Cuando un programador introduce líneas de código inéditas, un borrador de investigación aún no divulgado o un informe preliminar sobre una debilidad de seguridad en una inteligencia artificial de tipo comercial —un modelo operado por corporaciones como OpenAI o Anthropic, donde no hay auditoría externa sobre el procesamiento interno—, pierde el control sobre esos datos. La firma gestora de la herramienta se convierte en la depositante de un conocimiento que todavía no es de dominio público.
Un puñado de compañías controla el acceso a los datos sensibles
Este dilema no afecta únicamente a una organización concreta. Un grupo reducido de corporaciones —entre ellas OpenAI, Google, xAI y Anthropic— concentra la potencia de cálculo y, simultáneamente, almacena gran parte del contenido que millones de usuarios les proporcionan a diario por medio de sus sistemas: GPT, Gemini, Grok y Claude. Cada entidad resuelve, conforme a sus propios lineamientos, qué destino dar a esa información.
Esta centralización no es exclusivamente un tema de competencia empresarial. Representa un asunto de gobernanza: nadie externo a esas compañías puede verificar de forma certera cuánto tiempo conservan lo recibido, qué personas dentro de la organización tienen permiso para revisarlo o si termina incorporándose al adiestramiento de versiones futuras. La fiabilidad descansa en la promesa de cada empresa, no en un sistema de comprobación independiente.
La mayoría de las preguntas formuladas a una IA comercial no involucra secretos de gran valor económico o competitivo, por lo que esta carencia de supervisión externa casi nunca se somete a escrutinio. Sin embargo, cuando ocurre, la cuestión deja de ser hipotética. ¿Qué seguridades hay de que esos materiales no acaben, de algún modo, integrados en los propios mecanismos de la compañía que los recibió?
El suceso que desafió la confianza en la IA
Esa interrogante halló una respuesta incómoda en septiembre de 2026. OpenAI declaró que su modelo GPT-6 Astra, el más reciente presentado hasta esa fecha, había mostrado una singularidad en las ecuaciones de Navier-Stokes, respaldado por diez mil agentes de inteligencia artificial que colaboraron en paralelo a lo largo de 88 horas. Este logro apuntaba a uno de los siete Problemas del Milenio, una serie de enigmas matemáticos no resueltos, establecidos en el año 2000 por el Clay Mathematics Institute, cada uno con un premio de un millón de dólares para quien consiguiera resolverlos. Hasta ese momento, solo uno de los siete había obtenido una demostración aceptada.
No obstante, el anuncio de OpenAI colisionó con otra narrativa. Tristan Buckmaster, matemático de la Universidad de Nueva York, afirmó que, junto a Levent Alpöge, investigador de Anthropic, había progresado en la misma dirección durante casi un año, subiendo esbozos y demostraciones parciales a Codex, el instrumento de OpenAI para redactar y corregir código. Cuando Buckmaster indagó directamente si el nuevo modelo había sido entrenado con esas sesiones o había accedido a ellas, no obtuvo contestación. Repitió la pregunta sobre el entrenamiento y tampoco fue respondida.
OpenAI rechazó de manera tajante haber empleado ese trabajo para edificar su demostración, pero nunca precisó si esas sesiones privadas integraron el adiestramiento de su modelo interno. El propio Buckmaster admitió que carece de una evidencia concluyente. "No he visto la demostración. No sé si se usaron nuestros datos", escribió en un texto redactado originalmente en inglés.
El punto ciego que Bitcoin no puede externalizar
Este episodio no prueba que OpenAI haya utilizado el trabajo ajeno. Evidencia algo más incómodo para cualquier sector que dependa de compartir información delicada con una IA comercial: ni siquiera una organización dispuesta a negar de forma categórica un uso indebido pudo garantizar qué ocurrió con los datos que recibió. Esa distancia entre rechazar el resultado y describir el proceso es, precisamente, el punto ciego que Bitcoin no puede permitirse.
Bitcoin se concibió, desde su origen, para suprimir la necesidad de fiarse de un intermediario sin capacidad de verificación. Un nodo no cree en otro nodo; comprueba cada bloque por sí mismo. Un usuario no confía en un custodio; puede ejecutar su propio software y validar sus propias transacciones. Ese principio —verificar en lugar de confiar— explica por qué el código es abierto y por qué las decisiones de protocolo se exponen al escrutinio de la comunidad de Bitcoin.
Esa misma comunidad no tiene, sin embargo, modo de aplicar el mismo principio cuando un desarrollador emplea una IA comercial para escribir código, auditar una implementación o avanzar sobre una propuesta de protocolo aún en discusión. Allí no hay bloques que verificar ni nodos que comparen resultados. Hay una empresa privada, con sus propias políticas internas, decidiendo qué hacer con información que su cliente aún no deseaba hacer pública.
Si una vulnerabilidad de Bitcoin se filtrara prematuramente, podría costar fondos reales y la confianza en su protocolo, pues abriría una ventana de explotación —el lapso durante el cual una falla conocida pero aún sin corregir puede ser aprovechada— mientras el parche no existiera. El ecosistema de Bitcoin ya tiene una práctica para manejar ese riesgo cuando la información circula entre personas: la divulgación responsable, que define quién puede ver una vulnerabilidad antes del parche y por cuánto tiempo. Esa práctica fue diseñada para decidir entre personas, no para anticipar que una herramienta externa, ajena a esa cadena de confianza, procese, indexe o eventualmente entrene con ese mismo material.
El caso Navier-Stokes no demuestra que a Bitcoin ya le haya ocurrido algo similar. Ninguna vulnerabilidad conocida del protocolo se filtró hasta ahora a través de una inteligencia artificial comercial. Pero la gobernanza de esa información sigue dependiendo por completo de las políticas internas de las mismas empresas que operan GPT, Gemini, Grok y Claude, sin un mecanismo de verificación externo. Frente a este escenario existen alternativas parciales, como recurrir a modelos de código abierto que se ejecuten en un servidor propio en lugar de depositar información sensible en una IA comercial. Ninguna resuelve el problema de fondo: mientras el entrenamiento y el acceso a los datos sigan siendo decisiones internas de cada empresa, la verificación externa seguirá sin existir.
Esa es la lección que le queda al desarrollo de Bitcoin. No hace falta que una inteligencia artificial comercial mienta para que el problema exista. Basta con que, ante una pregunta directa sobre el destino de un secreto, la única respuesta posible sea el silencio.