¿Por qué las principales startups de IA publican cada vez menos investigación?

Los primeros años del campo de la IA, aproximadamente desde comienzos de la década de 2010 hasta el inicio de esta década, se caracterizaron por una cultura de apertura. Los grandes laboratorios publicaban sus métodos en artículos, compartían código y construían sobre el trabajo de otros. Esa apertura se consideraba ampliamente una de las razones por las que el campo avanzó tan rápido.

Hoy el panorama ha cambiado. Las startups líderes del sector comparten cada vez menos lo que consideran sus hallazgos más innovadores. Investigaciones que antes aparecían en conferencias académicas y revistas revisadas por pares ahora permanecen, en su mayoría, puertas adentro: o nunca se publican, o se comparten solo como una entrada de blog orientada al marketing, desprovista de detalle técnico.

El motor más evidente de este cambio es la competencia comercial. Un laboratorio que invierte meses de investigación y una enorme capacidad de cómputo para ganar ventaja tiene poco interés en entregar esa ventaja a sus competidores mediante un artículo público. Publicar, que antes era un camino hacia el prestigio científico, se percibe cada vez más como regalar una hoja de ruta gratuita.

A esto se suma que algunas empresas justifican su decisión de no publicar por motivos de seguridad: argumentan que hacer públicos los detalles de cómo se entrenan los modelos más potentes podría aumentar el riesgo de uso indebido. Ese argumento es objeto de debate: los críticos señalan que las preocupaciones de seguridad a veces se usan como una excusa conveniente para proteger secretos comerciales.

Las dinámicas de seguridad nacional complican aún más el panorama. La IA ya no se percibe solo como una tecnología comercial, sino como un terreno de competencia geopolítica, lo que empuja a algunas empresas —e incluso a gobiernos— hacia una mayor cautela a la hora de compartir investigaciones consideradas estratégicamente valiosas.

Este cierre tiene consecuencias concretas para la comunidad científica. Los investigadores académicos, sin acceso a los hallazgos más recientes de los laboratorios líderes, pierden la oportunidad de verificarlos de forma independiente o de construir sobre ellos. Eso ralentiza el avance acumulativo del conocimiento, el mecanismo básico por el que funciona la ciencia.

El problema es aún más agudo para los investigadores de seguridad de la IA. Poder examinar de forma independiente cómo se comporta un modelo y qué riesgos podrían surgir depende de la transparencia. Cuando las empresas realizan sus propias evaluaciones de seguridad de forma aislada, ninguna parte externa puede confirmar que esas evaluaciones sean precisas.

Aun así, no todas las empresas avanzan en la misma dirección. Algunas organizaciones de investigación sin fines de lucro y asociaciones académicas siguen publicando, en particular, hallazgos centrados en la seguridad, y algunas empresas mantienen la apertura en áreas de investigación específicas que no son comercialmente sensibles.

Para los responsables de políticas, la tendencia plantea un nuevo desafío: la regulación generalmente depende de la transparencia; evaluar los riesgos de una tecnología requiere primero entender cómo funciona. A medida que las empresas mantienen cada vez más en confidencialidad su investigación fundamental, se vuelve más difícil para los reguladores tomar decisiones informadas.

Los investigadores no esperan que el campo regrese por completo a su cultura de ciencia abierta, pero algunos abogan al menos por normas comunes en toda la industria para compartir los hallazgos relevantes para la seguridad. Ese debate seguirá moldeando cómo se desarrolla la IA, tanto como ciencia como negocio.