Las empresas perdieron a Claude Fable 5 durante unas pocas semanas. Nuevos datos muestran que dos tercios ya habían construido su cobertura.

Dos tercios de las empresas han cubierto su estrategia de modelos de IA, y las semanas recientes de controversia en torno al modelo Claude Fable 5 de Anthropic mostraron por qué esta postura se ha vuelto común. El 12 de junio, una orden de control de exportaciones de EE.UU. desconectó el Claude Fable 5 de Anthropic, el modelo más capaz del mercado, para todos los clientes, sin previo aviso y sin un plazo. Regresó esta semana envuelto en salvaguardias más estrictas, después de que Z.ai de China lanzara su GLM-5.2 de pesos abiertos en el vacío. Una nueva investigación de VentureBeat Pulse, que encuestó a 145 empresas en las últimas semanas, muestra que dos tercios ya habían cubierto su estrategia de modelos antes de que se emitiera la orden: el 51% combina modelos de frontera cerrados con modelos de pesos abiertos desplegados en su propia infraestructura, y otro 16% está trasladando flujos de trabajo centrales fuera de las APIs cerradas. El tercio restante estaba completamente comprometido con ecosistemas cerrados cuando se apagaron las luces. El apagón puso de relieve la dependencia de los proveedores, al mostrar lo que sucede cuando el modelo en el que confías desaparece. Pero la dependencia del proveedor es solo la parte más visible de un problema más profundo: la mayoría de las empresas carecen de la supervisión para saber cuándo un sistema de IA que han puesto en producción deja de funcionar correctamente. Solo 1 de cada 10 empresas tiene monitoreo automatizado que detectaría un desvío, mal comportamiento o fallo en un modelo de IA en producción. Aproximadamente una cuarta parte se enteraría de un fallo de producción solo cuando los usuarios finales — internos o externos — lo informen, o no tienen la visibilidad para detectarlo en absoluto. Y el 79% de las organizaciones empresariales ya ha sufrido un golpe financiero u operativo real debido a agentes autónomos — más comúnmente IA sombra, trabajo agente no autorizado realizado por empleados de las empresas en tarjetas de crédito corporativas, sin la supervisión de nadie. Llamamos a esto la "Brecha de Control", o la distancia entre cuán agresivamente las empresas están implementando IA y cuán poco de ella pueden ver, poseer o gobernar. El apagón de junio convirtió esto en una prueba de estrés en vivo. Acerca de estos datos: VentureBeat Pulse Research encuestó a 145 encuestados calificados en organizaciones con 100 o más empleados en junio de 2026, con la recolección de datos abarcando el apagón de Fable 5 que comenzó el 12 de junio. La muestra es autoseleccionada y direccional: el 41% trabaja en tecnología/software, el 20% son consultores o asesores, y la base de encuestados se inclina hacia roles senior y técnicos — CIO/CTO/CISO (18%), directores de ingeniería/TI (14%), arquitectos empresariales (12%). Más de la mitad de los encuestados eran de empresas con 2,500 empleados o más. Aunque nuestra muestra no es enorme, lo que se puede confiar más que en los porcentajes exactos es el patrón: cada pregunta en la encuesta, de forma independiente, apunta en la misma dirección, con la implementación corriendo por delante de la gobernanza, visibilidad y control de costos. La metodología completa está en el informe. Cómo la orden de exportación de Fable 5 reescribió el riesgo de IA empresarial Fable 5 se lanzó el 9 de junio con aclamación inmediata — y un shock por los precios, a $10 por cada millón de tokens de entrada y $50 por millón de salida. Tres días después, el gobierno de EE.UU. emitió una directiva de control de exportaciones de emergencia que prohíbe el acceso a extranjeros. Anthropic, sin forma de verificar la nacionalidad en tiempo real, suspendió el modelo para todos. Z.ai ha seguido ganando impulso; el miércoles lanzó un entorno de codificación agente abierto, llamado Zcode. Mientras tanto, OpenAI presentó su línea de vanguardia GPT-5.6 el 26 de junio. Las empresas ya habían pasado la primavera aprendiendo lo que cuesta la dependencia de IA en dólares. Uber se quedó sin su presupuesto completo de codificación de IA de 2026 en cuatro meses después de que la adopción de Claude Code alcanzara el 84% de sus aproximadamente 5,000 ingenieros, reportó Forbes. Microsoft canceló la mayoría de las licencias internas de Claude Code en su división de Windows y Microsoft 365, dirigiendo a los ingenieros a sus propias herramientas, según The Verge. Junio añadió la lección más dura: el modelo del que dependen tus flujos de trabajo puede desaparecer de la noche a la mañana, por orden del gobierno, sin decisión alguna de tu parte o de tu proveedor. Y empresas chinas como DeepSeek estaban lanzando modelos poderosos y disruptivos, reduciendo los costos a una fracción de los occidentales. Brian Craig, director senior de arquitectura en Liberty IT, la rama de ingeniería en Irlanda de Liberty Mutual, una de las compañías de seguros más grandes del mundo, vio colisionar ambas lecciones en tiempo real. Craig es irlandés, lo que significó que la orden de exportación lo afectó directamente como usuario extranjero. En el escenario del evento AI Impact de VentureBeat en Nueva York el 24 de junio, a mitad del apagón, le pregunté al respecto. "Fable llegó, y de inmediato viste el precio de uso, y pensaste, 'Oh, Dios, mejor que sea realmente bueno,'" dijo Craig. "Pero, afortunadamente, no tuvimos la oportunidad de usarlo lo suficiente como para enamorarnos de él." Luego desapareció. La cobertura ya estaba construida antes de que ocurriera el apagón La empresa de Craig estaba diseñada para rodear este tipo de interrupciones. Liberty IT opera lo que llama una columna vertebral de IA — aproximadamente 50 componentes que abarcan seguridad, gobernanza, observabilidad y orquestación, cada uno reemplazable de manera independiente. "No puedes quedarte atado a un solo proveedor y a un solo marco," dijo Craig a la sala. "Necesitas seguir teniendo la flexibilidad con esa columna vertebral para poder conectarte a diferentes modelos, diferentes proveedores, dependiendo no tanto de quién es el favorito del día, sino de en qué puedes sentirte seguro durante los próximos seis meses." La encuesta muestra que Craig tiene mucha compañía. Una mayoría del 51% de las empresas tiene una postura híbrida — modelos de frontera cerrados para razonamiento general, modelos de pesos abiertos desplegados localmente para ejecución especializada — y el 16% está haciendo un giro drástico, trasladando los flujos de trabajo centrales a pesos abiertos que funcionan en su propia nube híbrida o privada. El 32% que mantiene un compromiso cerrado es sincero sobre por qué: la carga operativa de la autoalojamiento todavía supera los ahorros para ellos. Después de junio, ese cálculo tiene una nueva variable. La defección es ahora la postura activa, y la meta puede sorprenderte. Al preguntar qué proveedor de IA están más inclinados a reducir o eliminar en los próximos 12 meses, los encuestados nombraron a Microsoft en primer lugar con un 30% — la mayoría citando recortes a Copilot y los marcos de Azure AI en favor del acceso directo a modelos — por delante del 28% que planea no reducir a ningún proveedor. OpenAI recibió un 21%, principalmente por la volatilidad de precios, con Anthropic en un 15% y Google en un 6%. Ningún proveedor enfrenta un éxodo. Pero la lealtad por inercia ha terminado: entre estas empresas, cortar activamente al menos un proveedor es ahora más común que expandirse a todos ellos. Solo 1 de cada 10 empresas captaría automáticamente un modelo de producción fallido. ¿Cómo podría una empresa saber si uno de sus modelos de IA en producción estaba desviándose, comportándose de manera insegura o fallando en completar tareas? Preguntamos directamente. El 40% dice que está muy seguro de que lo detectaría. La pregunta también preguntó en qué se basa esa confianza, y los encuestados se dividieron en dos campamentos: el 30% confía en que humanos revisen salidas críticas de IA, y solo el 10% — 14 de las 145 organizaciones — tiene monitoreo y alertas automatizadas funcionando contra sistemas de producción. Los encuestados restantes tienen posiciones aún más débiles: el 32% espera detectar la mayoría de los problemas "eventualmente," el 19% dice que probablemente escucharía sobre un fallo primero de los usuarios finales, y el 8% informa no tener visibilidad sistemática sobre el comportamiento de IA en producción en absoluto. Esa distinción importa porque los dos enfoques son muy diferentes. La revisión humana puede parecer el estándar de oro, pero solo llega a las salidas que alguien designa como importantes para tal revisión — y ocurre a la velocidad a la que los humanos pueden moverse, con la inconsistencia que cualquier proceso manual conlleva. El monitoreo automatizado vigila todo lo que el sistema produce, de forma continua, y señala anomalías a medida que ocurren — por la misma razón por la que las empresas dejaron de depender de revisiones manuales para el tiempo de actividad y la seguridad hace una década. A medida que los volúmenes de trabajo agente multiplican la producción muy por encima de lo que cualquier equipo de revisión puede leer, el enfoque manual comienza a quedar atrás. Los líderes en nuestro evento del 24 de junio en Nueva York tratan la revisión humana como un control diseñado con automatización debajo de ella. "Nada se despliega en producción a menos que un humano realmente lo revise y lo apruebe," dijo Craig sobre la fábrica de software agente de Liberty, donde agentes de planificación, codificación, prueba, crítica y bibliotecario envían características desde la épica hasta la producción. "Siempre tiene que ser basado en riesgo. Por eso trabajamos para una compañía de seguros." Todd Johnson, director gerente de Morgan Stanley que dirige la IA agente en el proceso de controlador de P&L del banco al final del día, describió el mismo principio desde el ámbito financiero: "Uno de nuestros sólidos principios en nuestra gobernanza de IA en general es que siempre tiene que haber responsabilidad humana, incluso si hay un grado de automatización." VentureBeat cubrió por separado los nuevos resultados de Morgan Stanley alrededor de su sistema de resolución de agentes de P&L. Liberty Mutual y Morgan Stanley eligieron la aprobación manual deliberadamente, superpuesta a la infraestructura de observabilidad, identidad y gobernanza. Si el grupo de revisión humana tiene una infraestructura similar debajo es más que lo que una sola pregunta de selección puede establecer. El 16% que nombró por separado la falta de herramientas de observabilidad como su mayor barrera de gobernanza son los que dicen abiertamente que no se han construido. La principal barrera de gobernanza es organizativa: la ausencia de un único dueño para la IA en todas las plataformas. ¿Por qué nunca se construyen las herramientas de visibilidad de IA? Las respuestas de los encuestados sugieren que es una deficiencia organizativa. La barrera citada más comúnmente para gobernar la IA a través de plataformas es la ausencia de un único dueño o equipo responsable, con un 32%. La opacidad del proveedor sigue en un 25%, la falta de herramientas en un 16% — y la falta de talento llega en último lugar con un 5%. Las habilidades existen, pero el mandato organizativo no: solo el 38% dice que un equipo central realmente gobierna el comportamiento de IA a través de sus plataformas hoy, el 21% dice que la propiedad es poco clara o se disputa activamente entre equipos, y el 17% dice que ningún rol tiene responsabilidad formal en absoluto. La superficie de IA que se gobierna empeora el vacío. Un 85% de las empresas ejecutan dos o más plataformas que cada una afirma ser la "capa" primaria de IA — ERP, ITSM, suite de productividad, plataforma de datos, cada una con su propia IA, sus propios controles y sus propias suposiciones. El 36% describe un concurso abierto entre cuatro o más. Solo el 8% se ha consolidado en uno. Al preguntar en una cuestión de texto libre qué una cosa arreglarían, los encuestados convergieron desde diferentes direcciones en la misma respuesta: un propietario responsable único, y un plano de control que abstraiga costos, desvíos y elección de modelos del usuario final. El 79% ya ha pagado por un fallo de control de agentes — liderado por la IA sombra. El costo del vacío se está mostrando en las tarjetas corporativas. Al preguntar cuál es el fallo de control financiero u operativo más grave que han experimentado por agentes autónomos, el 49% de las empresas cita la IA sombra — equipos departamentales ejecutando flujos de trabajo agente no autorizados en tarjetas de crédito corporativas, eludiendo la supervisión financiera central por completo. Otro 25% ha sido golpeado por una factura de bucle infinito, un flujo de trabajo recursivo que no fue detectado acumulando miles en costos de tokens en un solo incidente, y el 6% por un agente que degradó bases de datos de producción con consultas no limitadas. Solo el 21% informa una estabilidad precavida, con limitaciones de tokens estrictas y límites presupuestarios en la capa de infraestructura. Suma todo: el 79% de estas empresas ya ha pagado por un fallo de control de agentes en dinero real o tiempo de inactividad real. Finalmente, la economía de los tokens sugiere que la presión seguirá aumentando. Los costos de inferencia por token están cayendo entre un 70 y un 80% por año, y los volúmenes de trabajo agente consumen de 100 a 500 veces los tokens de las herramientas de LLM que reemplazaron. Brian Gracely, director senior de estrategia de portafolio en Red Hat, dijo a nuestra audiencia en Nueva York que la respuesta comienza con dimensionar correctamente: "Si estoy tratando simplemente de resolver un reclamo de seguro, no necesito saber sobre la historia de la civilización occidental en mi modelo. No necesito saber los resultados de fútbol." Las empresas están emparejando modelos más pequeños y especializados con enrutamiento semántico, dijo, para que la plataforma decida cuáles solicitudes realmente necesitan razonamiento a gran escala — y cuáles están consumiendo tokens premium en trabajo básico. (Un dato relacionado de la encuesta subraya el apetito por el pragmatismo: el 73% de las empresas informa poco o nada que mostrar por sus inversiones en afinación personalizada de los últimos 18 meses — un ajuste que examinaremos en su propio informe). La conclusión es: la reemplazabilidad se está extendiendo más rápido que la propiedad. La encuesta describe a las empresas moviéndose rápidamente en IA con controles débiles por debajo. El 58% está agregando más iniciativas de IA de las que retira. El 85% opera múltiples plataformas que cada una afirma ser la capa primaria de IA. Tres veces más empresas dependen de la revisión humana para detectar un modelo de producción fallido que las que tienen monitoreo automatizado en su lugar. Y el 79% ya ha pagado por un fallo de control de agentes — más a menudo por gastos de agentes no autorizados en tarjetas corporativas, fuera de la supervisión de TI. En un problema, las empresas se han adaptado claramente: la dependencia del modelo. Dos tercios cubren su estrategia de modelos, ya sea ejecutando modelos de pesos abiertos junto a cerrados (51%) o trasladando flujos de trabajo centrales fuera de APIs cerradas por completo (16%). El cierre de Fable 5 mostró el valor de esa posición: las empresas cubiertas pudieron rodear un modelo que una orden gubernamental hizo indisponible de la noche a la mañana. Los problemas restantes son internos, y ninguna compra los soluciona: el 32% menciona la falta de un único dueño responsable como su principal barrera de gobernanza, y el 17% dice que ningún rol tiene responsabilidad formal por la IA en absoluto. Asignar un propietario no cuesta nada y no requiere ningún proveedor. Aún no ha ocurrido en la mayoría de estas empresas. Nuestra próxima ola de investigación del Q3 medirá si junio cambió esto: si las empresas asignaron propietarios e instalaron monitoreo automatizado, o simplemente añadieron un segundo modelo y siguieron adelante. Obtén el informe completo de la Brecha de Control aquí. Los temas en este informe — orquestación de agentes, gobernanza y control de costos — están en la agenda de VB Transform, el evento insignia de VentureBeat, del 14 al 15 de julio en el Hotel Nia en Menlo Park, con líderes técnicos de Visa, GM, Waymo, Intuit, Instacart, LangChain y otros. Detalles y registro aquí. Divulgación: El evento AI Impact de VentureBeat del 24 de junio en Nueva York fue patrocinado por Red Hat e Intel. Los patrocinadores no tienen influencia en el diseño de la encuesta de VentureBeat Pulse Research, los hallazgos o la cobertura editorial.