Ataques de destilación: qué significan los modelos de IA copiados para usted

“Destilación” solía ser una palabra amable en el aprendizaje automático. Describía el entrenamiento de un modelo pequeño para imitar a uno grande, una técnica estándar y útil. En septiembre y octubre de 2026 se convirtió en una noticia de seguridad y de comercio. Si compra o desarrolla IA para marketing, debería entender ambos significados.

Qué ha pasado

A principios de septiembre, CISA, la NSA y el FBI publicaron un aviso conjunto sobre lo que describen como destilación de conocimiento a escala industrial por parte de empresas de IA con sede en China. Según el artículo de Help Net Security sobre el aviso, las agencias señalaron a DeepSeek, Moonshot AI, Alibaba Group, MiniMax, StepFun y Z.AI, y afirmaron que habían extraído miles de millones de tokens mediante millones de solicitudes a modelos de frontera estadounidenses desde al menos finales de 2024. El aviso enumera señales de detección, como un uso ininterrumpido sin tiempos de inactividad humanos y grupos de cuentas que actúan de forma coordinada, y recomienda controles de identidad más estrictos, supervisión e intercambio de información entre proveedores de IA. El artículo señala que no incluía declaraciones de las empresas mencionadas.

El 12 de octubre, Anthropic describió su propia respuesta. En Strengthening our defenses against distillation attacks, afirmó que los primeros indicios sugieren que sus métodos han reducido entre un 90 y un 99 % aproximadamente los datos recopilados por quienes destilan. Las medidas incluyen impedir que las cuentas de API más recientes editen el razonamiento previo de Claude, un clasificador en dos etapas entrenado con intentos de extracción y con una tasa de falsos positivos inferior al 0,1 %, límites más estrictos y bloqueos por intentos repetidos, y el cobro de las solicitudes bloqueadas por sus salvaguardas. Anthropic dice haber bloqueado decenas de miles de cuentas vinculadas a la destilación y prevé un continuo “juego del gato y el ratón”.

Por qué importa

Hay dos razones por las que a un profesional del marketing debería importarle una pelea entre laboratorios de IA.

La primera es el riesgo en la cadena de suministro. Si un modelo se construyó copiando sin permiso el comportamiento de otro, usted no sabe qué salvaguardas lo acompañan. La publicación de Anthropic sostiene que los modelos destilados pueden acercarse a la capacidad de frontera mientras se distribuyen con protecciones más débiles. Cuando elige un modelo para su atención al cliente o para generar anuncios, la procedencia forma parte de la calidad.

La segunda es la fricción para los usuarios legítimos. Las defensas tienen costes. Anthropic reconoce que algunos desarrolladores tuvieron que actualizar sus integraciones, que una pequeña parte de las solicitudes legítimas puede bloquearse y que ahora pueden cobrarse las solicitudes bloqueadas. Si su stack de marketing hace muchas llamadas automatizadas a una API de frontera, parte de ese tráfico puede parecer una campaña de extracción. Lea ahora las políticas de sus proveedores, no después de que su flujo de trabajo se rompa.

Lo que dice mi investigación

La destilación no es la villana. Hecha de forma legítima, es la manera de hacer asequible la IA. Un modelo grande enseña a uno pequeño; el pequeño funciona de forma barata a escala. He defendido en Forbes que en marketing la técnica importa más que el tamaño del modelo, y la destilación es una de esas técnicas.

Lo que cambia el panorama es el consentimiento y la transparencia. Mi trabajo sobre IA explicable parte de un principio sencillo: un profesional del marketing debe poder ver por qué un sistema recomienda algo. En Against Opacity (ACM Multimedia 2023) combinamos la predicción de la tasa de clics con un asistente basado en LLM que explica los factores. En SOMONITOR (un preprint de 2024) describimos cómo combinar modelos de rendimiento explicables con LLM para la analítica de la competencia. Las explicaciones solo tienen sentido si se sabe qué es el modelo y de dónde viene.

Hay además una ironía que conviene notar. La defensa que describe Anthropic —resumir o restringir el acceso al razonamiento completo del modelo— hace que los sistemas sean un poco menos transparentes para todos, porque el razonamiento es lo que quieren los copiadores. Esa disyuntiva determinará cuánta explicación están dispuestos a mostrar los proveedores de IA. Los compradores deberían pedir explicaciones pensadas para ellos, sobre sus datos y sus decisiones, en lugar de trazas de razonamiento en bruto.

Qué deben hacer ahora quienes compran IA para marketing

• Pregunte a cada proveedor qué modelos hay detrás de su producto y de dónde proceden esos modelos.
• Revise las condiciones de las API que utiliza. El uso automatizado y de gran volumen es normal en marketing; asegúrese de que el suyo sea claramente legítimo, identificado y dentro de los límites.
• Prepárese para cambiar de modelo. Las políticas, los precios y el acceso pueden cambiar rápidamente. Mantenga portables los prompts, los procedimientos y los conjuntos de evaluación.
• Destile sus propios modelos de forma legítima. Si necesita un modelo barato para una tarea concreta, entrénelo con sus propios datos o con resultados que tenga licencia para usar.
• Prefiera explicaciones de las decisiones a la exposición de los mecanismos internos. Lo que necesita auditar es por qué se hizo una recomendación para su campaña.

La pelea por la destilación trata de quién puede copiar a quién. Para el marketing, es un recordatorio de que “¿qué modelo?” es ahora una cuestión de gobernanza, no solo técnica.

Preguntas frecuentes