Redacción - El Semanal
El problema oculto detrás de las herramientas de IA que usan los diseñadores: cuando la procedencia del algoritmo importa más que el resultado
La reciente polémica en torno a Cursor, una de las herramientas de desarrollo asistido por inteligencia artificial más populares del mundo, ha puesto sobre la mesa una cuestión que trasciende el ámbito strictly tecnológico y que concierne directamente a industrias creativas como la moda: la transparencia en la cadena de suministro de los modelos de IA que impulsan las aplicaciones que utilizamos a diario. El caso, lejos de ser una anécdota, expone una vulnerabilidad estructural en el ecosistema de la inteligencia artificial abierta y plantea preguntas incómodas para cualquier empresa, incluidas las del sector fashion, que externaliza procesos críticos en proveedores de software.
Lo ocurrido con Cursor es sintomático. Su última versión, bautizada como Composer 2 y promocionada como un hito en «inteligencia de codificación fronteriza», resultó estar construida sobre Kimi K2.5, un modelo de código abierto desarrollado por la startup china Moonshot AI, con el respaldo de gigantes como Alibaba y Tencent. La revelación, obra de un desarrollador que interceptó el tráfico de la API, no solo evidenció una falta de comunicación por parte de la empresa, sino que destapó una realidad geopolítica y comercial clave: cuando las compañías occidentales —incluidas las líderes en herramientas para innovación— requieren modelos de lenguaje potentes, flexibles y con licencias permisivas para su personalización profunda, a menudo miran hacia Oriente.
Esta dinámica tiene implicaciones directas para el sector de la moda, donde la IA se utiliza ya para desde el diseño generativo de tejidos y patterns hasta la simulación de prendas en modelos virtuales, la optimización de cadenas de suministro o la personalización masiva. Detrás de una interfaz elegante y una promesa de eficiencia, puede haber un chasis algorítmico desarrollado en un laboratorio con jurisdicciones y estándares de gobernanza muy distintos a los europeos o americanos. La «procedencia algorítmica» empieza a ser un factor estratégico, especialmente en un contexto de tensión geopolítica y creciente escrutinio regulatorio sobre la seguridad de la cadena de suministro tecnológica.
¿Por qué las empresas occidentales recurren a modelos chinos? La respuesta técnica es clara. Para tareas complejas y de largo alcance —como las que requiere un agente autónomo de programación o, por analogía, un sistema de diseño que deba mantener coherencia a lo largo de miles de variables en una colección— se necesita una «densidad de inteligencia» y una resiliencia estructural que los modelos de código abierto occidentales más prominentemente disponibles no ofrecían hasta fechas muy recientes. Modelos como los de la familia Llama de Meta o Gemma de Google, excelentes para implementaciones más ligeras, se quedan cortos en escala de parámetros activos y en ventana de contexto, dos métricas cruciales para evitar la «pérdida de contexto» en procesos secuenciales y creativos extensos. El modelo Kimi K2.5, con su arquitectura de 32.000 millones de parámetros activos y una ventana de 256.000 tokens, representaba una base más robusta para el tipo de entrenamiento continuo y con refuerzo que Cursor aplicó.
El inconveniente no radica necesariamente en la calidad técnica del modelo chino, sino en la opacidad de su procedencia y en las implicaciones de gobernanza. Las licencias permisivas, como la MIT modificada bajo la que se distribuye Kimi, facilitan el uso comercial, pero a menudo no imponen obligaciones estrictas de atribución o transparencia en las modificaciones. El «olvido» de Cursor al no revelar su base和下 no fue solo un error de comunicación; fue un síntoma de un incentivo perverso: la valuación de empresas como Cursor (cercana a los 30.000 millones de dólares) se basa en la percepción de que son «laboratorios de investigación», no meras capas de integración. Reconocer que su producto estrella se apoya en un modelo de una empresa con sede en Pekín, en un entorno regulatorio y geopolítico sensible, se percibió como un riesgo comercial.
Para las casas de moda y los grupos de retail que adoptan estas tecnologías, el episodio sirve como alerta. ¿Conocen realmente la arquitectura fundamental de las herramientas de IA que licencian o desarrollan para sus equipos de diseño y logística? La pregunta va más allá del rendimiento inmediato. Abarca el cumplimiento normativo (¿satisface el modelo con estándares éticos y de seguridad de datos?), la seguridad de la cadena de suministro (¿existen riesgos de puertas traseras o dependencia estratégica?) y la autenticidad de las licencias (¿se están respetando las obligaciones de atribución de los modelos base?).
La buena noticia es que el vacío de modelos occidentales de código abierto de nivel frontera parece estar cerrándose. El lanzamiento de la familia Nemotron por parte de NVIDIA, con arquitecturas híbridas y ventanas de contexto masivas (hasta un millón de tokens), y el rendimiento excepcional de modelos como Nemotron-Cascade 2 —que iguala a los mejores especialistas chinos en olimpiadas matemáticas e informáticas— ofrece alternativas creíbles. Estos modelos, además, se distribuyen con pesos completamente abiertos, conjuntos de datos de entrenamiento y recetas de refuerzo, precisamente el nivel de transparencia que el caso Cursor puso en evidencia como ausente.
La lección para el sector de la moda es clara: la elección de un socio tecnológico para la IA ya no puede basarse únicamente en la calidad de la interfaz de usuario o en los resultados de un benchmark. Requiere una debida diligencia algorítmica. Hay que escudriñar la base. Es preciso preguntar por el modelo fundacional, su procedencia, su historial de entrenamiento y la idoneidad de su licencia para el uso comercial previsto. La próxima vez que una empresa de software anuncione una herramienta revolucionaria para el diseño o la planificación, la pregunta clave no debería ser solo «¿qué puede hacer?», sino «¿sobre qué está construida?». Porque en la intersección entre creatividad y algoritmo, la procedencia ya no es un detalle técnico, es un factor de riesgo y reputación que las marcas de moda, tan sensibles a la narrativa de la cadena de valor, no pueden permitirse ignorar.
GIPHY App Key not set. Please check settings