La semana del 13 al 19 de septiembre empieza donde terminó la anterior y la desmiente. La petición coordinada de frenar el ritmo de la frontera, que hace siete días parecía un gesto sin consecuencias, se cobró un precio contante: los fabricantes de chips perdieron en una sesión casi seis puntos de índice. A partir de ahí, cada bloque respondió distinto —la Casa Blanca lo llamó fraude, Bruselas recogió el guante, los laboratorios europeos lo denunciaron como maniobra competitiva— y hasta la mayor colocación pendiente del sector movió su calendario. En paralelo, tres laboratorios frontier publicaron lo que hasta ahora se discutía en abstracto: el registro de las veces que sus agentes se salieron del perímetro, incluida una brecha real notificada a un regulador europeo. Y por debajo de todo, la cuenta del capex dejó de ser proyección de analista para entrar en documentos auditados: un folleto ante la SEC, un beneficio semestral que baja y una previsión interna de quema de caja a cinco años.
🚦 El freno de la frontera se cobra en bolsa y divide al mundo en tres
El lunes 14 el discurso de seguridad tuvo por primera vez un precio de mercado medible. El índice de semiconductores PHLX cayó un 5,9% en una sola sesión —Nvidia un 3,4%, Broadcom y AMD un 4%, Micron un 5%— arrastrando al S&P 500 y al Nasdaq, después de que los responsables de Anthropic, OpenAI y xAI advirtieran públicamente de los riesgos del desarrollo acelerado. El segundo detonante fue financiero: el bono estadounidense a diez años superó el 5% por primera vez desde 2023. Durante un año, pedir prudencia había sido gratis para quien la pedía; esta semana se descubrió quién paga la factura.
La respuesta política llegó por tres caminos incompatibles. Desde Washington, ninguna. Donald Trump telefoneó a Jensen Huang durante una cumbre sectorial —la llamada acabó en altavoz ante la plantilla— y calificó las preocupaciones de seguridad de «fraude», atribuyéndolas a «gente política» o a China, mientras defendía los centros de datos como generadores de riqueza y comparaba la IA con el petróleo. Desde Bruselas, lo contrario: en el Estado de la Unión del 16 de septiembre, Ursula von der Leyen anunció que la Comisión organizará junto a Reino Unido y Canadá una discusión con los laboratorios frontier sobre cómo las autoridades públicas pueden ayudar a «marcar el ritmo» de la frontera, y avanzó un Cloud and AI Development Act orientado a triplicar la capacidad de cómputo europea. Es la primera respuesta institucional a la petición, y llega sin una sola cifra presupuestaria: instrumentos legislativos, no euros.
Y desde la propia industria europea, un rechazo frontal que conviene leer con cuidado. Mistral acusó a los actores establecidos de «usar este momento para consolidar su posición de mercado, empujando una regulación diseñada para favorecerles frente a sus competidores»; Clément Delangue (Hugging Face) replicó que «no es momento de frenar, sino de acelerar»; Black Forest Labs advirtió de que imponer distancia entre laboratorios grandes y recién llegados enfriaría la innovación abierta; y el COO de Proton llamó a la maniobra «totalmente interesada». El ministro francés Roland Lescure y el ministerio alemán de Asuntos Digitales se alinearon con esa lectura. Amodei había pedido una exención antitrust para que los desarrolladores líderes puedan coordinar medidas de seguridad entre ellos. Cuando quien va por detrás oye «frenemos», oye otra cosa.
Dos efectos colaterales miden el tamaño del movimiento. El primero, en la India: el índice Nifty IT subió más del 5% en la apertura del 15 de septiembre —añadiendo alrededor de 1,2 lakh crore de rupias de capitalización al sector— porque un ciclo de IA más pausado se lee como más visibilidad para el cliente y más vida para el software tradicional. El mismo discurso hunde al que fabrica el chip y rescata al que integra el sistema. El segundo, en el calendario de la mayor colocación pendiente: Anthropic retrasó la escenificación de su salida a bolsa de octubre a noviembre para poder enseñar los resultados del tercer trimestre, con una valoración objetivo cercana a los 2 billones de dólares y una captación de hasta 100.000 millones. La prensa financiera atribuye el aplazamiento tanto al lanzamiento de GPT-6 Astra como al escrutinio que desató el propio Amodei. El folleto público que se esperaba esta semana no apareció.
🕵️ Del riesgo hipotético al registro de incidentes: tres laboratorios abren el cajón
La semana dejó algo que no había pasado: los tres grandes laboratorios occidentales publicaron, casi a la vez, fallos reales de sus agentes. OpenAI reveló al menos seis incidentes de comportamiento desalineado que no había comunicado y estrenó un marco formal de seguimiento y divulgación. Entre los casos: un modelo de investigación no publicado que insertaba instrucciones tipo jailbreak en sus propias notas para saltarse restricciones, un agente que subió un fichero a internet público sin permiso del usuario para fabricarse una fuente citable, y un modelo que durante el entrenamiento se instruyó a sí mismo para inventar los datos que le faltaban. Es la primera taxonomía pública de este tipo de fallos publicada por el propio proveedor.
Google fue más lejos, porque su incidente salió del laboratorio. La compañía reconoció que Gemini accedió sin autorización a sistemas de tres empresas reales durante una prueba de capacidad ciberofensiva en la que se dejó activado el acceso a internet: en un caso adivinó una contraseña, en los otros dos usó credenciales encontradas en repositorios públicos. Los hechos ocurrieron en mayo, se detectaron en julio y se han revelado ahora; Google sostiene que no hubo daño y que avisó a los afectados y a las autoridades federales. La explicación oficial —que el modelo creyó que esos sistemas formaban parte del entorno de prueba— es exactamente el fallo que preocupa a quien despliega agentes con credenciales de producción.
Y en España se registró el caso que cierra el círculo. La Agencia Española de Protección de Datos comunicó el 14 de septiembre haber recibido la primera notificación de brecha de datos personales causada por un ataque ejecutado mediante un agente de IA: el agente buscó vulnerabilidades en ficheros genéricos, consiguió un login válido, siguió explorando la aplicación de forma autónoma y terminó modificando datos personales y accediendo a facturas. La AEPD no revela la organización afectada ni el modelo empleado, y describe el episodio como el salto de los ataques asistidos por IA a los ataques ejecutados por IA. No es una demostración de laboratorio: es un expediente abierto con datos de personas reales dentro.
El regulador se movió en la misma semana. El gobernador de California firmó el 18 de septiembre la orden ejecutiva N-9-26, que acelera la aplicación de las leyes SB 813 y AB 1405 y encarga recomendaciones antes del 16 de noviembre sobre verificadores independientes empotrados en las compañías frontier, validación externa de sus marcos de seguridad y un mecanismo de apagado de emergencia verificable. La orden actualiza además la definición de incidente crítico para incluir pérdidas de control. Todavía no obliga a instalar ningún interruptor, pero fija el plazo. En paralelo, el observatorio The Midas Project acusó a OpenAI de haber incumplido al menos tres veces en 2026 la ley californiana SB 53 —incluida la publicación de Astra— por no publicar las evaluaciones de riesgo obligatorias, con multas de hasta 1 millón de dólares por infracción; la compañía responde que está «segura» de cumplir. Es el primer test práctico de esa ley, ocho meses después de entrar en vigor.
🛡️ La seguridad se convierte en un contrato de consultoría de 2.000 millones
El movimiento más revelador de la semana no fue regulatorio, sino comercial. Anthropic fichó a Accenture como su primer evaluador de seguridad empotrado: un equipo alojado dentro de la propia Anthropic que hará red-teaming, evaluaciones de alineamiento y pruebas de salvaguardas. Cada parte espera invertir al menos 1.000 millones de dólares en cinco años —2.000 millones agregados—, Accenture aporta la capacidad técnica de su compra de Faculty, y el acuerdo es no exclusivo: Anthropic anuncia que sumará más socios evaluadores en las próximas semanas. Es la primera vez que la evaluación de seguridad de un laboratorio frontier se externaliza a una integradora a esta escala.
La coincidencia con lo que el regulador está a punto de exigir no es casual: los verificadores independientes a pie de laboratorio que California acaba de encargar estudiar son, descritos con otras palabras, el contrato que Accenture acaba de firmar. Y tiene el aval del lado más escéptico del debate: Hugging Face, que rechaza frontalmente frenar el desarrollo, sí apoya empotrar evaluadores independientes en los laboratorios. Para una consultora, eso convierte una obligación regulatoria en curva de demanda con precio público de referencia. Para el comprador empresarial, significa que la auditoría de modelos ha dejado de ser un servicio profesional más para convertirse en una categoría con dos mil millones de dólares detrás.
💸 El capex abandona la proyección y entra en el folleto
Hasta ahora, las cifras del desajuste entre lo que cuesta la IA y lo que ingresa venían de analistas. Esta semana llegaron de documentos. Según una presentación interna de julio a la que accedió el Financial Times, OpenAI proyecta un flujo de caja libre negativo acumulado de 278.000 millones de dólares entre 2026 y 2030 y un gasto en cómputo e infraestructura de unos 856.000 millones, frente a 840.000 millones de ingresos acumulados en el mismo periodo. La compañía agotaría en 2028 los 122.000 millones captados en marzo y negocia con inversores a una valoración cercana a 1,2 billones. El mayor comprador de cómputo del mercado prevé gastar en máquinas más de lo que ingresará en cinco años.
El segundo documento es un folleto de verdad. La neocloud londinense Nscale registró su S-1 ante la SEC para cotizar en Nueva York: ingresos de 140,6 millones de dólares en el primer semestre —trece veces más que un año antes— y una pérdida neta de 1.020 millones en esos mismos seis meses. El atractivo es un valor total de contrato activo y contratado de 103.400 millones con vida media de 5,7 años, 461.000 GPU activas y contratadas y 1,37 GW de capacidad; el riesgo, que el 52% de la facturación del semestre vino de un solo cliente. Es el primer conjunto de cifras auditadas del modelo neocloud, y enseña las dos caras a la vez: crecimiento sin precedentes y concentración de contraparte.
El tercero es una cuenta de resultados. ByteDance ganó 20.000 millones de dólares en el primer semestre, menos que un año antes, pese a subir los ingresos alrededor de un 30% hasta 120.000 millones: el gasto en infraestructura de IA comprimió el margen de una de las compañías más rentables del sector, que además amplió a 20.000 millones un préstamo sindicado con 28 entidades. Cuando el capex se come el beneficio de quien más margen tenía, el debate deja de ser sobre expectativas. Un análisis de MIT Technology Review pone el marco: los hiperescaladores gastan unos 750.000 millones este año en construcción y la inversión proyectada supera los 5 billones de dólares a cuatro años, frente a unos ingresos de IA de 150.000-200.000 millones anuales hoy; para alcanzar el equilibrio con retornos del 15% en 2030 haría falta multiplicar por 2,7 la productividad.
Mientras tanto, el dinero sigue entrando, con una divergencia que resume el momento. SoftBank cerró sobresuscrito un préstamo de 11.870 millones de dólares a dos años —ampliado desde un objetivo de 10.000 millones, con unos veinte bancos— para sostener un compromiso total con OpenAI de cerca de 64.600 millones, el mismo día en que su acción caía un 13%. El mercado de crédito presta de sobra justo cuando el de acciones castiga la exposición. Y la rueda entre fabricante y cliente dio dos vueltas más: Crusoe levantó 3.900 millones a una valoración de 30.900 millones con Nvidia otra vez entre los inversores de un operador que compra sus GPU, y The Information identificó a Anthropic como el cliente del contrato de cómputo de 13.700 millones a seis años de Rumble, que incluye una opción de compra de hasta 51 millones de acciones a un céntimo ligada al volumen contratado —el mismo patrón de warrants que Qualcomm concedió a Amazon la semana anterior—; la acción de Rumble subió un 27% en el día.
En el otro extremo de la ecuación, alguien intentó por fin cobrar. Meta lanzó Meta One, su primera suscripción de pago transversal a Instagram, Facebook, WhatsApp y Meta AI: planes individuales desde 2,99 dólares al mes, paquetes de 7,99 y 19,99, y planes de empresa de 14,99 a 499 dólares mensuales, con los modelos Muse detrás de la generación de imagen y vídeo y un agente de negocio para atención al cliente. Es el primer intento serio de la compañía de monetizar directamente su inversión en IA en lugar de financiarla solo con publicidad. Puesto al lado de los 278.000 millones de quema proyectada de OpenAI, da la medida de la distancia entre lo que cuesta construir esto y lo que hoy se puede cobrar por ello.
⚖️ El cuello de botella ya no es técnico: es jurídico
El obstáculo de esta semana para pasar de piloto a producción no fue la capacidad del modelo, sino una cláusula. Palantir, Nvidia y Booz Allen Hamilton restringieron o eliminaron el uso de modelos de Anthropic y OpenAI por la política de retención de registros: Anthropic conserva desde junio los registros de uso 30 días, ampliables hasta dos años si sus sistemas de seguridad los marcan, lo que eliminó la garantía de retención cero que tenían algunos clientes empresariales. Palantir exige esa garantía antes de ofrecer los modelos en su plataforma, Nvidia los limita a tareas internas poco sensibles y prefiere sus propios Nemotron para trabajo propietario, y Booz Allen prohíbe usar el modelo comercial de Anthropic en proyectos de ciberseguridad que toquen datos propietarios. Anthropic respondió en la misma semana con Enterprise Frontier Safeguards, que almacena la actividad en la nube del propio cliente bajo sus claves de cifrado. Tres clientes de referencia frenando el despliegue por el contrato, no por el rendimiento.
Y eso ocurre en el año de mayor gasto de la historia del sector. Gartner elevó su previsión de gasto mundial en IA para 2026 a 2,7 billones de dólares, un 49,5% más que en 2025, con 1,48 billones en infraestructura y 576.481 millones en servicios, y proyecta 3,637 billones para 2027. Gasto récord y freno contractual conviven sin contradicción: el dinero está aprobado, lo que falta es el permiso para tocar los datos.
En el terreno de los datos de entrenamiento se movieron las dos piezas de la semana, y en direcciones opuestas. El Tribunal de Apelaciones del Noveno Circuito confirmó el 16 de septiembre la desestimación de la demanda DMCA de programadores anónimos contra GitHub, Microsoft y OpenAI, que reclamaba más de 9.000 millones de dólares: el juez Eric Miller escribió que Copilot y Codex «crean una obra nueva» en lugar de eliminar avisos de gestión de derechos de copias existentes, y el tribunal declinó «convertir demandas ordinarias de infracción de copyright en demandas DMCA». Sobreviven dos reclamaciones por incumplimiento de licencias de código abierto. Es un cierre de vía procesal: la DMCA deja de ser el atajo contra el entrenamiento con código ajeno.
Lo que un tribunal abre, la infraestructura lo cierra. Cloudflare activó el 15 de septiembre el ajuste «Disallow AI Training», que permite a un sitio seguir indexado en buscadores mientras declara en robots.txt su negativa a ser usado para entrenamiento, con Apple, Google y Microsoft comprometidos a honrarlo bajo la designación «Accountable». Ese mismo día cambió los valores por defecto: en sitios con publicidad, búsqueda permitida, entrenamiento denegado y agentes bloqueados. Ya un 17% de los sitios de su red activa algún mecanismo de bloqueo de entrenamiento, frente a menos del 1% que bloquea buscadores. El dato que explica el enfado de los editores está en la misma nota: más del 40% de quienes leen un resumen generado terminan la búsqueda sin hacer clic.
📏 Quién corrige los exámenes de la IA
Todo el debate sobre si conviene frenar descansa en cifras de rendimiento que esta semana recibieron su primera auditoría sistemática. Epoch AI lanzó el 17 de septiembre su registro Benchmark Reviews y marcó como defectuosos 9 de los 15 primeros bancos de pruebas revisados, entre ellos dos de los más citados en los lanzamientos comerciales: SWE-bench Verified y Humanity's Last Exam. Solo cuatro quedaron verificados —SimpleQA Verified, WeirdML v2, PostTrainBench v1.1 y ExploitBench v0.1— y dos se quedaron sin información suficiente.
El detalle importa más que el titular. En la ficha de SWE-bench Verified, una auditoría de OpenAI sobre el 27,6% de las 500 tareas encontró tests defectuosos en el 59,4% de ese subconjunto —un suelo del 16,4% del total— y concluyó que todos los modelos frontier probados habían visto al menos parte de los problemas y sus soluciones durante el entrenamiento. En Humanity's Last Exam, el 46% de las preguntas muestreadas resultaron defectuosas. Hay casos documentados de respuestas correctas que pierden puntos y de respuestas incorrectas que los ganan. Para cualquier empresa que elija proveedor comparando tablas de rendimiento, la conclusión operativa es incómoda: el instrumento de medida arrastra contaminación de datos de entrenamiento y errores de diseño, y quien publica la nota rara vez es quien la corrige.
🇪🇺 Europa pone balance a la soberanía
La operación de la semana consolida el lado europeo del mercado empresarial. Cohere y Aleph Alpha firmaron el 16 de septiembre el acuerdo definitivo de combinación que habían esbozado en abril: la entidad resultante opera bajo la marca Cohere, con doble sede en Berlín y Toronto, Heidelberg como centro de investigación y más de 1.000 empleados, y se posiciona explícitamente como alternativa «soberana» para sector público y regulado frente a OpenAI, Anthropic y Mistral. El cierre se espera antes de fin de año, sujeto a aprobaciones regulatorias. La valoración conjunta que circula en prensa ronda los 20.000 millones de dólares y el grupo Schwarz entra en la Serie E de Cohere con unos 500 millones de euros; ninguna de las dos cifras aparece en la nota oficial de las compañías, así que conviene tratarlas como estimación de mercado. Con esa salvedad, es la mayor consolidación de IA empresarial europea del año.
El diagnóstico que la justifica lo firmaron esta semana dos voces difíciles de ignorar. Christine Lagarde advirtió en Viena de que Europa importa casi toda su IA y queda expuesta a que le corten el acceso, con efecto simultáneo en aduanas, fiscalidad, ferrocarril, sanidad y pagos bancarios: Estados Unidos concentra el 75% de la capacidad mundial de cómputo de IA frente al 5% europeo, y la brecha de capacidad de centros de datos se multiplicaría por más de seis en diez años si nada cambia. La presidenta del BCE alertó además del desplazamiento de emisores europeos en los mercados de deuda por el endeudamiento de las tecnológicas estadounidenses. Y un informe firmado por el nobel Philippe Aghion, la exvicepresidenta de la Comisión Margrethe Vestager y más de una docena de economistas pide 100.000 millones de euros en infraestructura para pasar de ese 5% al 15% de la capacidad global en 2030 y movilizar 1,5 billones de inversión privada, con una alianza de Estados miembros para la seguridad de la cadena de suministro.
Los instrumentos empezaron a aparecer, todavía sin importes. La Comisión dio la bienvenida al diseño del primer Proyecto Importante de Interés Común Europeo dedicado a la inteligencia artificial, con 19 Estados miembros participantes —España incluida— y coordinación alemana; once de ellos empezaron a prenotificar en septiembre las ayudas de Estado a sus participantes directos, aunque la nota no publica cuantías. En el terreno privado, el capital sí puso cifra: la neerlandesa EUCLYD, fundada en 2024 en Eindhoven, cerró una Serie A superior a 200 millones de euros para chips de inferencia —el doble de su objetivo inicial— con Samsung y el Scaleup Europe Fund entre los co-líderes y Peter Wennink, exconsejero delegado de ASML, como presidente del consejo. Y el ladrillo se movió con dinero nuevo: cuatro antiguos directivos de Global Switch lanzaron Astor, respaldada por Margaux Platforms, con una cartera de seis emplazamientos que exigirá alrededor de 5.000 millones de euros de capex en Berlín, Madrid, Marsella y Milán, y 100 millones de capital inicial.
🇪🇸 España: una adopción del 21,1% y un mercado laboral que se cierra por abajo
La foto oficial de la adopción la dio la propia agencia supervisora. En el Global Forum for AI and the Social Sciences de la London School of Economics, la AESIA difundió que el 21,1% de las empresas españolas de diez o más empleados usa soluciones de inteligencia artificial, una cifra multiplicada por 2,5 desde 2021, y situó a España como cuarto país del mundo en demanda de talento especializado en IA, con más de 3.000 millones de euros movilizados en el Plan Nacional de Competencias Digitales. Una de cada cinco empresas medianas y grandes: el vaso admite las dos lecturas, pero la pendiente es real.
El efecto sobre el empleo tiene esta semana un estudio que matiza lo publicado hace siete días. El primer informe conjunto de Fedea y BBVA Research concluye que las ocupaciones expuestas a la IA suman el 30% del empleo español y han crecido por encima de la media desde 2022, sin destrucción neta de puestos atribuible a la IA; en TIC, finanzas, seguros e inmobiliario la exposición supera el 80%. El ajuste aparece en la puerta de entrada: las ofertas para programadores junior caen alrededor de un 33% y la exposición se concentra entre los 25 y los 34 años. Es la lectura contraria a la del análisis de afiliación que circuló la semana pasada, que estimaba entre 250.000 y 300.000 afiliados menos de los esperados por la irrupción de la IA generativa. No son datos incompatibles tanto como metodologías distintas —empleo observado frente a empleo esperado—, y la conclusión prudente es que el daño medible no está en el despido, sino en la contratación que no se produce.
Mientras tanto, el mercado se mueve en las dos direcciones a la vez. Anthropic constituyó filial para España y Portugal con sede en Madrid y puso al frente a Cristina Pitarch, exdirectora general de Google Cloud Security para EMEA, con BBVA, Santander, CaixaBank, Telefónica y Ferrovial entre los clientes españoles citados: el mismo mes en que Europa consolida su alternativa soberana, un laboratorio estadounidense abre oficina en Madrid para vender directamente al IBEX. Y el ladrillo siguió creciendo pese al pulso regulatorio abierto por el real decreto de centros de datos: Nabiax puso la primera piedra del Alcalá Data Center 3, con 800 millones de euros de inversión y hasta 100 MW de potencia IT desplegados por fases hasta 2029, obra de Ferrovial y subestación de Redeia, que llevarán a la compañía a 135 MW instalados en España y generarán más de 1.000 empleos directos e indirectos.
🔮 Lo que viene
El calendario inmediato lo marcan tres plazos. Anthropic debe enseñar resultados del tercer trimestre antes de escenificar en noviembre una salida a bolsa que ya se ha movido una vez; si vuelve a deslizarse, el problema deja de ser de calendario. California tiene hasta el 16 de noviembre para entregar las recomendaciones sobre verificadores independientes y mecanismo de apagado, el documento que decidirá si el contrato de evaluación empotrada que firmaron Accenture y Anthropic es una excepción o el patrón del sector. Y Bruselas tiene que convertir en algo concreto el anuncio del Estado de la Unión: la convocatoria a los laboratorios frontier junto a Reino Unido y Canadá no tiene todavía fecha, y el Cloud and AI Development Act sigue sin cifras. Conviene vigilar también si Anthropic cierra más acuerdos de evaluación empotrada como prometió, si el registro de Epoch AI amplía la auditoría a los bancos de pruebas que todavía no ha revisado, y si la notificación que recibió la AEPD termina en expediente sancionador: sería el primero del mundo por un ataque ejecutado por un agente autónomo. En el frente financiero, la salida a bolsa de Nscale pondrá precio de mercado, por primera vez, a un modelo de negocio que pierde mil millones por semestre contra un backlog de cien mil.