Satya Nadella no se anda con rodeos. En una reciente intervención pública, el CEO de Microsoft ha señalado directamente a OpenAI y Anthropic por lo que califica como una "paradoja inversa de la información": estas compañías entrenan sus modelos fundacionales con ingentes cantidades de datos públicos amparándose en el principio de uso legítimo (fair use), pero a la vez imponen cláusulas contractuales que prohíben a terceros destilar el conocimiento de sus propios modelos.
La destilación —técnica que permite transferir el conocimiento de un modelo grande y costoso a uno más pequeño y eficiente— se ha convertido en estándar de facto para democratizar el acceso a capacidades avanzadas de IA. Sin embargo, los términos de servicio de los principales laboratorios vetan expresamente su uso para crear modelos competidores. Nadella argumenta que esa restricción choca frontalmente con la práctica de alimentar sus sistemas con contenido generado por usuarios, páginas web, código abierto y demás recursos colectivos sin compensación explícita.
El directivo va más allá: también critica que estos laboratorios aprendan de las interacciones de los clientes con sus APIs —prompts, respuestas, patrones de uso— para mejorar sus propios modelos, creando un bucle de retroalimentación que beneficia exclusivamente al proveedor. "Quieren tenerlo todo: datos gratis para entrenar, control total sobre la destilación y aprendizaje continuo de sus usuarios", resume un investigador de IA consultado por este medio.
La posición de Microsoft no es desinteresada. La compañía comercializa precisamente la infraestructura que Nadella defiende: Azure AI Studio, servicios de fine-tuning gestionado y herramientas para que las organizaciones entrenen, alojen y gobiernen sus propios modelos sin depender de cajas negras ajenas. El mensaje subyacente es claro: "traigan sus datos, nosotros damos la tubería; no necesitan pedir permiso a OpenAI para destilar".
Este choque refleja una tensión estructural en la industria. Por un lado, los laboratorios pioneros necesitan proteger su inversión multimillonaria en computación y talento; la destilación no autorizada erosionaría su ventaja competitiva. Por otro, la comunidad empresarial y de desarrolladores exige soberanía sobre los modelos que impulsan sus productos, especialmente en sectores regulados donde la trazabilidad y el control de datos son obligatorios.
La paradoja que destaca Nadella también tiene dimensión legal. Los debates sobre fair use en el entrenamiento de IA están en los tribunales (casos como The New York Times vs. OpenAI o autores vs. Meta). Si finalmente se dictamina que el uso masivo de contenido protegido no es fair use, la argumento de los laboratorios para vetar la destilación se debilitaría aún más: no podrían reclamar exclusividad sobre conocimiento construido con obra ajena.
Mientras tanto, la apuesta de Microsoft por modelos abiertos —como la familia Phi, Llama 3 alojado en Azure o su alianza con Mistral— gana tracción entre CTOs que prefieren evitar el vendor lock-in. La destilación de modelos abiertos es hoy legal y técnicamente trivial, lo que acelera la adopción de arquitecturas "trae tu propio modelo" (BYOM).
En el fondo, la crítica de Nadella expone una cuestión de poder: quién controla la capa de inteligencia que pronto sustentará la mayoría del software empresarial. Si los laboratorios cierran la puerta a la destilación, empujan al mercado hacia alternativas abiertas y hacia proveedores de infraestructura que venden autonomía, no cajas negras. La paradoja inversa, pues, podría terminar volviéndose en contra de sus propios creadores.
