La carrera por abaratar el uso empresarial de la inteligencia artificial empieza a mover decisiones reales de compra. DeepSeek, la compañía china que irrumpió con fuerza en el mercado de modelos abiertos y APIs de bajo coste, encabezó en junio la lista de proveedores de software en tendencia de Ramp, una plataforma estadounidense de gestión de gasto corporativo. El dato no significa que haya superado a OpenAI o Anthropic en adopción total, pero sí confirma que algunas empresas están buscando alternativas más económicas a los grandes modelos estadounidenses.
El movimiento llega acompañado de una segunda señal, esta vez desde China. Las autoridades del país han advertido sobre los riesgos de seguridad de los servicios de intermediación que permiten acceder a modelos extranjeros a través de plataformas no oficiales. Ambas noticias apuntan al mismo problema desde ángulos distintos: en la nueva economía de la inteligencia artificial, el precio importa, pero el recorrido de los datos importa aún más.
La presión del coste empieza a cambiar las compras de IA
Ramp sitúa a DeepSeek en el primer puesto de su ranking de “trending software vendors” de junio. Esta lista no mide la cuota total de mercado, sino los proveedores que están captando nuevos pagos corporativos. Es decir, detecta cuándo una empresa empieza a pagar por primera vez a un software concreto.
La lectura es relevante porque no hablamos de curiosidad técnica ni de descargas en GitHub, sino de gasto empresarial. Según el análisis citado por Ramp Economics Lab, algunas compañías estadounidenses estarían pagando directamente a DeepSeek. Eso sugiere que no todas están ejecutando sus modelos abiertos en servidores propios, sino usando servicios alojados por el proveedor chino.
Ese matiz cambia mucho el análisis. Autoalojar un modelo permite controlar mejor dónde se ejecutan las cargas y qué datos salen de la organización. Usar una API directa, en cambio, puede ser más rápido y barato, pero implica enviar información a una infraestructura externa, con las dudas habituales sobre privacidad, cumplimiento, jurisdicción y seguridad.
| Opción de uso | Ventaja principal | Riesgo principal |
|---|---|---|
| API directa de DeepSeek | Menor coste y despliegue rápido | Datos enviados a servidores de un tercero |
| Modelo abierto autoalojado | Más control sobre datos e infraestructura | Requiere capacidad técnica y hardware propio |
| OpenAI o Anthropic | Ecosistema maduro y fuerte adopción empresarial | Coste más alto en determinados casos de uso |
| Plataformas de inferencia | Flexibilidad para usar varios modelos | Más capas de intermediación |
| Relays no oficiales | Acceso barato o alternativo | Riesgo elevado de seguridad y cumplimiento |
DeepSeek ya había tenido un ciclo de atención en enero de 2025, cuando su adopción corporativa en el índice de Ramp subió hasta el 0,3 %. Después retrocedió hasta el 0,1 %, nivel en el que seguía en abril de 2026. Para ponerlo en contexto, Anthropic y OpenAI dominaban entonces el índice de adopción de inteligencia artificial de Ramp, con el 34,4 % y el 32,3 %, respectivamente.
La diferencia entre crecimiento puntual y dominio de mercado es importante. DeepSeek puede estar creciendo desde una base pequeña, mientras OpenAI y Anthropic siguen siendo los proveedores más presentes en muchas empresas. Pero la señal es clara: la factura de la inteligencia artificial se ha convertido en un criterio de decisión.
El precio ya no es un detalle técnico
Durante la primera fase de adopción, muchas empresas probaron modelos de inteligencia artificial sin mirar demasiado el coste unitario. El foco estaba en entender casos de uso: generación de texto, atención al cliente, copilotos internos, análisis de documentos, programación, búsqueda semántica o automatización de tareas.
Cuando esos pilotos pasan a producción, la conversación cambia. Las llamadas a modelos se multiplican, los agentes ejecutan más pasos, los equipos de desarrollo integran IA en flujos diarios y los departamentos empiezan a ver facturas recurrentes. En ese momento, el coste por token deja de ser un detalle técnico y se convierte en una variable financiera.
DeepSeek entra precisamente por ahí. Su propuesta se percibe como más barata para determinadas cargas, sobre todo frente a modelos comerciales de referencia. Para tareas donde no siempre hace falta el modelo más potente, muchas empresas empiezan a plantearse una arquitectura más selectiva: modelos premium para trabajos complejos, modelos económicos para tareas repetitivas y modelos autoalojados para datos sensibles.
| Tipo de carga | Modelo más probable |
| Datos sensibles o regulados | Modelo interno o proveedor auditado |
| Redacción básica o clasificación | Modelo económico |
| Razonamiento complejo | Modelo premium |
| Automatización masiva | Modelo optimizado por coste |
| Desarrollo de software crítico | Modelo con trazabilidad y evaluación continua |
| Prototipos rápidos | API externa o plataforma multi-modelo |
La tendencia no favorece necesariamente a un único ganador. Al contrario, puede fragmentar el mercado. Las empresas no quieren pagar siempre el modelo más caro si una opción más barata resuelve el 80 % del trabajo. Pero tampoco quieren asumir riesgos innecesarios con datos críticos. De ahí que el gobierno de IA empiece a parecerse más a una política de cloud: clasificación de cargas, reglas de proveedor, límites por tipo de dato y auditoría continua.
China alerta sobre los intermediarios de modelos extranjeros
Mientras algunas empresas estadounidenses prueban DeepSeek por precio, China ha puesto el foco en un problema que afecta a sus propios desarrolladores: los servicios de “relay” o intermediación de inteligencia artificial. Estas plataformas actúan como pasarelas que agregan APIs de distintos modelos, nacionales y extranjeros, para ofrecer acceso unificado desde un único servicio.
El atractivo es evidente. Un desarrollador puede acceder a varios modelos sin contratar directamente con cada proveedor, evitar restricciones técnicas, simplificar integraciones o conseguir precios más bajos. El problema es que muchos de estos servicios introducen una capa opaca entre el usuario y el modelo real.
Las autoridades chinas han advertido de riesgos de privacidad, fuga de datos, reventa de información, uso de modelos de menor calidad vendidos como si fueran avanzados, posibles puertas traseras y transferencias transfronterizas no autorizadas. En otras palabras, un relay puede prometer acceso cómodo y barato, pero acabar convirtiéndose en un punto débil de seguridad.
La advertencia china no debería leerse solo como un problema local. El mercado global de IA está lleno de intermediarios: gateways, agregadores, proxies, enrutadores de modelos, plataformas de inferencia y servicios que prometen optimizar coste, latencia o disponibilidad. Muchos son legítimos y necesarios. Otros pueden operar sin transparencia suficiente.
El nuevo riesgo: no saber qué modelo responde
Uno de los desafíos técnicos y de cumplimiento más serios es la trazabilidad. Cuando una empresa usa directamente un modelo de OpenAI, Anthropic, Google, Mistral o DeepSeek, puede revisar contrato, condiciones, ubicación de datos y políticas de retención. Cuando lo hace a través de un intermediario poco claro, la pregunta se vuelve más difícil: qué modelo ha respondido realmente, dónde se ha ejecutado, quién ha visto el prompt y qué se ha guardado.
Esto tiene implicaciones prácticas. Un equipo puede creer que está usando un modelo avanzado y recibir respuestas de otro más barato. Puede enviar datos internos a una plataforma que los almacena sin autorización. Puede introducir claves de API, credenciales o fragmentos de código en un relay que no ofrece garantías. Y puede incumplir políticas internas sin darse cuenta.
| Riesgo de los relays de IA | Consecuencia posible |
| Falta de transparencia del modelo usado | Resultados menos fiables o engañosos |
| Almacenamiento de prompts | Exposición de datos internos |
| Reventa de información | Uso no autorizado para entrenamiento o análisis |
| Transferencia internacional no controlada | Problemas regulatorios |
| Puertas traseras o código malicioso | Robo de credenciales o acceso a sistemas |
| Falta de auditoría | Dificultad para investigar incidentes |
Para empresas reguladas, el riesgo es mayor. Banca, salud, industria, administración pública, seguros o telecomunicaciones no pueden tratar todos los modelos de IA como si fueran herramientas de consumo. Necesitan saber dónde viajan los datos, quién procesa la información, qué controles existen y cómo se puede demostrar cumplimiento ante una auditoría.
La geopolítica entra en la capa de inferencia
El caso DeepSeek también muestra que la competencia entre modelos ya no es solo tecnológica. Es económica y geopolítica. Que empresas estadounidenses paguen directamente a una compañía china por servicios de inteligencia artificial puede generar preguntas internas en departamentos legales, de seguridad y cumplimiento. Del mismo modo, que desarrolladores chinos busquen acceso indirecto a modelos extranjeros preocupa a las autoridades de Pekín.
La capa de inferencia se está convirtiendo en una infraestructura estratégica. Ya no hablamos solo de dónde se almacenan los datos, sino de dónde se procesan las preguntas, documentos, conversaciones y acciones de agentes inteligentes. La IA no mueve solo texto: mueve intención, contexto empresarial y conocimiento operativo.
Por eso la soberanía de IA no se reduce a tener un modelo propio. También implica controlar la ruta completa: interfaz, API, modelo, proveedor de inferencia, cloud, registros, cifrado, retención, evaluación y auditoría. Un modelo barato puede ser útil, pero si el flujo de datos no está gobernado, el ahorro puede convertirse en riesgo.
Qué deberían hacer las empresas
La respuesta no pasa por prohibir cualquier modelo extranjero ni por usar siempre el proveedor más caro. El mercado va hacia una combinación de modelos. Lo importante es establecer reglas claras antes de que cada equipo empiece a contratar por su cuenta.
Las organizaciones deberían clasificar sus datos, definir qué modelos pueden usarse para cada tipo de información, prohibir relays no autorizados, exigir contratos claros de retención y entrenamiento, registrar el uso de APIs y evaluar periódicamente calidad, coste y riesgos. También conviene estudiar alternativas autoalojadas cuando el volumen de uso o la sensibilidad de los datos lo justifiquen.
DeepSeek puede ser una opción interesante para reducir costes en determinados escenarios. OpenAI y Anthropic seguirán siendo referencias para muchas cargas empresariales. Los modelos abiertos ganarán peso en entornos privados. Los intermediarios serán útiles cuando aporten transparencia y control. El problema no es la diversidad de proveedores, sino usarla sin gobierno.
La noticia deja una conclusión clara para el sector tecnológico: la inteligencia artificial barata ha llegado a la empresa, pero no viene sola. Trae preguntas sobre datos, jurisdicción, seguridad, trazabilidad y confianza. La próxima ventaja competitiva no será solo elegir el modelo más potente o más barato, sino saber cuándo usar cada uno sin perder el control.
Preguntas frecuentes
¿Por qué DeepSeek aparece ahora en el radar empresarial de EE. UU.?
Porque encabezó en junio la lista de proveedores de software en tendencia de Ramp, basada en nuevos pagos corporativos. El dato sugiere que algunas empresas están probando alternativas más baratas a OpenAI y Anthropic.
¿DeepSeek ya supera a OpenAI o Anthropic?
No según los datos disponibles. En abril de 2026, OpenAI y Anthropic seguían dominando el índice de adopción de IA de Ramp. DeepSeek aparece como proveedor en tendencia, no como líder absoluto de cuota.
¿Qué son los relays de inteligencia artificial?
Son servicios intermedios que agregan acceso a distintos modelos de IA a través de una sola plataforma. Pueden simplificar integraciones, pero también introducir riesgos si no son transparentes o seguros.
¿Qué deben vigilar las empresas al usar modelos baratos?
Deben revisar dónde se procesan los datos, si se almacenan prompts, si los datos se usan para entrenamiento, qué jurisdicción aplica, qué proveedor real responde y si existe auditoría suficiente.
