La encrucijada de la IA: ¿Por qué Wall Street le dice 'no' a ChatGPT y Claude?
El artículo analiza el creciente conflicto entre la adopción de modelos de IA avanzados, como ChatGPT y Claude, y las preocupaciones corporativas sobre privacidad y fuga de propiedad intelectual (IP). Empresas, especialmente en sectores como las finanzas, están restringiendo su uso debido a riesgos de que los datos confidenciales, enviados en texto plano a servidores de proveedores, se utilicen para entrenar modelos o sean objeto de fugas o citaciones judiciales.
Se presentan soluciones para IA privada. A nivel de protocolo, están las promesas contractuales de "retención cero de datos" (ZDR) y los proxies anónimos, pero dependen de la confianza. A nivel estructural, opciones más robustas incluyen Entornos de Ejecución Confiables (TEE) para computación confidencial, cifrado de extremo a extremo (E2EE), cifrado homomórfico completo (FHE) y la inferencia local. Estas permiten verificación, pero generalmente solo funcionan con modelos de código abierto, que aún pueden tener una brecha de rendimiento frente a los modelos líderes cerrados.
Un caso de estudio demuestra que modelos abiertos afinados con datos expertos propietarios pueden superar en precisión y coste a los modelos frontera en tareas especializadas. Sin embargo, el proceso de afinado aún plantea desafíos de privacidad. La "privacidad en el arnés" (herramientas externas que usan los agentes de IA) es otro frente abierto, ya que las consultas a herramientas externas a menudo también se envían en texto plano.
En conclusión, la IA privada es una opción cada vez más viable y asequible, con la infraestructura mejorando rápidamente. La elección estratégica para las empresas radica en utilizar modelos frontera de confianza para tareas operativas generales, mientras desarrollan y afinan modelos abiertos verificables con sus propios datos expertos y en entornos controlados para proteger su "alfa" o ventaja competitiva central.
链捕手Hace 10 hora(s)
