Autor: Redacción

  • Monopolio de IA: por qué la concentración de Big Tech importa en LATAM

    Monopolio de IA: por qué la concentración de Big Tech importa en LATAM

    El 17 de septiembre de 2026, Amba Kak, co-directora ejecutiva del AI Now Institute, testificó ante el Monopoly Busters Caucus del Congreso de Estados Unidos en una audiencia informal titulada “AI Crossroads: Stopping Big Tech’s Race to Monopolize AI through Surveillance on Big Tech”. La convocatoria llegó en un momento de tensión entre quienes advierten sobre riesgos existenciales de la inteligencia artificial y quienes señalan un riesgo distinto, más silencioso y estructural: que un puñado de corporaciones controle la infraestructura, los datos y los modelos que definen cómo funciona la IA global.

    La audiencia —calificada como “shadow hearing”, es decir, una sesión paralela sin poder legislativo formal pero con peso político real— apuntó específicamente a la vigilancia que Big Tech ejerce sobre el ecosistema de IA. El argumento central que rodea la comparecencia de Kak no es nuevo en los círculos de política tecnológica: empresas como Google, Microsoft, Amazon y Meta no solo compiten en IA, sino que controlan las capas fundamentales sobre las que cualquier otro actor —startups, gobiernos, instituciones académicas— debe construir. Computación en la nube, datos de entrenamiento, talento especializado y acceso a chips de alta performance son recursos concentrados en pocas manos.

    Qué significa “monopolio de IA” más allá del debate en Washington

    La concentración de la IA no es un problema exclusivamente estadounidense. Para América Latina, la dependencia de infraestructura y modelos desarrollados por corporaciones con sede en Estados Unidos representa una vulnerabilidad regulatoria concreta. Los gobiernos de la región carecen, en general, de capacidad de auditoría sobre los sistemas que adquieren o despliegan, y los marcos de contratación pública no contemplan aún cláusulas de portabilidad de modelos ni obligaciones de transparencia algorítmica frente a proveedores dominantes. En este escenario, si un país latinoamericano digitaliza su sistema de salud, su infraestructura fiscal o su aparato judicial apoyándose en modelos de un solo proveedor hiperscaler, la dependencia tecnológica se convierte en dependencia política.

    El AI Act europeo y la asimetría regulatoria que LATAM no puede ignorar

    La Unión Europea avanzó con el AI Act —en vigor desde agosto de 2024 en sus disposiciones principales— que contempla obligaciones específicas para modelos de propósito general con impacto sistémico, apuntando directamente a los grandes jugadores. La lógica regulatoria europea reconoce que ciertos modelos, por su escala, requieren un tratamiento diferencial que va más allá de la evaluación de riesgos por caso de uso. América Latina no tiene un instrumento equivalente. Brasil está avanzando en su proyecto de ley de inteligencia artificial (PL 2.338/2023), que contempla disposiciones sobre sistemas de alto riesgo y transparencia, pero aún no aborda de manera explícita la concentración de mercado como riesgo sistémico. México cuenta con lineamientos del IFT sobre IA aplicada a telecomunicaciones, y Colombia publicó su política de IA en 2019 actualizada en 2022, aunque ninguno de estos marcos regula el poder de mercado en IA de forma directa.

    Por qué la vigilancia corporativa es el eje del debate, no solo el poder de mercado

    El título de la audiencia incluye explícitamente la palabra “surveillance” —vigilancia— como dimensión del monopolio. Esto no es accidental. La lógica de negocio de las plataformas dominantes en IA se apoya en la acumulación de datos a escala masiva: datos de comportamiento, de contenido generado por usuarios, de transacciones y, cada vez más, de interacciones con sistemas de IA conversacional. Esa acumulación crea una ventaja competitiva autorreinforciante que ningún actor regional puede replicar. Para reguladores de países como Argentina —cuya Agencia de Acceso a la Información Pública (AAIP) tiene competencia sobre datos personales bajo la Ley 25.326— o Colombia —con la Superintendencia de Industria y Comercio como autoridad de protección de datos—, la pregunta relevante es si las herramientas de privacidad son suficientes para abordar un problema que también es de competencia económica.

    PL 2.338/2023 de Brasil y la oportunidad de incorporar cláusulas anticoncentración

    Brasil tiene la ventana legislativa más concreta de la región para actuar. El PL 2.338/2023, que define un marco de riesgos para sistemas de IA, sigue en proceso parlamentario y ha recibido múltiples enmiendas. Organizaciones de sociedad civil brasileña han impulsado incorporar lenguaje sobre poder de mercado y acceso equitativo a infraestructura de IA, pero según se informó, estas propuestas no han logrado aún consenso suficiente en el Senado. La experiencia del Monopoly Busters Caucus en Estados Unidos —aunque sin fuerza legislativa directa— ofrece un argumento político adicional para quienes dentro del Congreso brasileño buscan blindar la ley contra la captura regulatoria por parte de los mismos actores que se pretende regular.

    Nuestro análisis

    La comparecencia de Kak ante el Monopoly Busters Caucus es relevante para LATAM no por lo que diga el Congreso de Estados Unidos, sino por el marco conceptual que instala: la concentración de IA es un problema de poder, no solo de tecnología. Mientras el debate regional sigue anclado en categorías de riesgo por caso de uso —modelos que discriminan en crédito, sistemas de reconocimiento facial en seguridad pública—, la capa de infraestructura permanece fuera del escrutinio regulatorio. Un país que aprueba una ley de IA sin abordar quién controla los modelos fundacionales y los datos de entrenamiento habrá legislado sobre la capa visible mientras deja intacta la capa de poder real. La región necesita reguladores con competencias cruzadas entre privacidad, competencia económica y IA —algo que hoy ningún país latinoamericano tiene de manera integrada. La pregunta que deberían hacerse los legisladores en Brasilia, Ciudad de México y Buenos Aires no es solo “¿cómo regulamos la IA?” sino “¿a quién protege esa regulación si no toca la concentración de mercado?”

    Legislar la IA sin tocar la concentración de infraestructura no es regulación: es decoración normativa sobre un poder que ya está consolidado.

  • California SB 976: la ley de feeds adictivos que también viola derechos de adolescentes

    California SB 976: la ley de feeds adictivos que también viola derechos de adolescentes

    Una ley californiana que prohíbe a adolescentes recibir contenido recomendado por otros usuarios de redes sociales sin el permiso previo de sus padres enfrenta una nueva línea de impugnación constitucional: la Electronic Frontier Foundation (EFF) argumentó ante el Noveno Circuito de Apelaciones que la SB 976 no solo restringe los derechos de las plataformas, sino también los de los propios jóvenes usuarios. Si el tribunal acoge el argumento, el fallo podría redefinir cómo los estados diseñan regulaciones de protección de menores en internet sin colisionar con la Primera Enmienda.

    El caso Meta v. Bonta venía siendo discutido principalmente desde el ángulo de los servicios digitales: si California puede obligar a las plataformas a modificar sus algoritmos de recomendación cuando el usuario es menor de edad. La SB 976, promulgada en 2024, exige que los adolescentes cuenten con autorización parental antes de que sus feeds muestren contenido sugerido por otros usuarios. La discusión jurídica inicial se centró en si esa restricción viola el derecho de las plataformas a curar y presentar contenido generado por terceros según su criterio editorial.

    La EFF, CDT y Wikimedia: el brief que invierte el eje del debate

    El amicus curiae presentado por la EFF junto al Center for Democracy & Technology y la Wikimedia Foundation desplazó el centro de gravedad del litigio. El argumento central es que los sistemas de recomendación tienen una función dual en redes sociales: ayudan a los usuarios a descubrir el discurso de otros y, al mismo tiempo, permiten que su propio contenido llegue a una audiencia más amplia. Restringir esa función sin consentimiento parental equivale, según el brief, a imponer cargas sustanciales sobre la capacidad de los jóvenes de leer, comentar, distribuir y recibir discurso protegido constitucionalmente. El documento menciona expresamente el impacto sobre actividades como seguir noticias, debatir política, compartir arte, expresar creencias religiosas o conectar con comunidades de fe.

    El argumento no es menor: si el Noveno Circuito acepta que los menores de edad son titulares plenos de derechos de expresión afectados por SB 976, el estándar de escrutinio aplicable sube. Una ley que impone cargas amplias sobre el discurso debe superar un test de proporcionalidad estricto, lo que hace mucho más difícil su supervivencia constitucional.

    Qué propone la EFF como alternativa regulatoria viable

    La EFF no objeta que California legisle para proteger a los menores en internet; objeta que lo haga de esta forma. En su brief, la organización esboza un camino alternativo: leyes que exijan a los servicios minimizar la recolección de datos, limitar prácticas de análisis invasivo —rastreo entre plataformas, análisis de pulsaciones de teclas, vigilancia intensiva de comportamiento— y restringir el uso de esos datos para construir perfiles de usuarios. Ese tipo de norma apuntaría directamente al modelo de negocio basado en vigilancia que, según la EFF, es la causa real del daño, y sería más estrecha en su alcance que una prohibición general de contenido recomendado.

    El mapa regulatorio en LATAM: menores, algoritmos y escasez de precedentes

    América Latina observa el caso con interés propio. Brasil aprobó en 2024 restricciones al uso de redes sociales por menores de 14 años mediante la Ley 14.811, que también toca la responsabilidad de las plataformas por contenidos algorítmicos dañinos; su reglamentación sigue en construcción y enfrenta tensiones similares sobre libertad de expresión digital. En Colombia, la Ley 2300 de 2023 limitó el uso de dispositivos en entornos escolares pero no reguló algoritmos de recomendación. Argentina no cuenta con legislación específica sobre feeds algorítmicos para menores: la Ley 26.061 de protección integral de niñas, niños y adolescentes no contempla el entorno digital, y los intentos legislativos de actualización no han prosperado. México, por su parte, no tiene aún una norma equivalente a SB 976, aunque la discusión sobre redes sociales y menores se ha activado en el Congreso desde 2023.

    El patrón regional es claro: los legisladores latinoamericanos están siguiendo de cerca el modelo californiano como referencia, pero el litigio Meta v. Bonta podría mostrar que copiar ese modelo sin adaptarlo acarrea riesgos constitucionales propios. Las constituciones de Brasil (artículo 5), Argentina (artículos 14 y 32) y México (artículo 6) protegen la libertad de expresión con un alcance que, si bien no es idéntico al de la Primera Enmienda estadounidense, ha sido interpretado por sus tribunales como aplicable al entorno digital.

    Qué monitorear: el fallo del Noveno Circuito y su efecto de irradiación

    El Noveno Circuito aún no tiene fecha de fallo. Lo que se resuelva en Meta v. Bonta tendrá consecuencias que van más allá de California: al menos doce estados estadounidenses tienen normas similares o en trámite legislativo, y todas podrían verse afectadas por el precedente. Para los equipos legales de plataformas con operaciones en América Latina, el resultado marcará si la estrategia regulatoria global puede seguir apoyándose en controles de feeds algorítmicos o si deben migrar hacia arquitecturas de privacidad por diseño centradas en la recolección de datos.

    Nuestro análisis: la SB 976 equivocó el instrumento, no el objetivo

    El argumento de la EFF es técnicamente sólido y políticamente incómodo para los impulsores de la ley. SB 976 partió de un diagnóstico correcto —los algoritmos de recomendación pueden ser dañinos para adolescentes— pero eligió un instrumento regulatorio que interviene en el flujo del discurso en lugar de atacar la infraestructura de datos que lo hace posible. Esa distinción importa: una ley que restringe qué contenido ves es mucho más vulnerable constitucionalmente que una ley que restringe cuánto saben de ti. La alternativa que propone la EFF —minimización de datos, restricción de rastreo entre servicios, limitación de análisis de comportamiento— es, además, más alineada con el marco conceptual del GDPR europeo y con la dirección que toman las reformas de privacidad en América Latina bajo influencia del modelo de Bruselas. Si el Noveno Circuito invalida SB 976, la señal para la región debería leerse no como “no regulen algoritmos” sino como “regulen los datos que los alimentan”.

    La pregunta que queda abierta para legisladores en Buenos Aires, Bogotá, Ciudad de México y Brasilia es cuál de los dos caminos están dispuestos a recorrer: el que es políticamente visible a corto plazo o el que tiene mayor probabilidad de sobrevivir un control judicial riguroso.

  • Congreso de EE.UU. presiona por regulación de IA: qué significa para LATAM

    Congreso de EE.UU. presiona por regulación de IA: qué significa para LATAM

    El Congreso de Estados Unidos está canalizando un creciente rechazo bipartidista hacia la ausencia de controles federales sobre inteligencia artificial, en una tensión directa con la postura desregulatoria de la administración Trump. Para América Latina, donde varios países tienen marcos de IA en etapa de borrador o consulta pública, el desenlace de ese debate importa más de lo que parece: los estándares que se consoliden en Washington tienden a convertirse en referencia obligada para reguladores de la región.

    Según se informó, Amba Kak, co-directora ejecutiva del AI Now Institute, describió el momento actual como “una oportunidad política realmente importante y una ventana de política” —una apertura que los defensores de la regulación buscan aprovechar antes de que el impulso legislativo se diluya. El contexto es el siguiente: la administración Trump impulsó desde el inicio de su gestión una agenda de desregulación en IA, revocando directivas del gobierno anterior y apostando por la competencia tecnológica como principio rector. Pero esa estrategia está chocando con resistencia dentro del propio sistema político estadounidense.

    La fractura en el Congreso y la ausencia de una ley federal de IA en EE.UU.

    Estados Unidos carece hasta hoy de una ley federal integral de inteligencia artificial. A diferencia de la Unión Europea, que promulgó el AI Act con un esquema de riesgos escalonados, Washington opera con un patchwork de regulaciones sectoriales —en salud, finanzas, derechos civiles— sin un paraguas normativo unificado. El creciente malestar legislativo que describe el AI Now Institute refleja una frustración acumulada: los congresistas reciben presión de sus distritos por casos concretos de daño algorítmico —discriminación en crédito, sesgos en sistemas penales, deepfakes electorales— y no tienen un instrumento federal para responder. Esa brecha es la que los impulsores de guardarraíles quieren cerrar.

    El AI Act europeo como espejo: qué adoptó y qué rechazó América Latina

    Mientras el debate estadounidense se traba entre el ejecutivo y el legislativo, América Latina avanza —con distinta velocidad— en sus propios marcos. Brasil es el caso más avanzado: el Proyecto de Ley 2338/2023, aprobado por el Senado y en revisión en la Cámara de Diputados, adopta explícitamente el enfoque de riesgo del AI Act europeo y contempla obligaciones de transparencia, evaluaciones de impacto y un rol activo de la Autoridade Nacional de Proteção de Dados (ANPD) como autoridad competente en los cruces entre IA y datos personales. La ANPD ya publicó notas técnicas sobre IA generativa en el marco de la LGPD.

    En Colombia, el MinTIC presentó en 2023 una política nacional de IA y existe un proyecto de ley en discusión, aunque sin fechas de aprobación firmes. Chile, por su parte, trabaja en un proyecto de ley de IA que complementa su reforma constitucional de protección de datos, aún en trámite parlamentario. México no cuenta con legislación específica de IA a nivel federal, aunque el Instituto Nacional de Transparencia, Acceso a la Información y Protección de Datos Personales (INAI) —hoy en proceso de reestructuración bajo la reforma al Poder Judicial— emitió recomendaciones no vinculantes sobre uso de IA en tratamiento de datos personales bajo la LFPDPPP.

    Por qué el resultado del debate en Washington afecta a reguladores en Buenos Aires, Bogotá y Ciudad de México

    La influencia de EE.UU. sobre la regulación tecnológica en LATAM opera por dos vías. La primera es directa: las empresas de tecnología con mayor presencia en la región —Google, Meta, Microsoft, Amazon— son de origen estadounidense y adaptan sus productos y políticas de cumplimiento según el marco regulatorio de su país de origen. Si Washington adopta guardarraíles concretos —obligaciones de auditoría, requisitos de etiquetado de contenido generado por IA, mecanismos de rendición de cuentas—, esas exigencias se trasladan operativamente a sus subsidiarias y proveedores en la región. La segunda vía es normativa: los organismos internacionales donde participan países latinoamericanos —OCDE, UNESCO, OEA— toman nota de los movimientos regulatorios de las potencias y los incorporan a sus recomendaciones. La Recomendación de la OCDE sobre IA, que varios países de la región han suscripto, ya establece principios que convergen con el debate actual en el Congreso estadounidense.

    Qué monitorear en los próximos 90 días: hitos legislativos y señales de Brasilia y Bogotá

    Para equipos de compliance y asuntos regulatorios con operaciones en América Latina, los próximos meses presentan varios hitos concretos a seguir:

    • Avance del PL 2338/2023 en la Cámara de Diputados de Brasil: cualquier modificación al artículo sobre sistemas de alto riesgo y al rol de la ANPD redefinirá las obligaciones de los principales proveedores de IA en el mercado más grande de la región.
    • Presentación o archivo de proyectos de ley de IA en Colombia y Chile antes del cierre de los períodos legislativos de 2025, que marcarán si la región acelera o frena su convergencia con el modelo europeo.
    • Posición del Comité de Ciencia, Espacio y Tecnología del Congreso de EE.UU. frente a posibles audiencias sobre daños de IA: si se producen, generarán jurisprudencia política con efecto irradiador.
    • Resoluciones de la ANPD de Brasil sobre IA generativa y datos de entrenamiento, que podrían anticipar criterios de enforcement aplicables a modelos de lenguaje operando bajo la LGPD.

    Nuestro análisis

    La narrativa de que la regulación de IA es un asunto exclusivamente europeo —y que Washington y LATAM simplemente observan— está quedando obsoleta. El malestar legislativo en el Congreso de EE.UU. muestra que incluso en el ecosistema más favorable a la desregulación existen límites políticos a la ausencia total de controles. Para la región, eso es relevante por una razón operativa: las empresas que ya están implementando sistemas de gestión de riesgos de IA compatibles con el AI Act europeo o con el borrador brasileño no necesitarán reinventar su arquitectura de cumplimiento si Washington eventualmente converge hacia estándares similares. Las que apostaron por la inacción podrían enfrentar una doble adaptación simultánea —regulación local más estándar de EE.UU.— en un plazo más corto del que anticipaban.

    La ventana regulatoria que el AI Now Institute identifica en Washington no es solo un fenómeno político estadounidense: es el momento en que los equipos de regulación corporativa en LATAM deberían estar revisando sus mapas de riesgo de IA, no esperando a que el texto definitivo llegue firmado.

  • Sin árbitro: por qué la IA avanza sin freno regulatorio en EE.UU.

    Sin árbitro: por qué la IA avanza sin freno regulatorio en EE.UU.

    La administración Trump ha descartado activamente cualquier marco federal de regulación para la inteligencia artificial, y esa postura tiene una consecuencia directa: los llamados de la propia industria a “desacelerar” quedan sin ningún mecanismo institucional que los haga cumplir. El resultado es un vacío donde la autorregulación voluntaria sustituye a la ley, y América Latina observa desde afuera un experimento que puede marcar el estándar global por defecto.

    Cuando las grandes compañías de tecnología piden cautela en el desarrollo de sistemas de inteligencia artificial avanzados, lo hacen generalmente bajo la premisa de que existe —o existirá— un regulador dispuesto a imponer esa cautela de forma vinculante. En Estados Unidos, esa premisa ya no se sostiene. La posición de la administración Trump es contraria a establecer reglas federales para la IA, lo que deja sin respaldo institucional los propios pedidos de freno que circulan dentro del sector. El AI Now Institute, organización de investigación con sede en Nueva York, describió esta situación como una contradicción estructural que debilita cualquier esfuerzo serio de gobernanza.

    Autorregulación sin marco: el problema que señala AI Now Institute

    Amba Kak, co-directora ejecutiva del AI Now Institute, sintetizó el problema con precisión: “Necesitamos una estructura que no dependa del permiso de esta industria para hacer su trabajo”, según se informó en la publicación del instituto. La frase apunta a algo técnicamente relevante para cualquier debate sobre gobernanza de IA: un sistema donde el regulado define los límites de la regulación no es un sistema de control, es una ficción de control. Las señales de advertencia sobre seguridad en IA —provenientes tanto de investigadores independientes como de ejecutivos de las propias compañías— se acumulan en un contexto donde el gobierno federal estadounidense no tiene ni la voluntad política ni la arquitectura normativa para actuar sobre ellas.

    Esta dinámica no es nueva, pero se vuelve más aguda a medida que los sistemas de IA se despliegan en infraestructura crítica, decisiones judiciales, selección de crédito y diagnósticos médicos. La ausencia de una agencia federal con mandato claro sobre IA en EE.UU. contrasta con la Unión Europea, donde el AI Act —el Reglamento (UE) 2024/1689, en vigor desde agosto de 2024— establece categorías de riesgo, obligaciones de transparencia y sanciones de hasta 35 millones de euros o el 7% de la facturación global anual para los sistemas de mayor riesgo.

    Cuándo aplica este vacío / cuándo NO

    El vacío regulatorio estadounidense aplica de forma directa a los sistemas de IA desarrollados y comercializados desde EE.UU. sin presencia operativa relevante en jurisdicciones con regulación propia. No aplica, en cambio, cuando esos mismos sistemas se despliegan en la Unión Europea —donde el AI Act rige por el principio de efecto territorial— ni cuando se usan en el tratamiento de datos personales de ciudadanos europeos, caso en que el RGPD impone restricciones adicionales sobre el uso de decisiones automatizadas. Para América Latina, el margen de maniobra depende del país: Brasil tiene la Lei Geral de Proteção de Dados (LGPD, Ley 13.709/2018) y avanza en un proyecto de ley específico de IA; México cuenta con la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP), aunque sin un marco sectorial de IA; Argentina tramita en el Congreso un proyecto de regulación de sistemas de inteligencia artificial que no ha alcanzado sanción legislativa.

    El riesgo del estándar por defecto: cómo EE.UU. exporta sus ausencias

    Cuando la economía más grande del mundo no regula una tecnología, no produce un vacío local: produce un estándar exportable. Las empresas de IA con sede en EE.UU. que operan en América Latina traen consigo las prácticas —y las ausencias de control— que son toleradas en su jurisdicción de origen. Esto es especialmente relevante para sectores como el financiero y el de recursos humanos, donde herramientas de scoring algorítmico y selección automatizada de candidatos ya están en uso en la región sin que existan marcos nacionales que obliguen a auditorías de sesgo, explicabilidad de decisiones o registros de impacto. El AI Act europeo, por contraste, exige evaluaciones de conformidad previas al despliegue para sistemas de alto riesgo en esas mismas categorías.

    La posición de AI Now y su relevancia para el debate regulatorio regional

    El AI Now Institute es una de las organizaciones de referencia en investigación crítica sobre políticas de inteligencia artificial. Su postura —que los mecanismos de control de la IA no pueden depender del consentimiento de la industria para funcionar— tiene implicancias directas para los legisladores latinoamericanos que hoy discuten sus propios marcos normativos. El argumento técnico es simple: la autorregulación puede ser un complemento de la regulación estatal, pero no su sustituto. Sin un organismo con capacidad sancionatoria, mandato legal y autonomía presupuestaria respecto de la industria regulada, los compromisos voluntarios de las compañías tienen el peso de una declaración de intenciones. En Brasil, la Autoridade Nacional de Proteção de Dados (ANPD) ya emitió orientaciones sobre el uso de IA en el tratamiento de datos personales; en Argentina, la Agencia de Acceso a la Información Pública (AAIP) tiene competencia sobre decisiones automatizadas bajo el marco de la Ley 25.326, aunque su alcance es limitado frente a sistemas de IA complejos.

    Para los países de la región que aún tienen sus marcos de IA en etapa de diseño, la pregunta no es si regular o no: es si el organismo que resulte del proceso tendrá dientes propios o necesitará el permiso de la industria para usarlos. La publicación completa del AI Now Institute está disponible en ainowinstitute.org.

  • La apuesta billonaria de la IA: qué dicen los modelos económicos sobre el riesgo

    La apuesta billonaria de la IA: qué dicen los modelos económicos sobre el riesgo

    Economistas y analistas debaten si la inversión de billones de dólares en infraestructura de inteligencia artificial se traducirá en productividad real o en la mayor destrucción de capital de la historia tecnológica reciente. La pregunta no es académica: los flujos de inversión ya están comprometidos, y los marcos jurídicos que regulan esa apuesta apenas empiezan a tomar forma.

    Cuando Jessica Wachter, profesora de finanzas de la Universidad de Pensilvania, intentó modelar el impacto económico de la inteligencia artificial en los próximos años, según se informó, encontró que los escenarios divergen de forma radical según un único supuesto: si los sistemas de IA efectivamente aumentan la productividad total de los factores de producción o si simplemente reemplazan tareas sin generar valor agregado neto. Ese condicional —todavía sin respuesta empírica sólida— es el corazón de lo que analistas llaman “la apuesta billonaria”.

    Dónde se concentra el riesgo: infraestructura, energía y deuda corporativa

    Las grandes plataformas tecnológicas han comprometido inversiones que, sumadas, superan el billón de dólares en centros de datos, chips de alta performance y redes eléctricas dedicadas. Ese capital no es líquido: una vez construida la infraestructura, el costo hundido es casi total. Si la demanda de servicios de IA no alcanza las proyecciones —o si tecnologías alternativas desplazan los modelos de lenguaje de gran escala antes de que la inversión madure— el resultado sería una burbuja de activos físicos con muy baja posibilidad de reconversión. El paralelo histórico más cercano es el sobredimensionamiento de fibra óptica durante la burbuja punto-com de finales de los noventa, aunque la escala actual es considerablemente mayor.

    OpenAI y los datos biológicos: un frente regulatorio distinto

    En paralelo al debate macroeconómico, OpenAI habría expresado interés en acceder a grandes volúmenes de datos biológicos para entrenar modelos especializados en ciencias de la vida, según se informó. Este movimiento abre un frente regulatorio que va mucho más allá de la propiedad intelectual o la competencia de mercado: los datos biológicos son, en múltiples jurisdicciones, datos sensibles de primer orden. En la Unión Europea, el Reglamento General de Protección de Datos (RGPD) los clasifica como categoría especial; en Brasil, la Lei Geral de Proteção de Dados (LGPD) los incluye explícitamente en su artículo 11 como datos sensibles con restricciones de tratamiento reforzadas. En México, la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP) también establece un régimen diferenciado para datos de salud.

    El cruce entre modelos de lenguaje y datos biológicos activa, además, el debate sobre la aplicación del AI Act europeo a sistemas de IA de alto riesgo en el ámbito médico y científico. Bajo esa regulación, cualquier sistema que tome decisiones con impacto en la salud humana queda sujeto a requisitos de transparencia, auditoría y evaluación de conformidad que hoy ningún modelo de propósito general cumple de forma nativa.

    Cuándo aplica el marco legal de IA y cuándo no

    El AI Act europeo —vigente desde agosto de 2024 con plazos de implementación escalonados— clasifica como “alto riesgo” los sistemas que intervienen en diagnóstico médico, gestión de infraestructura crítica o decisiones con efecto jurídico sobre personas. Un modelo entrenado con datos biológicos para descubrimiento de fármacos podría no caer automáticamente en esa categoría si sus outputs no se usan directamente en decisiones clínicas. Sin embargo, la cadena de uso —del laboratorio al ensayo clínico, del ensayo a la aprobación regulatoria— hace que la frontera sea más difusa de lo que sugiere la letra de la ley. En América Latina, ningún país cuenta aún con una ley de IA equivalente al AI Act, aunque Colombia, Brasil y Chile tienen marcos de referencia no vinculantes o en proceso legislativo.

    El problema de valorar lo que aún no existe como mercado

    La dificultad de los modelos económicos para capturar el impacto de la IA radica en que buena parte del valor proyectado depende de externalidades de red y efectos de plataforma que solo se materializan cuando la adopción alcanza masa crítica. Wachter, según se informó, señaló que los modelos estándar de valoración de activos no están diseñados para capturar tecnologías con rendimientos potencialmente exponenciales pero con distribuciones de probabilidad altamente asimétricas. En términos prácticos: el escenario de alto retorno es posible, pero el escenario de pérdida masiva de capital también lo es, y ambos se parecen mucho en sus etapas tempranas.

    Para los reguladores latinoamericanos, este contexto plantea una tensión concreta: atraer inversión en infraestructura de IA —que varios países de la región están buscando activamente— mientras se construyen marcos de supervisión que no generen incertidumbre jurídica para los inversores. Brasil, con su Autoridade Nacional de Proteção de Dados (ANPD) ya operativa y un proyecto de ley de IA en el Congreso, está más cerca de resolver esa tensión que el resto de la región.

    Si la apuesta billonaria sale mal, la pregunta que enfrentarán los reguladores no será cómo frenar la IA, sino quién asume el pasivo de una infraestructura que nadie quiere y que pocos supieron supervisar a tiempo.

  • Gestión de datos agéntica: qué es y cuándo tiene sentido adoptarla

    Gestión de datos agéntica: qué es y cuándo tiene sentido adoptarla

    La gestión de datos agéntica —el uso de agentes de inteligencia artificial autónomos para ejecutar tareas de gobierno, calidad y orquestación de datos sin intervención humana constante— está dejando de ser un concepto de laboratorio para convertirse en una opción técnica evaluable por equipos de datos maduros. No reemplaza los marcos de gobernanza existentes: los presupone.

    La idea central es sencilla, aunque su implementación no lo es: un agente de IA recibe un objetivo —detectar anomalías en un pipeline, reconciliar definiciones entre dominios, catalogar activos nuevos— y lo ejecuta de forma autónoma, tomando decisiones intermedias sin esperar aprobación humana en cada paso. Lo que distingue a los sistemas agénticos de la automatización tradicional es la capacidad de razonar sobre el contexto, encadenar acciones y ajustar el plan ante resultados inesperados. En términos del DAMA-DMBOK, estos agentes operan sobre las mismas áreas de conocimiento —calidad, metadatos, arquitectura, integración— pero comprimen el ciclo de ejecución de días a minutos.

    Qué hace un agente de datos, en concreto

    Un agente de gestión de datos puede encargarse de tareas como perfilar automáticamente un dataset recién ingerido, asignarle una clasificación de sensibilidad según reglas predefinidas, abrir un ticket de data stewardship si detecta una violación de política, o actualizar el linaje en el catálogo corporativo. Lo que hasta ahora requería la coordinación entre un data engineer, un data steward y un analista de calidad puede, en escenarios bien acotados, ser delegado a un agente que opera dentro de guardarraíles configurados por el equipo de gobernanza. El concepto se alinea con lo que Bob Seiner denomina Non-Invasive Data Governance: el gobierno de datos no como capa burocrática adicional, sino como lógica embebida en los flujos de trabajo existentes. Los agentes, en ese marco, son ejecutores naturales de políticas ya definidas.

    Tres capacidades técnicas que lo hacen viable hoy

    La gestión de datos agéntica no es nueva como concepto, pero tres desarrollos recientes la acercan a la viabilidad operativa. Primero, los modelos de lenguaje de gran escala (LLMs) con capacidad de llamada a herramientas (tool calling) permiten que un agente consulte APIs de catálogos, ejecute queries de validación y escriba resultados en sistemas de registro sin intervención humana. Segundo, los marcos de orquestación de agentes —LangGraph, CrewAI, AutoGen y similares— proveen estructuras para definir flujos multi-agente con roles diferenciados: un agente descubridor, uno validador, uno notificador. Tercero, la proliferación de APIs estandarizadas en plataformas de catálogo (Atlan, Alation, DataHub) facilita la integración sin desarrollo a medida.

    Cuándo aplica y cuándo no

    La gestión de datos agéntica tiene sentido en organizaciones que ya cuentan con un catálogo de datos operativo, políticas de calidad documentadas y roles de data steward definidos. Sin esa base, un agente autónomo no tiene políticas que ejecutar ni contexto semántico sobre el que razonar: amplifica el caos en lugar de reducirlo. El EDM Council, en su marco CDMC (Cloud Data Management Capabilities), sitúa las capacidades de automatización avanzada en los niveles 4 y 5 de madurez; llegar a esa automatización agéntica sin haber consolidado los niveles anteriores —clasificación, linaje básico, ownership formal— es técnicamente posible pero operativamente riesgoso. Tampoco es la solución adecuada para decisiones de gobernanza que requieren juicio contextual complejo, negociación entre dominios de negocio o resolución de conflictos de definición entre áreas. Esas tareas siguen siendo territorio humano.

    El riesgo de delegar sin auditar: lo que exigen LGPD y Ley 25.326

    Introducir agentes autónomos en los flujos de gestión de datos abre una pregunta de gobernanza que en América Latina tiene dimensión regulatoria concreta. Si un agente toma decisiones sobre clasificación de datos personales, modificación de registros o generación de metadatos de linaje, ¿quién responde ante la Autoridade Nacional de Proteção de Dados (ANPD) en Brasil o ante la Agencia de Acceso a la Información Pública (AAIP) en Argentina cuando esa decisión automatizada resulta incorrecta? Tanto la Lei Geral de Proteção de Dados (LGPD, Lei 13.709/2018) como la Ley 25.326 de Argentina exigen que las decisiones automatizadas con efectos sobre datos personales sean auditables y, en ciertos supuestos, reversibles a solicitud del titular. Eso implica que cualquier implementación agéntica sobre activos de datos personales debe incluir, desde el diseño, un registro inmutable de las acciones del agente, un mecanismo de revisión humana y un responsable formal (data steward o DPO) que pueda explicar cada decisión. La autonomía del agente no elimina la accountability del equipo de datos.

    Lo que un CDO debería evaluar antes de pilotear

    Antes de lanzar un piloto de gestión de datos agéntica, hay cuatro preguntas operativas que el equipo de gobernanza debe poder responder: ¿El catálogo de datos tiene cobertura suficiente del dominio que el agente va a gestionar? ¿Las políticas de calidad y clasificación están documentadas en formato legible por máquina (reglas, no narrativas)? ¿Existe un proceso de revisión humana para las acciones del agente que afecten datos personales o activos críticos? ¿Hay logging centralizado que permita auditar cada decisión del agente con atribución de causa? Si alguna de estas cuatro respuestas es negativa, el piloto debería empezar por resolver ese gap antes de activar autonomía agéntica. Un primer caso de uso recomendable: delegar al agente el perfilado y etiquetado preliminar de datasets nuevos en un data lake, con revisión humana antes de que esos metadatos se publiquen en el catálogo corporativo.

    Para profundizar en los marcos de madurez que determinan si una organización está lista para automatización agéntica, el CDMC del EDM Council y la versión 2.0 del DAMA-DMBOK son los puntos de partida más completos disponibles en la industria.

  • ShinyHunters afirma haber expuesto 14 millones de registros de Panera Bread

    ShinyHunters afirma haber expuesto 14 millones de registros de Panera Bread

    El grupo ShinyHunters asegura haber comprometido 14 millones de registros de clientes de la cadena estadounidense Panera Bread, según informó TechRepublic el 16 de septiembre de 2026. La atribución proviene del propio grupo, que tiene antecedentes de brechas de alto perfil, aunque Panera Bread no había emitido confirmación oficial al momento de la publicación.

    ShinyHunters es el mismo grupo que en años anteriores reclamó responsabilidad por filtraciones masivas en empresas como AT&T y Ticketmaster. En este caso, el colectivo afirma haber exfiltrado una base de datos con 14 millones de registros asociados a clientes de Panera Bread, una cadena de restaurantes con presencia extensa en Estados Unidos y Canadá. La información sobre el incidente surgió de publicaciones del propio grupo en foros de ciberdelincuencia, canal habitual para este tipo de anuncios. No se detallaron públicamente los tipos de campos incluidos en la base de datos expuesta, ni si la información abarca datos de pago, credenciales o únicamente datos de perfil.

    Datos confirmados y qué sigue sin verificarse

    • Registros reclamados: 14 millones, según ShinyHunters.
    • Actor: ShinyHunters, grupo con historial documentado de brechas en AT&T, Ticketmaster y Santander Bank, entre otros.
    • Empresa afectada: Panera Bread (cadena de restaurantes, EE.UU./Canadá).
    • Fecha del reporte público: 16 de septiembre de 2026.
    • Confirmación oficial de Panera Bread: no disponible al cierre de esta nota.
    • Naturaleza de los datos: no especificada públicamente.

    Qué falta confirmar y por qué importa en la región

    La atribución unilateral por parte del grupo atacante es el único dato público disponible: no se cuenta con validación independiente del volumen declarado ni con confirmación del tipo de información comprometida. Panera Bread opera un programa de fidelidad con millones de cuentas activas, lo que eleva el riesgo potencial si los datos incluyen identificadores de usuario, historial de compras o métodos de pago vinculados. Hasta que la empresa notifique formalmente, el alcance real permanece sin determinar.

    Aunque Panera Bread no opera directamente en América Latina, el incidente tiene relevancia regional por dos vías. Primero, consumidores latinoamericanos con cuentas en la plataforma —creadas durante viajes o de forma remota— podrían estar incluidos en el conjunto de datos expuesto. Segundo, ShinyHunters ha demostrado apuntar a empresas con bases de datos de fidelización de gran escala sin distinción geográfica: el ataque a Santander Bank en 2024 afectó clientes en Chile, España y Uruguay, entre otros países. Las autoridades de protección de datos de la región —como la Agencia de Acceso a la Información Pública (AAIP) en Argentina o la Autoridade Nacional de Proteção de Dados (ANPD) en Brasil— no tienen jurisdicción directa sobre Panera Bread, pero sí pueden actuar si residentes locales resultan afectados y el responsable del tratamiento tiene presencia o dirige servicios al mercado regional.

    El próximo hito crítico es la notificación formal de Panera Bread a reguladores estadounidenses, cuyo plazo bajo legislaciones estatales como la de California (CCPA/AB 825) puede ser de 30 a 72 horas desde la confirmación del incidente: esa comunicación determinará el alcance real y habilitará eventuales acciones de autoridades en otras jurisdicciones.

  • Noveno Circuito frena intento de expandir la DMCA al entrenamiento de IA

    Noveno Circuito frena intento de expandir la DMCA al entrenamiento de IA

    El Tribunal de Apelaciones del Noveno Circuito de Estados Unidos rechazó en septiembre de 2026 un intento de ampliar la Sección 1202 de la Digital Millennium Copyright Act (DMCA) para crear nueva responsabilidad legal sobre el entrenamiento de modelos de lenguaje. El fallo protege a programadores, artistas y desarrolladores independientes de una teoría que, de haber prosperado, habría convertido usos perfectamente legítimos en fuente de litigios millonarios.

    El caso giró en torno a un grupo de contribuyentes anónimos de GitHub que demandaron a OpenAI y Microsoft. Su argumento: el código generado por los LLMs de ambas compañías —entrenados con repositorios públicos de GitHub, entre miles de millones de otras obras— era similar al suyo, pero sin la información de gestión de derechos de autor (CMI, por sus siglas en inglés), es decir, sin atribución de autoría ni avisos de copyright. Los demandantes invocaron la Sección 1202 de la DMCA, que prohíbe remover intencionalmente ese tipo de información de una obra protegida.

    Qué dice la Sección 1202 de la DMCA y por qué el Noveno Circuito la leyó en sentido estricto

    La Sección 1202 fue diseñada como un mecanismo de respaldo para los derechos de autor en el entorno digital: impide que alguien tome una obra y le arranque los metadatos de identificación antes de redistribuirla. Lo que el tribunal rechazó fue extender esa lógica a un escenario distinto: el de un sistema de IA que genera código nuevo que se parece a obras preexistentes pero que, al ser una creación diferente, nunca tuvo CMI propio. El Noveno Circuito precisó que remover información de gestión de derechos de una obra existente es conceptualmente diferente de producir una obra nueva que simplemente no lleva esa información.

    La Electronic Frontier Foundation (EFF) y la organización Public Knowledge presentaron un amicus brief en el caso, argumentando exactamente esa distinción. El tribunal acogió esa posición. Según EFF, si la teoría de los demandantes hubiera prosperado, habría creado un régimen de responsabilidad que se superponía al derecho de autor tradicional pero sin sus equilibrios: sin fair use, sin umbrales claros, con daños estatutarios potencialmente devastadores para actores pequeños.

    Quiénes habrían quedado expuestos: remix, ingeniería inversa y motores de búsqueda

    EFF advirtió en su brief que la interpretación expansiva habría afectado mucho más allá de la industria de IA. Entre los casos concretos que mencionó la organización:

    • Artistas que crean remixes basados en obras anteriores.
    • Docentes que adaptan materiales para presentaciones en el aula.
    • Ingenieros que realizan ingeniería inversa de código para comprenderlo mejor.
    • Motores de búsqueda que indexan y muestran fragmentos de contenido.

    En todos esos escenarios, la obra resultante no “quita” CMI de un original: simplemente no lo replica. Pero bajo la lectura que proponían los demandantes, cualquier similitud con una obra preexistente sin atribución idéntica podría haberse convertido en un disparador de demandas con daños estatutarios cuantiosos. Las grandes corporaciones pueden litigar esos casos durante años; un desarrollador independiente, en la práctica, se ve obligado a transar aunque su uso sea completamente legal.

    Copyright de IA en América Latina: Argentina, México y Brasil frente a un vacío normativo equivalente

    El fallo del Noveno Circuito no tiene efecto directo en América Latina, pero sí marca un precedente interpretativo relevante para jurisdicciones que aún no han legislado sobre entrenamiento de IA y propiedad intelectual. Argentina, cuya Ley 11.723 de Propiedad Intelectual data de 1933 y no contempla escenarios de machine learning, carece de una respuesta clara sobre si el uso de obras protegidas como datos de entrenamiento configura infracción. México enfrenta el mismo vacío: la Ley Federal del Derecho de Autor (LFDA) no incluye excepciones específicas para minería de datos o entrenamiento de modelos, a diferencia del Text and Data Mining (TDM) exception que incorporó la Unión Europea en su Directiva de Copyright de 2019.

    Brasil es la jurisdicción más avanzada del bloque en este debate. El Projeto de Lei 2338/2023, que regula la IA en el Senado federal, incluye disposiciones sobre el uso de datos para entrenamiento, aunque sin resolver en detalle la interacción con la Lei de Direitos Autorais (Lei 9.610/1998). La ANPD, por su parte, ha comenzado a tratar el entrenamiento con datos personales desde el ángulo de la LGPD, lo que agrega una capa regulatoria que en el caso de GitHub no estuvo en juego —el código, en principio, no es dato personal— pero que en otros corpus de entrenamiento sí lo es.

    Colombia y Chile, con sus respectivos marcos de propiedad intelectual igualmente anteriores a la era de IA generativa, tampoco ofrecen una respuesta legislativa clara. En ausencia de norma específica, los tribunales locales deberán interpretarlo caso a caso, con el riesgo de resoluciones divergentes que generen incertidumbre para empresas que entrenan modelos en la región.

    Qué monitorear: el AI Act de la UE como referencia y los proyectos legislativos regionales

    La resolución del Noveno Circuito llega en un momento en que la Unión Europea ya tiene en vigor el AI Act (Reglamento 2024/1689), cuyo Artículo 53 establece obligaciones de transparencia para proveedores de modelos de propósito general: deben documentar el corpus de entrenamiento y respetar las reservas de derechos que los titulares de obras hayan declarado bajo el mecanismo opt-out del TDM. Esa arquitectura —excepción general con opt-out explícito— es el modelo más articulado disponible hoy, y varios legisladores latinoamericanos lo están mirando de cerca.

    En paralelo, OpenAI y Microsoft aún enfrentan otras demandas vinculadas al uso de contenidos de GitHub y de otras plataformas, incluyendo litigios de medios de comunicación en Estados Unidos. El fallo del Noveno Circuito cierra una puerta —la vía DMCA Sección 1202 como nuevo derecho de atribución— pero no clausura el debate sobre si el entrenamiento con obras protegidas constituye fair use bajo el derecho de autor tradicional. Ese frente sigue abierto.

    Nuestro análisis

    El Noveno Circuito tomó la decisión técnicamente correcta: la Sección 1202 de la DMCA no es, ni fue diseñada para ser, un derecho de atribución autónomo. Pero el fondo del debate no desaparece con este fallo. La pregunta de si un modelo de IA puede entrenarse con obras protegidas sin licencia ni compensación a sus autores es una de las más importantes que enfrentan los sistemas de propiedad intelectual de todo el mundo. Para América Latina, donde los marcos legales son más precarios y los ecosistemas de desarrolladores independientes más vulnerables, la ausencia de una excepción TDM clara —como la que tiene la UE— deja a los actores locales en una posición de desventaja estructural frente a las grandes plataformas globales que ya operan bajo reglas más definidas.

    Mientras los congresos de la región no legiferen sobre minería de datos y entrenamiento de IA, serán los tribunales —con criterios heterogéneos y marcos normativos del siglo pasado— quienes decidan qué es legal construir en América Latina.

  • El Quinto Circuito de EE.UU. confirma que enlazar contenido ajeno no viola el copyright

    El Quinto Circuito de EE.UU. confirma que enlazar contenido ajeno no viola el copyright

    El Tribunal de Apelaciones del Quinto Circuito de Estados Unidos estableció que insertar enlaces a contenido protegido por derechos de autor no constituye infracción directa, porque el sitio que enlaza no transmite ni controla el material. El fallo, dictado en el caso Emmerich Newspapers v. Particle Media, preserva una práctica que sostiene la arquitectura funcional de la web.

    El razonamiento de fondo es simple pero con consecuencias amplias: quien apunta el navegador de un usuario hacia un archivo que reside en un servidor externo no es quien transmite ese contenido. La transmisión la ejecuta el servidor de origen. Por lo tanto, la responsabilidad directa por infracción de copyright recae sobre quien controla ese servidor, no sobre quien publica el enlace o lo incrusta. El tribunal formuló un nuevo criterio para llegar a esa conclusión, aunque el resultado práctico coincide con la doctrina anterior conocida como server test.

    El caso Emmerich: un diario regional que quiso redefinir el embedding

    Emmerich Newspapers, un grupo de publicaciones regionales de Mississippi, demandó a Particle Media, un agregador de noticias que publicaba enlaces a sus artículos. El argumento de Emmerich era que al mostrar esos vínculos —posiblemente con fragmentos o previsualizaciones— el agregador estaba “exhibiendo” obras protegidas y debía responder como infractor directo. La Electronic Frontier Foundation (EFF), junto con otras organizaciones de interés público y asociaciones comerciales, presentó un amicus brief ante el tribunal pidiendo que rechazara esa teoría, en línea con lo resuelto por otros circuitos federales.

    El Quinto Circuito descartó el argumento de Emmerich. Si bien el tribunal no adoptó formalmente el server test —la regla que por dos décadas determinó que la responsabilidad recae en quien aloja el contenido—, formuló su propio criterio centrado en quién realiza la transmisión. Bajo ese análisis, dirigir el navegador de un usuario para que solicite y reciba una copia del material desde los servidores del propio titular del copyright no equivale a transmitir ni comunicar ese contenido.

    “Although we take different routes to get there, both the server test and the test we announce end up in a similar place: a website cannot transmit a work that it does not have.”

    — Tribunal de Apelaciones del Quinto Circuito de EE.UU., fallo en Emmerich Newspapers v. Particle Media, septiembre de 2026

    Qué habría pasado si el tribunal adoptaba la tesis de Emmerich

    Si el Quinto Circuito hubiera aceptado que enlazar equivale a “exhibir” una obra protegida, el impacto sobre la web habría sido inmediato y profundo. Cualquier sitio que incruste una imagen, un video o un artículo periodístico habría quedado expuesto a demandas por infracción directa, sin importar que el contenido siguiera alojado en servidores del titular original. La EFF advirtió al tribunal que esa interpretación convertiría el embedding en una actividad legalmente riesgosa que muchos operadores de plataformas simplemente evitarían, con el consiguiente daño a la circulación de información en internet. Agencias de noticias, blogs, medios regionales y redes académicas dependen de esa capacidad de enlazar para funcionar.

    Emmerich también argumentó que los URLs de sus artículos constituían información de gestión de derechos de autor (copyright management information, CMI) bajo la Ley de Derechos de Autor del Milenio Digital (DMCA), y que el agregador había violado esa norma al mostrar los enlaces sin autorización. El tribunal rechazó también esa lectura, según se informó en el fallo.

    Cuándo aplica este criterio y cuándo NO

    El nuevo test del Quinto Circuito protege la práctica de enlazar e incrustar contenido cuando el material sigue residiendo en el servidor del titular del copyright y es ese servidor quien lo entrega al usuario final. El criterio no protege a quien copia y aloja el contenido en sus propios servidores sin autorización: en ese caso sí existe transmisión directa y la responsabilidad por infracción se activa. Tampoco cubre situaciones donde el embedding se usa para eludir sistemas de pago o acceso restringido, ni los casos donde la incrustación implica alguna forma de reproducción o almacenamiento intermedio. El fallo resuelve la disputa para jurisdicciones bajo el Quinto Circuito, pero la doctrina es coherente con lo que otros circuitos federales han sostenido durante años.

    Relevancia para plataformas y medios en América Latina

    Aunque el fallo es vinculante solo en Estados Unidos, tiene peso persuasivo para jurisdicciones latinoamericanas que aún no tienen jurisprudencia consolidada sobre embedding y derechos de autor digitales. En México, la Ley Federal del Derecho de Autor no contempla expresamente el embedding; en Brasil, la Lei de Direito Autoral (Lei n.º 9.610/1998) tampoco lo define con precisión, y el marco regulatorio de la IA generativa —aún en debate en el Congreso— podría incorporar discusiones similares sobre reproducción técnica y transmisión. En Argentina, la Ley 11.723 de Propiedad Intelectual data de 1933 y sus adaptaciones al entorno digital son escasas. Para medios, agregadores de noticias y plataformas de contenido con operaciones en la región, el razonamiento del Quinto Circuito ofrece un argumento técnico útil: el acto de enlazar no implica posesión ni control del contenido enlazado, y esa distinción debería replicarse en cualquier análisis de responsabilidad bajo derecho local.

    La distinción entre “transmitir” y “dirigir” también es relevante para el sector de medios digitales latinoamericano, que ha visto surgir tensiones entre publicaciones tradicionales y agregadores o motores de búsqueda —un conflicto que en España derivó en la llamada tasa Google y en Brasil está siendo monitoreado de cerca por la Agência Nacional de Telecomunicações (Anatel) y el debate en torno a la regulación de plataformas.

    El texto completo del fallo está disponible en el sitio del Quinto Circuito de Apelaciones (ca5.uscourts.gov, caso 25-60550); quienes diseñen políticas de contenido o términos de uso para plataformas con presencia en la región deberían revisarlo junto con el amicus brief de la EFF, que sistematiza los argumentos técnicos y jurídicos con mayor detalle.

  • Flock Safety y el fin de la rendición de cuentas en la vigilancia vehicular

    Flock Safety y el fin de la rendición de cuentas en la vigilancia vehicular

    Un informe de la Electronic Frontier Foundation revela que policías en Estados Unidos registran justificaciones como “LOL”, “LMAO” o “Sexy” al consultar la red de lectores automáticos de patentes de Flock Safety. El hallazgo expone una falla sistémica de accountability en el uso de tecnología de vigilancia masiva —y tiene implicancias directas para los debates legislativos sobre ALPR que se están abriendo en América Latina.

    Los lectores automáticos de patentes —conocidos como ALPR, por sus siglas en inglés— son cámaras fijas o móviles que capturan, registran y cruzan matrículas vehiculares en tiempo real con bases de datos policiales. Flock Safety es la empresa que opera la red privada más extendida de este tipo en Estados Unidos, con contratos activos en miles de jurisdicciones. El sistema exige que los agentes ingresen un motivo antes de consultar el historial de movimiento de un vehículo. Según el reporte de la EFF, ese requisito se está cumpliendo en la forma pero no en el fondo: las justificaciones ingresadas carecen de sentido operativo y, en muchos casos, son abiertamente burlonas.

    El problema del log vacío: cuando el dato existe pero el control no

    La arquitectura de Flock registra cada consulta. En teoría, eso debería garantizar trazabilidad y rendición de cuentas. En la práctica, un campo de texto libre sin validación ni supervisión posterior convierte el log en papel mojado. La EFF documentó registros con entradas como “LOL”, “LMAO” y términos que no tienen ningún vínculo con una investigación legítima. El sistema técnico funciona; el marco de control humano, no. Esta distinción es central: la vigilancia masiva no se vuelve legítima por el solo hecho de dejar un rastro si ese rastro no es revisado por nadie con autoridad para sancionarlo.

    Texas y Florida intentan poner límites a los ALPR —con resultados dispares

    El mismo número del boletín EFFector reporta que Texas y Florida están revisando sus marcos normativos sobre ALPR, según se informó. Ambos estados ilustran la tensión típica del ciclo regulatorio en tecnología de vigilancia: la adopción policial precede a la regulación por años, y cuando el legislador reacciona, lo hace ante hechos consumados y contratos vigentes difíciles de deshacer. Este patrón —adopción acelerada, regulación tardía y fragmentada— es exactamente el que están replicando varios países de América Latina.

    ALPR en LATAM: Brasil, Argentina y Colombia frente al vacío normativo

    En Brasil, el uso de ALPR por fuerzas de seguridad estaduales no tiene regulación federal específica. La Lei Geral de Proteção de Dados (LGPD, Lei 13.709/2018) aplica en principio al tratamiento de datos personales —y la matrícula vinculada a un conductor es dato personal bajo ese marco—, pero la exención para actividades de seguridad pública del artículo 4° genera una zona gris amplia. En Argentina, la Ley 25.326 de Protección de los Datos Personales tampoco contempla explícitamente los sistemas ALPR; la Agencia de Acceso a la Información Pública (AAIP) no ha emitido lineamientos específicos sobre este tipo de tecnología. Colombia cuenta con la Ley 1581 de 2012 y sus decretos reglamentarios, pero la Superintendencia de Industria y Comercio tampoco ha abordado el uso policial de ALPR de manera directa. En los tres casos, la ausencia de regulación sectorial significa que no existe obligación formal de registrar el motivo de cada consulta, ni mecanismo de auditoría independiente.

    Cuándo aplica el principio de finalidad —y cuándo no alcanza

    El principio de finalidad —presente en la LGPD, la Ley 25.326 y los marcos inspirados en el Convenio 108 del Consejo de Europa— establece que los datos solo pueden usarse para el propósito que justificó su recolección. En teoría, ese principio debería prohibir que un agente consulte el historial de movimiento de un vehículo sin una causa investigativa concreta. En la práctica, el principio de finalidad es difícil de hacer cumplir sin tres elementos que suelen faltar: un log auditado, una autoridad con capacidad de inspección técnica, y sanciones disuasivas para el uso indebido. El caso Flock demuestra que el log existe pero no se audita. Los marcos latinoamericanos, en la mayoría de los casos, ni siquiera tienen el log.

    El acuerdo con Meta y la vigilancia corporativa como telón de fondo

    El mismo boletín de la EFF cubre un acuerdo de Meta que, según la organización, institucionaliza prácticas de vigilancia en lugar de corregirlas, según se informó. El dato importa porque sitúa el caso Flock en un contexto más amplio: la vigilancia masiva —sea estatal vía ALPR o corporativa vía plataformas— comparte una lógica común. Los datos se recopilan a escala, los controles son débiles o simbólicos, y cuando hay consecuencias legales, suelen llegar demasiado tarde para los afectados.

    Para quien diseña política pública o audita el uso de tecnología en seguridad, la pregunta que deja el informe de la EFF no es si los agentes deben justificar sus consultas —deben hacerlo—, sino quién verifica que esa justificación sea real y qué ocurre cuando no lo es. En América Latina, ningún país tiene hoy una respuesta clara a esa pregunta para los sistemas ALPR. El texto completo del informe de la EFF está disponible en eff.org.