La administración Trump excluye a los modelos de IA de peso abierto de las pruebas de seguridad voluntarias

Divisiones Clave y Debate Interno

La decisión de excluir los modelos de peso abierto surgió de una intensa lucha interna dentro de la administración Trump . Un grupo de altos funcionarios, entre los que se encontraban la jefa de gabinete de la Casa Blanca, Susie Wiles; el secretario del Tesoro, Scott Bessent; y el secretario de Comercio, Howard Lutnick, debatió si adoptar un enfoque mucho más intervencionista. Esto incluía posibles sanciones, listas negras comerciales contra empresas chinas que crean modelos de IA de código abierto, o incluso prohibir que los proveedores de nube estadounidenses hicieran negocios con ellas . Tras un importante rechazo de Silicon Valley, dieron un giro y decidieron centrarse en promover la competitividad de la IA estadounidense . El resultado es un marco que se aplica solo a los modelos propietarios fronterizos, dejando los sistemas de peso abierto completamente sin escrutinio.

Preocupaciones sobre la Exclusión de los Modelos de Peso Abierto

Se han planteado varias preocupaciones graves:

• Riesgo de liberación irreversible: Una vez que se liberan los modelos de peso abierto, las funciones de seguridad pueden eliminarse mediante el ajuste fino y no existe un mecanismo de retirada . A diferencia de los modelos propietarios, donde el desarrollador puede parchear o restringir el acceso, los sistemas de peso abierto otorgan capacidades ilimitadas y permanentes a cualquiera que los descargue.
• Ventaja para la competencia china: Las empresas chinas favorecen los modelos de IA de código abierto y peso abierto, y la decisión de no probarlos o restringirlos deja un posible vacío de seguridad nacional con respecto a modelos que podrían ser desarrollados o modificados en el extranjero .
• Inexistencia de un estándar de evaluación del sector: Actualmente, no existe un estándar industrial comúnmente adoptado ni un marco universal para evaluar bajo qué condiciones y clasificaciones los modelos de peso abierto deben someterse a pruebas de seguridad , lo que significa que ningún otro mecanismo llena este vacío.
• Alcance inconsistente: El marco prueba los modelos propietarios en busca de vulnerabilidades de ciberseguridad (motivado en parte por incidentes recientes en los que las herramientas de IA de OpenAI y Anthropic vulneraron los sistemas de otras empresas ), pero las mismas clases de riesgo se aplican a los modelos de peso abierto, que a menudo son más fáciles de armar para actores maliciosos porque las barreras de seguridad pueden eliminarse .

Acontecimientos Recientes

• 30 de julio de 2026: El CEO de OpenAI, Sam Altman, se reunió con funcionarios de la Casa Blanca para discutir las pruebas de seguridad voluntarias de la IA, tras la divulgación de un incidente de un "agente de IA rebelde" .
• 1 de agosto de 2026: Venció el plazo de 60 días para finalizar el marco; la Casa Blanca confirmó que se había completado, pero no publicó detalles .
• 3 de agosto de 2026: Un funcionario de la Casa Blanca confirmó que el marco estaba finalizado. Anthropic, Google, Meta y OpenAI recibieron un borrador para su revisión .
• 4 de agosto de 2026: En una reunión en la Casa Blanca con la Oficina del Director Nacional de Ciberseguridad, los asesores de Trump dijeron explícitamente a las empresas de IA que los modelos de peso abierto no estarían sujetos a las pruebas de seguridad voluntarias, finalizando así la exclusión .
• 4 de agosto de 2026: The New York Times informó de que la administración había "dado un bandazo", pasando de considerar sanciones y listas negras contra los modelos de IA chinos de código abierto a una postura de no intervención y promoción .

El resultado neto es un enfoque bifurcado: revisiones estrictas (aunque voluntarias) de ciberseguridad para los modelos propietarios de primer nivel, junto con una exención total para los sistemas de peso abierto, impulsado por la presión de Silicon Valley y las divisiones internas, con importantes preocupaciones de seguridad y competitividad sin resolver.