Quien controla los datos propios le gana al que los entrena con ellos

La semana del 30 de junio al 7 de julio produjo, en cuatro instancias distintas, el mismo dato: hay un segmento de usuarios —y de empresas— que paga por no ser el producto. Proton actualizó Lumo, su chatbot de privacidad. Venice AI se convirtió en unicornio rentable con $70 millones en ingresos anualizados. Alibaba prohibió Claude Code en sus equipos por clasificarlo como software de alto riesgo de filtración de datos. Google actualizó en silencio sus políticas para entrenar sus modelos con los archivos de sus usuarios. Cuatro movimientos, cuatro fechas, una sola tendencia: la privacidad pasó de ser un argumento de marketing a ser la línea divisoria de un mercado nuevo.

El modelo de negocio que los labs no ven venir

Venice AI llegó al billón de dólares de valuación con una propuesta que contradice la lógica dominante de la industria: no recopila los datos de sus usuarios, no los entrena con ellos, y aun así es rentable. $70 millones en ingresos anualizados antes de ser conocida masivamente. El CEO Erik Voorhees lo dice sin rodeos: los usuarios pagan para no ser el producto.

Esto no es nicho ideológico. Es aggregation desde la demanda: hay un segmento que valora la privacidad más que el precio gratuito, y ese segmento estaba mal servido por los labs principales, que construyeron sus modelos de negocio sobre la premisa opuesta. Venice es la prueba de que ese segmento existe, tiene capacidad de pago, y está dispuesto a premiar a quien lo sirva bien.

Proton caminó el mismo sendero antes con el correo electrónico encriptado y ahora replica la estrategia con Lumo. La lógica es idéntica: los usuarios de Proton Mail ya probaron que pagan por privacidad; el chatbot es una extensión natural del mismo contrato. El update de Lumo 2.0 no es un lanzamiento aislado, es la confirmación de que la apuesta funciona suficientemente bien como para seguir invirtiendo.

Alibaba, Google y la polarización que nadie nombra

Del otro lado del espectro, Google actualizó su política de privacidad para almacenar más datos de sus usuarios —imágenes, archivos, grabaciones de audio y video— y usarlos para mejorar sus modelos. La política cambió en silencio; la noticia fue el artículo que explicaba cómo hacer opt-out.

El movimiento de Google no es un error: es la decisión racional de un actor que controla la distribución masiva y puede permitirse la fricción del opt-out. La pregunta correcta no es si Google tiene razón, sino qué hace el usuario que no puede o no quiere hacer opt-out en cada plataforma que usa. Esa fricción acumulada es el viento de cola de Venice, Proton, y cualquier plataforma que construya sobre la promesa opuesta —el mismo mecanismo que está llevando a los propietarios de contenido a construir peajes de acceso frente a los crawlers de IA.

Alibaba prohibió Claude Code clasificándolo como software de alto riesgo. El fundamento no es la calidad del código: es el flujo de datos corporativos que genera cada sesión. Un empleado que programa con Claude Code potencialmente expone arquitecturas internas, lógica de negocio propietaria y datos de clientes a los servidores de Anthropic. Alibaba decidió que ese riesgo supera el beneficio de productividad. Y Alibaba tiene los abogados y los analistas de riesgo para hacer esa evaluación correctamente.

Quién gana y quién pierde en el mercado que se bipolariza

Los ganadores del segmento privacidad tienen algo en común: sus modelos de negocio no requieren los datos del usuario para monetizar. Venice cobra suscripción. Proton cobra suscripción. El modelo es antiguo —tan antiguo como el software shrink-wrapped— pero funciona porque resuelve una necesidad real que los labs principales están activamente empeorando al expandir el alcance de lo que recopilan.

Los que pierden son los labs que asumieron que todos los usuarios aceptarían implícitamente el intercambio datos-por-servicio. Ese contrato implícito funcionó durante la era del web gratuito; en la era de los asistentes que procesan archivos corporativos confidenciales, el contrato necesita ser explícito. Y cuando se vuelve explícito, un segmento significativo dice que no.

El split también tiene dimensión geopolítica: la prohibición de Alibaba no es un caso aislado. Es la señal de que las empresas con activos de datos valiosos —y que operan en ecosistemas regulatorios distintos al de Silicon Valley— van a construir o adoptar herramientas donde el flujo de datos sea auditable y esté bajo su control.

La tesis falsable: 18 meses para confirmarlo

La predicción concreta: en enero de 2028, Venice AI y Proton habrán rebasado los $200 millones en ingresos anualizados combinados, y al menos un lab principal habrá lanzado una oferta enterprise que garantice contractualmente que los datos del cliente no se usan para entrenamiento. Si eso no ocurre —si Venice se estanca y los labs ignoran el segmento— la hipótesis de que la privacidad es un mercado real habrá fallado.

El dato que confirma la tendencia antes de esa fecha: el churn de usuarios corporativos en herramientas de IA sin cláusula de privacidad explícita. Para un decisor en LATAM con equipos usando modelos en producción, la pregunta que conviene hacerse hoy es si el contrato con el proveedor especifica qué pasa con los datos. Si la respuesta es «no lo sé», el riesgo ya existe y el mercado ya tiene alternativas para cubrirlo.