de cientos de miles de millones de dólares a competidores geopolíticos» (1).
Desde una perspectiva de política económica, la destilación plantea un dilema fundamental: por un lado, promueve la difusión del conocimiento y la competencia en el mercado, beneficiando a los consumidores con modelos más baratos y accesibles; por otro lado, puede desincentivar la inversión en investigación fronteriza si los innovadores no pueden apropiarse de los frutos de su inversión. Como ha señalado el reconocido experto en IA Kai-Fu Lee, «la destilación en sí misma no viola ninguna norma. ¿No es una reacción exagerada?» (29). Esta pregunta, formulada en marzo de 2026, captura la tensión subyacente entre la protección de la propiedad intelectual y la promoción de la innovación abierta. La respuesta depende en gran medida de la figura jurídica que se invoque y del marco normativo que resulte aplicable.
IV. El análisis jurídico sustantivo: figuras de protección aplicables
4.1. El derecho de autor (copyright) y la destilación de modelos
4.1.1. La tesis de la infracción: reproducción, adaptación y distribución no autorizada
La primera figura jurídica que podría invocarse para proteger los modelos de IA frente a la destilación no autorizada es el derecho de autor (copyright). La tesis de la infracción sostiene que la destilación implica, al menos, una reproducción no autorizada de las salidas del modelo profesor —que podrían ser obras protegidas por el copyright— y, en último término, una adaptación o distribución no autorizada del modelo en su conjunto (19). Bajo esta teoría, el propietario del modelo profesor podría alegar que el competidor, al extraer y utilizar sus salidas para entrenar un modelo alumno, está reproduciendo ilegalmente su obra y creando una obra derivada sin autorización.
Sin embargo, esta tesis se enfrenta a obstáculos significativos. En primer lugar, las salidas de los modelos de IA no siempre reúnen los requisitos de originalidad necesarios para ser protegidas por el copyright, especialmente cuando son generadas en respuesta a prompts simples que no implican una contribución creativa sustancial por parte del usuario (9). La Oficina de Derechos de Autor de Estados Unidos, en su informe de enero de 2025, concluyó que «la ley existente sigue siendo apropiada para las nuevas tecnologías de IA y que los meros prompts generalmente no cumplen con el estándar de contribución humana necesario para la protección del copyright» (9). Esta conclusión debilita considerablemente la tesis de la infracción, porque si las salidas individuales no son protegibles, difícilmente su uso masivo para entrenar un modelo alumno puede constituir una infracción.
4.1.2. La tesis contraria: la destilación como transformación creativa del conocimiento de dominio público
La tesis contraria, defendida por autores como los de la Universidad Jiao Tong de Shanghái, sostiene que la destilación es una transformación creativa del conocimiento de dominio público y, por tanto, no constituye infracción de copyright (20). Según esta perspectiva, los modelos de IA aprenden patrones y regularidades a partir de los datos de entrenamiento, pero no almacenan ni reproducen literalmente esos datos. La destilación, al igual que el aprendizaje humano, implica la extracción de conocimiento generalizable que no está sujeto a protección por copyright. Esta tesis encuentra apoyo en la naturaleza estadística de los modelos de IA: lo que se transfiere en la destilación no son expresiones literales, sino distribuciones de probabilidad y representaciones internas que no encajan en las categorías tradicionales de la propiedad intelectual.
4.1.3. From Prompt to Clone: por qué la destilación difícilmente constituye infracción de copyright bajo la legislación vigente
El estudio más completo sobre esta cuestión es el artículo From Prompt to Clone: Copyright Challenges in AI Model Distillation, publicado en 2026 por la Universidad de California Hastings (10). La autora, Claudia Philipp, examina la legalidad de la destilación de modelos en el contexto de los grandes modelos de lenguaje, analizando la arquitectura de los modelos, los datos de entrenamiento, la imitación conductual y la ingeniería inversa bajo las doctrinas legales vigentes, incluyendo el uso justo (fair use), la aplicación de los términos de uso y los litigios recientes (10). La conclusión es contundente: «es poco probable que la destilación de modelos constituya una infracción de copyright en virtud de la legislación vigente» (10).
Las razones de esta conclusión son múltiples. En primer lugar, la destilación no implica una copia literal del modelo profesor, sino la imitación de sus salidas, y el modelo alumno puede tener una arquitectura completamente diferente. En segundo lugar, las salidas generadas por IA, como se ha señalado, a menudo no alcanzan el umbral de originalidad requerido para la protección por copyright. En tercer lugar, incluso si las salidas fueran protegibles, el uso que se hace de ellas en la destilación podría estar cubierto por la doctrina del uso justo (fair use), especialmente cuando el modelo alumno tiene un propósito transformador y no compite directamente con el modelo profesor en el mismo mercado. Esta conclusión, como reconoce la propia autora, tiene «implicaciones más amplias para la innovación, la protección de modelos propietarios y la ética del open source», y sugiere que «una reevaluación de las normas de propiedad intelectual en el desarrollo de la IA es necesaria e inminente» (10).
4.2. Los secretos comerciales (trade secrets) como vía de protección
4.2.1. La configuración de los modelos de IA como secretos comerciales
Ante las limitaciones del copyright, los secretos comerciales se perfilan como la vía de protección más prometedora para los modelos de IA frente a la destilación no autorizada. Un secreto comercial se define como información que: (i) no es generalmente conocida ni fácilmente accesible; (ii) tiene valor económico por ser secreta; y (iii) ha sido objeto de medidas razonables para mantener su secreto (24). Los modelos de IA, en particular sus pesos, arquitectura, hiperparámetros y conjuntos de datos de entrenamiento, pueden cumplir estos requisitos si el laboratorio ha adoptado medidas técnicas y organizativas para protegerlos (25).
La cuestión crucial es si las salidas del modelo y el conocimiento que puede extraerse mediante destilación constituyen secretos comerciales. Anthropic ha argumentado que las capacidades de Claude —su razonamiento agéntico y sus habilidades de ingeniería de software— son secretos comerciales porque son el resultado de años de inversión y no son accesibles al público más que a través de la API, sujeta a términos de servicio restrictivos (1). Sin embargo, esta argumentación se enfrenta al desafío de que las salidas del modelo son, por definición, accesibles a los usuarios que interactúan con la API. La doctrina ha señalado que «la inyección de prompts y la destilación pueden utilizarse para extraer secretos comerciales de sistemas de IA», pero que la mera accesibilidad pública de las salidas puede debilitar la reclamación de secreto (27).
4.2.2. La extracción de capacidades mediante destilación como apropiación indebida
La tesis de la apropiación indebida de secretos comerciales sostiene que la destilación adversaria constituye un método ilegítimo de adquirir información confidencial de un competidor. Esta tesis ha sido explorada en litigios recientes, como el caso OpenEvidence v. Pathway, en el que se alegó que «extraer datos de una IA generativa es una apropiación indebida de secretos comerciales y una violación de contrato, entre otras cosas» (7). En este caso, el tribunal consideró que la reclamación por apropiación indebida de secretos comerciales era, al menos inicialmente, «muy sólida» (7). Este precedente sugiere que los tribunales estadounidenses pueden estar dispuestos a proteger los modelos de IA bajo el régimen de secretos comerciales, siempre que se cumplan los requisitos legales.
El desafío probatorio es, sin embargo, considerable. Para prosperar en una reclamación por apropiación indebida de secretos comerciales, el demandante debe demostrar que la información extraída era efectivamente un secreto, que el demandado la adquirió mediante medios indebidos y que el demandante sufrió un perjuicio como consecuencia. En el caso de la destilación, la parte demandante tendría que probar que las capacidades extraídas —por ejemplo, el razonamiento agéntico de Claude— constituyen información secreta y no meramente conocimiento general que cualquier usuario podría obtener interactuando con el modelo. Esta carga probatoria es particularmente onerosa cuando el modelo está disponible al público a través de una API.
4.2.3. Can You Keep (an AI) Secret?: los desafíos probatorios en la litigación por secretos comerciales
El artículo Can You Keep (an AI) Secret? The Role of Trade Secrets in IP Protection Strategies for AI, publicado en 2026 por el National Law Review, analiza precisamente estos desafíos (27). El estudio concluye que, si bien los secretos comerciales ofrecen una vía de protección potencialmente más robusta que el copyright, su efectividad depende en gran medida de la capacidad del laboratorio para demostrar que ha tomado medidas razonables para mantener el secreto de sus modelos y que el competidor ha utilizado medios indebidos para acceder a ellos (27). En el contexto de la destilación mediante cuentas fraudulentas, la violación de los términos de servicio y la suplantación de identidad podrían constituir «medios indebidos» a efectos de la ley de secretos comerciales, lo que reforzaría la posición de Anthropic.
No obstante, persisten dudas significativas sobre si las capacidades de un modelo de IA —a diferencia de su código fuente o sus pesos— pueden calificarse como secretos comerciales. Como señala el estudio de Fenwick, «los marcos convencionales de propiedad intelectual pueden no clasificar la destilación como copia directa», lo que plantea una «cuestión crítica: ¿qué protección legal existe para evitar que los competidores extraigan el valor de las inversiones en IA sin autorización?» (9). Esta pregunta, formulada en el contexto del caso DeepSeek, es igualmente aplicable al litigio Anthropic-Alibaba.
4.3. La infracción de los términos de servicio (terms of service) y el breach of contract
4.3.1. Las cláusulas de prohibición de destilación en los acuerdos de usuario
Una de las vías de protección más directas y, probablemente, más efectivas a corto plazo es la contractual. Los términos de servicio de los modelos de IA suelen incluir cláusulas que prohíben expresamente el uso de las salidas del modelo para entrenar o mejorar sistemas competidores. Anthropic, al igual que otros laboratorios, incluye en sus acuerdos de usuario disposiciones que prohíben la destilación no autorizada y el scraping masivo de su API (28). Estas cláusulas crean una obligación contractual para el usuario, cuya violación puede dar lugar a una reclamación por incumplimiento de contrato (breach of contract).
La ventaja de esta vía es que no requiere demostrar la existencia de un derecho de propiedad intelectual sobre las salidas del modelo; basta con probar que el usuario aceptó los términos de servicio y los violó. En el caso de Anthropic, la creación de 25.000 cuentas fraudulentas implica no solo la violación de las cláusulas de prohibición de destilación, sino también la violación de las cláusulas que prohíben la creación de cuentas múltiples, la suplantación de identidad y el acceso no autorizado a la API (1). Esta acumulación de violaciones contractuales fortalece significativamente la posición de Anthropic en una eventual reclamación judicial.
4.3.2. La eficacia de las cláusulas contractuales frente a la extracción masiva mediante cuentas fraudulentas
Sin embargo, la eficacia de las cláusulas contractuales enfrenta limitaciones importantes. En primer lugar, las cláusulas contractuales solo vinculan a las partes que las han aceptado. Si los atacantes utilizan cuentas fraudulentas con identidades ficticias, la identificación del responsable y la ejecución de la reclamación se vuelven extremadamente difíciles. En segundo lugar, incluso si se identifica al responsable, la reclamación por incumplimiento de contrato puede no ser suficiente para disuadir a competidores con recursos que estén dispuestos a asumir el riesgo litigioso. En tercer lugar, como señala el análisis de Fenwick, «la destilación no autorizada probablemente constituiría una violación de los términos de servicio del modelo profesor, pero si las medidas contra tal violación protegerían suficientemente la propiedad intelectual del propietario del modelo profesor sigue por determinar» (9).
La doctrina ha señalado que los términos de servicio, si bien son un mecanismo útil, no son suficientes por sí solos para abordar el problema de la destilación a escala industrial. Se necesita una combinación de medidas técnicas —como la limitación de la tasa de consultas, la detección de patrones anómalos y la inserción de marcas de agua en las salidas— y medidas legales —como cláusulas contractuales robustas y, eventualmente, regulación específica— para crear un entorno de protección efectivo (9).
4.4. Las patentes como mecanismo de defensa frente a la destilación no autorizada
Las patentes emergen como una herramienta potencialmente poderosa para proteger los modelos de IA frente a la destilación, aunque su aplicación plantea desafíos específicos. A diferencia del copyright, que protege la expresión de una idea, y de los secretos comerciales, que protegen la información confidencial, las patentes protegen invenciones técnicas que son novedosas, implican actividad inventiva y son susceptibles de aplicación industrial (31). Los modelos de IA, en la medida en que incorporan innovaciones técnicas en su arquitectura, algoritmos de entrenamiento o métodos de optimización, podrían ser patentables.
El análisis de Fenwick sostiene que «con la planificación y estrategia adecuadas, las patentes pueden proteger no solo el modelo profesor sino también contra modelos alumnos no autorizados derivados mediante destilación» (9). Esta afirmación se basa en la posibilidad de reivindicar en la patente no solo el modelo en sí mismo, sino también los métodos para entrenarlo y los usos a los que se destina. Si un competidor entrena un modelo alumno utilizando técnicas que infringen las reivindicaciones de una patente, el titular de la patente podría ejercer acciones legales contra él, independientemente de que el modelo alumno tenga una arquitectura diferente.
Sin embargo, la patentabilidad de los modelos de IA no está exenta de controversia. La Oficina Europea de Patentes y la Oficina de Patentes y Marcas de Estados Unidos han adoptado criterios restrictivos en relación con las invenciones implementadas por ordenador, exigiendo que la contribución técnica sea clara y no se limite a un algoritmo matemático abstracto. Además, el proceso de obtención de una patente es largo y costoso, y la patente solo ofrece protección en los territorios en los que ha sido concedida. En el contexto de la competencia global, esta fragmentación territorial limita la efectividad de las patentes como mecanismo de defensa frente a la destilación transfronteriza.
4.5. La responsabilidad civil y la competencia desleal en el ordenamiento estadounidense y comparado
Además de las figuras específicas de propiedad intelectual, la destilación no autorizada podría dar lugar a acciones basadas en la responsabilidad civil general (tort) o en la competencia desleal. En el ordenamiento estadounidense, la tort de interferencia ilícita con las relaciones comerciales (tortious interference with business relations) podría ser invocada si el competidor, mediante la destilación, interfiere en la relación entre el laboratorio y sus clientes o inversores. La competencia desleal, por su parte, podría fundamentarse en la apropiación indebida del esfuerzo ajeno (misappropriation) o en la confusión en el mercado (unfair competition).
En el ordenamiento chino, el marco normativo ofrece vías adicionales. El estándar T/CECC 42-2025, el primer estándar chino sobre propiedad intelectual en IA generativa, cubre el copyright, las patentes, las marcas y los secretos comerciales en el contexto de la IA (18). Este estándar, aunque carece de fuerza de ley, indica la dirección en la que se mueve la regulación china y sugiere que el país está desarrollando un marco normativo propio para abordar los desafíos de la IA. La comparación entre los ordenamientos estadounidense, europeo y chino revela enfoques divergentes que reflejan diferentes concepciones del equilibrio entre la protección de la propiedad intelectual y la promoción de la innovación.
El análisis de la competencia desleal en el contexto de la destilación plantea, además, una cuestión de fondo: ¿es la destilación en sí misma una práctica desleal, o lo es solo cuando se realiza mediante medios fraudulentos? La respuesta a esta pregunta es crucial para determinar el alcance de la protección que puede ofrecerse a los modelos de IA. Si la destilación se considera intrínsecamente desleal, cualquier forma de destilación no autorizada sería ilícita; si, por el contrario, solo la destilación mediante medios fraudulentos es ilícita, entonces la destilación realizada con cuentas legítimas —incluso si viola los términos de servicio— podría ser permisible. Esta distinción, como se verá en los capítulos siguientes, está en el centro del debate doctrinal y regulatorio.
V. La dimensión geopolítica: competencia tecnológica y seguridad nacional
5.1. La invocación de la seguridad nacional por Anthropic: «cientos de miles de millones de dólares en subsidio a competidores geopolíticos»
La carta de Anthropic al Senado no se limitó a exponer los hechos y solicitar una intervención regulatoria; articuló deliberadamente el conflicto en términos de seguridad nacional (1). La empresa advirtió de que «cientos de miles de millones de dólares en inversión estadounidense estaban siendo transferidos de facto a competidores geopolíticos» mediante la destilación no autorizada (1). Esta caracterización, que sitúa la extracción de capacidades de modelos de IA en el mismo plano que el robo de secretos militares o tecnológicos, refleja una estrategia deliberada de framing que busca elevar un conflicto comercial a la categoría de amenaza a la seguridad nacional.
La invocación de la seguridad nacional no es retórica vacua. El 23 de abril de 2026, la Oficina de Política Científica y Tecnológica de la Casa Blanca emitió el Memorándum NSTM-4, titulado «Adversarial Distillation of American AI Models» (8). El documento, firmado por el director de la OSTP, Michael J. Kratsios, constituye el primer instrumento de política pública del gobierno estadounidense que clasifica formalmente la extracción sistemática de capacidades de modelos de IA frontera como una amenaza a la seguridad nacional (9). El memorándum afirma que «el gobierno de Estados Unidos tiene información que indica que entidades extranjeras, principalmente con sede en China, están llevando a cabo campañas deliberadas a escala industrial para destilar sistemas estadounidenses de IA de vanguardia» (8). Estas campañas, según el documento, «explotan la innovación y la experiencia estadounidenses» y permiten a los actores extranjeros «lanzar productos que aparentan rendir de manera comparable en determinados benchmarks a una fracción del coste» (8).
El Memorándum NSTM-4 establece cuatro líneas de acción: (i) compartir información con las empresas estadounidenses de IA sobre los intentos de destilación no autorizada; (ii) facilitar la coordinación del sector privado contra estos ataques; (iii) desarrollar mejores prácticas para identificar, mitigar y remediar las actividades de destilación a escala industrial; y (iv) explorar un conjunto de medidas para exigir responsabilidades a los actores extranjeros por las campañas de destilación a escala industrial (8). El tono del documento es inequívoco: «no hay nada innovador en extraer y copiar sistemáticamente las innovaciones de la industria estadounidense, y no hay nada abierto en los modelos supuestamente abiertos que se derivan de actos de explotación maliciosa» (8).
5.2. El contexto de las tensiones bilaterales EE.UU.-China: la lista 1260H del Departamento de Defensa y la demanda de Alibaba
El litigio Anthropic-Alibaba se inserta en un contexto de crecientes tensiones bilaterales entre Estados Unidos y China en el ámbito tecnológico. El 8 de junio de 2026, el Departamento de Defensa de Estados Unidos actualizó su lista 1260H, añadiendo a Alibaba Group, Baidu y el fabricante de automóviles BYD a la lista de entidades que, según el Pentágono, han contribuido a las capacidades militares de China (1). La designación se basó en la afirmación de que la relación de Alibaba con los reguladores chinos la convertía en «contribuyente a la base de la industria de defensa china a través de la integración civil-militar» (13).
Alibaba respondió el 23 de junio de 2026 presentando una demanda ante un tribunal federal de San José impugnando su inclusión en la lista 1260H (1). La compañía calificó la decisión de «arbitraria y caprichosa» y argumentó que «no existe base fáctica ni jurídica» para la designación (13). Alibaba señaló que su consejo de administración independiente no tiene ningún miembro con antecedentes militares y que su actividad principal es el comercio minorista y la computación en la nube, no la producción de armas o inteligencia militar (13). La demanda también destacó que la inclusión en la lista 1260H, aunque no conlleva una congelación inmediata de activos, desencadena graves restricciones operativas a partir del 30 de junio de 2026, incluida la prohibición de que el Departamento de Defensa contrate con empresas incluidas en la lista y la imposibilidad de que estas mantengan ciertos cabilderos y asesores legales en Washington (13).
La coincidencia temporal entre la carta de Anthropic —fechada el 10 de junio de 2026— y la demanda de Alibaba contra el Departamento de Defensa —presentada el 23 de junio de 2026— es significativa. Anthropic envió su carta apenas dos días después de que Alibaba fuera incluida en la lista 1260H, y Alibaba presentó su demanda apenas un día antes de que Reuters publicara la noticia de la acusación de Anthropic (1), (13). Esta secuencia sugiere que el caso Anthropic-Alibaba no es un litigio aislado, sino un capítulo más de una confrontación geopolítica más amplia en la que las empresas tecnológicas se han convertido en actores y, al mismo tiempo, en piezas del tablero.
5.3. La respuesta institucional: el memorándum de la OSTP y los proyectos de ley en el Congreso
El Memorándum NSTM-4 de abril de 2026 fue seguido por una serie de iniciativas legislativas y ejecutivas que reflejan la creciente preocupación del gobierno estadounidense por la destilación de modelos. En junio de 2026, el presidente Donald Trump firmó un memorándum de seguridad nacional que instaba a las agencias de inteligencia y defensa a acelerar la adopción de herramientas de IA de vanguardia y, al mismo tiempo, a proteger esos sistemas contra el robo y la manipulación extranjeros (10). El memorándum ordenaba a la Oficina del Director de Inteligencia Nacional, al FBI y a la Oficina del Director Nacional de Ciberseguridad establecer relaciones «profundas y proactivas» con las empresas de IA para que los modelos de vanguardia pudieran ponerse a disposición del personal de seguridad nacional con mayor rapidez (10).
En el ámbito legislativo, el Congreso de Estados Unidos comenzó a considerar proyectos de ley específicos para abordar la destilación de modelos. El proyecto de ley H.R. 8283, titulado Deterring American AI Model Theft Act of 2026, presentado en abril de 2026, ordenaría al Departamento de Comercio imponer sanciones con arreglo a la Ley de Poderes Económicos de Emergencia Internacional —incluyendo la congelación de activos y la designación en la Lista de Entidades— contra quienes utilicen técnicas de consulta y copia indebidas (9). El proyecto de ley establece un plazo de 180 días para la evaluación y 210 días para la aplicación de las sanciones si se aprueba (9). Aunque el proyecto se encontraba todavía en fase de comité en el momento de redactar este artículo, su mera existencia indica que el Congreso toma en serio la amenaza de la destilación y considera herramientas que van más allá del marco tradicional de propiedad intelectual.
La respuesta institucional también incluyó medidas de soft law. La Casa Blanca instó a las empresas de IA a adoptar voluntariamente prácticas de seguridad, incluyendo la presentación de nuevos modelos a una revisión gubernamental de treinta días antes de su lanzamiento público (10). Aunque estas medidas son voluntarias, crean un entorno de presión normativa que complementa las iniciativas legislativas y ejecutivas.
5.4. La destilación como arma de competencia tecnológica: ¿amenaza real o estrategia narrativa?
La caracterización de la destilación como una amenaza a la seguridad nacional ha sido objeto de debate. Por un lado, existen argumentos sólidos para considerar que la extracción sistemática de capacidades de modelos de IA mediante destilación adversaria constituye un riesgo real para la posición competitiva de Estados Unidos en el ámbito de la IA. La rápida convergencia de los modelos chinos con los estadounidenses —DeepSeek V4, lanzado aproximadamente el 24 de abril de 2026, se situó, según sus creadores, a solo tres o seis meses de los modelos de vanguardia (9)— sugiere que las técnicas de destilación y extracción han acelerado significativamente el ciclo de desarrollo de la IA en China. Esta convergencia plantea interrogantes legítimos sobre el papel de la destilación en la equiparación tecnológica.
Por otro lado, existen voces críticas que cuestionan si la destilación es realmente una amenaza existencial o más bien una estrategia narrativa de las empresas estadounidenses para obtener ventajas regulatorias y comerciales. El análisis de 36Kr, citado en la introducción, sostiene que «la campaña frenética de Anthropic sobre la destilación es esencialmente una batalla por el dominio de la narrativa», señalando que la empresa carece de pruebas sustanciales y que ella misma ha sido acusada de prácticas similares (28). Esta perspectiva sugiere que la invocación de la seguridad nacional puede ser un recurso estratégico para presionar a los reguladores y obtener medidas proteccionistas que favorezcan a los laboratorios estadounidenses en detrimento de la competencia.
El debate sobre si la destilación es una amenaza real o una construcción narrativa tiene implicaciones profundas para el diseño de políticas públicas. Si la destilación es una amenaza real, justifica medidas como sanciones, controles de exportación y restricciones al acceso a modelos estadounidenses. Si es una construcción narrativa, estas medidas pueden resultar excesivas y contraproducentes, limitando la difusión del conocimiento y la competencia en el mercado global de la IA.
VI. La posición de las partes y el debate doctrinal
6.1. La postura de Anthropic: defensa de la inversión y la propiedad intelectual estadounidense
La postura de Anthropic, articulada en su carta al Senado y en sus comunicados públicos, se fundamenta en tres pilares: la defensa de la inversión estadounidense en I+D, la protección de la propiedad intelectual y la salvaguarda de la seguridad nacional. Anthropic sostiene que ha invertido «cientos de miles de millones de dólares» en el desarrollo de Claude, y que la destilación no autorizada por parte de competidores chinos constituye una apropiación indebida de esa inversión (1). La empresa argumenta que la destilación adversaria no solo vulnera sus derechos de propiedad intelectual, sino que también socava los incentivos para la innovación al permitir que los competidores se beneficien de sus avances sin asumir los costes correspondientes (2).
Anthropic ha enfatizado que su preocupación no es la destilación en sí misma —que reconoce como una práctica legítima cuando se realiza con autorización— sino la destilación mediante medios fraudulentos (3). La creación de 25.000 cuentas falsas, la suplantación de identidad y la evasión de controles de acceso son, según Anthropic, elementos que distinguen la destilación ilícita de la legítima (1). Esta distinción es central en su estrategia legal, porque permite a Anthropic argumentar que no está cuestionando la legalidad de la destilación como técnica, sino la ilegalidad de los medios empleados para llevarla a cabo.
La postura de Anthropic también tiene una dimensión geopolítica explícita. La empresa ha advertido de que la destilación no autorizada permite a los competidores chinos «despojar a los modelos resultantes de los protocolos de seguridad y deshacer los mecanismos que garantizan que esos modelos de IA sean ideológicamente neutrales y busquen la verdad» (8). Esta afirmación, que recoge el lenguaje del Memorándum NSTM-4, sitúa la destilación en el contexto de la competencia entre sistemas de valores y no solo entre empresas (8). Anthropic ha señalado que «los modelos destilados ilícitamente tienen pocas probabilidades de retener las salvaguardas de seguridad diseñadas para prevenir el uso indebido» (11).
6.2. La ausencia de respuesta pública de Alibaba y su litigio paralelo contra el Departamento de Defensa
Alibaba, por su parte, no había emitido una respuesta pública sustancial a las acusaciones de Anthropic en el momento de redactar este artículo. La compañía se había limitado a señalar, a través de portavoces, que «no comenta sobre litigios en curso» (1). Esta ausencia de respuesta puede interpretarse de diversas maneras: como una estrategia legal calculada para no alimentar el debate público antes de un posible litigio; como un reconocimiento implícito de la dificultad de refutar las alegaciones de Anthropic; o simplemente como una decisión de gestión de la reputación en un contexto ya de por sí tenso.
El silencio de Alibaba contrasta con su activismo en el litigio paralelo contra el Departamento de Defensa. La demanda presentada el 23 de junio de 2026 ante el tribunal federal de San José es una respuesta enérgica y detallada a la inclusión de la compañía en la lista 1260H (1). En la demanda, Alibaba argumenta que la designación es «arbitraria y caprichosa» y que carece de base fáctica (13). La compañía señala que todos los consejeros independientes de su consejo de administración carecen de antecedentes militares y que su actividad principal es el comercio minorista y la computación en la nube, no la industria de defensa (13). Alibaba también alega que la inclusión en la lista 1260H le impide retener a ciertos cabilderos y abogados que la han representado durante años, lo que constituye una «prohibición funcional» de su capacidad para defenderse en Washington (13).
Esta diferencia de enfoque —silencio en el caso Anthropic, activismo en el caso del Departamento de Defensa— sugiere que Alibaba percibe los dos asuntos de manera diferente. El litigio contra el Departamento de Defensa es una cuestión de reputación corporativa y de acceso al mercado estadounidense que afecta directamente a su negocio. Las acusaciones de Anthropic, por el contrario, pueden ser vistas como un problema jurídico-técnico que puede resolverse en los tribunales sin necesidad de una batalla de relaciones públicas.
6.3. El debate académico: ¿apropiación indebida o práctica legítima de la industria?
El debate académico sobre la destilación de modelos se ha intensificado significativamente en los últimos años, con posiciones que van desde la condena de la destilación adversaria como apropiación indebida hasta su defensa como práctica legítima de la industria. La doctrina se ha dividido en dos campos principales.
Por un lado, los autores que sostienen que la destilación adversaria constituye una forma de apropiación indebida señalan que permite a los competidores beneficiarse del esfuerzo inversor de otros sin asumir los costes correspondientes (27). Desde esta perspectiva, la destilación no autorizada es análoga al robo de secretos comerciales, aunque el mecanismo de extracción sea diferente. El estudio de Fenwick argumenta que «los marcos convencionales de propiedad intelectual pueden no clasificar la destilación como copia directa», pero que «las patentes pueden ser un mecanismo crucial contra la destilación no autorizada» (32). Esta posición enfatiza la necesidad de desarrollar nuevos instrumentos legales para proteger la inversión en IA.
Por otro lado, los autores que defienden la legitimidad de la destilación argumentan que esta es una práctica técnica estándar que no debería ser penalizada. La tesis de la Universidad Jiao Tong de Shanghái sostiene que la destilación es una transformación creativa del conocimiento de dominio público y que, como tal, no debería estar sujeta a restricciones de propiedad intelectual (20). El experto en IA Kai-Fu Lee ha cuestionado la reacción de Anthropic, preguntando: «la destilación en sí misma no viola ninguna norma. ¿No es una reacción exagerada?» (29). Esta pregunta captura la tensión subyacente entre la protección de la propiedad intelectual y la promoción de la innovación abierta.
El debate académico también ha abordado la cuestión de la responsabilidad. El estudio From Prompt to Clone concluye que «es poco probable que la destilación de modelos constituya una infracción de copyright en virtud de la legislación vigente» (10). Esta conclusión no implica que la destilación sea siempre legal; la violación de los términos de servicio y la utilización de medios fraudulentos pueden dar lugar a reclamaciones contractuales y de competencia desleal. La distinción entre la destilación en sí misma y los medios empleados para llevarla a cabo es, como se ha señalado, central para el análisis jurídico.
6.4. Las paradojas de Anthropic: los precedentes de Reddit y los autores
Una de las paradojas más notables del caso Anthropic-Alibaba es que Anthropic, la empresa que ahora denuncia la destilación no autorizada, ha sido demandada en el pasado por prácticas de extracción de datos muy similares a las que ahora denuncia. Esta paradoja, lejos de debilitar el análisis, lo enriquece al poner de manifiesto que la destilación y la extracción de datos son prácticas generalizadas en la industria, y que su ilicitud o licitud depende menos de consideraciones técnicas que de la posición que ocupe cada actor en la cadena de valor.
El 4 de junio de 2025, Reddit presentó una demanda contra Anthropic en el Tribunal Superior de California, alegando que la empresa había «raspado» y explotado comercialmente los datos de los usuarios de Reddit —incluyendo publicaciones eliminadas— sin consentimiento ni compensación (12). A diferencia de otros litigios que se han centrado en la infracción de copyright, la demanda de Reddit presentaba cinco causas de acción: incumplimiento de contrato, enriquecimiento injusto, trespass to chattels, interferencia ilícita y competencia desleal (12). Reddit alegó que Anthropic había entrenado sus modelos Claude en publicaciones y comentarios extraídos entre diciembre de 2021 y octubre de 2024 (12). Según la demanda, Anthropic se negó a firmar un acuerdo de licencia con Reddit pero, no obstante, accedió sin autorización a la API de cumplimiento de Reddit, generando más de 100.000 llamadas API no autorizadas (12).
La demanda de Reddit contra Anthropic es especialmente relevante porque el modus operandi que se atribuye a Anthropic es similar al que Anthropic atribuye ahora a Alibaba: acceso no autorizado a datos, violación de términos de servicio y uso comercial sin compensación. La ironía no ha pasado desapercibida para los observadores de la industria. Como señala el análisis de 36Kr, Anthropic ha sido acusada de prácticas de extracción de datos que, en su momento, fueron calificadas como «apropiación indebida» por Reddit, y ahora Anthropic utiliza el mismo lenguaje para describir la conducta de Alibaba (28).
Otro precedente significativo es el acuerdo al que Anthropic llegó en 2025 con un grupo de autores, por el que la empresa pagó 15.000 millones de dólares después de que se descubriera que había descargado 482.000 libros con derechos de autor de sitios pirata para entrenar sus modelos (23). Este acuerdo, uno de los más cuantiosos en la historia de la industria de la IA, revela que Anthropic ha incurrido en prácticas de apropiación de datos de una escala muy superior a la que ahora denuncia. Los autores alegaron que Anthropic había utilizado sus obras sin autorización para entrenar a Claude, una conducta que, desde la perspectiva de los autores, es análoga a la que Anthropic atribuye ahora a Alibaba.
Estas paradojas no invalidan las alegaciones de Anthropic contra Alibaba, pero sí plantean preguntas incómodas sobre la coherencia y la legitimidad de su postura. Si Estas paradojas no invalidan las alegaciones de Anthropic contra Alibaba, pero sí plantean preguntas incómodas sobre la coherencia y la legitimidad de su postura. Si Anthropic ha utilizado datos de Reddit sin autorización y ha descargado libros con derechos de autor de sitios pirata, ¿qué legitimidad tiene para denunciar a Alibaba por prácticas similares? La respuesta es probablemente que la legitimidad no es moral sino legal y estratégica: Anthropic está utilizando las herramientas del derecho y la regulación para proteger su posición competitiva, del mismo modo que Reddit y los autores utilizaron esas mismas herramientas contra Anthropic. Esta dinámica revela que la destilación y la extracción de datos no son prácticas excepcionales sino la norma en la industria de la IA, y que el litigio es el mecanismo mediante el cual se negocian los límites de lo permitido.
VII. Análisis crítico y propuestas de lex ferenda
7.1. La insuficiencia del marco normativo vigente para abordar la destilación de modelos
El análisis de las figuras jurídicas aplicables a la destilación de modelos revela una conclusión inquietante: el marco normativo vigente, diseñado para una economía analógica y para tecnologías basadas en la copia literal, resulta manifiestamente insuficiente para abordar las particularidades de la destilación de modelos de IA. Esta insuficiencia se manifiesta en múltiples dimensiones.
En primer lugar, el derecho de autor, la figura tradicionalmente utilizada para proteger las obras creativas, no se adapta bien a la naturaleza estadística de los modelos de IA. Las salidas de los modelos, como se ha señalado, a menudo no alcanzan el umbral de originalidad requerido para la protección por copyright, y la destilación no implica una copia literal sino una imitación funcional (10). Incluso si las salidas fueran protegibles, la doctrina del uso justo (fair use) podría cubrir la destilación cuando el modelo alumno tiene un propósito transformador (10). Esta falta de ajuste entre la técnica y la norma es una fuente de inseguridad jurídica para todos los actores de la industria.
En segundo lugar, los secretos comerciales, aunque ofrecen una vía de protección potencialmente más robusta, se enfrentan al desafío de que las salidas del modelo son, por definición, accesibles al público a través de la API (27). La carga probatoria para demostrar que las capacidades extraídas constituyen secretos comerciales es considerable, y la mera accesibilidad pública de las salidas puede debilitar la reclamación (27). Además, la protección de los secretos comerciales varía significativamente entre jurisdicciones, lo que crea problemas de aplicación transfronteriza.
En tercer lugar, los términos de servicio, aunque ofrecen una vía contractual directa, solo vinculan a las partes que los han aceptado y su eficacia depende de la capacidad del laboratorio para identificar y perseguir a los infractores (28). La creación de cuentas fraudulentas y la utilización de técnicas de ofuscación dificultan la identificación de los responsables y la ejecución de las reclamaciones.
En cuarto lugar, las patentes, aunque potencialmente útiles, son costosas y lentas de obtener, y su protección es territorial, lo que limita su efectividad frente a la destilación transfronteriza (31). La patentabilidad de los modelos de IA sigue siendo controvertida en muchas jurisdicciones.
Esta insuficiencia del marco normativo vigente crea un entorno de inseguridad jurídica que perjudica a todos los actores de la industria. Los laboratorios que invierten en I+D no tienen garantías de que puedan apropiarse de los frutos de su inversión, lo que puede desincentivar la innovación. Los competidores, por su parte, operan en un entorno en el que no está claro qué prácticas son legales y cuáles no, lo que genera riesgos litigiosos. Los consumidores, finalmente, pueden verse perjudicados por una menor inversión en innovación o por una mayor litigiosidad que encarezca los productos.
7.2. La necesidad de una regulación específica: propuestas en el ámbito estadounidense, europeo y chino
La insuficiencia del marco normativo vigente ha llevado a académicos, legisladores y actores de la industria a proponer nuevas regulaciones específicas para abordar la destilación de modelos. Estas propuestas reflejan diferentes enfoques y prioridades en las distintas jurisdicciones.
En Estados Unidos, el proyecto de ley H.R. 8283 (Deterring American AI Model Theft Act of 2026) representa el intento más concreto de regular la destilación a escala federal (9). El proyecto, presentado en abril de 2026, ordenaría al Departamento de Comercio imponer sanciones con arreglo a la Ley de Poderes Económicos de Emergencia Internacional contra quienes utilicen técnicas de consulta y copia indebidas (9). Las sanciones incluirían la congelación de activos y la designación en la Lista de Entidades, lo que permitiría a Estados Unidos utilizar su poder financiero para disuadir la destilación no autorizada (9). El proyecto ha suscitado críticas por su amplitud y por el riesgo de que pueda utilizarse para fines proteccionistas más allá de la legítima defensa de la propiedad intelectual.
La Unión Europea ha adoptado un enfoque diferente. El Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, relativo a la inteligencia artificial [en adelante, RIA], en vigor desde el 1 de agosto de 2024, no aborda directamente la destilación de modelos (19). En lugar de regularla como tal, el RIA establece un marco con arreglo al riesgo que clasifica los sistemas de IA en función de su nivel de riesgo y prevé requisitos de transparencia, gobernanza de datos y supervisión humana. Cabe precisar que las obligaciones de transparencia aplicables a los proveedores de modelos de IA de uso general comenzaron a regir el 2 de agosto de 2025 (art. 53 RIA), mientras que las obligaciones para los sistemas de alto riesgo se aplican desde el 2 de agosto de 2026. Este escalonamiento temporal limita la efectividad inmediata del RIA frente a la destilación transfronteriza, aunque algunas obligaciones pudieran extenderse hasta diciembre de 2027 en función de las categorías afectadas. Este enfoque, aunque no específico para la destilación, podría aplicarse a los modelos destilados si se califican como sistemas de IA de alto riesgo.
China, por su parte, ha desarrollado su propio marco normativo para la propiedad intelectual en IA. El estándar T/CECC 42-2025, aunque carece de fuerza de ley, cubre el copyright, las patentes, las marcas y los secretos comerciales en el contexto de la IA (18). China también ha adoptado medidas para regular el contenido generado por IA y para aplicar revisiones éticas a las patentes de IA a partir de 2026 (6). Estas iniciativas sugieren que China está desarrollando un enfoque propio para la regulación de la IA que podría diferir significativamente de los enfoques estadounidense y europeo. La postura china sobre la destilación, en particular, podría ser más permisiva, dada la dependencia de sus empresas de las técnicas de destilación para converger con los modelos estadounidenses.
7.3. Hacia un equilibrio entre la protección de la inversión y la promoción de la competencia
El desafío fundamental en la regulación de la destilación de modelos es encontrar un equilibrio entre dos valores legítimos pero potencialmente conflictivos: la protección de la inversión en I+D y la promoción de la competencia y la innovación abierta. Un marco regulatorio que proteja excesivamente los modelos de IA podría desincentivar la competencia y la difusión del conocimiento, beneficiando a los laboratorios establecidos en detrimento de los nuevos entrantes. Un marco que no proteja suficientemente la inversión en I+D podría desincentivar la innovación, al permitir que los competidores se apropien de los frutos del esfuerzo ajeno sin asumir los costes correspondientes.
La solución pasa probablemente por una regulación matizada que distinga entre diferentes tipos de destilación y diferentes contextos. La destilación legítima, realizada con autorización y con fines de eficiencia o adaptación a dominios especializados, debería seguir siendo permitida y fomentada. La destilación adversaria, realizada sin autorización y con fines de competencia desleal, debería ser objeto de sanciones y medidas disuasorias. La distinción, sin embargo, no es siempre clara, y la regulación debería establecer criterios objetivos para diferenciar ambos supuestos.
La doctrina ha propuesto varios criterios para esta distinción. El primero es la autorización: la destilación realizada con autorización del propietario del modelo profesor es legítima; la realizada sin autorización es ilícita. El segundo es la finalidad: la destilación con fines de eficiencia o adaptación es legítima; la destilación con fines de competencia directa es ilícita. El tercero es el volumen: la destilación a pequeña escala puede ser legítima; la destilación a escala industrial, mediante cuentas fraudulentas y técnicas de ofuscación, es ilícita. El cuarto es la seguridad: la destilación que preserva los protocolos de seguridad del modelo profesor es legítima; la que los elimina es ilícita.
Estos criterios no son perfectos y su aplicación plantea desafíos probatorios e interpretativos. La autorización puede ser difícil de acreditar cuando las cuentas son fraudulentas. La finalidad puede ser difícil de determinar cuando el modelo alumno tiene múltiples usos. El volumen puede ser difícil de cuantificar. La seguridad puede ser difícil de evaluar. Pese a estas dificultades, la regulación debería intentar establecer criterios claros que proporcionen orientación a los actores de la industria y a los tribunales.
7.4. El papel de los términos de servicio y las medidas técnicas de protección como mecanismos transitorios
Mientras se desarrollan marcos regulatorios específicos, los términos de servicio y las medidas técnicas de protección desempeñan un papel crucial como mecanismos transitorios para proteger los modelos de IA frente a la destilación no autorizada. Estos mecanismos, aunque imperfectos, ofrecen a los laboratorios herramientas inmediatas para disuadir y, en su caso, perseguir la destilación adversaria.
Los términos de servicio pueden incluir cláusulas que prohíban expresamente la destilación no autorizada y el scraping masivo de la API (28). Estas cláusulas crean una obligación contractual para el usuario, cuya violación puede dar lugar a una reclamación por incumplimiento de contrato. Los laboratorios deberían redactar estas cláusulas con cuidado, especificando claramente qué usos están prohibidos y qué consecuencias conlleva su violación. También deberían considerar la inclusión de cláusulas de indemnización y de resolución de disputas que faciliten la ejecución de las reclamaciones.
Las medidas técnicas de protección incluyen la limitación de la tasa de consultas, la detección de patrones anómalos, el bloqueo de direcciones IP sospechosas y la inserción de marcas de agua en las salidas (9). Estas medidas, aunque no infalibles, pueden disuadir a los atacantes menos sofisticados y proporcionar pruebas en caso de litigio. La combinación de términos de servicio robustos y medidas técnicas de protección crea un entorno de disuasión que, si bien no elimina por completo el riesgo de destilación no autorizada, lo reduce significativamente y proporciona a los laboratorios herramientas legales y probatorias para perseguir a los infractores. Estos mecanismos, no obstante, no son suficientes por sí solos y deben complementarse con marcos regulatorios específicos que colmen las lagunas del derecho vigente y ofrezcan soluciones a largo plazo.
VIII. Conclusiones
El caso Anthropic c. Alibaba, protagonizado por la acusación de que el gigante chino orquestó el «mayor robo de IA de la historia» mediante la creación de 25.000 cuentas falsas y 28,8 millones de interacciones con el modelo Claude, constituye un hito en la historia del derecho de la propiedad intelectual y de la inteligencia artificial (1). Este litigio, más que un conflicto aislado entre dos empresas, es el síntoma de una transformación más profunda: la emergencia de una nueva economía del conocimiento en la que los activos intangibles —los modelos de IA, sus capacidades y sus salidas— se han convertido en el centro de la competencia y el conflicto.
El análisis de los hechos del caso revela una operación de destilación a escala industrial que, según Anthropic, se prolongó durante cuarenta y cinco días y empleó técnicas sofisticadas de ofuscación, incluyendo la creación de cuentas fraudulentas y el enrutamiento de consultas a través de redes de proxy (1). La coincidencia temporal entre la campaña de extracción y el lanzamiento de Qwen 3.0 por parte de Alibaba refuerza, aunque no prueba, la conexión entre ambas (1). El precedente de febrero de 2026, en el que Anthropic acusó a DeepSeek, Moonshot AI y MiniMax de prácticas similares, sugiere que la destilación adversaria es una práctica generalizada en la industria china y no un incidente aislado (2).
El examen del fundamento técnico de la destilación revela que esta es una práctica legítima y ampliamente utilizada en la industria, incluso por los propios laboratorios que ahora denuncian su uso no autorizado (3). La distinción entre destilación legítima e ilícita no reside en la técnica en sí misma, sino en las circunstancias en que se ejecuta: la autorización del propietario del modelo profesor, la finalidad de la destilación y los medios empleados para llevarla a cabo.
El análisis jurídico sustantivo de las figuras de protección aplicables revela que el marco normativo vigente es manifiestamente insuficiente para abordar la destilación de modelos. El copyright no se adapta bien a la naturaleza estadística de los modelos de IA (10). Los secretos comerciales se enfrentan a desafíos probatorios significativos (27). Los términos de servicio solo vinculan a las partes que los han aceptado y su eficacia depende de la capacidad del laboratorio para identificar y perseguir a los infractores (28). Las patentes son costosas y territoriales (31). Esta insuficiencia del marco normativo vigente crea un entorno de inseguridad jurídica que perjudica a todos los actores de la industria.
La dimensión geopolítica del caso revela que la destilación de modelos se ha convertido en un campo de batalla en la competencia tecnológica entre Estados Unidos y China. El Memorándum NSTM-4 de la OSTP, emitido el 23 de abril de 2026, clasifica formalmente la extracción sistemática de capacidades de modelos de IA frontera como una amenaza a la seguridad nacional (8). La inclusión de Alibaba en la lista 1260H del Departamento de Defensa y la posterior demanda de la compañía contra el gobierno estadounidense sitúan el litigio Anthropic-Alibaba en el contexto de una confrontación geopolítica más amplia (1), (13).
Las paradojas de Anthropic —demandada por Reddit por scraping no autorizado y por autores por la descarga de libros con derechos de autor— revelan que la destilación y la extracción de datos son prácticas generalizadas en la industria de la IA, y que la posición de cada actor en la cadena de valor determina su percepción de la licitud o ilicitud de estas prácticas (12), (23). Esta constatación no invalida las alegaciones de Anthropic contra Alibaba, pero sí exige un análisis crítico y equilibrado que no se deje llevar por la narrativa dominante.
A la luz de todo lo anterior, cabe formular las siguientes conclusiones:
Primera. El marco normativo vigente es insuficiente para abordar la destilación de modelos de IA y debe ser reformado mediante regulaciones específicas que distingan entre diferentes tipos de destilación y diferentes contextos, estableciendo criterios claros para diferenciar la destilación legítima de la ilícita, incluyendo la autorización, la finalidad, el volumen y la preservación de los protocolos de seguridad.
Segunda. La protección de los modelos de IA frente a la destilación no autorizada requiere una combinación de medidas legales, técnicas y contractuales. Los términos de servicio y las medidas técnicas de protección, aunque imperfectos, ofrecen herramientas inmediatas para disuadir y perseguir la destilación adversaria mientras se desarrollan marcos regulatorios específicos.
Tercera. La dimensión geopolítica del caso exige una reflexión sobre el equilibrio entre la protección de la propiedad intelectual y la promoción de la competencia global. Las medidas proteccionistas, aunque pueden proteger a corto plazo a los laboratorios estadounidenses, pueden resultar contraproducentes a largo plazo si limitan la difusión del conocimiento y la innovación abierta.
Cuarta. El debate académico sobre la destilación de modelos debe continuar incorporando perspectivas multidisciplinares que integren el derecho, la economía, la informática y las relaciones internacionales. La complejidad del fenómeno exige un enfoque que trascienda las categorías tradicionales del derecho de propiedad intelectual y que reconozca la especificidad de los modelos de IA como objetos de protección.
Quinta. Los tribunales y los reguladores deben abordar los casos de destilación con un enfoque matizado que distinga entre la técnica en sí misma y los medios empleados para llevarla a cabo. La destilación, como técnica, no es ni legal ni ilegal; su legalidad depende de las circunstancias en que se ejecuta. Esta distinción, aunque sutil, es fundamental para evitar que la regulación de la destilación se convierta en un instrumento de proteccionismo encubierto.
El caso Anthropic c. Alibaba es, en definitiva, un recordatorio de que el derecho de la propiedad intelectual, diseñado para una economía analógica, está siendo desafiado por una economía digital en la que los activos intangibles y las técnicas de extracción de conocimiento desafían las categorías tradicionales. La respuesta a este desafío no puede ser simplemente la aplicación analógica de las normas existentes, sino la creación de un nuevo marco normativo que reconozca la especificidad de los modelos de IA y equilibre los legítimos intereses de los innovadores, los competidores y los consumidores. El futuro de la innovación en IA depende, en buena medida, de nuestra capacidad para encontrar ese equilibrio.
Bibliografía
(1) Anthropic, carta al Comité Bancario del Senado de Estados Unidos, 10 de junio de 2026.
(2) Anthropic, comunicado público sobre ataques de destilación a escala industrial, febrero de 2026.
(3) Anthropic, declaraciones en X (antes Twitter), febrero de 2026.
(4) Reuters, «Anthropic says Alibaba illicitly extracted Claude AI model capabilities», 24 de junio de 2026.
(5) The Wall Street Journal, cobertura de la carta de Anthropic al Senado, junio de 2026.
(6) Bloomberg, «Anthropic accuses Alibaba of illicitly accessing its AI models», 24 de junio de 2026.
(7) BBC News, cobertura de las acusaciones de Anthropic contra Alibaba, junio de 2026.
(8) White House Office of Science and Technology Policy, Memorándum NSTM-4, «Adversarial Distillation of American AI Models», 23 de abril de 2026.
(9) Fenwick, «Model Distillation and the Future of AI IP Protection», 2025.
(10) Philipp, Claudia, «From Prompt to Clone: Copyright Challenges in AI Model Distillation», UC Law SF, 2026.
(11) Anthropic, declaraciones sobre la seguridad de los modelos destilados, 2026.
(12) Reddit, Inc. v. Anthropic, PBC, demanda presentada en el Tribunal Superior de California, 4 de junio de 2025.
(13) Alibaba Group v. United States Department of Defense, demanda presentada ante el Tribunal Federal de San José, 23 de junio de 2026.
(14) Hinton, G., Vinyals, O. y Dean, J., «Distilling the Knowledge in a Neural Network», 2015.
(15) Cyberjustice, «The Legal Controversy Around AI Knowledge Distillation: A Balanced Perspective», 2025.
(16) Anthropic, declaraciones sobre la distinción entre destilación legítima e ilícita, 2026.
(17) Google, denuncia de ataques de destilación contra Gemini, febrero de 2026.
(18) T/CECC 42-2025, «Generative AI Intellectual Property Guide», China, 2025.
(19) US Copyright Office, informe sobre IA y copyright, enero de 2025.
(20) Universidad Jiao Tong de Shanghái, «模型蒸馏正当性的公共领域法理解读» (Model Distillation Legitimacy from a Public Domain Law Perspective), 2025.
(21) China IP Law Update, «Early Jurisprudence from Beijing on the Intersection of AI, Copyright and Personality Rights», 2025.
(22) Reddit v. Anthropic, alegaciones de scraping no autorizado, 2025.
(23) Authors v. Anthropic, acuerdo de 15.000 millones de dólares, 2025.
(24) Uniform Trade Secrets Act, 1979 (revisado).
(25) Defend Trade Secrets Act, 2016.
(26) OpenEvidence v. Pathway, litigio sobre extracción de datos de IA, 2025.
(27) National Law Review, «Can You Keep (an AI) Secret? The Role of Trade Secrets in IP Protection Strategies for AI», 2026.
(28) 36Kr, análisis crítico de la campaña de Anthropic sobre destilación, 2026.
(29) Kai-Fu Lee, declaraciones sobre la destilación de modelos, marzo de 2026.
(30) OpenAI, memo a la Cámara de Representantes sobre destilación de DeepSeek, 12 de febrero de 2026.
(31) US Patent and Trademark Office, directrices sobre patentabilidad de IA, 2025.
(32) Fenwick, «DeepSeek, Model Distillation, and the Future of AI IP Protection», 2025.
(33) Munich Regional Court, sentencia sobre OpenAI y copyright, noviembre de 2025.
(34) White House, declaraciones sobre seguridad nacional y destilación de IA, abril-junio de 2026.
(35) US Department of Defense, lista 1260H, actualización del 8 de junio de 2026.
(36) Alibaba Group, declaraciones sobre la demanda contra el Departamento de Defensa, junio de 2026.
(37) Cloud Security Alliance, «NSTM-4: US Policy Response to AI Model Distillation Attacks», 2 de mayo de 2026.
(38) H.R. 8283, «Deterring American AI Model Theft Act of 2026», presentado en abril de 2026.
(39) Nextgov, «Trump memo pushes national security agencies to move faster on AI», 8 de junio de 2026.
(40) Nextgov, «White House accuses China of "deliberate, industrial-scale campaigns" to steal US AI models», abril de 2026.
Artículos relacionados
La 'reserva de humanidad' a prueba de la IA: uso instrumental y decisión automatizada en el procedimiento administrativo (Sentencia TAR Marche, Sección I, 1 de junio de 2026, n. 758)
Análisis del TAR Marche n. 758/2026: el Tribunal fija por primera vez el límite entre auxilio de IA y decisión automatizada en contratos públicos.
El alma de la máquina: fundamentos epistemológicos, marcos normativos y gobernanza constitucional en el alineamiento de la inteligencia artificial generativa
Análisis doctrinal sobre la absorción de talento filosófico en los laboratorios de IA, el constitucionalismo algorítmico de Anthropic y las implicaciones epistemológicas, normativas y democráticas del alineamiento de los grandes modelos de lenguaje.
Transparencia algorítmica: límites del derecho a saber
Análisis comparado de la transparencia algorítmica en RGPD, AI Act, DSA y marcos internacionales. La investigación de Anjos (2026) revela que la 'transparencia performativa' legitima asimetrías de poder sin corregirlas.
Vigilancia omnipresente, libertad sitiada: el dilema entre seguridad y privacidad en los espacios públicos del siglo XXI
Análisis comparado de los modelos de videovigilancia chino, estadounidense y europeo: fundamentos éticos, marcos jurídicos y propuestas para articular un sistema de vigilancia compatible con los derechos fundamentales.