Agencias civiles federales de EE. UU. presuntamente prohibieron DeepSeek, el modelo de inteligencia artificial desarrollado en China, por preocupaciones de que represente un riesgo de espionaje. La restricción reportada añade un punto de presión regulatoria significativo al creciente debate sobre dónde pueden operar los modelos de lenguaje de gran escala desarrollados en el extranjero dentro de la infraestructura gubernamental, y llega en un momento en que los gobiernos de todo el mundo están reevaluando las implicaciones de soberanía de datos de ejecutar cargas de trabajo de inferencia en modelos cuyos pipelines de entrenamiento y prácticas de manejo de datos siguen siendo opacos para los reguladores occidentales.

La prohibición reportada aplica específicamente a las agencias civiles federales de EE. UU. — un alcance que se queda corto respecto a una prohibición generalizada en todo el gobierno, pero que aun así representa una restricción significativa para la capacidad de DeepSeek de ganar terreno en uno de los mayores mercados de cómputo del sector público del mundo. Los detalles sobre qué agencias están cubiertas, y sobre cómo se aplicará la restricción a nivel de acceso al modelo o de API, no habían sido confirmados de manera independiente al momento de escribir este artículo.

Antecedentes: la disrupción de DeepSeek

DeepSeek, un laboratorio de investigación de IA con sede en Hangzhou, China, atrajo la atención mundial a comienzos de 2026 tras lanzar modelos que obtuvieron resultados competitivos en benchmarks frente a sistemas frontera de EE. UU. a una fracción del costo de entrenamiento reportado. Esa eficiencia de costos provocó una fuerte revalorización de las inversiones en infraestructura de IA dependiente de GPU y planteó de inmediato preguntas sobre si la arquitectura del modelo se había construido usando datos o metodologías que violaban controles de exportación o límites de propiedad intelectual.

Esas preguntas han evolucionado hacia un enfoque más amplio de seguridad nacional, siendo la exfiltración de datos y la telemetría de inferencia ahora las principales preocupaciones citadas por los funcionarios.

Qué significa la prohibición para las agencias civiles

Una prohibición reportada de DeepSeek en todas las agencias civiles federales de EE. UU. bloquearía efectivamente que el personal gubernamental use el modelo por cualquier canal — ya sea a través de la API propia de DeepSeek, envoltorios de terceros o pesos desplegados localmente — dependiendo de qué tan amplia sea la redacción la directiva. El efecto práctico es que las agencias que venían evaluando DeepSeek como una alternativa de menor costo a los proveedores de LLM con sede en EE. UU. para tareas como procesamiento de documentos, resúmenes o generación de código tendrían que regresar a proveedores nacionales de inferencia aprobados.

El alcance de agencias civiles importa en el contexto de las adquisiciones de IA. Las agencias civiles en conjunto representan una parte sustancial del gasto federal en IA, cubriendo casos de uso que van desde el IRS (Servicio de Impuestos Internos) usando modelos de lenguaje para correspondencia con contribuyentes hasta la FEMA (Agencia Federal para el Manejo de Emergencias) desplegando herramientas de IA para la coordinación de respuesta a desastres. La adopción federal civil de IA se ha visto moldeada en los últimos años por directrices gubernamentales, incluidos memorandos de la Oficina de Administración y Presupuesto que instruyen a las agencias a designar altos funcionarios responsables y aplicar salvaguardas de gestión de riesgos en usos de IA de mayor riesgo. Restringir DeepSeek específicamente, en lugar de emitir una guía más amplia sobre modelos de IA de origen chino, sugiere que la acción reportada es dirigida y no generalizada — aunque el enfoque en los temores de espionaje podría servir como plantilla para restricciones más amplias sobre modelos similares.

Convergencia regulatoria europea

Las preocupaciones sobre el manejo de datos de DeepSeek ya han surgido en Europa. Se reportó que las autoridades de protección de datos de Alemania alertaron a Apple y Google sobre los problemas de datos de DeepSeek, señalando la forma en que la aplicación del modelo recolectaba y transmitía datos de usuarios de maneras potencialmente incompatibles con el Reglamento General de Protección de Datos (GDPR) de la Unión Europea, que faculta a los reguladores a multar a las empresas hasta con el 4 por ciento de su facturación anual global total por las violaciones más graves. Ese hilo regulatorio europeo y la prohibición reportada en agencias civiles de EE. UU. parecen converger hacia una conclusión similar desde marcos legales distintos: que el pipeline de datos de DeepSeek carece de la transparencia requerida para su despliegue en entornos regulados.

Por qué los temores de espionaje son centrales en la decisión

La justificación de temores de espionaje citada en la prohibición reportada apunta a un modelo de amenaza específico que los reguladores han aplicado de manera inconsistente a los productos de IA: que el endpoint de inferencia de un modelo, o la telemetría incrustada en él, podría transmitir prompts de usuarios, documentos o metadatos del sistema de vuelta a servidores bajo la jurisdicción de un gobierno extranjero. En el caso de un modelo de pesos cerrados como DeepSeek, donde el stack completo de entrenamiento y despliegue no puede ser auditado por el gobierno que restringe, ese riesgo es estructuralmente difícil de descartar sin una revisión independiente del código y análisis del tráfico de red.

Esto es distinto de las preocupaciones generales de privacidad de datos que han acompañado a las aplicaciones de IA para consumidores. El enfoque de espionaje invoca específicamente el riesgo de inteligencia de señales, donde la preocupación no es solo que los datos de usuarios puedan ser mal manejados comercialmente, sino que puedan ser recolectados sistemáticamente con fines estatales. Ese enfoque se ha aplicado históricamente al hardware, como con los equipos de red de Huawei, y a las aplicaciones, como con el algoritmo de recomendación de TikTok — y ahora se está extendiendo a la inferencia de LLM como una nueva categoría de conducto de datos potencialmente sensible.

Implicaciones para el stack de IA descentralizada

Para el stack de IA descentralizada, laicción reportada conlleva una implicación secundaria que vale la pena seguir. Los protocolos que construyen redes de inferencia sin permisos — donde cualquier modelo, incluidos los pesos de DeepSeek, podría en principio ser servido por operadores de nodos distribuidos — podrían enfrentar presión para implementar controles de procedencia de modelos o restricciones de enrutamiento geográfico si quieren atender a clientes gubernamentales. La intersección entre la distribución de pesos abiertos y la política de seguridad nacional sigue siendo un vacío de gobernanza que las redes de inferencia de IA en cadena aún no han resuelto.

Investigadores de seguridad en campos adyacentes han señalado que las preocupaciones de seguridad vinculadas a la IA a veces están exageradas, pero el contexto de agencias civiles federales conlleva un umbral de riesgo distinto al de los despliegues para consumidores.

El informe subyacente también hacía referencia a una empresa constituida en Singapur en relación con Europa, aunque esa parte de la historia no estaba completamente disponible al momento de escribir este artículo, y la entidad específica y su rol no pudieron confirmarse de manera independiente. Ese fragmento ha sido excluido de este artículo pendiente de verificación con fuentes; los lectores deben tratar cualquier afirmación que vincule a una empresa de Singapur con la prohibición de DeepSeek en Europa como no confirmada hasta que exista una cobertura atribuida.

Perspectivas

Si se implementa como se describe, la prohibición reportada en agencias civiles de EE. UU. posiciona la gobernanza de modelos y la soberanía de datos en la capa de inferencia como la próxima frontera de la regulación de IA, siguiendo las olas anteriores de litigios por derechos de autor de datos de entrenamiento y el debate sobre responsabilidad por resultados. Para los protocolos de IA que operan en la capa de cómputo e inferencia — incluidas las redes de GPU descentralizadas y los registros de modelos en cadena — la trayectoria de política sugiere que el origen del modelo, la residencia de datos y la auditabilidad de la telemetría de inferencia se convertirán en requisitos estrictos para cualquier despliegue que toque sectores regulados.

Aviso: Este artículo tiene fines únicamente informativos y no constituye asesoramiento financiero ni de inversión. Los mercados de criptomonedas y activos digitales conllevan riesgos significativos. Siempre haga su propia investigación antes de tomar decisiones.