UNA CONDUCTA DESLEAL BAJO EL LENTE COLOMBIANO
Autora: Natalia Fernández López[1]
Palabras clave: inteligencia artificial, competencia desleal, secretos empresariales, destilación, propiedad intelectual.
La industria de la inteligencia artificial ha sido sacudida por denuncias de una práctica creciente y problemática: la extracción de capacidades de modelos avanzados mediante una técnica conocida como distillation o destilación.
La destilación es una técnica de aprendizaje automático mediante la cual un modelo de inteligencia artificial «estudiante» aprende a replicar las capacidades de un modelo más avanzado o «maestro» a partir de sus respuestas. Este proceso permite a los desarrolladores acortar significativamente el costoso y laborioso proceso de construir un modelo desde cero, replicando sistemas desarrollados por empresas de IA frontera como Anthropic u OpenAI utilizando chips menos avanzados, para luego ofrecerlos a empresas y consumidores a menor costo. Es importante señalar que la destilación no es inherentemente una práctica ilícita: se emplea comúnmente dentro de la industria, donde las empresas utilizan sus propios modelos de lenguaje grande (LLMs) como «maestros» para entrenar modelos «estudiantes» más pequeños que, aunque no poseen las capacidades completas del modelo original, pueden ofrecerse a clientes que buscan versiones más económicas y con funcionalidades reducidas.
El 14 de marzo de 2025, Anthropic denunció públicamente que tres laboratorios de IA —DeepSeek, Moonshot y MiniMax— presuntamente extrajeron capacidades de Claude, su modelo insignia, a través de campañas que generaron más de dieciséis millones de intercambios mediante aproximadamente veinticuatro mil cuentas fraudulentas y servicios de proxy, todo con el propósito de evadir restricciones de acceso y entrenar modelos competidores a partir de las respuestas obtenidas (Anthropic, 2026). Como respuesta, la compañía implementó sistemas de detección, controles de acceso más estrictos y medidas colaborativas con otros actores del sector.
Pero esta no es la primera vez que algo así sucede. La discusión sobre destilación ya había cobrado especial relevancia en enero de 2025, tras las denuncias de OpenAI contra DeepSeek. En ese momento, Microsoft —principal inversionista de OpenAI— inició una investigación para determinar si DeepSeek había utilizado de forma indebida la interfaz de programación de aplicaciones (API) de OpenAI para entrenar sus propios modelos. Presuntamente, personal vinculado a DeepSeek habría extraído grandes volúmenes de datos a través de dicha API mediante técnicas de destilación, lo que habría permitido transferir conocimiento de los modelos de OpenAI a los suyos (Roth, 2025). En ese momento, la noticia del avance tecnológico de DeepSeek alarmó a los inversionistas y provocó una venta masiva de acciones.
Ambos casos plantean interrogantes fundamentales sobre la protección de la innovación en mercados de inteligencia artificial. Si se analizaran estas conductas bajo el marco jurídico colombiano de competencia desleal, contenido en la Ley 256 de 1996, podrían configurarse al menos tres de las conductas descritas en ese cuerpo normativo.
En primer lugar, la cláusula general del artículo 7 de la Ley 256 de 1996 prohíbe “todo acto o hecho que se realice en el mercado con fines concurrenciales, cuando resulte contrario a las sanas costumbres mercantiles”. La obtención masiva y coordinada de salidas de un modelo competidor mediante identidades falsas, cuentas fraudulentas y arquitecturas de proxies diseñadas para evadir controles técnicos y contractuales se aparta manifiestamente del principio de la buena fe comercial. Además, la finalidad objetiva de las prácticas relacionadas con la destilación masiva —extraer y replicar capacidades diferenciadas en corto tiempo y a bajo costo—, su escala industrial y su ocultamiento deliberado pueden comprometer el funcionamiento concurrencial del mercado. La distinción clave entre la destilación leal y la desleal radica en los medios empleados. En el caso de Anthropic, la creación de miles de cuentas fraudulentas, el uso de arquitecturas de proxy para evadir restricciones, y la extracción sistemática de cadenas de pensamiento a través de solicitudes diseñadas para eludir controles, trascienden lo que podría considerarse un uso legítimo del modelo. La escala industrial y la coordinación de estas campañas sugieren una intención deliberada de apropiarse de ventajas competitivas que van más allá de lo que el titular del modelo autorizó, así este tenga acceso público.
En segundo lugar, podría configurarse una violación de secretos empresariales según lo previsto en el artículo 16 de la misma ley, en concordancia con los artículos 260 y 262 de la Decisión 486 de la Comunidad Andina (CAN). Si lo presuntamente extraído comprende datos no divulgados y sujetos a medidas razonables de resguardo, la elusión sistemática de controles y la explotación de esa información para entrenar modelos competidores podría calificarse como adquisición y uso de secretos empresariales por medios contrarios a prácticas leales, sin autorización de su titular. En este escenario, se debería demostrar que el contenido extraído no era fácilmente accesible y que el titular adoptó medidas razonables para mantenerlo reservado. Aunque tanto Anthropic como OpenAI han impuesto restricciones contractuales de acceso a sus modelos en sus términos y condiciones, cosa que les permitiría quitar el acceso a sus páginas a aquellas cuentas que hayan estado involucradas en la destilación, no deja de ser cierto que la promesa de valor de muchos modelos de IA generativa es precisamente la gratuidad. Si el acceso a los resultados del modelo es abierto y las salidas no están protegidas como «secreto», la destilación no necesariamente violaría esta norma.
En tercer lugar, en este caso podría presentarse una imitación sistemática en los términos del artículo 14 de la Ley 256 de 1996. Aunque la imitación es, en principio, libre, la ley la reputa desleal cuando es sistemática y está encaminada a impedir u obstaculizar la afirmación del competidor en el mercado, excediendo lo que pueda considerarse una respuesta natural del mercado. La destilación tiene como fin reproducir a escala industrial prestaciones mercantiles ajenas. La escala, coordinación y velocidad de estas campañas —que en el caso de Anthropic redirigieron tráfico para capturar capacidades de nuevas versiones del modelo en menos de veinticuatro horas, y en el caso de OpenAI implicaron la extracción masiva a través de su API— apuntan a estrategias parasitarias que trascienden la competencia legítima.
Estos episodios evidencian que los marcos legales tradicionales de competencia desleal y protección de secretos empresariales pueden aplicarse para abordar las nuevas formas de apropiación indebida en la era de la inteligencia artificial.
Referencias
Anthropic. (23 de febrero de 2026). Detecting and preventing distillation attacks. https://www.anthropic.com/news/detecting-and-preventing-distillation-attacks
Roth, E. (29 de enero de 2025). Microsoft probing whether DeepSeek improperly used OpenAI’s API. TechCrunch. https://techcrunch.com/2025/01/29/microsoft-probing-whether-deepseek-improperly-used-openais-api/
Murgia, M. & Reed, J. (26 de febrero de 2026). What is AI ‘distillation’? Financial Times. https://www.ft.com/content/4ee94860-d8e6-4f99-b59b-899e89ede5d5
“El presente escrito no refleja la posición institucional de ACPI”.
[1] Natalia Fernández López es abogada de la Pontificia Universidad Javeriana, especialista en derecho de la competencia de la misma universidad, con magíster (LLM) en Business, Competition and Regulatory Law de la Freie Universität Berlin y especialización en propiedad industrial de la Universidad Externado de Colombia.
Cuenta con más de diez años de experiencia profesional en el sector jurídico. Actualmente se desempeña como Asociada Sénior en Cuatrecasas, donde brinda asesoría legal en materia de derecho de la competencia, propiedad intelectual, protección de datos, protección al consumidor, regulación de nuevas tecnologías y competencia desleal.
Es docente en la especialización en derecho de la competencia de la Pontificia Universidad Javeriana.