La etiqueta que nadie revisa: el origen del software no se cuestiona igual que el del equipo

Cuando un integrador cotiza un switch, una cámara o un NVR, el origen del equipo entra a la conversación. A veces por convicción, a veces por una directriz de la matriz del cliente, a veces por simple costumbre del mercado. Es un debate público, visible y, en muchos casos, moralizado.

Cuando ese mismo integrador elige el modelo de Inteligencia Artificial que va a correr en su plataforma, o el software que va a procesar los datos de sus clientes, el origen no entra en la conversación. Nadie lo pregunta.

Julio de 2026 dejó esa contradicción a la vista de todos.

Lo que pasó en un mismo mes

Por un lado, la advertencia. El responsable de seguridad nacional de Anthropic —uno de los laboratorios de IA más importantes de Estados Unidos— señaló públicamente el riesgo que representan los modelos chinos y la práctica de destilación de capacidades. El Departamento de Defensa mantiene a Alibaba y a Baidu en su listado de empresas vinculadas al ejército chino que operan en territorio estadounidense. Y en el Congreso se discute activamente restringir el uso de estos modelos.

Por el otro lado, la práctica. En esas mismas semanas:

• Apple obtuvo autorización regulatoria para lanzar Apple Intelligence en China corriendo sobre los modelos Qwen (Alibaba) y Ernie (Baidu): exactamente las dos empresas señaladas por su propio Departamento de Defensa. Esos iPhones cruzan fronteras todos los días.
• Thinking Machines, el laboratorio fundado por la ex-directora de tecnología de OpenAI, reconoció que la arquitectura de su primer modelo se apoya en DeepSeek-V3 y su entrenamiento posterior incorporó datos generados con Kimi K2.5, de la china Moonshot AI.
• Airbnb operó con Qwen porque, en palabras de su director general, era "bueno, rápido y barato". Nvidia y Perplexity también lo han utilizado.
• Una empresa de software de San Francisco migró el cien por ciento de su operación a DeepSeek-V4. La razón, textual: "era diez veces más barato". Ahorro de millones de dólares.
• En OpenRouter, una de las plataformas donde los desarrolladores acceden a distintos modelos, la participación de DeepSeek pasó de aproximadamente el 9% a cerca del 20% en siete meses.

Ninguna de estas empresas es ingenua, ni pequeña, ni descuidada con su seguridad. Son las organizaciones tecnológicas más sofisticadas del planeta, con los equipos legales y de ciberseguridad mejor financiados que existen. Y todas llegaron a la misma conclusión: desempeño y costo, con seguridad verificable.

Por qué nadie protesta

La diferencia entre los dos casos no es el nivel de riesgo. Es la visibilidad.

Un equipo físico llega en una caja, pasa por una aduana, tiene una fracción arancelaria, una NOM, un número de serie y una etiqueta de origen impresa. Es tangible, fiscalizable y fácil de señalar. El origen se convierte en un dato público del expediente.

Un modelo de Inteligencia Artificial es un endpoint. No pasa por aduana, no lleva etiqueta, no aparece en una lista de empaque. Se elige en un panel de costos, se factura mensualmente y se integra sin que nadie fuera del equipo técnico se enteré. Varias de las empresas mencionadas, de hecho, evitan hablar del tema por sensibilidad política, mientras el modelo sigue corriendo en producción.

El resultado es un doble estándar que no responde a ingeniería, sino a exposición: lo que se ve se debate; lo que no se ve se resuelve.

El criterio es el mismo en los dos casos

Aquí es donde la ironía se vuelve útil, porque la lección no es "usen tecnología china". La lección es que hay que separar dos cosas que se confunden todo el tiempo:

La seguridad técnica verificable. Dónde residen los datos, cómo se cifran, con qué política se actualiza y parcha el sistema, cómo se divulgan las vulnerabilidades y qué auditorías independientes existen. Esto se mide, se exige y se comprueba. Aplica igual a una cámara IP que a un modelo de lenguaje. Y en el caso del software abierto, con frecuencia se puede auditar más: un modelo de pesos abiertos ejecutándose en infraestructura propia es más inspeccionable que una interfaz cerrada de cualquier bandera, porque nada sale de la red del cliente.

La restricción por procedencia. Responde a un terreno político, comercial y de cumplimiento normativo. Es una obligación real para quien la tiene por contrato o por directriz corporativa, y en ese caso simplemente se acata y se configura la alternativa. Pero es una decisión de cumplimiento, no un dictamen técnico, y conviene nombrarla como lo que es.

Confundir las dos lleva a decisiones incoherentes: rechazar un equipo por su origen mientras se procesa la información más sensible de la operación en un servicio cuyo origen nunca se revisó.

Lo que esto significa para el integrador y para el usuario final

Si las compañías tecnológicas más avanzadas del mundo, con el mayor incentivo político para hacer lo contrario, deciden por desempeño, costo y respaldo —y verifican lo que sí es verificable—, el integrador mexicano tiene todo el respaldo profesional para trabajar con el mismo criterio.

Eso significa exigir lo que se puede comprobar: política de actualizaciones, control sobre dónde viven los datos, cifrado, historial de divulgación de vulnerabilidades, soporte local real y capacidad de respuesta cuando algo falla en sitio. Y significa atender sin discusión el requerimiento del cliente que tiene una restricción de matriz, porque ese cliente no está opinando: está cumpliendo.

Lo que no significa es aceptar como criterio de ingeniería una etiqueta, sobre todo cuando en la mitad del stack esa etiqueta ni siquiera existe.

El software acaba de mostrar cuál es el criterio real cuando nadie está mirando la etiqueta. En hardware, ese criterio ya existía. Ahí la única diferencia es que sí hay etiqueta que mirar.

Este artículo continúa la discusión planteada en El criterio correcto: evaluar la tecnología más allá de su país de origen.