Palantir y Nvidia restringen modelos de Anthropic por los datos

Qué se restringió exactamente

Esta historia no debe leerse como una prohibición de Anthropic, sino como un endurecimiento de los requisitos para autorizar modelos que trabajen con datos sensibles. Reuters informó el 14 de septiembre de 2026, citando a The Information, que Palantir, Nvidia y Booz Allen redujeron o limitaron el uso de modelos de Anthropic en tareas que podían involucrar información corporativa confidencial.

El caso más revelador es el de Palantir. Según el informe, la empresa quería una garantía irrevocable de retención cero de datos antes de ofrecer esos modelos a través de su software. Nvidia, según la misma información, mantuvo Anthropic para tareas menos sensibles y se apoyó más en sus propios modelos Nemotron para el trabajo interno.

Aquí existe una tensión importante entre lo que dice una política y lo que exige un cliente real. En la documentación oficial de seguridad de AIP, Palantir afirma que los proveedores externos de modelos no retienen las solicitudes ni las respuestas de los clientes, no usan los datos para entrenamiento y no permiten que su personal acceda a ellos. También enumera controles de acceso, cifrado, auditoría y medidas contractuales para datos regulados.

Sin embargo, para un entorno corporativo no basta con afirmar que los datos no se almacenan. Yo comprobaría primero si la garantía es técnica y legalmente irreversible, cómo funcionan los registros y las copias de seguridad, cómo se gestionan la trazabilidad y los incidentes, y qué acceso pueden tener los subcontratistas. En esas capas poco vistosas se decide si la retención cero es una propiedad de la arquitectura o solo una cláusula de política.

Por qué cambia el equilibrio

La conclusión es simple: la calidad de un modelo ya no le concede acceso automático a los datos valiosos. Para las cargas confidenciales, no gana necesariamente la API en la nube más potente, sino la plataforma que puede demostrar control sobre almacenamiento, residencia y acceso.

Esto refuerza las nubes privadas, los despliegues híbridos y la inferencia local. También encarece la integración: los equipos deben enrutar tareas según su sensibilidad, separar contextos y mantener modelos alternativos cuando un proveedor externo no cumple los requisitos. Nvidia ilustra bien esta división: Anthropic sigue siendo útil para tareas menos sensibles, mientras Nemotron cubre parte del entorno interno.

El entusiasmo mediático es secundario. La cuestión real es si un proveedor puede convertir la promesa de no retener datos en una garantía que seguridad y legal consideren irrevocable. Si no puede, la IA empresarial se fragmentará no por la calidad de los modelos, sino por los límites de confianza.

Anteriormente analizamos cómo la computación confidencial puede reducir los riesgos de exposición de datos cuando las empresas implantan sistemas de IA. Ese análisis ayuda a entender por qué las compañías pueden limitar el acceso a modelos si las garantías de privacidad son inciertas.