Distillation china: por qué presupuestaIA aloja sus datos solo en proveedores transparentes

Ayer 23 de febrero Anthropic publicó una investigación incómoda: tres laboratorios chinos —DeepSeek, Moonshot y MiniMax— han estado ejecutando campañas sistemáticas para extraer capacidades de Claude vía distillation. Es decir, usando Claude como profesor de sus propios modelos. La noticia es relevante por motivos técnicos, pero también por algo que afecta directamente a cualquier ERP con IA dentro: dónde se procesa el prompt importa.

Qué es distillation y por qué Anthropic se queja

Distillation, en su versión legítima, es una técnica de ML para entrenar modelos pequeños a partir de modelos grandes. La versión cuestionada es otra: usar la API pública de un competidor para generar millones de pares pregunta-respuesta, y luego entrenar tu propio modelo con esos pares. El resultado es un modelo que "imita" al original a una fracción del coste.

Anthropic detectó patrones de uso anómalos —consultas estructuradas, repetitivas, claramente diseñadas para mapear capacidades— provenientes de cuentas vinculadas a los tres laboratorios. La respuesta ha sido bloqueo de accesos y un informe público con metodología detallada.

La señal que importa: la transparencia es asimétrica

Lo interesante no es la distillation en sí. Es lo que enseña sobre el resto del ecosistema. Anthropic publica de forma pública qué uso considera abusivo, con quién comparte logs y qué hace con los prompts. DeepSeek, Moonshot y MiniMax no publican nada parecido. No hay manera de auditar qué hacen con los datos que les mandas.

Para un ERP que procesa presupuestos de obra —que contienen información comercial sensible: márgenes, proveedores, datos de cliente, valoraciones de partidas— eso es un riesgo regulatorio y reputacional. No es paranoia, es cumplimiento normativo elemental bajo RGPD.

Cómo lo aplicamos en presupuestaIA

Nuestra política de privacidad IA tiene tres reglas duras:

• Allowlist explícita: solo Anthropic (eu-west / us-east), OpenAI EU (residency Frankfurt) y Google Vertex (europe-west4). El resto, bloqueado a nivel de edge function.
• No fine-tuning con datos de cliente: ningún prompt de obra real entra en datasets de entrenamiento. Ni los nuestros ni los de los proveedores.
• Trazabilidad por petición: cada llamada a un modelo deja registro en ia_audit_log con proveedor, modelo, región, latencia y hash del prompt.

Esto no es un coste accesorio: es lo que permite firmar contratos con constructoras grandes y empresas reguladas. Y, sinceramente, es lo que debería pedir cualquier comprador de software con IA en 2026.

Próximo episodio

El viernes hablamos del otro movimiento de Anthropic esta semana: la compra de Vercept, una startup de agentes que usan el navegador como un humano. Y por qué eso conecta con el botón "Describir con IA" que acabamos de meter en el editor de partidas.