Acusación sin pruebas contra Anthropic: el caso de las «salvaguardas a la carta» importa aunque no se confirme

Adi Baradwaj, exingeniero de Anthropic, publicó el 26 de julio de 2026 un hilo de tres mensajes en X en el que sostiene que la compañía «rebajó salvaguardas a cambio de grandes contratos de gasto comprometido». Según su relato, observó varios casos en los que se redujeron restricciones de seguridad de los modelos Claude para clientes que firmaban acuerdos de uso de gran volumen. La acusación llega sin material que la sostenga: RuntimeWire, que recoge el hilo, señala que no hay extractos de contratos, memorandos internos ni capturas de configuraciones alteradas. Ningún otro empleado, cliente o auditoría independiente lo ha corroborado, y Anthropic no ha emitido respuesta pública. Conviene decirlo con todas las letras: hoy es una alegación, no un hecho probado.

El contexto es lo que la vuelve incómoda. Anthropic, fundada en 2020 por exinvestigadores de OpenAI, ha construido su marca sobre la «IA constitucional» —un método que incrusta reglas éticas en el propio proceso de decisión del modelo— y vende Claude como la alternativa más segura del mercado. Su documento de seguridad y políticas de 2023 describe un sistema por capas de filtros de contenido, mecanismos de rechazo y una constitución actualizable. Y ahí aparece la frase clave, publicada por la propia empresa: «los despliegues de mayor riesgo pueden requerir configuraciones de seguridad personalizadas negociadas con el cliente». Esa admisión es la parte verificable del asunto; la acusación de Baradwaj es que, en la práctica, esa negociación cruzó la línea de la personalización a la rebaja.

Esa línea existe y es más fina de lo que parece. Personalizar es legítimo y a veces imprescindible: una firma de ciberseguridad que hace pruebas de intrusión necesita que el modelo no rechace cada consulta sobre exploits, igual que un hospital necesita contenido clínico que un filtro genérico bloquearía. Rebajar por dinero es otra cosa: implantaría un régimen de seguridad de dos velocidades —estándar estricto para el usuario pequeño, guardarraíles relajados para el cliente grande—. La economía empuja en esa dirección. El modelo de ingresos de Anthropic se apoya en precios por uso con descuentos por «gasto comprometido» (el cliente se obliga a un volumen plurianual a cambio de tarifa), y analistas del sector sitúan un solo contrato empresarial en decenas de millones de dólares anuales. Cuando el incentivo comercial es tan grande, la política de seguridad deja de ser un documento técnico y pasa a ser una decisión de negocio.

La segunda afirmación del hilo merece bajarle el volumen. Baradwaj sostiene que la mayoría de los atacantes maliciosos usan suscripciones estándar de Claude Code o Codex, y cita a otro participante que asegura que «las salvaguardas no bastan para detener a un actor moderadamente decidido». Eso no es una revelación: es el estado del arte conocido. Un informe del Center for AI Safety de 2025 ya documentó decenas de intentos de «jailbreak» —trucos para saltarse las restricciones— contra Claude, muchos a través del endpoint de generación de código. El mismo informe recuerda que los investigadores de seguridad legítimos usan exactamente las mismas suscripciones para probar defensas. La frontera entre atacar y defender es la misma herramienta; lo que cambia es quién la empuña. Encaja con nuestra tesis: el riesgo serio de corto plazo no es la superinteligencia lejana, sino la industrialización del fraude y la intrusión con agentes baratos.

Las implicaciones son concretas. Si el escenario fuera cierto, los compradores empresariales tendrían que asumir monitorización adicional aguas abajo, con el coste operativo que eso conlleva; los reguladores europeos y estadounidenses podrían tratar una rebaja de guardarraíles como un cambio material del perfil de riesgo, con obligaciones de notificación bajo el AI Act; y los inversores revisarían la prima de valoración que hoy paga el mercado por una marca «segura por diseño». Ese es el dato interesante: la seguridad ya cotiza. Es una buena noticia —alinea el incentivo económico con el comportamiento correcto— y a la vez una fragilidad, porque un hilo de tres tuits sin pruebas mueve percepción sobre miles de millones.

Nuestra lectura: no compramos la acusación, pero sí la pregunta que destapa. La seguridad de un modelo frontera no puede seguir siendo una promesa de marketing verificable solo por quien la vende. Lo que este episodio pide no es un linchamiento, sino infraestructura de confianza: publicar qué parámetros de seguridad son negociables y cuáles son suelo innegociable, someter esa política a auditoría de terceros y permitir análisis externo de las respuestas de la API bajo distintas condiciones contractuales. En nuestros índices, Anthropic encabeza la calidad de modelo y pelea la cabeza en ciberseguridad; precisamente por eso el listón probatorio debe ser alto en las dos direcciones —ni se le condena por un hilo, ni se le exime por su reputación—. El horizonte largo sigue siendo el bueno: la misma capacidad que hoy inquieta es la que acelerará diagnósticos, fármacos y productividad. Pero para llegar hasta ahí sin frenazos regulatorios de pánico, la confianza tiene que ser auditable, no declarada.