OpenAI acusa a DeepSeek de usar sus modelos para entrenar IA mediante “destilación” no autorizada
La empresa estadounidense OpenAI presentó una acusación formal ante legisladores de Estados Unidos contra la startup china DeepSeek, a la que señala por haber utilizado técnicas de “destilación” para entrenar sus propios modelos de Inteligencia Artificial a partir de resultados generados por sistemas de OpenAI.
Según un memorando enviado al U.S. House Select Committee on Strategic Competition with the Chinese Communist Party, OpenAI sostiene que DeepSeek habría intentado replicar capacidades avanzadas de modelos estadounidenses mediante la extracción masiva de respuestas, posiblemente eludiendo restricciones técnicas diseñadas para evitar ese uso.
Qué es lo central del conflicto
El punto más relevante es que no se trata —hasta el momento— de una demanda judicial formal, sino de una presentación política y regulatoria ante el Congreso estadounidense. OpenAI argumenta que se habrían violado sus términos de servicio, se utilizó un método sistemático de recopilación de outputs para entrenar modelos competidores y que este tipo de prácticas afectaría la competitividad tecnológica de EE. UU. frente a China.
Por ahora, no hay fallo judicial ni pruebas presentadas en tribunales que confirmen la acusación. La controversia se mueve en el terreno regulatorio y geopolítico.
El trasfondo técnico: la “destilación”
La destilación es una técnica habitual en el ecosistema de IA: consiste en usar las respuestas de un modelo grande para entrenar uno más pequeño o especializado. El problema surge cuando ese proceso se realiza sin autorización contractual o vulnerando límites de uso establecidos por la empresa propietaria del modelo original.
Impacto estratégico
Este conflicto no es solo empresarial. Se inscribe en una disputa mayor por el liderazgo global en Inteligencia Artificial. Si las acusaciones escalan a tribunales, podrían sentar precedentes sobre la propiedad intelectual en modelos generativos, los límites legales de la destilación y la responsabilidad sobre el uso de outputs como datos de entrenamiento.
En un contexto donde la IA se vuelve infraestructura crítica, el caso puede redefinir las reglas del juego.
