El 10 de julio, Apple demandó a OpenAI en la Corte de Distrito del Norte de California por apropiación indebida de secretos comerciales e incumplimiento de contrato. La demanda cita a más de 400 exempleados de Apple que hoy trabajan en OpenAI, entre ellos el jefe de hardware Tang Tan (24 años en Apple, vicepresidente de diseño de producto para iPhone y Apple Watch) y el ingeniero Chang Liu, quien según Apple descargó decenas de archivos confidenciales antes de irse.

Ese mismo fin de semana, Elon Musk y Sam Altman convirtieron el pleito en otra ronda de su pelea pública en X. Musk llamó a Altman “Scam Altman” y presumió los centros de datos espaciales de SpaceX. Altman le respondió acusándolo de vender a inversionistas públicos una promesa de corto plazo. Es entretenido y no es el punto.

El punto está dos días antes de la demanda. Satya Nadella publicó un ensayo sobre lo que llamó la “paradoja inversa de la información”: cuando usas un modelo de IA externo, tienes que revelarle conocimiento propietario para que funcione bien, así que terminas pagando tu inteligencia dos veces. Nadella habla de “escape de inteligencia” (intelligence exhaust): los prompts, las correcciones, los datos que tu equipo mete a diario en un modelo ajeno, y propone construir una “frontera de confianza” alrededor de ese capital combinado de personas y tokens.

La demanda de Apple es la versión más antigua y más directa del mismo problema. El conocimiento institucional no solo se filtra en pesos de un modelo a través de un prompt. Camina hacia la puerta con la persona que lo construyó. Y ninguna frontera de confianza, ninguna arquitectura de modelo, ningún marco de evaluación detiene eso.

Qué dice la demanda, sin el ruido de X

Apple no acusa a OpenAI de contratar exempleados. Contratar talento de la competencia es legal y común. Lo que Apple alega es un patrón coordinado de conducta para extraer conocimiento específico antes y después de esas contrataciones.

Según la demanda: Tang Tan se envió a sí mismo información sobre proveedores de Apple antes de renunciar, usó nombres clave confidenciales de proyectos de Apple durante el reclutamiento de OpenAI, y pidió a candidatos que todavía trabajaban en Apple que llevaran componentes de hardware a las entrevistas para sesiones de “muéstrame qué tienes”. Chang Liu dejó Apple en enero de 2026 sin firmar el recordatorio de confidencialidad de la empresa, sin agendar entrevista de salida y sin confirmar la devolución de sus dispositivos, y en ese periodo descargó archivos técnicos detallados sobre productos no anunciados. Apple describe además una guía interna que OpenAI habría usado para instruir a nuevos contratados sobre cómo evadir los controles de seguridad de salida de Apple.

OpenAI respondió con una frase corta: “No tenemos interés en los secretos comerciales de otras empresas. Seguimos enfocados en construir tecnología innovadora.” Apple dice haber enviado un aviso en febrero que quedó sin respuesta antes de presentar la demanda.

No sabemos cómo va a resolverse el caso, y no es el objetivo de este texto especular sobre eso. Lo que sí está confirmado, con documentos públicos de la corte, es la escala: más de 400 exempleados de Apple trabajando hoy en OpenAI, además del propio Jony Ive, cuyo estudio io Products (también nombrado en la demanda) OpenAI adquirió en 2025. Apple dice que el reclutamiento fue tan agresivo en su grupo de diseño de producto del iPhone que tuvo que reconstruir partes enteras de ese equipo.

La otra cara de la paradoja de Nadella

Lee otra vez la tesis de Nadella: cada vez que tu equipo usa un modelo externo con más contexto para que responda mejor, le está entregando un pedazo de tu ventaja. Es un argumento correcto y describe un riesgo real, específico de esta década: el conocimiento sale por el uso normal de la herramienta, sin que nadie robe nada a propósito.

El caso Apple-OpenAI describe el mismo riesgo con quince años menos de vocabulario nuevo. No hace falta un prompt para que el conocimiento institucional cruce de una empresa a otra. Hace falta un currículum aceptado, un contrato firmado y una laptop corporativa que nadie pidió de vuelta a tiempo. Es la fuga más vieja que existe en cualquier industria intensiva en propiedad intelectual, y es más completa que cualquier escape de inteligencia por prompts: una persona no solo sabe qué funcionó, sabe por qué funcionó, qué se intentó antes y falló, y qué proveedor específico resuelve qué problema específico.

Una frontera de confianza bien diseñada, del tipo que propone Nadella, puede limitar qué entra a un prompt. No puede limitar lo que un ingeniero recuerda al firmar con tu competencia. Son dos capas de riesgo distintas y las empresas que solo están mirando la primera (la política de datos de su proveedor de IA, el contrato de procesamiento de datos, el cifrado) tienen un punto ciego enorme en la segunda.

El punto ciego en tu due diligence

Aquí está el problema práctico para cualquier empresa que contrata talento técnico o que trae proveedores externos de IA a su operación. La mayoría de los procesos de due diligence en 2026 revisan la política de privacidad del proveedor de IA, el acuerdo de procesamiento de datos, quizás una certificación SOC 2. Casi ninguno revisa sistemáticamente qué conocimiento específico y qué acceso concreto se va con cada contratación técnica que entra o sale.

Tres preguntas que casi nadie hace por escrito:

¿Qué accesos tenía la persona que se va, y quién los está revocando y cuándo? No es solo la cuenta de correo. Son repositorios de código, documentación de arquitectura, credenciales de proveedores, acceso a bases de conocimiento internas. Chang Liu tuvo semanas sin entrevista de salida formal según la demanda de Apple. Ese vacío de proceso, no un acto de espionaje sofisticado, es lo que permitió que archivos confidenciales quedaran fuera de control.

¿Qué le estás pidiendo a un candidato técnico entrante, y estás cruzando una línea? Pedirle a un candidato que “traiga ejemplos de su trabajo anterior” es normal. Pedirle nombres en clave de proyectos no anunciados de su empleador actual, o componentes físicos que no debería tener fuera del edificio, no lo es. Si tu proceso de reclutamiento técnico no tiene una línea explícita ahí, la está definiendo cada reclutador individualmente, sobre la marcha.

¿Tu contrato con proveedores de IA cubre lo que pasa cuando su personal rota? Aquí es donde la paradoja de Nadella y el caso Apple se tocan. Firmas un contrato de procesamiento de datos con un proveedor de modelos. Ese contrato dice qué hace la empresa con tus datos. No suele decir nada sobre qué pasa cuando el ingeniero que tuvo acceso a tu cuenta empresarial, a tus prompts históricos o a tu configuración personalizada deja esa empresa y se va a la competencia directa.

Ninguna de las tres preguntas requiere abogados de litigios ni presupuesto de seguridad corporativa de nivel Apple. Requiere que alguien en tu organización tenga la autoridad y el mandato explícito de hacerlas antes de que se conviertan en un problema, no después.

Qué hacemos en IQ Source con esto

Cuando ayudamos a una empresa mediana a evaluar su exposición a IA, la conversación casi siempre empieza en la capa visible: qué modelo usar, qué política de datos firmar, qué frontera técnica poner alrededor de los prompts. Es necesario, pero es la mitad de la historia.

La otra mitad es de procesos, no de tecnología: cómo se documenta la salida de alguien con acceso a sistemas o conocimiento sensible, cómo se define qué puede pedirse en una entrevista técnica sin cruzar una línea de competencia desleal, y quién en tu organización tiene realmente la autoridad para bloquear una contratación o un acceso cuando el riesgo lo justifica. Son preguntas de gobernanza de talento, no de arquitectura de modelos, y es exactamente el tipo de brecha que mapeamos en el discovery de AI Maestro antes de tocar una sola herramienta.

Si tu empresa está creciendo su equipo técnico, trayendo proveedores de IA con acceso a sistemas propios, o simplemente nunca ha formalizado qué pasa cuando alguien con conocimiento sensible se va, vale la pena hacer esa auditoría antes de que un caso como este te obligue a hacerla bajo presión.

Agenda una conversación sobre gobernanza de talento y proveedores de IA →

Para profundizar en por qué la gobernanza importa más que el modelo que elijas, lee el modelo es commodity, la gobernanza es el moat. Y si el tema de fondo es cómo la IA está bifurcando el mercado de talento técnico, cubrimos esa tensión en la paradoja del ingeniero de $570K y tu equipo.