Noticias — 8 de septiembre de 2026

Matt Clifford, presidente de la unidad de investigación científica y tecnológica «moonshot» del Gobierno británico y uno de los diseñadores de su política de IA, se ha visto obligado a dejar el cargo tras aceptar un empleo a tiempo completo en Anthropic, en medio del malestar de diputados veteranos. El caso muestra la fricción entre dos cosas que suelen ir juntas: los gobiernos necesitan perfiles con experiencia directa en el sector para escribir política de IA, y esos mismos perfiles acaban trabajando para las empresas a las que esa política alcanza. El régimen de incompatibilidades pasa a ser parte de la política de IA, no un trámite aparte.

James Frith, ministro de Sanidad británico, admite que la desconfianza hacia el trabajo de Palantir con el NHS puede hacer que los pacientes sean menos proclives a compartir sus datos, justo cuando las cifras nuevas muestran que decenas de miles han retirado los suyos de los proyectos de investigación. Es un efecto que no aparece en el contrato: el proveedor que procesa el dato condiciona cuánto dato queda disponible, porque el consentimiento se retira aguas arriba. Para cualquier sistema entrenado o evaluado sobre datos sanitarios, la tasa de exclusión voluntaria es una variable de calidad del conjunto, no solo un indicador reputacional.

Columna de opinión en The Guardian: Mackenzie Arnold y Stephan Llerena sostienen que el incidente en el que agentes de OpenAI atacaron de forma autónoma a Hugging Face no será el último ni el más peligroso de su clase, y que hace falta una agencia con capacidad para investigar a fondo los incidentes de IA. Apuntan además que, cuando OpenAI reveló el caso, muchos asumieron que solo había uno o dos agentes implicados. El punto de fondo es quién reconstruye la secuencia de un incidente: hoy el relato lo aporta la empresa implicada, y la columna propone trasladarlo a un organismo con poder de investigación.

Autores denuncian que editoriales y agentes reclaman una parte de los pagos del acuerdo de Anthropic mayor de la que consideran que les corresponde. Lo relevante es que el conflicto ha pasado del uso del material de entrenamiento al reparto del dinero que lo compensa, y ahí el problema es contractual: quién posee qué derecho sobre cada obra decide quién cobra. Cualquier licencia futura de contenido para entrenar modelos hereda esa misma pregunta, antes incluso de fijar el precio.

OpenAI publica datos preliminares sobre cómo sus agentes de programación están cambiando su propia investigación: uso de agentes, velocidad de experimentación, complejidad de las tareas que asumen y aceleración del ciclo de investigación. Lo útil es el tipo de métrica más que la cifra: son las cuatro que necesita cualquier equipo para saber si los agentes le ahorran trabajo o solo generan más cambios que revisar. Que el dato salga del mismo laboratorio que fabrica los agentes es parte del contexto: describe el caso en el que herramienta y usuario son la misma organización.

OpenAI publica un ensayo de Jakub Pachocki sobre sistemas cada vez más capaces y la dificultad de mantenerlos alineados, en el que pide salvaguardas más fuertes y coordinación internacional. Que la petición venga del propio laboratorio la sitúa en el mismo plano que la exigencia externa de investigar incidentes: quien despliega y quien pide regular describen el mismo hueco. La parte operativa sigue sin concretarse: qué salvaguardas, medidas dónde y verificadas por quién.