Meta estaría poniendo restricciones internas al uso de herramientas de programación con inteligencia artificial como Claude Code, de Anthropic, y Codex, de OpenAI, por temor a que su uso derive en una destilación inadvertida de capacidades hacia sistemas propios, de acuerdo con una investigación de The Information basada en documentos internos.
El caso abre una nueva tensión en la industria de la inteligencia artificial: las mismas empresas que compiten por construir modelos propios también dependen de herramientas rivales para acelerar el trabajo cotidiano de sus ingenieros. Esa dependencia puede ser útil para escribir código, revisar errores o automatizar procesos, pero también puede convertirse en una zona delicada cuando los resultados generados por modelos externos terminan dentro de flujos de desarrollo de una compañía que entrena modelos competidores.
La destilación de modelos es una técnica conocida en IA. Consiste, de forma general, en entrenar un sistema menos capaz a partir de las respuestas de otro más avanzado. No siempre es una práctica indebida: los laboratorios suelen utilizarla con sus propios modelos para crear versiones más pequeñas, baratas o especializadas. El problema aparece cuando las salidas de un modelo perteneciente a una empresa son utilizadas para mejorar o entrenar sistemas rivales sin autorización.
De acuerdo con The Information, las restricciones en Meta se explican por el temor a que el uso de Claude Code y Codex por parte de ingenieros de su división de IA aplicada pueda provocar una destilación accidental. Es decir, que fragmentos de código, soluciones, patrones de razonamiento o respuestas generadas por herramientas externas terminen incorporándose, directa o indirectamente, al desarrollo de modelos internos.
El reporte no implica que Meta haya realizado una campaña de extracción de capacidades. Más bien muestra cómo las empresas de IA están empezando a imponer controles más estrictos sobre el uso de herramientas externas, incluso cuando esas herramientas son ampliamente usadas para aumentar la productividad.
El antecedente más cercano ocurrió el 24 de junio, cuando Reuters reportó que Anthropic acusó a Alibaba y a su laboratorio Qwen de llevar a cabo la mayor campaña conocida de extracción no autorizada contra Claude. Según una carta vista por la agencia, la operación habría generado más de 28.8 millones de interacciones con Claude mediante casi 25 mil cuentas fraudulentas entre el 22 de abril y el 5 de junio de 2026.
Anthropic describió esa operación como un esfuerzo de “destilación” para acelerar el desarrollo de capacidades avanzadas en modelos chinos. La empresa sostuvo que los operadores vinculados con Alibaba habrían buscado extraer capacidades de Claude para acercarse al rendimiento de sus modelos más avanzados, en particular en áreas sensibles como razonamiento, programación y uso de herramientas. Alibaba no respondió de inmediato a la solicitud de comentarios de Reuters.
Ese señalamiento se sumó a una advertencia previa publicada por Anthropic en febrero, cuando la compañía acusó a DeepSeek, Moonshot AI y MiniMax de realizar campañas industriales de extracción contra Claude. En esa ocasión, Anthropic dijo que esos laboratorios generaron más de 16 millones de intercambios mediante aproximadamente 24 mil cuentas fraudulentas.
La preocupación de Anthropic no se limita a la propiedad intelectual. La empresa ha argumentado que los modelos destilados de forma ilícita pueden perder o eludir salvaguardas diseñadas para impedir usos peligrosos, como operaciones cibernéticas maliciosas, campañas de desinformación o aplicaciones militares y de vigilancia. Por eso, la compañía plantea la destilación no autorizada como un problema de seguridad industrial y geopolítica.
El caso también tiene una dimensión contractual. Anthropic establece que sus términos no permiten usar salidas de Claude para entrenar modelos que compitan con sus propios sistemas. OpenAI mantiene una restricción similar: sus términos de uso prohíben usar los outputs de sus servicios para desarrollar modelos que compitan con OpenAI.
Bajo ese marco, la preocupación de Meta resulta comprensible. Si una empresa que desarrolla modelos propios utiliza de forma intensiva herramientas externas como Claude Code o Codex, debe asegurarse de que esas salidas no se mezclen con datos de entrenamiento, procesos de ajuste, evaluaciones internas o desarrollo de modelos competidores.
La dificultad está en que las herramientas de programación con IA ya no solo sugieren fragmentos aislados de código. Los nuevos asistentes agentivos pueden revisar repositorios, analizar fallas, proponer soluciones de varios pasos, ejecutar tareas y participar en procesos complejos de ingeniería. Mientras más profundo sea su papel dentro del flujo de trabajo, más difícil se vuelve trazar la frontera entre asistencia productiva y transferencia de capacidades.
Meta ya había mostrado disposición a usar modelos rivales para mejorar la productividad de sus ingenieros. En 2025, Business Insider reportó que la empresa había lanzado Devmate, un asistente interno de programación impulsado por varios modelos, incluidos sistemas de Anthropic, para resolver tareas de código más complejas que las que podían manejar algunas de sus herramientas internas.
Esa dependencia ilustra el dilema actual de la industria: incluso los gigantes tecnológicos que invierten miles de millones de dólares en sus propios modelos pueden necesitar herramientas externas porque funcionan mejor en tareas específicas. Pero, al mismo tiempo, esas herramientas pertenecen a competidores directos que imponen límites sobre el uso de sus respuestas.
La disputa por la IA ya no ocurre únicamente en centros de datos, chips o talento especializado. También se libra en los términos de uso, en los controles internos y en los rastros que dejan los outputs de un modelo dentro de otro sistema. La pregunta de fondo es cada vez más incómoda para los laboratorios: si un modelo ayuda a construir otro modelo, ¿eso es productividad, entrenamiento indirecto o extracción de capacidades?
Por ahora, el caso Meta muestra que esa frontera ya no es hipotética. Las empresas que desarrollan IA están entrando en una etapa en la que deberán vigilar no solo quién accede a sus modelos, sino también cómo se usan las respuestas generadas por esos sistemas dentro de los procesos internos de sus propios competidores.
