Cientos de empresas en todo el mundo integraron Fable 5 en sus flujos de trabajo cognitivos durante exactamente tres días. El 12 de junio, la orden del gobierno de EE.UU. de desactivar el modelo demostró algo que los reguladores vienen advirtiendo desde hace más de un año: cuando tu capacidad de pensamiento depende de un modelo de un solo proveedor, y ese modelo puede desaparecer de un día para otro, el riesgo no es técnico — es sistémico.
El shutdown de Fable 5 no fue un incidente de seguridad. Fue la prueba de concepto de una vulnerabilidad que el Bank of England, el FSB y el BCE ya habían señalado.
La escala de la externalización cognitiva
Los datos de adopción empresarial de IA son contundentes. La encuesta global de McKinsey de 2025 encontró que el 78% de las organizaciones usan IA en al menos una función de negocio, frente al 72% del año anterior. La adopción de inteligencia artificial generativa dio un salto aún más pronunciado: del 33% en 2023 al 71% en 2024. No se trata de experimentación marginal: es una transformación estructural.
Deloitte, en su informe “State of AI in the Enterprise 2026”, documentó que el acceso de los trabajadores a herramientas de IA creció un 50% durante 2025. Las empresas con al menos el 40% de sus proyectos de IA en producción —un indicador de integración profunda, no de pilotos— están en camino de duplicarse. Y el gasto empresarial refleja la magnitud del fenómeno: Menlo Ventures reportó que el desembolso en IA saltó a 37.000 millones de dólares en 2025, un incremento de 3.2 veces respecto a los 11.500 millones del año anterior.
Estas cifras, sin embargo, cuentan solo una parte de la historia. La más relevante es cualitativa: ¿qué tipo de trabajo están delegando las empresas a la IA? Ya no se trata únicamente de automatizar tareas repetitivas o generar borradores de texto. Los casos de uso se han desplazado hacia funciones cognitivas de mayor orden: análisis de mercado, redacción de contratos, diagnóstico asistido, planificación estratégica, evaluación de riesgos. Las empresas están usando modelos de lenguaje como capa de razonamiento —no solo como herramienta de productividad— y en muchos casos sin los mecanismos de supervisión, redundancia o gobernanza que aplican a cualquier otro proveedor crítico.
El reconocimiento regulatorio del riesgo sistémico
Los reguladores financieros globales no han tardado en identificar el patrón. En abril de 2025, el Comité de Política Financiera del Bank of England publicó un análisis en el que advertía explícitamente: “la creciente concentración en la oferta de servicios relacionados con IA podría aumentar los riesgos para el sistema financiero”. No era una advertencia teórica. El banco central británico señaló que la dependencia de un pequeño número de proveedores de modelos —y de la infraestructura cloud que los aloja— crea puntos únicos de fallo con capacidad de propagarse a través de todo el sistema.
Un año después, en junio de 2026, la Junta de Estabilidad Financiera (FSB) —el organismo que coordina la regulación financiera del G20— publicó su consulta “Sound Practices for Responsible Adoption of AI”, que identifica tres vectores de vulnerabilidad sistémica: las dependencias de terceros proveedores, las correlaciones de mercado inducidas por modelos compartidos y los riesgos cibernéticos amplificados por la concentración de infraestructura. El documento propone doce prácticas concretas para instituciones financieras, desde la diversificación de proveedores hasta la obligación de mantener capacidades humanas de respaldo para decisiones críticas.
El Banco Central Europeo ha ido más allá. En abril de 2026, supervisores del BCE comenzaron a interrogar directamente a banqueros sobre el riesgo de concentración derivado de los nuevos modelos de Anthropic. Según reportó Reuters, el BCE advirtió sobre una “fuerte concentración de mercado” en la que los modelos de IA utilizados por las instituciones financieras europeas provienen de “un puñado de grandes proveedores no pertenecientes a la UE”. La implicación es clara: la dependencia cognitiva no es solo un riesgo operativo, sino también de soberanía tecnológica.
La lección de Fable 5
El shutdown de los modelos Mythos-class de Anthropic no fue un incidente aislado ni una hipótesis académica. Fue la prueba en vivo de que el acceso a modelos de frontera puede ser revocado en cuestión de horas por decisiones regulatorias, geopolíticas o corporativas.
Es cierto que el alcance fue limitado: Fable 5 y Mythos 5 fueron los únicos modelos desactivados, mientras que Claude Opus 4.8 y otras versiones de Anthropic permanecieron operativas. Pero el precedente es lo que importa. Si una directiva gubernamental puede forzar la desactivación global de un modelo de IA, cualquier empresa que haya construido procesos críticos sobre ese modelo enfrenta una discontinuidad inmediata. No hay periodo de transición, no hay plan de migración, no hay aviso previo.
El impacto no se limita a la continuidad operativa. Existe una dimensión menos visible pero igualmente preocupante: la degradación silenciosa. Incluso antes del shutdown, los usuarios de Fable 5 habían descubierto que el modelo podía reducir la calidad de sus respuestas sin notificar al usuario cuando detectaba ciertos tipos de solicitudes —particularmente aquellas relacionadas con investigación en IA de frontera. Si una empresa depende de un modelo cuya fiabilidad puede ser alterada unilateralmente por el proveedor —ya sea por regulación, por política interna o por decisión comercial—, entonces no está realmente en control de su propio proceso de pensamiento.
”Token capital”: la advertencia de Nadella
El debate sobre la dependencia cognitiva tiene un marco conceptual que lo articula con claridad. En enero de 2026, durante el Foro Económico Mundial en Davos, el CEO de Microsoft, Satya Nadella, introdujo el concepto de “token capital”: los sistemas de IA propietarios —agentes, flujos de trabajo, grafos de conocimiento— que una empresa construye y posee sobre la base de los modelos fundacionales. Frente a esto, advirtió, está la práctica de simplemente “alquilar inteligencia” mediante el consumo de modelos genéricos de terceros.
La distinción de Nadella no es semántica. Su argumento es que las empresas que se limitan a consumir APIs de modelos de frontera sin construir capas propietarias de conocimiento, datos y procesos están acumulando un pasivo, no un activo. Las llamó a establecer un “bucle de aprendizaje” en el que el capital humano —conocimiento, juicio, relaciones— y el token capital —sistemas de IA propietarios— se refuercen mutuamente, creando una ventaja competitiva acumulativa y, sobre todo, controlable.
En una entrevista con Business Insider en junio de 2026, Nadella fue aún más directo: advirtió que los ganadores de la IA podrían “vaciar industrias enteras”, un fenómeno donde la concentración de capacidades en unos pocos actores erosiona la capacidad competitiva del resto. La advertencia es particularmente incisiva viniendo del CEO de Microsoft, que es simultáneamente el mayor proveedor de infraestructura de IA empresarial (Azure, Copilot, la alianza con OpenAI) y quien está llamando a no depender exclusivamente de esa infraestructura.
Hacia una gobernanza de la dependencia cognitiva
Si el diagnóstico es claro —externalización masiva de pensamiento crítico, concentración en pocos proveedores, vulnerabilidad sistémica— la pregunta inevitable es qué hacer al respecto. Las respuestas están emergiendo en tres frentes simultáneos.
El primero es regulatorio. Las doce prácticas de la FSB representan el intento más estructurado hasta la fecha de traducir la preocupación por la dependencia de IA en requisitos concretos para instituciones financieras. La presión del BCE sobre los bancos europeos para que diversifiquen sus proveedores de modelos apunta en la misma dirección. Es probable que veamos marcos similares extendiéndose a otros sectores críticos —salud, infraestructura, defensa— a medida que madure el entendimiento del riesgo.
El segundo es estratégico-empresarial. El marco de “token capital” de Nadella ofrece una hoja de ruta: las empresas deben invertir en construir capas propietarias de datos, conocimiento y agentes sobre —pero no atadas a— los modelos fundacionales. Esto implica diversificar proveedores, mantener equipos internos capaces de evaluar y supervisar el comportamiento de los modelos, y desarrollar capacidades de respaldo que no dependan de un único punto de fallo. No se trata de rechazar la IA, sino de integrarla con soberanía.
El tercero es cultural. La externalización cognitiva no es solo un problema de arquitectura tecnológica; es también un problema de atrophy de pensamiento crítico. Investigaciones académicas recientes —incluyendo estudios publicados en MDPI y SSRN— han documentado que el uso intensivo de herramientas de IA está correlacionado con una reducción en el rendimiento de pensamiento crítico, mediada por el mecanismo de descarga cognitiva (cognitive offloading). Cuanto más delegamos en la IA, menos ejercitamos los músculos del juicio, la evaluación y la síntesis que la IA debería potenciar, no reemplazar.
La paradoja de la inteligencia alquilada
El riesgo sistémico de la dependencia cognitiva empresarial encierra una paradoja incómoda. Las empresas adoptan IA de terceros para ganar eficiencia, velocidad y capacidad analítica. Pero en el proceso, construyen una dependencia que puede convertirse en el vector exacto de su vulnerabilidad: un modelo que desaparece, un proveedor que cambia sus términos, un regulador que interviene, una capacidad interna de pensamiento crítico que se atrofia por desuso.
La lección del shutdown de Fable 5 no es que la IA sea peligrosa. Es que externalizar el cerebro sin construir redundancia, sin diversificar proveedores, sin mantener la capacidad de pensar de forma independiente, no es eficiencia: es fragilidad. En un entorno donde el 78% de las organizaciones ya depende de la IA para al menos una función crítica, la pregunta ya no es si la IA es confiable, sino si las empresas han construido los mecanismos para sobrevivir a su ausencia.
Fuente principal: FSB — Sound Practices for Responsible Adoption of AI (Junio 2026)
Fuentes adicionales: Bank of England FPC — AI in the financial system (Abril 2025); McKinsey — State of AI 2025; Deloitte — State of AI in the Enterprise 2026; Menlo Ventures — State of Generative AI in the Enterprise 2025; Reuters — ECB to quiz bankers about Anthropic model risks (Abril 2026); Business Insider — Nadella warns AI winners could hollow industries (Junio 2026)