El Pentágono prepara el entrenamiento de IA con datos clasificados y los nuevos reactores cambian la gestión de residuos

El Pentágono estudia una nueva fase en el uso militar de la IA generativa: podría permitir a las empresas entrenar versiones especiales de sus modelos con datos clasificados dentro de entornos aislados. Mientras tanto, otra línea tecnológica, la de los nuevos reactores nucleares, también pasa de la teoría a la práctica. Promete energía barata y sin carbono, pero plantea nuevas preguntas sobre la gestión de residuos.

Modelos secretos para el ejército

Según MIT Technology Review, el Departamento de Defensa de EE. UU. quiere crear entornos seguros donde los desarrolladores de IA puedan reentrenar versiones militares de sus modelos con datos clasificados. El plan va más allá de dar acceso a un modelo dentro de una red secreta: se trata de un ajuste más profundo orientado a tareas militares reales, desde el análisis de inteligencia hasta el apoyo a la planificación de operaciones. La lógica es clara: si un modelo aprende de materiales que no están en el internet abierto, puede entender con más precisión el contexto, la terminología y los escenarios con los que trabajan los militares.

Este esquema difiere bastante de lo que ocurre hoy. Los grandes modelos ya se usan en entornos cerrados para responder preguntas y analizar documentos, pero sus pesos normalmente no se entrenan con el corpus clasificado. En la nueva configuración, el Pentágono quiere alojar copias de los modelos en centros de datos certificados para información clasificada y conservar la propiedad de los datos. En casos excepcionales, empleados de las empresas de IA podrían obtener una habilitación de seguridad si sin ella no es posible ajustar o verificar el sistema.

Dónde están los riesgos

El principal riesgo es que la información secreta pase a formar parte del propio modelo, en lugar de quedarse al lado, en una base de datos o en un índice de búsqueda. Eso complica la auditoría, el control de accesos y la verificación de qué conclusiones puede ofrecer el modelo a un usuario según su nivel de habilitación.

Otra cuestión es quién controla las reglas de uso. Tras los acuerdos del Pentágono con OpenAI y xAI quedó claro que los militares no buscan un piloto experimental, sino una infraestructura completa para tareas de combate y análisis.

«No permitiremos que ninguna empresa nos dicte las condiciones de cómo tomamos decisiones operativas», afirmaron desde el

Pentágono.

La disputa con Anthropic demostró que el conflicto abarca tanto la tecnología como los límites de lo aceptable. La compañía se opuso públicamente a escenarios vinculados a la vigilancia masiva y a las armas totalmente autónomas, mientras que el Pentágono insiste en un acceso lo más amplio posible a los modelos para fines militares legítimos. Así, los contratos de defensa con los laboratorios de IA se convierten en una nueva forma de negociación: el Estado necesita modelos potentes sin restricciones innecesarias, y los desarrolladores intentan no perder el control sobre cómo se usan exactamente.

• Respuestas más precisas sobre datos militares cerrados
• Mayores exigencias de aislamiento, registro y auditoría de los modelos
• Versiones militares específicas de redes neuronales para las tareas del ejército
• Más presión política y ética sobre las empresas de IA

Los reactores cambian las reglas

En paralelo, MIT Technology Review pone el foco en otro tema de infraestructura: la nueva generación de reactores nucleares. La mayoría de las centrales en funcionamiento sigue un patrón conocido: una gran instalación, refrigeración por agua, uranio poco enriquecido y almacenamiento centralizado del combustible gastado.

Los nuevos proyectos prometen romper con ese estándar. Están en desarrollo reactores modulares pequeños, microrreactores e instalaciones con refrigerantes y configuraciones de combustible alternativas, que deberían construirse más rápido, operar con más flexibilidad y encajar mejor en un sistema eléctrico marcado por los centros de datos.

El problema es que, con la nueva arquitectura de los reactores, también cambia el perfil de los residuos. Los métodos básicos —piscinas de enfriamiento, almacenamiento en seco en contenedores y aislamiento posterior— no desaparecen, pero no existe un escenario universal para todas las nuevas instalaciones. Cada tipo de combustible y de refrigeración genera materiales distintos y exige requisitos diferentes de embalaje y logística.

Los reactores pequeños son especialmente complicados: si se instalan en muchos puntos, almacenar los residuos en cada emplazamiento resultará incómodo y caro. Por eso, algunas empresas ya contemplan un modelo centralizado: devolver los microrreactores y sus materiales gastados a un único nodo, por ejemplo la planta de fabricación o un centro de almacenamiento especializado.

Los expertos creen que el sector no tendrá que reescribir desde cero todo el sistema de gestión de residuos nucleares, aunque sí deberá ajustarlo. Por ahora, muchas conclusiones se basan en modelos y cálculos, y el panorama real solo se aclarará cuando entren en funcionamiento las instalaciones comerciales.

Qué significa esto

Ambas historias apuntan a lo mismo: las tecnologías clave de 2026 se parecen cada vez menos a herramientas de consumo universales y cada vez más a infraestructura estratégica. La IA se adentra en entornos militares clasificados, y el sector energético busca nuevos reactores para responder a la creciente demanda de la industria y de los centros de datos de IA. Para el mercado, la conclusión es una: ganarán los creadores de modelos y reactores, y también quienes sepan integrarlos de forma segura en sistemas reales.