El fin de la excepción tecnológica: la IA entra en su era regulatoria

Un análisis integral del giro institucional de la IA a partir del litigio Apple vs. OpenAI, la supervisión gubernamental de modelos, el calendario de la UE y la respuesta de los mercados

Índice

• Sección 1. Introducción: de la carrera por la innovación al imperio de la regla
  • 1.1. Planteamiento y tesis del artículo
  • 1.2. Metodología y fuentes
• Sección 2. El litigio Apple contra OpenAI: el secreto comercial como arma estratégica
  • 2.1. Hechos de la demanda y partes implicadas
  • 2.2. Fundamentos jurídicos: la Defend Trade Secrets Act y los requisitos del secreto comercial
  • 2.3. Consecuencias procesales: medidas cautelares y discovery
  • 2.4. Paralelismo con el caso Waymo vs. Uber y su valor como precedente
  • 2.5. Impacto en la alianza comercial Apple-OpenAI
• Sección 3. La supervisión gubernamental de modelos: el CAISI y el giro de EE. UU. hacia el control previo
  • 3.1. Origen y competencias del Center for AI Standards and Innovation
  • 3.2. Los acuerdos con Google, Microsoft y xAI: alcance y limitaciones
  • 3.3. Implicaciones para el mercado: barreras de entrada y asimetría competitiva
  • 3.4. La incertidumbre política sobre la continuidad del CAISI
• Sección 4. La Unión Europea como regulador global: el EU AI Act y el hito del 2 de agosto de 2026
  • 4.1. Estructura del Reglamento: clasificación de riesgos y obligaciones por niveles
  • 4.2. Las obligaciones para modelos de propósito general y de riesgo sistémico
  • 4.3. El "Digital Omnibus on AI" de junio de 2026: ajustes y aplazamientos
  • 4.4. El problema de la capacidad de supervisión: la AI Office y sus limitaciones
  • 4.5. Efecto extraterritorial y su repercusión en proveedores no europeos
• Sección 5. La respuesta de los mercados: rentabilidad, autonomía tecnológica y reconfiguración del sector
  • 5.1. Samsung: beneficios récord y caída bursátil como señal de alerta
  • 5.2. Meta y su chip Iris: la desagregación del suministro de semiconductores
  • 5.3. El giro comercial de Meta: del open source a la monetización vía API
  • 5.4. Reacciones de los inversores y evaluación de la burbuja de gasto en infraestructura
• Sección 6. Análisis integrador: hacia un nuevo paradigma de gobernanza de la IA
  • 6.1. Convergencia de factores: litigios, supervisión, regulación y mercado
  • 6.2. El "efecto filtro": barreras de entrada para startups y consolidación oligopólica
  • 6.3. Nuevos criterios de selección de proveedores para empresas usuarias
  • 6.4. Riesgos sistémicos y capacidad institucional insuficiente
• Sección 7. Conclusiones: la IA como sector regulado y el futuro de la innovación
  • 7.1. Recapitulación de hallazgos
  • 7.2. Implicaciones para la política regulatoria
  • 7.3. Líneas abiertas de investigación
• Bibliografía

SECCIÓN 1. INTRODUCCIÓN: DE LA CARRERA POR LA INNOVACIÓN AL IMPERIO DE LA REGLA

1.1. Planteamiento y tesis del artículo

Durante los años 2023 a 2025, el sector de la inteligencia artificial (IA) se caracterizó por una dinámica de competencia acelerada, escasamente intervenida por los poderes públicos, en la que el criterio dominante era la velocidad de desarrollo y la capacidad de escalado computacional. Este periodo, que puede calificarse como la fase de expansión no regulada, tuvo como rasgos distintivos la ausencia de controles previos a la comercialización, la movilidad sin restricciones del talento altamente cualificado entre las grandes tecnológicas y una confianza casi ilimitada de los mercados financieros en el retorno de las inversiones en infraestructura.

El 12 de julio de 2026, Jose Luis Cases publicó un artículo en LinkedIn titulado "La IA acaba de entrar en su era regulatoria" (1), que sintetiza un conjunto de acontecimientos ocurridos entre mayo y julio de ese año. La tesis central del artículo, y la que asume este trabajo, es que la IA ha dejado de ser un espacio de excepción tecnológica para convertirse en un sector progresivamente institucionalizado, sometido a las lógicas del Derecho, la supervisión administrativa y la disciplina de los mercados financieros.

Tres órdenes de hechos fundamentan esta tesis:

Primero, el litigio planteado por Apple contra OpenAI el 10 de julio de 2026 ante el Tribunal de Distrito de los Estados Unidos para el Distrito Norte de California (4) (5). Apple acusa a OpenAI de apropiación indebida de secretos comerciales relacionados con el desarrollo de hardware, en particular mediante la contratación sistemática de ingenieros de Apple que habrían llevado consigo información confidencial. Este litigio supone la irrupción del Derecho de secretos comerciales como un mecanismo de guerra competitiva en el sector de la IA, con efectos potencialmente paralizantes sobre los proyectos de hardware de OpenAI.

Segundo, el establecimiento de un mecanismo de supervisión previa a la comercialización de modelos de IA de vanguardia en Estados Unidos. El 5 de mayo de 2026, el Center for AI Standards and Innovation (CAISI), dependiente del Departamento de Comercio, anunció acuerdos con Google DeepMind, Microsoft y xAI para evaluar sus modelos antes de su despliegue (12) (13). Este giro supone el abandono del enfoque "hands off" que había caracterizado la política de IA de la administración estadounidense hasta ese momento, y configura un sistema de control previo que, aunque formalmente voluntario, se ha convertido en una condición de facto para el lanzamiento de los modelos más avanzados.

Tercero, la inminente entrada en vigor de obligaciones sustantivas derivadas del Reglamento (UE) 2024/1689 (EU AI Act), cuyo núcleo de cumplimiento para modelos de propósito general y de riesgo sistémico comienza a aplicarse el 2 de agosto de 2026 (20) (19). Esta fecha constituye un hito regulatorio de alcance global, dado el efecto extraterritorial del Reglamento, que alcanza a cualquier proveedor que ofrezca servicios en el mercado único europeo.

A estos hechos se suman dos fenómenos de naturaleza económica que refuerzan la tesis del giro regulatorio. Por un lado, los resultados financieros de Samsung Electronics correspondientes al segundo trimestre de 2026, publicados el 7 de julio, que, pese a batir récords históricos de beneficio, provocaron una caída del 7 % en el valor de sus acciones (23) (24). Los analistas interpretaron esta reacción como un síntoma de que los mercados comienzan a cuestionar la sostenibilidad del gasto en infraestructura de IA. Por otro lado, el anuncio por parte de Meta de la producción en serie de su chip de IA propio, denominado "Iris", programada para septiembre de 2026 (25), lo que evidencia una estrategia de reducción de dependencia de Nvidia y una reconfiguración de la cadena de suministro de semiconductores para IA.

El presente artículo tiene como objetivo ofrecer un análisis exhaustivo e integrado de estos acontecimientos, examinándolos desde una perspectiva multidisciplinar que combina el Derecho de secretos comerciales, el Derecho administrativo de la Unión Europea, la economía industrial y la gobernanza tecnológica. La tesis que se defenderá es que estamos asistiendo a la conformación de un nuevo paradigma de gobernanza de la IA, caracterizado por la confluencia de tres vectores: el litigio como herramienta competitiva, la supervisión administrativa previa como condición de acceso al mercado y la presión de los mercados financieros por la rentabilidad. Este paradigma tiene consecuencias profundas sobre la estructura del sector, en particular sobre las barreras de entrada para nuevos actores y la reconfiguración de las alianzas estratégicas entre las grandes tecnológicas.

1.2. Metodología y fuentes

El análisis que se presenta se fundamenta en una metodología de investigación documental y análisis de fuentes primarias y secundarias. De conformidad con el principio de fidelidad a las fuentes que rige este trabajo, se ha procedido a la verificación y jerarquización de la información disponible.

La fuente de partida es el artículo de Jose Luis Cases en LinkedIn (1), que constituye el desencadenante del análisis. No obstante, conforme a la jerarquía de fuentes establecida, este artículo ha sido contrastado con los documentos originales y las noticias que refiere. En particular:

• La demanda de Apple contra OpenAI ha sido documentada a través de las coberturas de Associated Press (4), The New York Times (5), WIRED (6) y Los Angeles Times (7), que ofrecen descripciones detalladas de las alegaciones y de las partes implicadas. No se ha tenido acceso al texto íntegro de la demanda, por lo que las afirmaciones sobre su contenido se presentan con la atribución a dichas fuentes periodísticas.

• Los acuerdos del CAISI con Google, Microsoft y xAI han sido documentados a través de las coberturas de Nextgov/FCW (12), BBC News (13), Axios (15), CNBC (15) y The Verge (12). Estas fuentes ofrecen información sobre el alcance de las evaluaciones y el contexto político en el que se producen.

• El EU AI Act y sus plazos de aplicación han sido analizados a partir de las guías técnicas de los bufetes Orrick (20), DLA Piper (20), Freshfields (21) y Jones Walker (20), así como del artículo de Review of AI Law (19). Estas fuentes proporcionan una interpretación autorizada de las obligaciones que entran en vigor el 2 de agosto de 2026.

• Los resultados financieros de Samsung y la reacción del mercado han sido documentados a través de CNBC (23), Yahoo Finance (24) y Quartz (24).

• El anuncio del chip Iris de Meta se basa en la información exclusiva de Reuters (25), confirmada por Nasdaq (28) y Quartz (27).

Adicionalmente, se han incorporado análisis de instituciones académicas y think tanks: el Stanford AI Index Report 2026 (29) proporciona el contexto de evolución del sector; los trabajos de Brookings Institution (30) ofrecen un marco para comprender la estructura de mercado de la IA y los conflictos emergentes en torno a los centros de datos; y el Center for European Policy (31) y Control Risks (32) aportan perspectivas sobre la competencia y la divergencia regulatoria transatlántica.

La principal limitación documental del presente estudio es la ausencia de acceso al texto íntegro de la demanda Apple vs. OpenAI. En consecuencia, el análisis jurídico de dicha demanda se basa en las descripciones proporcionadas por las fuentes periodísticas y en el conocimiento del marco legal aplicable, en particular la Defend Trade Secrets Act de 2016 y la jurisprudencia del Tribunal de Distrito del Distrito Norte de California, incluyendo el precedente Waymo LLC v. Uber Technologies, Inc. (13), que las propias fuentes citan como paralelo. Todas las afirmaciones que no puedan ser verificadas directamente se identificarán expresamente como tales.

El enfoque adoptado es multidisciplinar, integrando el Derecho, la economía y la ciencia política, pero limitándose a aquellos conocimientos necesarios para comprender correctamente el asunto, sin extenderse en consideraciones ajenas al objeto de estudio.

SECCIÓN 2. EL LITIGIO APPLE CONTRA OPENAI: EL SECRETO COMERCIAL COMO ARMA ESTRATÉGICA

2.1. Hechos de la demanda y partes implicadas

El 10 de julio de 2026, Apple Inc. presentó una demanda ante el Tribunal de Distrito de los Estados Unidos para el Distrito Norte de California (con sede en San José) contra OpenAI y varios de sus empleados y entidades vinculadas (3) (9) (6) (5). La demanda, que constituye una de las acciones legales de mayor envergadura en el sector tecnológico desde el caso Waymo vs. Uber en 2017, supone una ruptura dramática en la relación entre dos empresas que habían mantenido una alianza comercial desde 2024 (9) (4).

2.1.1. Partes demandantes

La parte demandante es Apple Inc., con sede en Cupertino, California.

2.1.2. Partes demandadas

La demanda nombra como codemandados a las siguientes entidades y personas físicas (3) (8) (5):

Demandado	Cargo en OpenAI	Cargo anterior en Apple
Tang Yew Tan	Chief Hardware Officer	Vicepresidente de diseño de producto para iPhone y Apple Watch (24 años en Apple)
Chang Liu	Ingeniero de hardware (incorporación en enero de 2026)	Senior System Electrical Engineer (ocho años en Apple)
OpenAI Foundation	Entidad matriz	—
OpenAI Group PBC	Entidad operativa	—
io Products LLC	Startup de hardware adquirida por OpenAI en 2025	Fundada por exempleados de Apple (Jony Ive, Tang Tan, Scott Cannon, Evans Hankey)

2.1.3. Contexto de la relación previa

Apple y OpenAI mantuvieron una alianza estratégica desde 2024, cuando integraron ChatGPT en los dispositivos de Apple como motor de respuesta para consultas que Siri no podía satisfacer (3) (8). Sin embargo, la relación se fue deteriorando progresivamente. OpenAI reclutó a más de 400 exempleados de Apple (3) (9) (6), incluyendo a figuras de primer nivel como Tang Tan y, notablemente, a Jony Ive, el legendario diseñador de Apple que había supervisado el diseño del iPhone, el iMac y otros productos emblemáticos. En 2025, OpenAI adquirió io Products, la startup de hardware cofundada por Ive y Tan, por un importe de 6.500 millones de dólares (9) (7). Esta adquisición, junto con la contratación masiva de talento de Apple, constituye el trasfondo sobre el que se desarrolla el litigio.

Apple, por su parte, comenzó a sustituir progresivamente ChatGPT por el modelo Gemini de Google en sus funcionalidades de IA a lo largo de 2026 (8) (9), lo que evidencia el enfriamiento de la relación comercial.

2.1.4. Las alegaciones centrales de Apple

La demanda formula una acusación de apropiación indebida de secretos comerciales (trade secret misappropriation) y incumplimiento de contrato (breach of contract) (3) (5) (6). Apple sostiene que OpenAI ha llevado a cabo una "campaña coordinada de mala conducta a nivel institucional" (2), con el objetivo de obtener información confidencial sobre productos no lanzados, procesos de fabricación y relaciones con proveedores.

La formulación más dura de la demanda es la siguiente:

"OpenAI's nascent hardware business now rests on the shakiest of foundations, rotten to its core by its illegal reliance on misappropriated trade secrets." (3) (9) (6) (4)(El negocio incipiente de hardware de OpenAI se asienta sobre los cimientos más endebles, podrido hasta su núcleo por su dependencia ilegal de secretos comerciales indebidamente apropiados.)

Apple sostiene que OpenAI, bajo presión para lanzar su primer producto comercial de hardware, recurrió "a tomar atajos ilegales" (9).

2.1.5. Conductas específicas imputadas

La demanda detalla un conjunto de conductas que, según Apple, constituyen un "patrón de robo" (8). A continuación se enumeran las imputaciones más relevantes, con indicación expresa de la fuente que las recoge:

a) Sustracción de archivos confidenciales por parte de Chang Liu

Chang Liu, que se incorporó a OpenAI en enero de 2026, habría conservado un ordenador portátil propiedad de Apple tras su salida. Según la demanda, Liu accedió y descargó "docenas de archivos confidenciales relacionados con hardware" desde el dispositivo de Apple (3) (6). Los archivos incluían "información voluminosa y detallada sobre productos no lanzados, presentaciones de ingeniería, especificaciones técnicas y datos de proyectos propietarios" (6). Además, Liu habría explotado un fallo de autenticación en la red de Apple para acceder a sistemas internos; en lugar de informar del error, envió un mensaje de texto a un compañero con el comentario "LOL" (7).

b) Instrucciones a candidatos en entrevistas

Apple alega que Tang Tan, en su calidad de Chief Hardware Officer de OpenAI, instruyó a candidatos que aún trabajaban en Apple para que llevaran a las entrevistas "partes reales" ("actual parts") de Apple como "accesorios" ("props") para "mostrar y explicar" ("show and tell") (3) (8) (9). La demanda sostiene que OpenAI "aconsejó activamente" a los empleados que abandonaban Apple sobre cómo evitar el "dreaded walk out" (la salida inmediata que les impediría seguir accediendo a información confidencial durante el preaviso de dos semanas) (6).

c) Aproximación a proveedores de Apple

La demanda alega que OpenAI utilizó la información obtenida para aproximarse a los proveedores de Apple, solicitando a uno de ellos que demostrara la técnica de Apple para el acabado metálico de sus dispositivos (4).

d) Adquisición de io Products como vehículo de apropiación

Apple sostiene que la adquisición de io Products, cofundada por Tan y Ive, formaba parte de un "esfuerzo coordinado" para obtener secretos comerciales de Apple, incluyendo técnicas de fabricación y relaciones con proveedores (5).

2.1.6. El intento de resolución extrajudicial

Apple afirma que, en febrero de 2026, remitió a OpenAI una carta expresando sus preocupaciones sobre la posible filtración de información confidencial (3) (8) (4). Según la demanda, OpenAI no respondió a esta comunicación (3), lo que motivó la presentación de la demanda.

2.1.7. La respuesta de OpenAI

OpenAI, a través de su portavoz Drew Pusateri, emitió una declaración en la que rechaza las acusaciones:

"We have no interest in other companies' trade secrets. We remain focused on building innovative technology that empowers people everywhere." (3) (8) (9)(No tenemos interés en los secretos comerciales de otras empresas. Seguimos centrados en construir tecnología innovadora que empodere a las personas en todo el mundo.)

OpenAI señaló que está revisando la demanda (8). Tang Tan no respondió inmediatamente a las solicitudes de comentarios (9).

2.2. Fundamentos jurídicos: la Defend Trade Secrets Act y los requisitos del secreto comercial

2.2.1. El marco legal aplicable

La demanda de Apple se fundamenta principalmente en la Defend Trade Secrets Act (DTSA) de 2016 (18 U.S.C. § 1836 y ss.) (4), que establece una acción civil federal por apropiación indebida de secretos comerciales (4). La DTSA permite a los propietarios de secretos comerciales iniciar acciones en los tribunales federales cuando el secreto comercial está relacionado con un producto o servicio utilizado o destinado a ser utilizado en el comercio interestatal o extranjero (4).

Adicionalmente, la demanda invoca la Uniform Trade Secrets Act (UTSA) de California, que es la ley estatal aplicable (10). El Tribunal de Distrito del Norte de California tiene competencia para conocer tanto de las reclamaciones federales como de las estatales.

2.2.2. Los elementos del secreto comercial

Para que una información sea calificada como secreto comercial a efectos de la DTSA, el demandante debe probar tres elementos acumulativos:

1. La existencia de un secreto comercial: información que derive valor económico independiente de no ser generalmente conocida o fácilmente determinable.

2. Medidas razonables para mantener su secreto: el propietario debe haber adoptado esfuerzos razonables para mantener la información en secreto.

3. Apropiación indebida: la información fue adquirida, divulgada o utilizada mediante medios impropios.

En el caso de Apple, los secretos comerciales presuntamente apropiados incluyen: diseños de productos no lanzados, prototipos, especificaciones técnicas, presentaciones de ingeniería, técnicas de fabricación (especialmente el acabado metálico), relaciones con proveedores y datos de proyectos internos.

Apple sostiene que ha adoptado medidas razonables para proteger esta información (políticas de seguridad, controles de acceso, protocolos de salida de empleados), y que OpenAI ha adquirido y utilizado esta información mediante la contratación de exempleados que la sustrajeron.

2.2.3. La apropiación indebida y el papel de los exempleados

La DTSA define la apropiación indebida (misappropriation) como la adquisición de un secreto comercial por una persona que sabe o tiene razón para saber que el secreto comercial fue adquirido mediante medios impropios; o la divulgación o uso de un secreto comercial sin consentimiento. En el caso de Apple, la teoría de la acusación es que OpenAI, a través de Tang Tan y Chang Liu, adquirió secretos comerciales de Apple mediante la contratación de exempleados que los sustrajeron, y que OpenAI utilizó esa información para desarrollar su propio negocio de hardware. Apple sostiene que existe un "patrón coordinado de mala conducta a nivel institucional" (2), lo que implica que la apropiación no fue un acto aislado de un empleado deshonesto, sino una estrategia deliberada de la empresa.

2.3. Consecuencias procesales: medidas cautelares y discovery

2.3.1. Las pretensiones de Apple

Apple solicita al tribunal las siguientes medidas (2) (8) (6) (5):

• Una orden judicial preliminar (preliminary injunction) que prohíba a OpenAI poseer, utilizar o compartir los secretos comerciales de Apple (2).

• Una orden de restitución que obligue a OpenAI a devolver toda la propiedad intelectual de Apple (2).

• Daños y perjuicios económicos no especificados (unspecified monetary damages) (8).

• Un juicio con jurado (jury trial) (6).

• Adicionalmente, Apple solicita que OpenAI rediseñe sus productos para que no incorporen tecnología de Apple (6).

2.3.2. El estándar para la orden judicial preliminar

Para obtener una orden judicial preliminar, Apple deberá convencer al tribunal de que concurren los siguientes requisitos (según la jurisprudencia del Noveno Circuito):

1. Probabilidad de éxito en el fondo (likelihood of success on the merits): Apple debe demostrar que es probable que prevalezca en su reclamación de apropiación indebida de secretos comerciales.

2. Daño irreparable (irreparable harm): Apple debe acreditar que, sin la medida cautelar, sufrirá un daño que no puede ser compensado con una indemnización económica.

3. Balance de intereses (balance of equities): el perjuicio para Apple debe ser mayor que el perjuicio para OpenAI si se concede la medida.

4. Interés público (public interest): la medida debe servir al interés público.

Apple argumenta que el daño es irreparable porque la divulgación de secretos comerciales — una vez realizada — no puede deshacerse, y que OpenAI está utilizando esa información para lanzar productos que competirán directamente con los de Apple. Apple también ha comenzado a enviar cartas legales a unos 40 exempleados que ahora trabajan en OpenAI para preservar pruebas (20).

2.3.3. El discovery como arma estratégica

Más allá del resultado final del litigio, el proceso de discovery (revelación de pruebas) puede tener un impacto devastador sobre OpenAI. Durante el discovery, Apple podrá solicitar la producción de documentos internos de OpenAI, correos electrónicos, comunicaciones y registros de desarrollo de hardware. Este proceso puede:

• Paralizar el desarrollo de hardware: los ingenieros y ejecutivos de OpenAI deberán dedicar tiempo a declaraciones (depositions) y a la búsqueda de documentos, sustrayéndolos de las tareas de I+D (9).

• Exponer información estratégica: los documentos internos de OpenAI, incluyendo sus planes de producto y su estrategia de hardware, quedarán expuestos en el proceso judicial, incluso si finalmente no se publican, al menos serán conocidos por Apple y sus abogados (9).

• Ejercer presión para un acuerdo: el coste y la exposición del discovery pueden llevar a OpenAI a negociar un acuerdo, como ocurrió en el caso Waymo vs. Uber, que se resolvió por 245 millones de dólares durante el juicio (9).

2.3.4. El calendario procesal

La demanda se presentó el 10 de julio de 2026. OpenAI dispone de un plazo para presentar su respuesta (answer) y eventualmente solicitar el sobreseimiento (motion to dismiss). El caso se encuentra en sus fases iniciales, y no hay información pública sobre la fecha del juicio. La decisión sobre la orden judicial preliminar podría producirse en las próximas semanas o meses.

2.4. Paralelismo con el caso Waymo vs. Uber y su valor como precedente

2.4.1. Los hechos del caso Waymo vs. Uber

El caso Waymo LLC v. Uber Technologies, Inc. (N.D. Cal., 2017) (10) es el precedente más citado en relación con el litigio Apple-OpenAI. Waymo, la división de vehículos autónomos de Alphabet, demandó a Uber por apropiación indebida de secretos comerciales relacionados con su tecnología LiDAR (detección y medición por luz). La demanda se basaba en la contratación por parte de Uber de Anthony Levandowski, un exingeniero de Waymo que, antes de abandonar la empresa, descargó miles de archivos confidenciales (10). Levandowski fundó Ottomotto, que Uber adquirió posteriormente (10).

2.4.2. Paralelismos estructurales

Elemento	Waymo vs. Uber	Apple vs. OpenAI
Demandante	Waymo (Alphabet)	Apple
Demandado	Uber	OpenAI
Secreto comercial	Tecnología LiDAR	Diseños de hardware, prototipos, técnicas de fabricación
Empleado clave	Anthony Levandowski	Tang Tan, Chang Liu
Mecanismo	Exempleado descarga archivos antes de irse	Exempleados conservan dispositivos y descargan archivos
Estructura	Adquisición de la startup de Levandowski (Ottomotto)	Adquisición de io Products (cofundada por Tan)

2.4.3. Lecciones del precedente

El caso Waymo vs. Uber ofrece varias lecciones para el litigio actual:

a) El discovery puede ser decisivo. En el caso Waymo, el juez William Alsup ordenó a Uber la producción de documentos y designó a un special master para supervisar el proceso (4). La presión del discovery llevó a Uber a despedir a Levandowski y a buscar un acuerdo.

b) Los acuerdos son frecuentes. Uber acordó pagar 245 millones de dólares y conceder a Waymo una participación del 0,34 % en su capital para resolver el caso durante el juicio en 2018 (9).

c) El daño reputacional es significativo. El caso expuso públicamente las prácticas de contratación de Uber y dañó su reputación. OpenAI, que se prepara para una Oferta Pública Inicial (OPI), enfrenta un riesgo similar (7).

Sin embargo, existen diferencias importantes. En Waymo vs. Uber, el juez Alsup remitió el caso al fiscal para que investigara posibles delitos penales, lo que añadió una dimensión penal. No hay indicios de que Apple haya solicitado una investigación penal en este caso. Además, el caso Waymo se refería a una tecnología concreta (LiDAR), mientras que el de Apple abarca un espectro más amplio de secretos comerciales.

2.5. Impacto en la alianza comercial Apple-OpenAI

2.5.1. La alianza de 2024

En 2024, Apple y OpenAI firmaron un acuerdo para integrar ChatGPT en los dispositivos de Apple (iPhone, MacBook y iPad) (3) (9). ChatGPT actuaba como un "motor de respuestas" cuando Siri no podía satisfacer las consultas de los usuarios (3). Esta alianza fue presentada como un hito en la colaboración entre una empresa de hardware y una de IA.

2.5.2. El deterioro de la relación

La relación se fue deteriorando por varias razones:

• Reclutamiento masivo: OpenAI contrató a más de 400 exempleados de Apple, incluyendo a altos ejecutivos (3) (9) (6).

• Adquisición de io Products: la compra de la startup de Ive y Tan por 6.500 millones de dólares fue vista por Apple como una amenaza directa (9) (7).

• Competencia en hardware: OpenAI está desarrollando su propio hardware, incluyendo un dispositivo que muchos analistas consideran un potencial competidor del iPhone (3). Se espera que OpenAI lance un primer producto (un teclado para sus herramientas de IA) en julio de 2026, según la BBC (8).

• Sustitución por Google: Apple comenzó a trasladar sus funcionalidades de IA al modelo Gemini de Google, lo que evidencia la ruptura de la confianza (8) (9).

2.5.3. Consecuencias de la ruptura

La demanda tiene consecuencias inmediatas y a largo plazo:

• Fin de la cooperación: la alianza comercial está efectivamente rota. Apple y OpenAI son ahora competidores directos en el mercado de dispositivos de IA.

• Incertidumbre sobre los productos de OpenAI: si el tribunal concede la orden judicial preliminar, OpenAI podría verse obligada a rediseñar sus productos o retrasar su lanzamiento (6).

• Riesgo para la OPI de OpenAI: OpenAI se prepara para una oferta pública inicial en los próximos meses (8) (6) (7). El litigio, especialmente si se concede una orden judicial, podría afectar negativamente a su valoración y retrasar sus planes de salida a bolsa (7).

2.5.4. Declaraciones de las partes

Apple, a través de su portavoz Hannah Smith, declaró:

"We will always defend our teams' hard work and innovations, and we are taking all appropriate steps to do so." (3) (9)(Siempre defenderemos el trabajo duro y las innovaciones de nuestros equipos, y estamos tomando todas las medidas apropiadas para hacerlo.)

Tim Cook, consejero delegado saliente de Apple, había integrado ChatGPT en los dispositivos de Apple, pero la relación se ha deteriorado hasta el punto de que, cuando Cook anunció su retirada en abril de 2026, Sam Altman, consejero delegado de OpenAI, le elogió públicamente como "una leyenda" (8), un gesto que ahora parece irónico a la luz del litigio.

2.6. Análisis de riesgos y perspectivas

2.6.1. Riesgos para OpenAI

1. Riesgo de orden judicial: si el tribunal concede la orden judicial preliminar, OpenAI podría verse impedida de utilizar la información presuntamente apropiada, lo que paralizaría su desarrollo de hardware.

2. Riesgo de daños económicos: Apple solicita daños no especificados. En función de la gravedad de la apropiación, estos podrían ser sustanciales.

3. Riesgo reputacional: el litigio expone públicamente las prácticas de contratación de OpenAI, lo que puede dañar su imagen y dificultar la captación de talento.

4. Riesgo para la OPI: la incertidumbre legal puede reducir el apetito de los inversores y retrasar la salida a bolsa.

2.6.2. Riesgos para Apple

1. Riesgo de no probar las alegaciones: Apple debe demostrar que la información sustraída constituye realmente un secreto comercial y que OpenAI la utilizó indebidamente. Si no logra probarlo, el caso podría ser desestimado.

2. Riesgo de exposición de su propia información: durante el discovery, Apple también deberá revelar información interna, lo que podría exponer sus propios secretos.

3. Riesgo de dañar su relación con otros socios: el litigio puede enviar una señal a otros socios tecnológicos de que Apple es litigiosa, lo que podría dificultar futuras alianzas.

2.6.3. Perspectivas

El litigio se encuentra en sus fases iniciales. La decisión sobre la orden judicial preliminar será un indicador clave de la solidez de las alegaciones de Apple. Si el tribunal concede la medida cautelar, OpenAI se verá bajo una presión significativa para negociar un acuerdo. Si la deniega, Apple podría reconsiderar su estrategia.

Según el análisis de Bloomberg, incluso si las acusaciones de Apple no se confirman plenamente, el mero proceso de discovery y las medidas cautelares pueden paralizar el desarrollo de hardware de OpenAI durante meses o años (9). Este efecto estratégico del litigio — independientemente de su resultado final — es quizás el aspecto más relevante desde la perspectiva de la competencia en el sector.

La fuente no aclara si existen otros litigios paralelos o si las partes han iniciado conversaciones extrajudiciales desde la presentación de la demanda. Tampoco existe evidencia suficiente para afirmar que el caso vaya a resolverse mediante un acuerdo similar al de Waymo vs. Uber, aunque es una hipótesis plausible dado el coste y la exposición del litigio.

SECCIÓN 3. LA SUPERVISIÓN GUBERNAMENTAL DE MODELOS: EL CAISI Y EL GIRO DE EE.UU. HACIA EL CONTROL PREVIO

3.1. Origen y competencias del Center for AI Standards and Innovation

3.1.1. La evolución institucional: de AISI a CAISI

El Center for AI Standards and Innovation (CAISI) tiene su origen en el U.S. AI Safety Institute (AISI), creado mediante una orden ejecutiva de la administración Biden en 2023 (12) (16) (15) (18). El AISI fue concebido como el principal órgano del gobierno federal para la evaluación de la seguridad de los modelos de inteligencia artificial, estableciendo acuerdos voluntarios con los principales desarrolladores del sector (12).

En junio de 2025, la administración Trump reformó profundamente esta institución. El Secretario de Comercio, Howard Lutnick, anunció la transformación del AISI en el Center for AI Standards and Innovation (CAISI) (12) (13) (15). El cambio no fue meramente nominal: supuso un reenfoque de sus competencias, alejándose de la investigación general sobre seguridad hacia la evaluación de riesgos demostrables para la seguridad nacional (12). CAISI fue definido como el "principal punto de contacto de la industria dentro del gobierno de EE.UU. para facilitar pruebas e investigación colaborativa relacionada con el aprovechamiento y la seguridad de los sistemas de IA comerciales" (13). Aunque el cambio de nombre fue criticado por algunos como un debilitamiento de su misión, la evidencia disponible sugiere que, en la práctica, CAISI ha mantenido y ampliado su actividad evaluadora (12) (15).

3.1.2. Estructura orgánica y dependencia

CAISI se encuentra integrado en el National Institute of Standards and Technology (NIST) (12) (16) (18), que a su vez forma parte del Departamento de Comercio de los Estados Unidos (12) (16) (18). Esta ubicación institucional le proporciona una base científica y técnica sólida, aunque su dependencia del poder ejecutivo lo expone a las cambiantes prioridades políticas de la administración de turno (12) (18).

3.1.3. Competencias y ámbito de actuación

Según la documentación oficial y las declaraciones de sus responsables, CAISI tiene atribuidas las siguientes competencias principales:

• Evaluaciones previas al despliegue (pre-deployment evaluations) de modelos de IA de vanguardia, en entornos clasificados cuando sea necesario (12) (16) (18).

• Evaluaciones posteriores al despliegue (post-deployment assessments) para verificar el comportamiento de los modelos una vez en producción (14) (15).

• Investigación específica (targeted research) para comprender mejor las capacidades de la IA de vanguardia y mejorar la seguridad de la IA (11) (16).

• Desarrollo de mejores prácticas para sistemas de IA comerciales (16) (18).

• Evaluación de sistemas de IA extranjeros, incluyendo la identificación de backdoors y comportamientos maliciosos encubiertos (12).

El ámbito material de las evaluaciones abarca riesgos en materia de ciberseguridad, bioseguridad y armas químicas (12). En palabras de su director, Chris Fall: "Independent, rigorous measurement science is essential to understanding frontier AI and its national security implications" (12) (15) (18) (16)(La ciencia de medición independiente y rigurosa es esencial para comprender la IA de vanguardia y sus implicaciones para la seguridad nacional).

Hasta mayo de 2026, CAISI había completado más de 40 evaluaciones de herramientas de IA, incluyendo modelos de vanguardia que nunca fueron lanzados al público (12) (14) (16) (15). Entre sus trabajos previos destaca la evaluación del modelo chino DeepSeek, cuyos resultados — que señalaban deficiencias en precisión, seguridad y eficiencia de costes — fueron publicados en septiembre de 2025 (18). CAISI también evaluó y realizó pruebas de red-teaming de los modelos de OpenAI y Anthropic, así como de algunos modelos que permanecen inéditos (12) (16).

3.1.4. La dirección de CAISI

En el momento de los acuerdos de mayo de 2026, CAISI estaba dirigido por Chris Fall (12) (16) (15) (18), quien había sido nombrado recientemente para el cargo. Fall sustituyó a Collin Burns, un exempleado de Anthropic que, según fuentes periodísticas, fue "presuntamente apartado" del cargo tras apenas cuatro días en el puesto (15) (18). Este episodio evidencia la tensión política que rodea a la institución y su exposición a las disputas entre la administración y los desarrolladores de IA (18).

3.2. Los acuerdos con Google, Microsoft y xAI: alcance y limitaciones

3.2.1. El anuncio del 5 de mayo de 2026

El 5 de mayo de 2026, CAISI anunció la firma de acuerdos con Google DeepMind, Microsoft y xAI para someter sus modelos de inteligencia artificial a revisión antes de su lanzamiento al público (11) (12) (17) (16) (15) (18) (14). Estos acuerdos suponen la ampliación de un programa que ya incluía a OpenAI y Anthropic desde 2024 (17) (16) (15) (11) (14).

Los términos de los acuerdos fueron renegociados para alinearse con las directrices del Secretario de Comercio Howard Lutnick y con el "AI Action Plan" de la administración Trump (15) (18) (11) (14). La orden ejecutiva sobre IA firmada por el presidente Trump en junio de 2025, y su posterior desarrollo normativo, establecen las bases de este nuevo marco (16) (15). Según la nota de prensa de CAISI, los acuerdos permiten: "evaluaciones previas al despliegue e investigaciones específicas para evaluar mejor las capacidades de la IA de vanguardia y mejorar la seguridad de la IA" (16).

3.2.2. Las empresas implicadas

Empresa	Modelo principal	Notas
Google DeepMind	Gemini	En uso en agencias de defensa y militares de EE.UU. (16)
Microsoft	Copilot	La empresa declaró que ya prueba sus propios modelos, pero que la colaboración con el gobierno es necesaria para riesgos de seguridad nacional (16)
xAI	Grok	Modelo de Elon Musk, que ha estado bajo escrutinio público (16)

Estas tres empresas se suman a los acuerdos previos con OpenAI y Anthropic, lo que eleva a cinco el número de laboratorios de IA de vanguardia sometidos al programa de evaluación de CAISI (17) (11). Los acuerdos anteriores, firmados en agosto de 2024 bajo la administración Biden, han sido renegociados para reflejar las nuevas directrices (11) (14).

3.2.3. Contenido y alcance de los acuerdos

Los acuerdos contemplan tres tipos de actuaciones (11) (14) (15) (18):

1. Evaluaciones previas al despliegue: CAISI tendrá acceso a los modelos antes de su lanzamiento público para evaluar sus capacidades y riesgos. Las pruebas se realizan en entornos clasificados (18).

2. Evaluaciones posteriores al despliegue: una vez que los modelos estén en producción, CAISI continuará monitorizando su comportamiento y realizando investigaciones adicionales (11) (14) (15).

3. Investigación específica: CAISI podrá estudiar modelos con salvaguardas reducidas o eliminadas para comprender mejor sus capacidades no mitigadas (18).

Los acuerdos se basan en el intercambio de información entre CAISI y los desarrolladores de modelos (18). Según Microsoft, la empresa ya somete sus modelos a pruebas internas, pero "testing for national security and large-scale public safety risks necessarily must be a collaborative endeavour with governments" (16) (las pruebas para riesgos de seguridad nacional y de seguridad pública a gran escala necesariamente deben ser un esfuerzo colaborativo con los gobiernos).

3.2.4. La motivación: el "efecto Mythos"

Todos los análisis coinciden en señalar un factor desencadenante de este giro regulatorio: el anuncio por parte de Anthropic, en abril de 2026, de su modelo Claude Mythos Preview (16) (14) (18). Mythos es un modelo de ciberseguridad con una capacidad extrema para identificar vulnerabilidades críticas en software (16) (14). La propia empresa decidió no lanzarlo al público — limitando su acceso a un grupo selecto de organizaciones — debido al riesgo de que pudiera desencadenar una "crisis de ciberseguridad" (16) (14). Mythos fue calificado por Anthropic como "far ahead" (muy por delante) de otros modelos en materia de ciberseguridad (16).

La existencia de un modelo que la propia empresa desarrolladora considera demasiado peligroso para su lanzamiento público puso en evidencia las limitaciones del enfoque "hands off" (no intervencionista) que había caracterizado la política de IA de la administración Trump (16) (15). Según la cobertura especializada, el episodio Mythos impulsó a la Casa Blanca a estudiar un proceso formal de revisión previa para los modelos de IA de vanguardia, en línea con el modelo británico de evaluación por agencias (16). El anuncio de los acuerdos CAISI se produjo apenas unos días después de que distintos medios informaran de que la administración estaba considerando una mayor supervisión de los modelos de IA (15) (18).

3.2.5. La naturaleza "voluntaria" de los acuerdos

Formalmente, los acuerdos son voluntarios. Las empresas no están legalmente obligadas a someter sus modelos a la revisión de CAISI. Sin embargo, en la práctica, la participación en el programa se ha convertido en una condición de facto para operar en el mercado estadounidense de IA de vanguardia. Como señala el análisis del Cloud Security Alliance, estos acuerdos representan un paso "desde los compromisos voluntarios de la industria hacia una evaluación gubernamental institucionalizada". La naturaleza voluntaria, no obstante, otorga a las empresas un margen de maniobra que podría desaparecer si la administración opta por imponer un marco normativo vinculante (15) (14).

3.2.6. La ausencia de publicidad: la página web desaparecida

Un aspecto relevante, aunque no directamente relacionado con el contenido de los acuerdos, es que la página web del Departamento de Comercio que anunciaba estos acuerdos dejó de estar accesible aproximadamente una semana después de su publicación (17). Gizmodo informó de que "the Commerce Department's Center for AI Standards and Innovation (CAISI) announced a deal with the AI companies Microsoft, xAI, and Google that allowed the government to inspect unreleased AI models before they're released to the general public" (17), pero el enlace oficial fue retirado. Esta circunstancia, junto con otros indicios, apunta a tensiones internas dentro de la administración sobre el alcance y la publicidad de la supervisión de la IA, como se analiza en el apartado siguiente.

3.3. Implicaciones para el mercado: barreras de entrada y asimetría competitiva

3.3.1. El CAISI como barrera de entrada

La institucionalización de la evaluación previa de modelos tiene profundas implicaciones para la estructura del mercado de la IA. El requisito de someterse a la revisión de CAISI — aunque formalmente voluntario — genera una barrera de entrada significativa para nuevos actores. Las startups y los desarrolladores más pequeños carecen de los recursos financieros, técnicos y legales para participar en un proceso de evaluación que implica:

• Acceso a entornos clasificados: las pruebas se realizan en instalaciones gubernamentales seguras (18), lo que requiere desplazamientos y acuerdos de seguridad.

• Intercambio de información con el gobierno: los desarrolladores deben compartir detalles técnicos de sus modelos, incluyendo configuraciones y, en algunos casos, pesos del modelo (18).

• Capacidad de respuesta a requerimientos: las empresas deben poder adaptar sus modelos o proporcionar información adicional en respuesta a las evaluaciones de CAISI.

• Costes legales y de cumplimiento: la participación en el programa requiere asesoramiento legal y dedicación de personal.

Como señala Jessica Ji, investigadora del Center for Security and Emerging Technology de Georgetown: "They simply don't have the same amount of resources (as big tech companies), either like manpower, technical staff and also access to compute, to cull these models, to do rigorous testing" (16) (Simplemente no tienen la misma cantidad de recursos (que las grandes tecnológicas), ni en personal, ni en personal técnico, ni en acceso a computación, para analizar estos modelos y realizar pruebas rigurosas).

3.3.2. La consolidación oligopólica

El resultado previsible es una consolidación del oligopolio existente en el sector de la IA de vanguardia. Las empresas que ya participan en el programa — Google, Microsoft, xAI, OpenAI y Anthropic — obtienen una ventaja competitiva al demostrar a los clientes y al público que sus modelos han sido evaluados y aprobados por el gobierno. Esta "certificación de facto" puede convertirse en un criterio de selección para las empresas y administraciones que deseen adoptar soluciones de IA.

A la inversa, los desarrolladores que no participan en el programa — ya sea por falta de recursos o por decisión estratégica — pueden ser percibidos como menos seguros o menos fiables. La fuente no aclara si CAISI tiene previsto ampliar el programa a más empresas o si existen mecanismos para que los desarrolladores más pequeños soliciten su inclusión.

3.3.3. El efecto sobre la innovación

El giro hacia la supervisión previa plantea un dilema clásico entre seguridad e innovación. Los defensores de un enfoque más laxo, como el asesor de IA de la Casa Blanca David Sacks, han advertido de que "an overzealous model-testing process — regardless of who oversees it — could slow deployment and hinder innovation" (18) (un proceso de pruebas de modelos demasiado celoso — independientemente de quién lo supervise — podría ralentizar el despliegue y obstaculizar la innovación).

Por otro lado, el caso de Mythos demuestra que la ausencia de supervisión puede generar riesgos sistémicos que ninguna empresa, por sí sola, está en condiciones de gestionar. La evaluación gubernamental puede proporcionar una garantía de seguridad que beneficie a todo el ecosistema, siempre que no se convierta en un instrumento de control excesivo o de protección de los incumbentes.

3.3.4. La cooperación internacional

CAISI no actúa en solitario. Los acuerdos con Google, Microsoft y xAI también contemplan la colaboración con el UK AI Security Institute (AISI) para pruebas previas al despliegue (14). Esta cooperación internacional refleja el reconocimiento de que la seguridad de la IA es un problema global que requiere coordinación entre los principales actores. Sin embargo, la fuente no aclara si existen mecanismos de intercambio de información entre CAISI y sus homólogos de otros países, ni si los resultados de las evaluaciones se comparten más allá de las fronteras estadounidenses.

3.4. La incertidumbre política sobre la continuidad del CAISI

3.4.1. La orden ejecutiva de junio de 2026

El 2 de junio de 2026, el presidente Trump firmó una orden ejecutiva titulada "Promoting American Leadership in Advanced AI Innovation and Protecting National Security" (12) (18). Esta orden, que representa un hito en la política de IA de la administración, tuvo como consecuencia inmediata la instrucción a CAISI de cesar la publicación de informes sobre sus evaluaciones de modelos (12) (18).

Según fuentes citadas por Hindustan Times y Gizmodo, funcionarios de la administración, incluyendo el Director Nacional de Ciberseguridad Sean Cairncross, ordenaron a CAISI que detuviera la publicación de sus evaluaciones mientras se implementaba la orden ejecutiva (18). La medida fue interpretada como un intento de restringir el control de CAISI sobre el proceso de evaluación, trasladando parte de esa competencia a otros órganos de la administración (18).

3.4.2. Las tensiones internas en la administración

La orden ejecutiva y la restricción de la actividad pública de CAISI han generado tensiones dentro de la administración Trump (18). Algunos funcionarios consideran que Cairncross y sus aliados están tratando de "exert more influence over the process" (18) (ejercer más influencia sobre el proceso), mientras que otros creen que la orden ejecutiva "directed a new group to do work that the center — known as CAISI — was already doing" (18) (ordenaba a un nuevo grupo hacer un trabajo que el centro — conocido como CAISI — ya estaba haciendo).

En el otro lado se sitúan las empresas tecnológicas, incluyendo OpenAI, que han mantenido conversaciones con la administración sobre la importancia de CAISI y la preservación de su poder (18). OpenAI ha abogado públicamente por que CAISI sea reforzado con más recursos y responsabilidades (18). Chris Lehane, director de Asuntos Globales de OpenAI, declaró a los periodistas que la empresa apoya el fortalecimiento de CAISI (18).

3.4.3. El futuro incierto de CAISI

La restricción de la publicación de informes ha generado incertidumbre sobre el futuro de CAISI (12) (18). Aunque la institución continúa evaluando modelos internamente y coordinándose con otras agencias gubernamentales, "stopping its public work has thrown its future in jeopardy" (18) (detener su trabajo público ha puesto en peligro su futuro).

Según los informes, la Casa Blanca ordenó a CAISI que retirara el anuncio de los acuerdos con Google, Microsoft y xAI mientras se completaba la orden ejecutiva (18). El hecho de que una institución gubernamental de evaluación haya visto restringida su capacidad de comunicación pública plantea interrogantes sobre la transparencia del proceso de supervisión y sobre el equilibrio de poder entre los diferentes órganos de la administración.

3.4.4. El contexto más amplio: la tensión entre seguridad e innovación

La incertidumbre sobre CAISI refleja una tensión más profunda dentro de la política de IA de Estados Unidos. Por un lado, la administración Trump ha defendido tradicionalmente un enfoque "hands off" (no intervencionista) para dar vía libre a Silicon Valley y ganar la carrera frente a China (16). Por otro lado, el surgimiento de modelos como Mythos ha demostrado que la IA de vanguardia puede plantear riesgos de seguridad nacional que ninguna empresa puede gestionar por sí sola (16).

La orden ejecutiva de junio de 2026 y la restricción de la actividad pública de CAISI pueden interpretarse como un intento de conciliar ambas preocupaciones: mantener la supervisión gubernamental, pero bajo un control más estricto de la Casa Blanca y con menos transparencia pública. Sin embargo, esta estrategia conlleva el riesgo de debilitar la credibilidad y la eficacia del programa de evaluación.

3.4.5. Implicaciones para las empresas

Para las empresas que participan en el programa de CAISI, la incertidumbre política añade una capa adicional de riesgo regulatorio. Los desarrolladores que han invertido recursos en establecer relaciones con CAISI y en someter sus modelos a evaluación pueden verse afectados por cambios en las prioridades de la administración o por la transferencia de competencias a otros órganos.

La fuente no aclara si los acuerdos firmados en mayo de 2026 siguen en vigor tras la orden ejecutiva de junio, ni si CAISI ha modificado sus procedimientos de evaluación como consecuencia de las nuevas directrices. Tampoco existe evidencia suficiente para afirmar que el programa de evaluación vaya a ser suprimido o sustituido, aunque la posibilidad no puede descartarse.

SECCIÓN 4. LA UNIÓN EUROPEA COMO REGULADOR GLOBAL: EL EU AI ACT Y EL HITO DEL 2 DE AGOSTO DE 2026

4.1. Estructura del Reglamento: clasificación de riesgos y obligaciones por niveles

4.1.1. El Reglamento (UE) 2024/1689: contexto y objetivo

El Reglamento (UE) 2024/1689 del Parlamento Europeo y del Consejo, de 13 de junio de 2024, por el que se establecen normas armonizadas en materia de inteligencia artificial — conocido como EU AI Act — constituye el primer marco regulatorio integral del mundo para la inteligencia artificial (21) (20). El Reglamento entró en vigor el 1 de agosto de 2024 y tiene por objeto fomentar el desarrollo y la adopción de sistemas de IA seguros y fiables en el mercado único de la UE, garantizando al mismo tiempo la salud y la seguridad de los ciudadanos y el respeto de los derechos fundamentales (20) (21). El Reglamento asegura la libre circulación transfronteriza de bienes y servicios basados en IA, impidiendo que los Estados miembros impongan restricciones al desarrollo, comercialización y uso de sistemas de IA, salvo autorización expresa del propio Reglamento (20) (21).

4.1.2. La arquitectura basada en el riesgo

El EU AI Act adopta una arquitectura regulatoria basada en el nivel de riesgo que presenta cada sistema de IA (19). Esta estructura, que permanece inalterada tras las modificaciones del Digital Omnibus, distingue cuatro categorías:

Categoría	Descripción	Consecuencia regulatoria
Riesgo inaceptable	Prácticas de IA prohibidas (artículo 5)	Prohibición absoluta de comercialización y uso
Alto riesgo	Sistemas que afectan a derechos fundamentales, seguridad o salud (Anexo III y artículo 6.1)	Evaluación de conformidad, documentación técnica, supervisión humana, registro
Riesgo limitado	Sistemas con obligaciones de transparencia (artículo 50)	Deber de informar a los usuarios de que interactúan con IA y de marcar el contenido sintético
Riesgo mínimo	Resto de sistemas	Sin obligaciones específicas (aplicación voluntaria de códigos de conducta)

4.1.3. Los sistemas de alto riesgo

Los sistemas de IA de alto riesgo se definen en dos categorías:

1. Sistemas del Anexo III: sistemas autónomos utilizados en ámbitos como biometría, infraestructura crítica, educación, empleo, gestión de trabajadores, acceso a servicios esenciales, aplicación de la ley, gestión de migraciones y administración de justicia (19) (21).

2. Sistemas del artículo 6.1: sistemas que son componentes de seguridad de productos regulados por la legislación sectorial de la UE (Anexo I), como dispositivos médicos, maquinaria o juguetes (19) (21).

Para estos sistemas, el Reglamento exige evaluaciones de conformidad, documentación técnica, sistemas de supervisión humana, registro en la base de datos de la UE y, en su caso, evaluación de impacto sobre los derechos fundamentales (21).

4.1.4. Los modelos de IA de propósito general

El Reglamento introduce una categoría específica para los modelos de IA de propósito general (General-Purpose AI Models o GPAIM), definidos como aquellos "entrenados con una gran cantidad de datos mediante auto-supervisión a gran escala que muestran una generalidad significativa y son capaces de realizar de manera competente una amplia gama de tareas distintas, independientemente de la forma en que el modelo se comercialice" (20). Un GPAI puede integrarse en diversas aplicaciones posteriores, a diferencia de los modelos de IA utilizados para actividades de investigación, desarrollo o prototipado antes de su comercialización (20).

La Comisión Europea ha establecido que se considerarán indicativos de que un modelo es GPAI dos factores: que haya sido entrenado utilizando un nivel de computación que supere el umbral de 10²³ operaciones de coma flotante (FLOPs) y que pueda generar lenguaje, texto-imagen o texto-vídeo (20). Un sistema de IA de propósito general es aquel basado en un modelo GPAI y que tiene la capacidad de servir para una variedad de propósitos, tanto para uso directo como para integración en otros sistemas de IA (20).

4.2. Las obligaciones para modelos de propósito general y de riesgo sistémico

4.2.1. El sistema de dos niveles para GPAI

El EU AI Act establece un régimen escalonado para los modelos GPAI, distinguiendo entre los modelos en general y aquellos que presentan riesgo sistémico debido a sus capacidades, escala o impacto potencial (21). Este régimen se recoge en el Capítulo V del Reglamento (21) y entró en vigor para los nuevos modelos comercializados a partir del 2 de agosto de 2025 (21).

4.2.2. Obligaciones aplicables a todos los proveedores de GPAI

Todos los proveedores de modelos GPAI, con independencia de su tamaño o capacidades, deben cumplir con las siguientes obligaciones básicas (21) (22):

• Publicación de un resumen del contenido de entrenamiento (artículo 53.1.d), utilizando una plantilla publicada por la AI Office en julio de 2025, que debe actualizarse al menos cada seis meses o antes si se producen cambios materiales (19) (22).

• Elaboración de documentación técnica que describa el modelo y su funcionamiento.

• Política de respeto de los derechos de autor, en cumplimiento de la Directiva (UE) 2019/790 sobre derechos de autor en el mercado único digital (4).

• Cooperación con la Comisión y con las autoridades nacionales competentes.

4.2.3. Obligaciones adicionales para modelos con riesgo sistémico

El artículo 51 del EU AI Act clasifica un GPAI como de riesgo sistémico cuando cumple determinados criterios, entre ellos, que la cantidad acumulada de computación utilizada para su entrenamiento sea superior a 10²⁵ operaciones de coma flotante (FLOPs) (21) (22). Este umbral, deliberadamente alto, está diseñado para capturar únicamente un pequeño número de los modelos globales más capaces (22).

Los proveedores de modelos GPAI con riesgo sistémico deben cumplir con obligaciones adicionales (21) (22):

• Pruebas de estrés y adversarial testing: deben evaluar y someter a prueba sus sistemas, incluyendo pruebas de red teaming, para identificar vulnerabilidades (21) (22).

• Evaluación y mitigación de riesgos: deben evaluar y mitigar los riesgos para la salud, la seguridad, los derechos y la sociedad en su conjunto (22).

• Notificación de incidentes graves: deben informar a la AI Office de los incidentes graves que se produzcan (21) (22).

• Medidas de ciberseguridad: deben mantener un nivel adecuado de ciberseguridad en todo el ciclo de vida del modelo (21) (22).

• Evaluación externa: el Código de Prácticas para GPAI establece cómo los proveedores pueden demostrar el cumplimiento, incluso a través de evaluaciones externas (21).

4.2.4. El Código de Prácticas para GPAI

Para facilitar el cumplimiento de estas obligaciones, la Comisión Europea, a través de la AI Office, ha desarrollado un Código de Prácticas para GPAI (GPAI Code of Practice) (4). Este código ofrece orientación detallada sobre cómo deben cumplirse las obligaciones en la práctica en tres áreas: transparencia, derechos de autor y seguridad (4).

Los proveedores que se adhieran voluntariamente al Código podrán demostrar el cumplimiento de las obligaciones pertinentes del EU AI Act mediante su adhesión al mismo (4). El Código establece, entre otros aspectos, el compromiso de mantener documentación completa y actualizada para cada modelo GPAI distribuido en la UE, con excepción de los modelos gratuitos, de código abierto y que no presenten riesgo sistémico (4). En materia de transparencia, el Código establece expectativas claras sobre cómo los firmantes deben cumplir sus obligaciones en virtud del artículo 53.1.a) y b) (4).

4.3. El Digital Omnibus on AI de junio de 2026: ajustes y aplazamientos

4.3.1. El proceso legislativo

El 7 de mayo de 2026, los colegisladores de la UE (Parlamento Europeo, Consejo y Comisión) alcanzaron un acuerdo provisional en el marco del denominado Digital Omnibus on AI (21). El Parlamento Europeo aprobó el texto en primera lectura el 16 de junio de 2026 (21), y el Consejo de la Unión Europea dio su aprobación definitiva el 29 de junio de 2026 (19) (21) (20). Se trata de la primera modificación sustancial del EU AI Act desde su adopción en 2024 (19).

El Reglamento de modificación entrará en vigor al tercer día siguiente al de su publicación en el Diario Oficial de la Unión Europea, prevista para julio de 2026 (19) (21) (20).

4.3.2. El aplazamiento de las obligaciones para sistemas de alto riesgo

La modificación más visible del Digital Omnibus es el recalendario de los plazos para los sistemas de alto riesgo (19) (21). El cuadro siguiente resume los cambios:

Categoría de sistema	Fecha original	Nueva fecha	Fundamento
Sistemas de alto riesgo autónomos (Anexo III)	2 de agosto de 2026	2 de diciembre de 2027	Falta de normas armonizadas (19) (21)
Sistemas de alto riesgo integrados en productos (Anexo I)	2 de agosto de 2027	2 de agosto de 2028	Coordinación con legislación sectorial (19) (21)
Nuevas prohibiciones (artículo 5)	—	2 de diciembre de 2026	CSAM y contenidos íntimos no consentidos (19) (21)
Obligaciones de transparencia (artículo 50) para sistemas de nueva comercialización	2 de agosto de 2026	2 de agosto de 2026 (sin cambios)	El calendario original se mantiene (19) (21)
Obligación técnica de marcado (watermarking) de contenido sintético para sistemas ya desplegados antes del 2 de agosto de 2026	2 de agosto de 2026	2 de diciembre de 2026	Período de gracia de cuatro meses (19) (21)
Sandboxes regulatorios nacionales	—	2 de agosto de 2027	(20)

El aplazamiento no debe interpretarse como una suspensión o una desregulación del EU AI Act (19) (21). La arquitectura basada en el riesgo, las prácticas prohibidas, las obligaciones de transparencia, las normas para GPAI, la evaluación de la conformidad, la vigilancia del mercado y las sanciones siguen estructurando el marco regulatorio (19). Lo que cambia es la arquitectura de implementación en torno a ese marco (19).

4.3.3. Nuevas prohibiciones

El Digital Omnibus introduce dos nuevas prohibiciones en el artículo 5 del EU AI Act (19) (21) (20):

1. Sistemas de IA utilizados para generar material de abuso sexual infantil (child sexual abuse material o CSAM) (19) (21).

2. Sistemas de IA utilizados para generar contenido sexual o íntimo no consentido (comúnmente conocidos como "nudifier apps" o herramientas de deepfake sexual) (19) (21).

Estas prohibiciones se aplicarán a partir del 2 de diciembre de 2026 (19) (21) (20). Los proveedores de sistemas afectados disponen hasta esa fecha para implementar las salvaguardas técnicas necesarias, incluyendo entrenamiento de rechazo, controles de salida y filtrado de contenido (21).

4.3.4. Simplificaciones y clarificaciones

El Digital Omnibus introduce varias simplificaciones (19) (21) (20):

• Coordinación con legislación sectorial: se aclara que, cuando la legislación sectorial — como la de dispositivos médicos, maquinaria o juguetes — ya garantice salvaguardas equivalentes o superiores, determinadas obligaciones del EU AI Act pueden no aplicarse (20). El Reglamento (UE) 2023/1230 sobre maquinaria se incluye ahora en el Anexo I (20).

• Clarificación de los componentes de seguridad: se precisa que un componente cumple una función de seguridad cuando su finalidad prevista es prevenir o mitigar riesgos para la salud y la seguridad de las personas o los bienes (19).

• Coordinación con el RGPD: se establece una nueva base legal que permite a los proveedores de sistemas de IA de alto riesgo tratar, en casos excepcionales y con estrictas salvaguardas, datos personales pertenecientes a categorías especiales (artículo 9 del RGPD) para detectar y corregir posibles sesgos algorítmicos (20). Asimismo, se permite coordinar la evaluación de impacto sobre los derechos fundamentales con la evaluación de impacto sobre la protección de datos ya prevista en el RGPD (20).

4.4. El problema de la capacidad de supervisión: la AI Office y sus limitaciones

4.4.1. Las competencias de supervisión de la AI Office

A partir del 2 de agosto de 2026, la Comisión Europea, a través de la AI Office — su brazo ejecutivo para la supervisión de la IA — asume plenas competencias de control y ejecución respecto a los proveedores de modelos GPAI (1) (21) (22). Estas competencias incluyen (22):

• Solicitud de documentos y acceso a códigos fuente.

• Capacidad para exigir medidas correctivas, incluyendo la retirada del mercado.

• Imposición de multas por incumplimiento.

El Digital Omnibus ha ampliado significativamente el ámbito de supervisión de la AI Office. En virtud de la modificación, la AI Office supervisa no solo los modelos GPAI, sino también todos los sistemas de IA basados en modelos GPAI desarrollados dentro de la misma empresa que el modelo (21).

4.4.2. La limitación de recursos humanos

La principal limitación para una supervisión efectiva es la capacidad institucional de la AI Office. Según las fuentes consultadas, la AI Office cuenta con poco más de 125 empleados para hacer frente a la totalidad de sus responsabilidades en virtud del EU AI Act (22). Esta cifra ha sido objeto de críticas y preocupación en el Parlamento Europeo, que ha formulado preguntas parlamentarias sobre la suficiencia de los recursos de la AI Office para hacer cumplir efectivamente el Reglamento ante la rápida evolución del sector (22).

Las recomendaciones apuntan a que la supervisión de los GPAI debería escalar hasta al menos 160 empleados para 2030 (22). Sin embargo, las dificultades de contratación de talento especializado en IA de vanguardia — competido por las propias empresas tecnológicas — agravan el problema (22). Como señala el análisis de Review of AI Law, la AI Office se enfrenta a "recruitment difficulties for frontier-AI talent" (22) (dificultades de contratación de talento en IA de vanguardia).

4.4.3. Las lagunas de implementación

Además de la limitación de recursos, se identifican dos lagunas de implementación centrales (22):

1. La falta de definición precisa del resumen de entrenamiento: la plantilla publicada por la AI Office omite cómo medir el contenido scrapeado (recopilado de la web), lo que genera incertidumbre sobre qué constituye un resumen suficientemente detallado (22).

2. La ausencia de normas armonizadas: muchas normas técnicas clave — sobre gestión de datos, gobernanza del ciclo de vida, documentación técnica o robustez de los sistemas — aún no han sido adoptadas por los organismos europeos de normalización (22).

4.4.4. La pregunta abierta sobre la efectividad

La conclusión de los analistas es que, aunque las herramientas legales están disponibles, la efectividad de la supervisión dependerá de la capacidad de la AI Office para atraer y retener talento y para hacer frente a la rápida evolución tecnológica. En palabras de Joel Christoph, citado por Review of AI Law: "The tools are on the table. The question is whether anyone picks them up" (22) (Las herramientas están sobre la mesa. La cuestión es si alguien las utiliza).

4.5. Efecto extraterritorial y su repercusión en proveedores no europeos

4.5.1. El alcance extraterritorial del EU AI Act

El EU AI Act tiene efecto extraterritorial: se aplica no solo a los proveedores establecidos en la UE, sino también a aquellos ubicados fuera de la UE que comercialicen o pongan en servicio sistemas de IA en el mercado único europeo (17). Esta característica, común a otros instrumentos regulatorios de la UE como el RGPD, convierte al EU AI Act en un estándar global de facto.

4.5.2. Implicaciones para los proveedores estadounidenses

Para los principales desarrolladores de IA con sede en Estados Unidos — OpenAI, Google, Microsoft, Anthropic, xAI y Meta — , el EU AI Act impone obligaciones directas. Estos proveedores deben:

• Clasificar sus sistemas según el nivel de riesgo.

• Cumplir con las obligaciones de transparencia del artículo 50.

• Publicar el resumen de entrenamiento de sus modelos GPAI, conforme a la plantilla de la AI Office.

• Someterse a la supervisión de la AI Office en lo relativo a los modelos GPAI con riesgo sistémico.

• Designar un representante autorizado en la UE, en su caso.

4.5.3. La comparación con el enfoque estadounidense

La divergencia entre el enfoque regulatorio de la UE y el de Estados Unidos es significativa. Mientras que la UE ha optado por un marco normativo vinculante con efectos extraterritoriales, Estados Unidos ha mantenido un enfoque predominantemente voluntario y fragmentado, con el CAISI como principal instrumento de supervisión, pero sujeto a la incertidumbre política descrita en la Sección 3.

Esta divergencia plantea desafíos de cumplimiento para los proveedores globales, que deben navegar entre dos regímenes diferentes y, en ocasiones, contradictorios. Como señala el análisis de Control Risks, el EU AI Act se perfila como "el marco regulatorio más completo del mundo, con efecto extraterritorial" (32), lo que obliga a los proveedores no europeos a adaptar sus prácticas a los estándares europeos si desean acceder al mercado único.

4.5.4. El efecto Bruselas (Brussels Effect)

El efecto extraterritorial del EU AI Act, combinado con el tamaño del mercado único europeo, puede generar el denominado efecto Bruselas (Brussels Effect): la capacidad de la UE para establecer estándares globales que las empresas adoptan a nivel mundial para evitar la fragmentación regulatoria. Este fenómeno ya se ha observado en el ámbito de la protección de datos con el RGPD y podría repetirse en el ámbito de la IA.

La fuente no aclara si la Comisión Europea tiene previsto establecer mecanismos de cooperación con las autoridades estadounidenses para facilitar el cumplimiento y evitar duplicidades. Tampoco existe evidencia suficiente para afirmar que el enfoque estadounidense vaya a converger con el europeo a medio plazo, aunque la presión de los proveedores globales por una mayor armonización podría impulsar esa convergencia.

SECCIÓN 5. LA RESPUESTA DE LOS MERCADOS: RENTABILIDAD, AUTONOMÍA TECNOLÓGICA Y RECONFIGURACIÓN DEL SECTOR

5.1. Samsung: beneficios récord y caída bursátil como señal de alerta

5.1.1. Los resultados del segundo trimestre de 2026

El 7 de julio de 2026, Samsung Electronics publicó sus resultados financieros correspondientes al segundo trimestre del año (23) (24). Las cifras eran, en términos absolutos, extraordinarias:

• Beneficio operativo: 89,4 billones de wones coreanos (aproximadamente 58.400 millones de dólares o 64.000 millones de euros) (1) (23) (24).

• Incremento interanual: superior al 1.800 % (1) (23) (24).

• Ingresos: 356 billones de wones (1).

Se trataba del mayor beneficio trimestral de la historia de Samsung, impulsado por la fuerte demanda de semiconductores de IA, en particular de memoria de alto ancho de banda (High Bandwidth Memory, HBM) y de unidades de estado sólido (Solid State Drives, SSD) para centros de datos (23) (24).

5.1.2. La reacción del mercado: caída del 7 %

A pesar de estos resultados históricos, las acciones de Samsung cayeron casi un 7 % en la jornada del 7 de julio (23) (24). Los inversores borraron más de 80.000 millones de dólares de capitalización bursátil de la compañía en un solo día (23).

La razón de esta aparente paradoja fue sintetizada por los analistas del sector. Como señaló CNBC citando a analistas del mercado: "The market had been pricing in the historic quarterly results for months. Once they were confirmed without greatly exceeding expectations, it became a reason to sell" (23) (El mercado ya había descontado los resultados históricos durante meses. Una vez confirmados sin superar ampliamente las expectativas, se convirtieron en un motivo de venta). La reacción refleja un fenómeno bien conocido en los mercados financieros: la "venta de la noticia" ("sell the news") cuando las expectativas ya están completamente incorporadas al precio.

5.1.3. La preocupación subyacente: la sostenibilidad del gasto en IA

Más allá de la dinámica técnica del mercado, los analistas identificaron una preocupación de fondo: la sostenibilidad del gasto en infraestructura de IA (23) (24). Como señaló Quartz, las empresas tecnológicas estadounidenses — los principales clientes de los semiconductores de Samsung — "are spending hundreds of billions of dollars to build new AI data centers, and investors fear this spending spree could eventually slow down" (1) (están gastando cientos de miles de millones de dólares para construir nuevos centros de datos de IA, y los inversores temen que este gasto podría eventualmente ralentizarse).

Esta preocupación se enmarca en un debate más amplio sobre si la inversión en infraestructura de IA está generando un retorno suficiente para justificar los niveles actuales de gasto. Si los grandes clientes de Samsung — Amazon, Microsoft, Google y Meta — redujeran sus inversiones en centros de datos, la demanda de semiconductores de IA podría contraerse, afectando directamente a los resultados de Samsung.

5.1.4. La señal de alerta para el sector

El caso de Samsung constituye una señal de alerta para todo el sector de la IA: incluso los resultados financieros más brillantes pueden no ser suficientes para tranquilizar a unos mercados que empiezan a cuestionar la sostenibilidad del boom de la IA. Esta dinámica — beneficios récord acompañados de caídas bursátiles — puede extenderse a otros proveedores de infraestructura de IA en los próximos trimestres.

La fuente no aclara si otros fabricantes de semiconductores, como SK Hynix o Micron, han experimentado reacciones similares del mercado. Tampoco existe evidencia suficiente para afirmar que esta tendencia vaya a consolidarse, aunque el análisis de los mercados sugiere que la preocupación por la rentabilidad de la IA es creciente.

5.2. Meta y su chip Iris: la desagregación del suministro de semiconductores

5.2.1. El anuncio de la producción en serie

El 9 de julio de 2026, Reuters publicó una información exclusiva basada en un memorando interno de Meta (25) (27) (28). Según este documento, Meta tiene previsto poner en producción en serie su chip de IA propio, denominado "Iris", a partir de septiembre de 2026 (25) (27) (28). El chip ha sido diseñado con la asistencia de Broadcom y será fabricado por TSMC (Taiwan Semiconductor Manufacturing Company) (25) (27).

El memorando interno, citado por Reuters, indicaba que las pruebas del chip habían durado seis semanas y no habían revelado problemas importantes (25). En palabras del documento: "Meta's in-house AI chip, which has been in the works for years, is finally ready for prime time" (25) (El chip de IA interno de Meta, que ha estado en desarrollo durante años, está finalmente listo para el horario de máxima audiencia).

5.2.2. Los objetivos estratégicos de Meta

El chip Iris forma parte de una estrategia más amplia de Meta para reducir su dependencia de Nvidia y, en menor medida, de AMD (25) (27) (26). Como señaló el analista de Forrester, Mike Gualtieri, citado por Reuters: "You can't become an AI titan if you are dependent on another company for chips" (25) (No puedes convertirte en un titán de la IA si dependes de otra empresa para los chips). Esta declaración captura la esencia de la estrategia de Meta: la autonomía en el suministro de semiconductores es una condición necesaria para competir en la carrera de la IA.

Los objetivos concretos de Meta son:

1. Reducir costes: los chips propios pueden ser más baratos que los de Nvidia, especialmente en los escenarios de inferencia (ejecución de modelos), donde la optimización específica puede generar ahorros significativos.

2. Asegurar el suministro: en un mercado de semiconductores con cuellos de botella periódicos, disponer de una fuente propia de chips reduce la vulnerabilidad a las interrupciones de la cadena de suministro.

3. Optimizar el rendimiento: los chips diseñados específicamente para las cargas de trabajo de Meta — entrenamiento e inferencia de sus modelos — pueden ofrecer un mejor rendimiento por vatio que los chips de propósito general de Nvidia.

5.2.3. Los planes de expansión de capacidad computacional

El memorando interno de Meta también detallaba los planes de expansión de su capacidad computacional (25) (27):

• 2026: Meta planea desplegar 7 GW (gigavatios) de capacidad computacional (25).

• 2027: la capacidad se duplicará hasta los 14 GW (25).

Para financiar esta expansión, Meta prevé un gasto en infraestructura de IA de 145.000 millones de dólares para 2026 (25). Esta cifra, aunque sustancial, debe ponerse en contexto: Meta compitió por el contrato de chips para la Casa Blanca el año anterior, lo que subraya la importancia estratégica que la empresa otorga a su capacidad de cómputo (25).

5.2.4. El contexto: la creciente competencia en chips de IA

Meta no es la única empresa tecnológica que está desarrollando sus propios chips de IA (25) (27) (28) (26). Google lleva años utilizando sus Unidades de Procesamiento Tensorial (TPU) para entrenar y ejecutar sus modelos de IA. Amazon ha desarrollado sus chips Trainium e Inferentia para sus servicios en la nube. Microsoft también está trabajando en sus propios diseños de silicio.

La proliferación de chips de IA propios apunta a una desagregación del mercado de semiconductores para IA. Nvidia, que ha dominado el mercado de entrenamiento de modelos con sus GPUs, sigue siendo el líder indiscutible en este segmento (27). Sin embargo, el mercado de la inferencia — la ejecución de modelos ya entrenados, que representa la mayor parte del coste operativo de la IA en producción — está cada vez más fragmentado (27). Como señala Nasdaq: "Nvidia will not be the only option in town forever" (25) (Nvidia no será la única opción en la ciudad para siempre).

5.2.5. Implicaciones para la cadena de suministro global

El movimiento de Meta también tiene implicaciones geopolíticas. Al encargar la fabricación de Iris a TSMC, Meta se alinea con el ecosistema de semiconductores de Taiwán, que sigue siendo el centro neurálgico de la fabricación mundial de chips. Al mismo tiempo, la decisión de Meta de desarrollar sus propios chips reduce su dependencia de Nvidia, una empresa estadounidense, lo que podría interpretarse como una diversificación de riesgos en un contexto de tensiones geopolíticas.

La fuente no aclara si Meta tiene previsto comercializar el chip Iris a terceros o si su uso se limitará a las operaciones internas de la empresa. Tampoco existe evidencia suficiente para afirmar que el chip Iris vaya a suponer una amenaza significativa para la posición dominante de Nvidia en el entrenamiento de modelos, aunque sí podría erosionar su posición en el mercado de la inferencia.

5.3. El giro comercial de Meta: del open source a la monetización vía API

5.3.1. El lanzamiento de "Muse Spark 1.1"

En paralelo al desarrollo de su chip Iris, Meta ha dado un giro significativo en su estrategia comercial. Según la noticia de Cases (1), Meta ha lanzado su primer producto de API de pago, denominado "Muse Spark 1.1" (1). Este movimiento marca una ruptura con la estrategia que Meta había mantenido hasta ahora, basada en la publicación de sus modelos de forma open source y gratuita.

5.3.2. La evolución de la estrategia de Meta

Durante años, Meta ha sido el principal defensor del open source en el ámbito de la IA. Con el lanzamiento de sus modelos LLaMA (y sus sucesores), Meta permitió a desarrolladores de todo el mundo acceder, modificar y desplegar sus modelos de forma gratuita. Esta estrategia tenía varios objetivos:

1. Acelerar la innovación: al poner sus modelos a disposición de la comunidad, Meta esperaba estimular el desarrollo de aplicaciones y casos de uso.

2. Frenar el avance de OpenAI: al ofrecer una alternativa gratuita y de código abierto a los modelos propietarios de OpenAI, Meta buscaba limitar el dominio de su competidor.

3. Recopilar datos y feedback: el uso masivo de los modelos de Meta por parte de la comunidad proporcionaba información valiosa para mejorar los modelos.

Sin embargo, esta estrategia también tenía un coste: Meta no obtenía ingresos directos de sus modelos, mientras que empresas como AWS y Google construían negocios millonarios sobre la infraestructura de Meta (1). Como señala Cases, Meta ha llegado a la conclusión de que "regalar sus modelos solo sirvió para que AWS y Google construyeran negocios millonarios sobre su infraestructura" (1).

5.3.3. El significado de "Muse Spark 1.1"

El lanzamiento de Muse Spark 1.1 como API de pago supone un cambio de paradigma en la estrategia de Meta (1). La empresa está pasando de ser un proveedor gratuito de modelos a un competidor directo de OpenAI en el mercado de APIs de IA. Meta, sin embargo, tiene una ventaja competitiva significativa: posee la mayor red social del mundo (Facebook, Instagram, WhatsApp), lo que le proporciona acceso a datos de interacción humana sin precedentes para entrenar y refinar sus modelos (1).

El giro comercial de Meta tiene implicaciones profundas para el mercado:

• Aumento de la competencia en precios: con la entrada de Meta en el mercado de APIs de pago, la presión sobre los precios se intensifica. OpenAI, Google y Anthropic deberán competir no solo en calidad de modelos, sino también en precio y condiciones comerciales (1).

• Fragmentación del ecosistema: los desarrolladores que confiaban en los modelos gratuitos de Meta deberán decidir si pagan por la API o buscan alternativas. La disponibilidad de modelos open source de alta calidad podría verse reducida si Meta limita el acceso a sus modelos más avanzados.

• Cambio en la narrativa del open source: Meta ha sido el principal defensor del open source en IA. Su giro hacia la monetización debilita esta narrativa y sugiere que el open source era, en última instancia, una estrategia comercial más que una convicción ideológica (1).

5.3.4. Las implicaciones para el ecosistema de IA

El movimiento de Meta forma parte de una tendencia más amplia de monetización de la IA. Las empresas que han invertido miles de millones en entrenar modelos de vanguardia buscan ahora recuperar esa inversión. El open source, que durante años fue presentado como un bien público, está siendo progresivamente sustituido por modelos de negocio basados en suscripciones, APIs y licencias comerciales.

Para los desarrolladores y las empresas que utilizan IA, esta tendencia tiene consecuencias mixtas. Por un lado, la competencia entre proveedores puede reducir los precios y mejorar la calidad de los servicios. Por otro lado, la reducción de la disponibilidad de modelos open source puede limitar la innovación y aumentar la dependencia de unos pocos proveedores.

La fuente no aclara si Meta tiene previsto mantener el acceso gratuito a versiones anteriores de sus modelos o si el open source quedará limitado a modelos de menor capacidad. Tampoco existe evidencia suficiente para afirmar que otros defensores del open source — como Mistral AI — vayan a seguir la misma senda.

5.4. Reacciones de los inversores y evaluación de la burbuja de gasto en infraestructura

5.4.1. La pregunta sobre la burbuja de IA

El conjunto de acontecimientos descritos en esta sección — la caída de Samsung pese a sus beneficios récord, la inversión masiva de Meta en infraestructura y su giro hacia la monetización — plantea una pregunta fundamental: ¿estamos ante una burbuja de gasto en infraestructura de IA?

Los paralelismos con la burbuja de las puntocom (dot-com bubble) de finales de los años 1990 son inevitables. En aquella época, las empresas invirtieron masivamente en infraestructura de telecomunicaciones y centros de datos, anticipando un crecimiento exponencial del tráfico de Internet que, aunque finalmente se produjo, tardó más de lo esperado. Muchas de esas inversiones resultaron en exceso de capacidad y en la quiebra de numerosas empresas.

5.4.2. Los argumentos a favor de la burbuja

Los escépticos señalan varios indicios de que el gasto en IA podría estar sobrevalorado:

1. La falta de retorno visible: aunque los ingresos de las empresas de IA están creciendo rápidamente, la rentabilidad sigue siendo esquiva. OpenAI, por ejemplo, sigue operando con pérdidas significativas a pesar de sus ingresos multimillonarios.

2. La incertidumbre sobre los casos de uso: muchos de los casos de uso de la IA generativa aún no han demostrado un retorno de la inversión claro para las empresas que las adoptan.

3. La sobrecapacidad: la construcción masiva de centros de datos podría generar un exceso de oferta de capacidad computacional, lo que reduciría los precios y erosionaría los márgenes de los proveedores de infraestructura.

4. El ciclo de expectativas: la IA generativa ha pasado por el pico de expectativas infladas (peak of inflated expectations) del ciclo de Gartner, y podría estar entrando en el valle de la desilusión (trough of disillusionment).

5.4.3. Los argumentos en contra de la burbuja

Los optimistas, por su parte, sostienen que la IA es diferente de las burbujas tecnológicas anteriores:

1. La IA es una tecnología de propósito general: como la electricidad o Internet, la IA tiene aplicaciones en prácticamente todos los sectores de la economía, lo que justifica un nivel de inversión sin precedentes.

2. El crecimiento del uso es real: el número de usuarios y de aplicaciones de IA generativa sigue creciendo a un ritmo acelerado.

3. Las grandes tecnológicas tienen balances sólidos: a diferencia de las empresas de las puntocom, que en muchos casos carecían de ingresos, las grandes tecnológicas que invierten en IA generan flujos de caja masivos que pueden financiar sus inversiones.

4. La IA es una carrera estratégica: la competencia geopolítica entre Estados Unidos y China por el liderazgo en IA justifica, desde la perspectiva de los gobiernos y de las propias empresas, un nivel de gasto que podría no estar justificado únicamente por criterios de rentabilidad a corto plazo.

5.4.4. La posición intermedia: el "Gran Filtro"

La tesis del artículo de Cases (1) sugiere una posición intermedia: el sector de la IA se enfrenta a un "Gran Filtro" ("Great Filter") en el segundo semestre de 2026. Las empresas que no tengan un margen bruto positivo — no solo ingresos, sino rentabilidad — y que no hayan firmado alianzas con grandes distribuidores (telecos, bancos o gobiernos) comenzarán a desaparecer (1).

Este "Gran Filtro" es el resultado de la confluencia de los tres vectores descritos en este artículo: el litigio como herramienta competitiva, la supervisión administrativa como condición de acceso al mercado y la presión de los mercados por la rentabilidad. Las startups de IA que carezcan de recursos para hacer frente a estos desafíos — litigios, cumplimiento regulatorio, y presión por la rentabilidad — quedarán fuera del mercado.

5.4.5. El nuevo criterio de selección de proveedores

Para las empresas que utilizan IA — los clientes de los modelos y las APIs — , el nuevo paradigma implica un cambio en los criterios de selección de proveedores (1). Ya no basta con evaluar la calidad técnica del modelo; también es necesario considerar:

1. El origen del talento: ¿el proveedor ha contratado a exempleados de otras empresas de forma que pueda generar riesgos legales?

2. El cumplimiento regulatorio: ¿el proveedor cumple con el EU AI Act y con los requisitos de CAISI?

3. La sostenibilidad financiera: ¿el proveedor tiene un margen bruto positivo y un modelo de negocio viable a largo plazo?

4. La seguridad de la cadena de suministro: ¿el proveedor depende de un único fabricante de chips o tiene fuentes alternativas?

Estos criterios, que hace apenas dos años eran secundarios, se han convertido en factores decisivos para la selección de proveedores de IA.

SECCIÓN 6. ANÁLISIS INTEGRADOR: HACIA UN NUEVO PARADIGMA DE GOBERNANZA DE LA IA

6.1. Convergencia de factores: litigios, supervisión, regulación y mercado

6.1.1. La confluencia de cuatro vectores

El examen separado de los acontecimientos descritos en las secciones precedentes podría sugerir que nos encontramos ante fenómenos independientes: un litigio empresarial, una evolución de la política regulatoria estadounidense, una reforma del marco normativo europeo y una reacción de los mercados financieros. Sin embargo, el valor añadido del análisis integrador consiste precisamente en identificar la convergencia sistémica de estos cuatro vectores en un período de tiempo extraordinariamente breve — entre mayo y julio de 2026 — y en un mismo sector, el de la inteligencia artificial.

Este artículo sostiene, en coherencia con la tesis de Cases (1), que no se trata de una coincidencia temporal, sino de la manifestación de un cambio de fase en la evolución del sector. La IA ha transitado desde una etapa de excepción tecnológica — caracterizada por una regulación mínima, una movilidad sin restricciones del talento, una financiación abundante y una confianza ilimitada en el crecimiento — hacia una etapa de institucionalización — regulada por el Derecho, supervisada por las administraciones, disciplinada por los mercados y limitada por consideraciones de propiedad intelectual y seguridad nacional (1).

6.1.2. El litigio como mecanismo de disciplina competitiva

El litigio Apple contra OpenAI (Sección 2) ejemplifica el primer vector: la irrupción del Derecho de secretos comerciales como una herramienta de disciplina competitiva (3) (9). Durante la fase de expansión no regulada, la contratación de talento de la competencia era una práctica común y aceptada. Las empresas tecnológicas competían por los mismos ingenieros, y la movilidad laboral era vista como un signo de salud del ecosistema.

El litigio cambia radicalmente esta dinámica. La demanda de Apple, independientemente de su resultado final, envía una señal clara a todo el sector: la contratación de exempleados de la competencia, especialmente cuando va acompañada de la transferencia de información confidencial, puede tener consecuencias legales graves (9). Este efecto disuasorio se extiende más allá de las partes implicadas y afecta a todas las empresas que operan en el sector.

Como señala Bloomberg, incluso si las acusaciones de Apple no se confirman plenamente, el mero proceso de discovery y las medidas cautelares pueden paralizar el desarrollo de hardware de OpenAI durante meses o años (9). Este efecto estratégico del litigio — que trasciende el resultado final del caso — convierte al litigio en un mecanismo de competencia que puede ser utilizado por las empresas incumbentes para frenar a sus rivales.

6.1.3. La supervisión administrativa como barrera de entrada

El segundo vector es la supervisión administrativa previa a la comercialización de modelos de IA, materializada en los acuerdos del CAISI (Sección 3). Este mecanismo, aunque formalmente voluntario, se ha convertido en una condición de facto para el lanzamiento de modelos de vanguardia en el mercado estadounidense (11) (12).

La supervisión administrativa actúa como una barrera de entrada que favorece a los incumbentes. Las empresas que ya participan en el programa de CAISI — Google, Microsoft, xAI, OpenAI y Anthropic — obtienen una ventaja competitiva al poder acreditar que sus modelos han sido evaluados por el gobierno (16). Los nuevos entrantes, que carecen de los recursos para someterse a este proceso, quedan en una posición de desventaja.

El caso de Mythos (16) (13) — el modelo de Anthropic que la propia empresa consideró demasiado peligroso para su lanzamiento público — demuestra que la supervisión gubernamental puede estar justificada por razones de seguridad nacional. Sin embargo, también revela que el umbral para activar la supervisión es, en la práctica, discrecional y depende de la autoevaluación de los propios desarrolladores, lo que genera incertidumbre sobre la consistencia del sistema.

6.1.4. La regulación europea como estándar global

El tercer vector es el EU AI Act y su efecto extraterritorial (Sección 4). A diferencia del enfoque estadounidense, basado en acuerdos voluntarios y sujeto a la incertidumbre política, la Unión Europea ha optado por un marco normativo vinculante con efectos globales (19) (20) (21). El EU AI Act impone obligaciones a cualquier proveedor que comercialice sistemas de IA en el mercado único europeo, con independencia de su lugar de establecimiento.

El Digital Omnibus on AI de junio de 2026 (19) (21) ha ajustado los plazos de aplicación, pero no ha alterado la arquitectura básica del Reglamento. Las obligaciones para los modelos GPAI y los modelos con riesgo sistémico entran en vigor el 2 de agosto de 2026, con independencia de los aplazamientos para los sistemas de alto riesgo (20) (22). Este calendario crea un efecto de anticipación que obliga a los proveedores globales a prepararse para el cumplimiento, incluso si el plazo final es algo más lejano de lo previsto inicialmente.

6.1.5. La presión de los mercados financieros

El cuarto vector es la presión de los mercados financieros por la rentabilidad (Sección 5). La caída de Samsung pese a sus beneficios récord (23) (24) es un síntoma de que los inversores empiezan a cuestionar la sostenibilidad del gasto en infraestructura de IA. Este cuestionamiento, aunque incipiente, tiene el potencial de alterar las decisiones de inversión de las grandes tecnológicas y, en consecuencia, de todo el ecosistema de la IA.

La presión de los mercados se combina con los otros tres vectores de una manera que refuerza el nuevo paradigma. Las empresas que se enfrentan a litigios, a costes de cumplimiento regulatorio y a la presión por la rentabilidad se ven obligadas a priorizar la eficiencia y la sostenibilidad sobre la velocidad y el crecimiento a cualquier coste.

6.1.6. La sincronía temporal como indicador de cambio sistémico

La concentración de estos cuatro vectores en un período de tres meses (mayo-julio de 2026) no es casual. Refleja una transición sistémica en la que los distintos mecanismos de gobernanza — el Derecho, la administración, la regulación y los mercados — se alinean para imponer un nuevo conjunto de reglas al sector de la IA.

Esta sincronía temporal sugiere que la era regulatoria de la IA no es el resultado de una única decisión política o de un litigio aislado, sino de la confluencia de múltiples fuerzas que operan en distintas esferas — jurídica, administrativa, legislativa y financiera — y que, al coincidir en el tiempo, generan un efecto de cambio de régimen.

La fuente no aclara si esta convergencia ha sido coordinada o si responde a dinámicas independientes. No existe evidencia suficiente para afirmar que exista una estrategia deliberada de coordinación entre los distintos actores — Apple, el gobierno estadounidense, la Unión Europea y los mercados financieros — , aunque la coincidencia temporal sugiere, al menos, una sensibilidad compartida a los mismos desafíos estructurales del sector.

6.2. El efecto filtro: barreras de entrada para startups y consolidación oligopólica

6.2.1. La multiplicación de barreras de entrada

La confluencia de los cuatro vectores descritos genera un efecto acumulativo sobre las barreras de entrada en el sector de la IA. Una startup que aspire a desarrollar y comercializar modelos de vanguardia debe hacer frente a un conjunto de desafíos que, considerados de forma aislada, ya son significativos, pero que en su conjunto resultan casi insuperables:

Barrera	Origen	Impacto sobre startups
Riesgo litigioso	Litigios por secretos comerciales	Necesidad de auditorías forenses de contratación, costes legales, incertidumbre
Supervisión administrativa	CAISI (EE.UU.)	Costes de cumplimiento, acceso a entornos clasificados, relación con el gobierno
Regulación vinculante	EU AI Act	Documentación técnica, resumen de entrenamiento, representante en la UE, sanciones
Presión de los mercados	Exigencia de rentabilidad	Necesidad de márgenes brutos positivos, dificultad para atraer inversión sin modelo de negocio viable
Autonomía en chips	Dependencia de Nvidia y otros	Costes de cómputo, incertidumbre en el suministro, necesidad de optimización

Cada una de estas barreras, por sí sola, podría ser gestionada por una startup bien financiada. Pero su acumulación genera un efecto de exclusión que afecta de manera desproporcionada a los nuevos entrantes.

6.2.2. El coste del cumplimiento regulatorio

El EU AI Act, en particular, impone costes de cumplimiento que pueden resultar prohibitivos para startups y pymes. La obligación de publicar un resumen detallado del contenido de entrenamiento (artículo 53.1.d) (20) (22) exige a los proveedores un esfuerzo de documentación y transparencia que requiere personal especializado. La necesidad de designar un representante autorizado en la UE, de mantener documentación técnica actualizada y de cooperar con la AI Office añade capas de complejidad administrativa.

Como señala el análisis de IAPP citado en la Sección 4, las pymes europeas ya presentan lagunas probatorias de cara al 2 de agosto de 2026 (22). Para las startups de fuera de la UE, el desafío es aún mayor, ya que deben navegar entre dos regímenes regulatorios diferentes — el estadounidense y el europeo — sin contar necesariamente con el asesoramiento legal y técnico necesario.

6.2.3. La consolidación oligopólica como resultado previsible

El resultado previsible de este efecto filtro es una consolidación oligopólica del sector de la IA de vanguardia. Las empresas que ya están establecidas — Google, Microsoft, OpenAI, Anthropic, Meta y xAI — tienen los recursos y la capacidad institucional para hacer frente a las nuevas exigencias. Las startups, en cambio, quedan excluidas de los segmentos más lucrativos del mercado.

Este proceso de consolidación no es necesariamente negativo desde la perspectiva de la seguridad o de la calidad de los modelos. Las empresas establecidas tienen más recursos para invertir en seguridad, en cumplimiento regulatorio y en investigación. Sin embargo, la consolidación también conlleva riesgos:

• Reducción de la competencia: menos actores en el mercado puede traducirse en precios más altos y en menos incentivos para la innovación.

• Dependencia de unos pocos proveedores: las empresas y administraciones que utilizan IA dependen de un número reducido de proveedores, lo que genera riesgos de suministro y de poder de mercado.

• Pérdida de diversidad: la homogeneización de los modelos y de los enfoques puede reducir la capacidad del ecosistema para explorar alternativas y para responder a desafíos inesperados.

6.2.4. La posición de Meta: la paradoja del open source

El giro comercial de Meta hacia la monetización vía API (Sección 5.3) añade una capa adicional de complejidad al análisis de la consolidación oligopólica. Meta ha sido durante años el principal defensor del open source en IA, y su cambio de estrategia reduce la disponibilidad de modelos gratuitos y de código abierto (1).

Este movimiento, aunque comprensible desde la perspectiva de los intereses comerciales de Meta, tiene consecuencias para el ecosistema en su conjunto. La reducción de la oferta de modelos open source limita las opciones de los desarrolladores y de las startups que no pueden permitirse pagar por APIs. El resultado es una mayor dependencia de los grandes proveedores comerciales.

La fuente no aclara si Meta tiene previsto mantener el acceso gratuito a versiones anteriores de sus modelos o si el open source quedará limitado a modelos de menor capacidad. Tampoco existe evidencia suficiente para afirmar que esta tendencia vaya a revertirse en el futuro.

6.3. Nuevos criterios de selección de proveedores para empresas usuarias

6.3.1. La ampliación de los criterios de selección

El nuevo paradigma de gobernanza de la IA tiene implicaciones directas para las empresas y administraciones que utilizan sistemas de IA — los clientes del sector. Los criterios de selección de proveedores se han ampliado más allá de la calidad técnica del modelo para incluir consideraciones legales, regulatorias y financieras (1).

6.3.2. El criterio de la procedencia del talento

El litigio Apple contra OpenAI ha puesto de manifiesto que la procedencia del talento de un proveedor de IA puede generar riesgos legales para sus clientes. Una empresa que contrate los servicios de un proveedor que ha sido demandado por apropiación indebida de secretos comerciales podría verse implicada en el litigio, ya sea como parte o como testigo. Además, la incertidumbre sobre la continuidad del servicio — si el proveedor se ve obligado a rediseñar sus productos o a suspender su comercialización — afecta directamente a los clientes.

Por tanto, las empresas usuarias deben evaluar no solo la calidad técnica del modelo, sino también el riesgo legal asociado al proveedor. Un proveedor que ha contratado masivamente a exempleados de la competencia, especialmente si provienen de empresas con una cultura de protección de secretos comerciales como Apple, puede ser percibido como un riesgo.

6.3.3. El criterio del cumplimiento regulatorio

El EU AI Act y los acuerdos del CAISI introducen nuevos requisitos de cumplimiento que afectan a los proveedores de IA. Las empresas usuarias deben verificar que sus proveedores cumplen con estas obligaciones, especialmente si operan en la Unión Europea o si sus datos o los de sus clientes se procesan en la UE.

El cumplimiento regulatorio incluye, entre otros aspectos:

• La publicación del resumen del contenido de entrenamiento (artículo 53.1.d del EU AI Act) (20).

• La documentación técnica del modelo.

• La política de respeto de los derechos de autor.

• La cooperación con la AI Office y con las autoridades nacionales.

La ausencia de cumplimiento puede dar lugar a sanciones que, en el caso del EU AI Act, pueden alcanzar el 3% de la facturación global anual de la empresa infractora (20) (22). Estas sanciones, aunque se aplican al proveedor, pueden tener efectos indirectos sobre los clientes — por ejemplo, la interrupción del servicio o el aumento de precios para cubrir los costes de las multas.

6.3.4. El criterio de la sostenibilidad financiera

La presión de los mercados financieros sobre el gasto en infraestructura de IA (Sección 5) introduce un nuevo criterio: la sostenibilidad financiera del proveedor (1). Las empresas usuarias deben evaluar si su proveedor tiene un modelo de negocio viable a largo plazo. Un proveedor que opera con pérdidas, que depende de rondas de financiación continuas o que tiene un margen bruto negativo puede no ser capaz de mantener el servicio a largo plazo.

Este criterio es especialmente relevante para las startups de IA, que a menudo priorizan el crecimiento de los ingresos sobre la rentabilidad. La presión de los mercados por la rentabilidad podría llevar a una consolidación del sector, en la que solo sobreviven los proveedores con modelos de negocio sostenibles. Para los clientes, esto significa que deben evaluar no solo la tecnología, sino también la solidez financiera del proveedor.

6.3.5. El criterio de la cadena de suministro de semiconductores

El anuncio de Meta sobre el chip Iris (Sección 5.2) y la creciente desagregación del mercado de semiconductores para IA (25) (27) añaden un nuevo criterio: la seguridad de la cadena de suministro del proveedor. Las empresas usuarias deben evaluar si su proveedor depende de un único fabricante de chips o si tiene fuentes alternativas. Una interrupción en el suministro de chips de Nvidia, por ejemplo, podría afectar a la capacidad del proveedor para ofrecer el servicio.

La estrategia de Meta de desarrollar su propio chip, y las estrategias similares de Google (TPU) y Amazon (Trainium, Inferentia), apuntan a una diversificación del suministro que reduce la dependencia de un único proveedor. Esta diversificación puede ser un factor positivo para los clientes, ya que reduce el riesgo de interrupción del servicio.

6.3.6. La síntesis: un nuevo modelo de evaluación

El nuevo paradigma de gobernanza de la IA exige un modelo de evaluación de proveedores que integre las siguientes dimensiones:

Dimensión	Criterios de evaluación
Calidad técnica	Rendimiento del modelo, precisión, latencia, capacidad de personalización
Riesgo legal	Historial de litigios, origen del talento, políticas de protección de propiedad intelectual
Cumplimiento regulatorio	Cumplimiento del EU AI Act, participación en programas de supervisión (CAISI)
Sostenibilidad financiera	Margen bruto, modelo de negocio, dependencia de financiación externa
Seguridad de la cadena de suministro	Diversificación de fuentes de chips, planes de contingencia

Este modelo de evaluación, que hace apenas dos años se centraba casi exclusivamente en la calidad técnica, refleja la institucionalización de la IA como sector regulado.

6.4. Riesgos sistémicos y capacidad institucional insuficiente

6.4.1. La asimetría entre riesgos y capacidad de supervisión

Un aspecto que atraviesa todo el análisis es la asimetría entre los riesgos que plantea la IA y la capacidad institucional para hacerles frente. Esta asimetría se manifiesta en dos niveles: el estadounidense y el europeo.

6.4.2. El caso de CAISI: recursos limitados e incertidumbre política

En Estados Unidos, el CAISI es el principal órgano de supervisión de la IA de vanguardia. Sin embargo, su capacidad está limitada por varios factores:

• Recursos humanos: la fuente no proporciona una cifra exacta de personal de CAISI, pero su dependencia del presupuesto del NIST y su ubicación dentro del Departamento de Comercio sugieren que sus recursos son significativamente inferiores a los de las grandes empresas tecnológicas (12).

• Incertidumbre política: la orden ejecutiva de junio de 2026 (18) y la restricción de la publicación de informes (18) han generado incertidumbre sobre la continuidad y el alcance de la supervisión. La posibilidad de que CAISI sea reformado, debilitado o incluso suprimido en función de los cambios en la administración introduce un elemento de inestabilidad que afecta a la credibilidad y a la eficacia del sistema.

• Falta de transparencia: la restricción de la publicación de informes (18) reduce la transparencia del proceso de supervisión, lo que dificulta que el público, el Parlamento y otros actores evalúen la eficacia de CAISI.

6.4.3. El caso de la AI Office: 125 empleados para un sector global

En la Unión Europea, la AI Office cuenta con poco más de 125 empleados para supervisar el cumplimiento del EU AI Act (22). Esta cifra, aunque superior a la de CAISI, es claramente insuficiente para hacer frente a la complejidad y a la escala del sector de la IA.

Las dificultades de contratación de talento especializado en IA de vanguardia — competido por las propias empresas tecnológicas — agravan el problema (22). La AI Office se enfrenta no solo a un problema de recursos cuantitativos, sino también de recursos cualitativos: la capacidad de atraer y retener profesionales con el conocimiento técnico necesario para evaluar modelos de vanguardia.

6.4.4. La divergencia transatlántica y sus consecuencias

La divergencia entre el enfoque estadounidense y el europeo — regulación vinculante versus supervisión voluntaria, transparencia versus opacidad — genera incertidumbre regulatoria para los proveedores globales (32). Las empresas deben adaptarse a dos regímenes diferentes, con distintos requisitos, plazos y sanciones.

Esta divergencia también plantea interrogantes sobre la cooperación internacional en materia de seguridad de la IA. El caso de Mythos (16) (13) ha demostrado que los riesgos de la IA de vanguardia son globales y no pueden ser gestionados por un solo país o región. Sin embargo, no existen mecanismos claros de coordinación entre CAISI y la AI Office, ni entre las autoridades de otros países.

6.4.5. La brecha entre la regulación y su aplicación

La literatura sobre regulación tecnológica señala que la brecha entre la regulación y su aplicación (regulatory gap) es uno de los principales desafíos de la gobernanza de la IA. La existencia de leyes y reglamentos, por sí sola, no garantiza su cumplimiento. La aplicación efectiva requiere recursos, capacidad técnica, voluntad política y mecanismos de sanción creíbles.

En el caso de la IA, la brecha es especialmente preocupante por la rapidez de la evolución tecnológica. Los modelos de vanguardia se duplican en capacidad cada pocos meses, y los riesgos que plantean evolucionan al mismo ritmo. La capacidad institucional — en términos de recursos humanos, financieros y técnicos — difícilmente puede seguir este ritmo.

6.4.6. Riesgos no abordados

La fuente no aclara si existen mecanismos para abordar riesgos sistémicos que trascienden las fronteras nacionales, como los modelos de IA capaces de generar armas biológicas o de llevar a cabo ciberataques a gran escala. Tampoco existe evidencia suficiente para afirmar que los marcos regulatorios actuales — el EU AI Act y los acuerdos del CAISI — sean suficientes para hacer frente a estos riesgos.

La ausencia de una gobernanza global de la IA, o al menos de mecanismos de coordinación internacional, es una limitación significativa del paradigma actual de gobernanza. La IA no respeta las fronteras nacionales, y los riesgos que plantea son globales. Sin embargo, la gobernanza de la IA sigue siendo predominantemente nacional o regional, lo que genera lagunas y duplicidades.

SECCIÓN 7. CONCLUSIONES: LA IA COMO SECTOR REGULADO Y EL FUTURO DE LA INNOVACIÓN

7.1. Recapitulación de hallazgos

El análisis desarrollado a lo largo de las secciones precedentes permite extraer un conjunto de conclusiones que confirman la tesis central del artículo de Cases (1): la inteligencia artificial ha entrado en su era regulatoria. Esta transición no es el resultado de un único acontecimiento, sino de la confluencia de múltiples vectores que han operado de forma sincronizada entre mayo y julio de 2026.

7.1.1. La judicialización de la competencia

El litigio Apple contra OpenAI (Sección 2) ha demostrado que el Derecho de secretos comerciales se ha convertido en un mecanismo de competencia en el sector de la IA. La demanda, presentada el 10 de julio de 2026 ante el Tribunal de Distrito del Distrito Norte de California (3) (9) (6), acusa a OpenAI de apropiación indebida de secretos comerciales mediante la contratación sistemática de exempleados de Apple, incluyendo a Tang Tan y Chang Liu (2) (8). Las alegaciones de Apple, que califica el negocio de hardware de OpenAI como "rotten to its core" (podrido hasta los cimientos) (8) (2), suponen una ruptura de la alianza comercial que ambas empresas mantenían desde 2024 (9).

El impacto del litigio trasciende el caso concreto. Incluso si las acusaciones de Apple no se confirman plenamente, el proceso de discovery y la eventual orden judicial preliminar pueden paralizar el desarrollo de hardware de OpenAI durante meses o años (9). Este efecto estratégico convierte al litigio en una herramienta de competencia que puede ser utilizada por las empresas incumbentes para frenar a sus rivales.

7.1.2. La institucionalización de la supervisión gubernamental

El segundo vector analizado es la supervisión administrativa previa a la comercialización de modelos de IA (Sección 3). Los acuerdos del CAISI con Google, Microsoft y xAI, anunciados el 5 de mayo de 2026 (11) (12) (15), suponen un giro en la política de IA de Estados Unidos, que abandona el enfoque "hands off" (no intervencionista) en favor de una supervisión activa (12) (15). Este giro fue impulsado, en parte, por el anuncio del modelo Claude Mythos de Anthropic, que la propia empresa consideró demasiado peligroso para su lanzamiento público (16) (13).

Sin embargo, la supervisión del CAISI está sujeta a una incertidumbre política significativa. La orden ejecutiva de junio de 2026 (18) y la restricción de la publicación de informes (18) han generado dudas sobre la continuidad y el alcance del programa de evaluación. Esta incertidumbre, combinada con los limitados recursos de CAISI, plantea interrogantes sobre la efectividad de la supervisión gubernamental en el sector de la IA.

7.1.3. La regulación europea como estándar global

El tercer vector es el EU AI Act y su efecto extraterritorial (Sección 4). El Reglamento (UE) 2024/1689, modificado por el Digital Omnibus on AI de junio de 2026 (19) (21), establece un marco normativo vinculante que se aplica a cualquier proveedor que comercialice sistemas de IA en el mercado único europeo (20) (21). Las obligaciones para los modelos GPAI y los modelos con riesgo sistémico entran en vigor el 2 de agosto de 2026, con independencia de los aplazamientos para los sistemas de alto riesgo (20) (22).

El EU AI Act impone obligaciones sustanciales a los proveedores, incluyendo la publicación de un resumen del contenido de entrenamiento (artículo 53.1.d) (20) (22), la documentación técnica y la cooperación con la AI Office. Las sanciones por incumplimiento pueden alcanzar el 3% de la facturación global anual de la empresa infractora (20) (22). La principal limitación es la capacidad institucional de la AI Office, que cuenta con poco más de 125 empleados para supervisar todo el sector (22).

7.1.4. La presión de los mercados financieros

El cuarto vector es la presión de los mercados financieros por la rentabilidad (Sección 5). Los resultados de Samsung del segundo trimestre de 2026, publicados el 7 de julio (23) (24), muestran beneficios récord acompañados de una caída del 7 % en el valor de las acciones. Esta reacción, que los analistas atribuyen a la preocupación por la sostenibilidad del gasto en infraestructura de IA (23) (24), es una señal de que los mercados empiezan a cuestionar el modelo de negocio de la IA.

El anuncio de Meta sobre su chip Iris (25) (26) (27) (28) y su giro hacia la monetización vía API con Muse Spark 1.1 reflejan una estrategia de reducción de dependencia de Nvidia y de búsqueda de rentabilidad. La proliferación de chips de IA propios (25) (27) apunta a una desagregación del mercado de semiconductores que podría reducir la dependencia de los grandes proveedores.

7.1.5. La convergencia sistémica

La conclusión central del análisis es que estos cuatro vectores — litigios, supervisión, regulación y mercados — han convergido en un período de tiempo extraordinariamente breve (mayo-julio de 2026) para generar un cambio de paradigma en el sector de la IA (1). La IA ha dejado de ser un espacio de excepción tecnológica para convertirse en un sector progresivamente institucionalizado, sometido a las lógicas del Derecho, la supervisión administrativa y la disciplina de los mercados.

Este cambio de paradigma tiene consecuencias profundas para la estructura del sector, en particular para la consolidación oligopólica y la exclusión de nuevos entrantes (Sección 6.2). Las barreras de entrada — litigios, cumplimiento regulatorio, supervisión gubernamental y presión de los mercados — se han multiplicado, favoreciendo a las empresas establecidas en detrimento de las startups.

7.2. Implicaciones para la política regulatoria

7.2.1. La necesidad de coordinación internacional

El análisis de la divergencia transatlántica (Secciones 3.4 y 4.5) revela una falta de coordinación entre los enfoques regulatorios de Estados Unidos y la Unión Europea. Mientras que la UE ha optado por un marco normativo vinculante con efectos extraterritoriales, EE.UU. mantiene un enfoque predominantemente voluntario y fragmentado, sujeto a la incertidumbre política (24).

Esta divergencia genera costes de cumplimiento para los proveedores globales y reduce la efectividad de la supervisión. La IA no respeta las fronteras nacionales, y los riesgos que plantea son globales. Sin mecanismos de coordinación internacional — que podrían incluir el reconocimiento mutuo de evaluaciones, el intercambio de información y la armonización de estándares — la gobernanza de la IA seguirá siendo fragmentada e ineficaz.

7.2.2. El fortalecimiento de la capacidad institucional

Tanto en Estados Unidos como en la Unión Europea, la capacidad institucional para supervisar la IA es insuficiente en relación con la escala y la complejidad del sector (Secciones 3.4 y 4.4). La AI Office cuenta con poco más de 125 empleados (22), y CAISI enfrenta incertidumbre política y limitaciones de recursos (18).

Los responsables de la toma de decisiones deben priorizar el fortalecimiento de las instituciones de supervisión, dotándolas de recursos humanos y financieros adecuados, así como de la capacidad técnica necesaria para evaluar modelos de vanguardia. Esto incluye la atracción y retención de talento especializado en IA, que compite directamente con el sector privado.

7.2.3. La transparencia como principio rector

La restricción de la publicación de informes de CAISI (18) y las limitaciones de transparencia del EU AI Act — en particular, la falta de una definición precisa del resumen de entrenamiento (22) — son preocupantes desde la perspectiva de la rendición de cuentas (accountability). La supervisión gubernamental de la IA debe ir acompañada de transparencia sobre los criterios, los procedimientos y los resultados de las evaluaciones.

La transparencia no solo permite el escrutinio público y parlamentario, sino que también contribuye a la credibilidad del sistema de supervisión. Sin transparencia, las decisiones de los reguladores pueden ser percibidas como arbitrarias o capturadas por los intereses de la industria.

7.2.4. La protección de la competencia

La consolidación oligopólica del sector de la IA (Sección 6.2) plantea desafíos para la política de competencia. Las autoridades de defensa de la competencia — la FTC y el DOJ en EE.UU., la Comisión Europea en la UE — deben supervisar las prácticas de las grandes tecnológicas para garantizar que no utilicen su posición de dominio para excluir a los competidores.

El litigio Apple contra OpenAI, aunque no es un caso de competencia en sentido estricto, tiene implicaciones para la dinámica competitiva del sector. La utilización del Derecho de secretos comerciales como arma estratégica puede ser vista como una práctica anticompetitiva si se utiliza para impedir la movilidad del talento o para frenar la innovación de los rivales.

7.2.5. La evaluación de riesgos sistémicos

El caso de Mythos (16) (13) ha demostrado que la IA de vanguardia puede plantear riesgos sistémicos que ninguna empresa, por sí sola, está en condiciones de gestionar. La evaluación de estos riesgos requiere un enfoque prospectivo que anticipe las capacidades futuras de los modelos y no se limite a reaccionar a los incidentes ya ocurridos.

Los marcos regulatorios actuales — el EU AI Act y los acuerdos del CAISI — incorporan elementos de evaluación prospectiva, pero su efectividad depende de la capacidad institucional y de la cooperación con los desarrolladores. La fuente no aclara si existen mecanismos para evaluar los riesgos de modelos que aún no han sido entrenados o de aplicaciones que aún no han sido concebidas.

7.3. Líneas abiertas de investigación

El análisis realizado en este artículo identifica varias áreas que requieren investigación adicional.

7.3.1. La evolución del litigio Apple contra OpenAI

El litigio se encuentra en sus fases iniciales. La decisión sobre la orden judicial preliminar, la eventual respuesta de OpenAI y el desarrollo del proceso de discovery serán determinantes para comprender el impacto real del caso en el sector. La investigación futura debe seguir la evolución del litigio y analizar sus efectos sobre la dinámica competitiva del sector de la IA.

7.3.2. La implementación del EU AI Act

El 2 de agosto de 2026 es el primer hito importante de aplicación del EU AI Act, pero no el último. La investigación futura debe analizar cómo los proveedores de IA se adaptan a las nuevas obligaciones, cómo la AI Office ejerce sus competencias de supervisión y cómo los tribunales interpretan el Reglamento. La comparación entre la implementación en diferentes Estados miembros también sería valiosa.

7.3.3. El impacto de la desagregación del mercado de semiconductores

La proliferación de chips de IA propios — el Iris de Meta, las TPU de Google, los Trainium e Inferentia de Amazon (25) (27)— está transformando el mercado de semiconductores. La investigación futura debe analizar cómo esta desagregación afecta a los precios, a la disponibilidad de capacidad computacional y a la posición de Nvidia en el mercado.

7.3.4. La convergencia regulatoria transatlántica

La divergencia entre el enfoque estadounidense y el europeo plantea interrogantes sobre la posibilidad de convergencia. La investigación futura debe analizar los factores que podrían impulsar una mayor armonización — como la presión de los proveedores globales o la aparición de riesgos compartidos — y los obstáculos que podrían impedirla.

7.3.5. El impacto del "Gran Filtro" en las startups de IA

La hipótesis del "Gran Filtro" (1) — la desaparición de las startups de IA que no tengan un margen bruto positivo y alianzas con grandes distribuidores — requiere verificación empírica. La investigación futura debe analizar la evolución del ecosistema de startups de IA en los próximos años, identificando los factores de éxito y fracaso en el nuevo paradigma regulatorio.

7.4. Reflexión final: la IA como sector regulado

La entrada de la IA en su era regulatoria no significa el fin de la innovación, sino su reconfiguración. La innovación seguirá produciéndose, pero en un marco de reglas más estrictas, con mayores costes de cumplimiento y con una menor participación de nuevos entrantes. Los ganadores de esta nueva etapa serán las empresas que logren combinar la excelencia técnica con la capacidad de navegar en un entorno legal y regulatorio complejo.

El desafío para los responsables de la toma de decisiones es equilibrar la necesidad de supervisión y regulación con la necesidad de preservar un ecosistema innovador y competitivo. Un exceso de regulación puede sofocar la innovación y consolidar el poder de los incumbentes. Una regulación insuficiente puede exponer a la sociedad a riesgos sistémicos que ninguna empresa, por sí sola, está en condiciones de gestionar.

La IA del futuro será, probablemente, menos wild (salvaje) que la de los últimos años, pero también más predecible y fiable. Esta transición, aunque dolorosa para algunos actores, es una condición necesaria para que la IA se convierta en una tecnología madura, integrada en la economía y en la sociedad de forma segura y sostenible.

El artículo de Cases (1) ha tenido el mérito de identificar este cambio de paradigma en el momento mismo de su producción. El presente análisis ha tratado de profundizar en sus implicaciones, ofreciendo un marco integrador que permite comprender la convergencia de los distintos vectores — litigios, supervisión, regulación y mercados — que están transformando el sector de la IA. Queda ahora por ver cómo se desarrollan estos procesos en los próximos meses y años, y cómo los distintos actores — empresas, reguladores, tribunales y mercados — se adaptan a la nueva realidad de la IA como sector regulado.

BIBLIOGRAFÍA

Fuente motora del análisis

1. Cases, J. L. (2026, 12 de julio). La IA acaba de entrar en su era regulatoria [Publicación]. LinkedIn.

Litigio Apple Inc. v. OpenAI, Inc. et al.

2. Apple Inc. v. OpenAI, Inc. et al. (2026). Complaint. Tribunal de Distrito de los Estados Unidos para el Distrito Norte de California, presentada el 10 de julio de 2026. [Fuente primaria; el análisis de su contenido se basa en las descripciones ofrecidas por las fuentes periodísticas citadas a continuación, dado que no se ha tenido acceso directo al texto íntegro].
3. Gurman, M. (2026, 10 de julio). Apple sues OpenAI for trade secret theft over AI hardware designs. Bloomberg.
4. Associated Press. (2026, 10 de julio). Apple files lawsuit accusing ChatGPT maker OpenAI of stealing trade secrets.
5. The New York Times. (2026, 10 de julio). Apple sues OpenAI, accusing it of stealing company secrets.
6. WIRED. (2026, 10 de julio). Apple is suing OpenAI for allegedly stealing hardware secrets.
7. Los Angeles Times. (2026, 10 de julio). Apple accuses OpenAI of stealing trade secrets in blockbuster Silicon Valley lawsuit.
8. Engadget. (2026, 10 de julio). Apple calls OpenAI's hardware business "rotten to its core" in trade secret theft lawsuit.
9. Bloomberg. (2026, 14 de julio). Apple's OpenAI suit may turn out to be a favor.
10. CNBC. (2018, 9 de febrero). Cobertura del acuerdo de conciliación Waymo LLC v. Uber Technologies, Inc. [Precedente citado como paralelo].

Supervisión gubernamental: CAISI

11. National Institute of Standards and Technology / Center for AI Standards and Innovation (CAISI). (2026, 5 de mayo). Comunicado oficial sobre los acuerdos de evaluación previa al despliegue con Google DeepMind, Microsoft y xAI. [Fuente primaria].
12. Nextgov/FCW. (2026, 5 de mayo). Commerce AI center will evaluate Google DeepMind, Microsoft and xAI models.
13. BBC News. (2026, 5 de mayo). US to safety test new AI models from Google, Microsoft, xAI.
14. Axios. (2026, 5 de mayo). Cobertura de los acuerdos de evaluación previa del CAISI con Google DeepMind, Microsoft y xAI.
15. CNBC. (2026, 5 de mayo). Trump admin moves further into AI oversight, will test Google, Microsoft and xAI models.
16. CSO Online. (2026, 5 de mayo). Anthropic Mythos spurs White House to weigh pre-release reviews for high-risk AI models.
17. Gizmodo. (2026, 13 de mayo). Commerce Department page announcing AI safety testing with Google, Microsoft, xAI disappears.
18. Benton Institute for Broadband & Society (recogiendo cobertura de The Wall Street Journal). (2026, 10 de junio). White House reins in AI-testing unit as national-security concerns grow.

Unión Europea: EU AI Act y Digital Omnibus on AI

19. Consejo de la Unión Europea. (2026, 29 de junio). Artificial intelligence: Council gives final green light to simplify and streamline rules [Comunicado de prensa]. Consilium.
20. Gibson Dunn. (2026, 27 de mayo). EU AI Act omnibus agreement: postponed high-risk deadlines and other key changes [Client alert].
21. Sidley Austin LLP. (2026, 22 de junio). EU lawmakers reach provisional agreement to delay key EU AI Act obligations. Data Matters.
22. Christoph, J. (2026, 18 de mayo). How much power does the EU AI Office actually have? Lawfare.

Respuesta de los mercados: Samsung y Meta

23. CNBC. (2026, 7 de julio). Samsung Electronics shares fall as capex concerns outweigh strong Q2 earnings.
24. Yahoo Finance. (2026, 7 de julio). Samsung Q2 2026 earnings: record profit, stock falls 7%.
25. Reuters (Paul, K.; Cherney, M. A.; Nellis, S.). (2026, 9 de julio). Exclusive: Meta to put AI chip into production in September as it looks to double computing capacity.
26. Data Center Dynamics. (2026, 9 de julio). Meta could start production of Iris AI chip in September, report says.
27. Quartz. (2026, 9 de julio). Meta to start production of Iris AI chip in September, report says.
28. Nasdaq (vía MLQ.ai). (2026, 11 de julio). Mark Zuckerberg is turning Meta into a bigger chipmaker.

Fuentes académicas e institucionales

29. Stanford University, Institute for Human-Centered AI. (2026). AI Index Report 2026.
30. Brookings Institution. (2026, 22 de enero). From open internet to open intelligence: why AI's market structure matters more than ever.
31. Center for European Policy (cep). (2026). Competition at risk in generative AI markets.
32. Control Risks. (2026, 17 de marzo). AI visions in 2026: a transatlantic strategic divide.