Varias grandes empresas estarían restringiendo o condicionando el uso de Claude y otros modelos de IA externos por dudas sobre la retención de datos, los metadatos técnicos y la exposición de propiedad intelectual. La información publicada el 14 de septiembre de 2026 dibuja una respuesta desigual: no se trata de abandonar los modelos alojados, sino de decidir qué tareas pueden llegar a ellos y cuáles deben quedarse dentro de casa.
Las empresas ponen límites a Claude y otros modelos de IA
El asunto no es que Claude, de Anthropic, u otros servicios dejen de ser útiles. El problema aparece cuando un empleado quiere pegar en un chat código propietario, información de clientes, planes de producto o documentación estratégica. Para ese tipo de material, algunas compañías estarían imponiendo barreras por tarea, por tipo de dato o por infraestructura.
La distinción importa: una política que prohíbe introducir datos propietarios no equivale a un veto total a Claude. Puede permitir resumir textos públicos, redactar borradores o programar con ejemplos no sensibles, mientras reserva los proyectos delicados para sistemas internos.
Entrenamiento, retención y metadatos no son lo mismo
Buena parte de la confusión nace de tratar todas las categorías de datos como si fueran una sola. No lo son.
Entrenamiento responde a si prompts, archivos o respuestas se emplean para mejorar el modelo. OpenAI afirma que, por defecto, no usa los datos empresariales para entrenar sus modelos. Anthropic también indica que los datos cubiertos por un acuerdo de retención cero de datos no se usan para entrenar modelos sin permiso expreso.
Retención responde a cuánto tiempo conserva el proveedor cierta información. Y los metadatos técnicos de uso son otra capa: datos sobre la actividad del servicio, separados de los prompts y las respuestas. Precisamente esa separación estaría alimentando parte de las reservas empresariales: excluir contenido del entrenamiento no resuelve por sí solo todas las preguntas sobre persistencia de datos, trazabilidad y actividad técnica.
Por eso no existe una respuesta universal a «quién puede ver los chats de Claude». Depende del producto, la cuenta, el contrato, la configuración de retención y los controles de la organización.
Qué medidas empresariales describe la información
Los ejemplos dibujan un patrón de segmentación, no una reacción única.
Nvidia limitaría Fable, el modelo de Anthropic citado en esta información, a tareas que no requieren datos sensibles y utilizaría un sistema de IA interno para trabajos más delicados. Novo Nordisk mantendría Claude para algunas tareas, pero impediría que se empleen datos propietarios. C Spire, por su parte, estaría preocupada por los metadatos técnicos de uso aun contando con cláusulas que impiden el entrenamiento con sus datos.
El nivel de aislamiento puede subir todavía más. Northrop Grumman utilizaría modelos de código abierto en servidores propios sin conexión externa para determinadas cargas de trabajo. También se habría cancelado una prueba prevista de Fable en una gran empresa eléctrica estadounidense después de que Anthropic no aceptara una garantía irrevocable de retención cero de datos.
Son decisiones empresariales comunicadas como tales, no la prueba de una política uniforme entre compañías ni de un fallo de seguridad en Claude o en OpenAI.
Qué significa realmente la retención cero de datos
La retención cero de datos, o ZDR por sus siglas en inglés, reduce la persistencia de prompts y respuestas cuando el producto y el acuerdo aplicable cumplen las condiciones. Es una salvaguarda potente para flujos sensibles, pero no es un interruptor mágico que se active para cualquier cuenta, modelo o integración.
OpenAI anunció el 19 de agosto de 2026 la disponibilidad de compromisos de retención cero de datos para clientes elegibles de API de modelos frontier. Anthropic documenta que sus acuerdos ZDR se aplican a productos y API elegibles. En ambos casos, la cobertura depende del servicio concreto y de los términos contratados.
La lección práctica es bastante menos glamurosa que un anuncio de IA, pero mucho más útil: antes de desplegar un asistente, hay que separar el plan comercial de sus controles efectivos. Una suscripción empresarial, una exclusión de entrenamiento y un acuerdo ZDR pueden coexistir, pero no son sinónimos.
Servicios externos, modelos internos y servidores aislados
Cada enfoque cambia el límite por el que circula la información y también el coste operativo de mantenerlo.
| Enfoque | Dónde quedan los datos | Ventaja práctica | Coste o límite operativo |
| Servicio empresarial externo | En un servicio gestionado por el proveedor, con controles contractuales | Acceso a modelos avanzados y herramientas empresariales | La retención, los metadatos y las excepciones dependen del producto y del contrato |
| Flujo cubierto por ZDR | Los prompts y las respuestas no se retienen cuando el acuerdo y el producto cumplen los requisitos | Reduce el riesgo de persistencia de contenido sensible | No está disponible automáticamente para todos los productos, modelos o flujos |
| IA interna para tareas sensibles | En el sistema controlado por la propia organización | Evita enviar información sensible a un modelo externo | Exige invertir en modelo, infraestructura y gobierno interno |
| Modelos de código abierto en servidores aislados | En un entorno separado y controlado por la empresa | Maximiza la separación frente a proveedores externos | Añade complejidad operativa y costes de infraestructura |
Microsoft también comercializa entornos de nube aislados en servidores privados, una vía intermedia para organizaciones que buscan ejecutar modelos sin enviar datos a empresas externas de IA. El movimiento hacia estos diseños no elimina el valor de los servicios alojados; convierte la arquitectura y el contrato en parte central de la decisión sobre qué información puede cruzar la frontera del modelo.
