Los chatbots de inteligencia artificial dejaron de ser herramientas utilizadas solamente para resumir documentos o redactar correos. Millones de personas recurren a ellos para plantear problemas laborales, ordenar sus finanzas, discutir relaciones personales o hablar de cuestiones que difícilmente publicarían en una red social.

Esa intimidad está creando un problema para la industria tecnológica, pero también una oportunidad de negocio. Una nueva generación de empresas intenta diferenciarse de ChatGPT, Claude, Gemini y otros grandes asistentes ofreciendo algo que durante años fue difícil de convertir en argumento comercial: mayor privacidad.

Las propuestas abarcan desde contratos de retención cero de datos hasta modelos ejecutados directamente en una computadora, pasando por servicios que actúan como intermediarios y sistemas criptográficos diseñados para impedir que incluso la compañía que opera el chatbot pueda acceder a las conversaciones. 

Del creador de Signal a un chatbot privado

Uno de los protagonistas de este nuevo mercado es Moxie Marlinspike, criptógrafo y desarrollador conocido por crear Signal, la aplicación de mensajería cifrada de extremo a extremo. Marlinspike sostiene que el foco de riesgo se desplazó desde los mensajes hacia la inteligencia artificial porque las personas están integrando estos sistemas mucho más profundamente en sus vidas y les hablan sobre sus inseguridades, relaciones, salud y finanzas. 

En 2026 lanzó Confer, un chatbot construido alrededor de esa preocupación. En lugar de limitarse a prometer mediante una política de privacidad que no registrará determinadas conversaciones, el servicio utiliza criptografía y un Trusted Execution Environment (TEE), o entorno de ejecución confiable.

El concepto busca resolver una dificultad técnica importante. A diferencia de un mensaje enviado mediante Signal o WhatsApp, que puede protegerse con cifrado de extremo a extremo, un modelo de IA necesita acceder al contenido del prompt para procesarlo. Los TEE intentan ofrecer una alternativa: el procesamiento ocurre en una zona aislada del hardware y existen mecanismos criptográficos para demostrar que el resto del sistema no puede acceder a ese entorno. Confer utiliza infraestructura basada en tecnología de computación confidencial de Nvidia, además de autenticación mediante passkeys y código abierto susceptible de auditoría. 

No es el único camino. Apple utiliza Private Cloud Compute para determinadas consultas procesadas en sus servidores y también ejecuta tareas más simples directamente en el dispositivo. Herramientas como Ollama, LM Studio y LocalAI permiten ir todavía más lejos y ejecutar modelos localmente, de modo que los datos no tengan que salir de la computadora. La contrapartida señalada por especialistas es que esos modelos locales pueden ofrecer capacidades inferiores a las de los grandes sistemas alojados en la nube. 

Cuánto cuesta comprar más privacidad

La discusión tecnológica desemboca rápidamente en otra: quién paga el costo de mantener los datos fuera del negocio.

Confer ofrece una cantidad limitada de consultas gratuitas y su nivel pago más económico cuesta 34,99 dólares mensuales una vez agotado el cupo gratuito de aproximadamente 20 a 25 consultas diarias. La cifra supera los 20 dólares mensuales.

Marlinspike sostiene que esa diferencia refleja el costo de operar un servicio que no parte de la expectativa de obtener ingresos futuros de los datos o la publicidad. Su planteo convierte a la privacidad en una característica por la que el consumidor paga directamente, en lugar de financiar indirectamente el servicio mediante otros usos de su información.

El interrogante empresarial es si ese esquema puede escalar. Los modelos de frontera necesitan grandes cantidades de capacidad informática, energía e infraestructura. Green advierte que todavía no está claro si los proveedores que renuncian a determinados modelos de explotación de datos podrán construir negocios sostenibles sin trasladar una mayor parte del costo al usuario. 

Retención cero: la opción empresarial

Para las compañías existe otra alternativa. OpenAI, Anthropic y Google ofrecen modalidades de Zero Data Retention (ZDR) en determinados servicios empresariales o para desarrolladores, según el material proporcionado. Cuando están habilitadas, estas políticas buscan que los registros de las interacciones sean eliminados después de procesarse. 

Sin embargo, ZDR no significa necesariamente que absolutamente ningún dato sea procesado o que no existan excepciones. El documento suministrado señala mecanismos destinados a detectar abusos y diferencias según proveedor, producto y modelo. Por eso, la protección depende de las condiciones específicas del servicio contratado y no solamente de una etiqueta comercial. 

La Universidad de Harvard hace una advertencia similar en sus recomendaciones actuales sobre IA generativa: la información introducida en una herramienta puede ser almacenada, procesada, registrada, retenida o compartida. La institución aconseja conocer las protecciones de cada herramienta, modelo, espacio de trabajo y función utilizada, además de evitar introducir información restringida o altamente sensible cuando no exista autorización específica. 

Entre una promesa y una barrera tecnológica

Para los consumidores, el mercado es más fragmentado. Lumo, de Proton, promete no registrar conversaciones. Duck.ai, de DuckDuckGo, y Venice.ai ofrecen otros esquemas orientados a reducir la información que llega a los proveedores de los modelos. Pero existe una diferencia fundamental entre una política empresarial y una imposibilidad técnica de acceder a los datos. 

Los servicios que funcionan como intermediarios presentan además otro problema. Aunque oculten determinados metadatos, el propio texto enviado por una persona puede revelar quién es. Preguntar por establecimientos próximos al domicilio, mencionar el nombre de una empresa o describir una situación familiar puede producir una combinación suficientemente particular como para identificar al usuario, incluso si su nombre fue eliminado. 

Ese riesgo ayuda a explicar por qué universidades y organizaciones están desarrollando reglas para el uso de IA. MIT Sloan recomienda tratar los sistemas públicos no protegidos como plataformas públicas y evitar introducir datos confidenciales o sensibles, incluidos registros médicos, financieros y laborales, información identificatoria, datos empresariales propietarios e investigaciones no publicadas. También aconseja eliminar o modificar detalles que permitan identificar a una persona antes de cargar documentos o textos. 

Harvard, por su parte, recomienda conceder a las herramientas conectadas solamente los permisos necesarios y revisar qué archivos, cuentas y aplicaciones pueden consultar. La preocupación ya no se limita al texto escrito en un chatbot: algunos agentes pueden acceder a correos, calendarios y documentos, enviar mensajes, ejecutar código o modificar archivos. 

Una economía construida sobre los datos

El problema es más amplio que el historial de conversaciones. Un informe del Stanford Institute for Human-Centered Artificial Intelligence (HAI) advierte que los sistemas de IA intensifican problemas de privacidad desarrollados durante décadas de recopilación masiva de información en internet.

La diferencia está en la escala. Los modelos requieren enormes cantidades de datos y, según Stanford, los usuarios tienen poco control sobre qué información personal es recopilada, cómo se utiliza y de qué manera podría corregirse o eliminarse posteriormente. Los sistemas generativos pueden además memorizar datos personales presentes en sus conjuntos de entrenamiento o relacionar información dispersa para producir inferencias sobre una persona. 

Jennifer King y Caroline Meinhardt, investigadoras de Stanford HAI, plantearon tres líneas de acción: pasar de la recopilación por defecto con opción de salida a sistemas en los que el usuario tenga que aceptar expresamente la recopilación; controlar la privacidad a lo largo de toda la cadena de suministro de datos de la IA; y desarrollar mecanismos colectivos que permitan administrar derechos y preferencias sobre información personal a mayor escala. 

Ese debate regulatorio coincide ahora con uno comercial. Durante años, la industria digital construyó buena parte de su economía alrededor de la capacidad de recopilar información. La inteligencia artificial introduce un giro: cuanto más útiles y personales se vuelven los asistentes, más sensible puede ser el material que reciben.

La consecuencia es un mercado en el que empiezan a competir distintos grados de privacidad: desde una promesa escrita en una política hasta contratos de retención cero, procesamiento local y entornos criptográficamente aislados.

Para las empresas, pagar por esas protecciones puede convertirse en un costo de seguridad y cumplimiento normativo. Para los consumidores, la decisión es más directa: aceptar las condiciones de los grandes servicios, utilizar modelos menos capaces en sus propios dispositivos o pagar una prima por herramientas diseñadas para recopilar menos información.

Pero lo cierto es que, después de años en los que los datos personales ayudaron a financiar servicios digitales baratos o gratuitos, la capacidad de no entregar esos datos empieza a transformarse en un producto premium. Y el precio de Confer ofrece una primera referencia concreta: 34,99 dólares por mes para quienes consideran que mantener sus conversaciones fuera del alcance de terceros vale más que una suscripción convencional. ¿Y qué pasa si no pagás? La alternativa, cada vez más evidente, es aceptar que la comodidad de hablar con una IA también puede tener otro precio: dejar parte de tu privacidad en el camino.