El Pentágono incorporará Grok a GenAI.mil para trabajo con información no clasificada

El Departamento de Guerra de Estados Unidos anunció el 22 de diciembre de 2025 que incorporará la familia de modelos Grok, de xAI, a GenAI.mil, su plataforma interna de inteligencia artificial. El comunicado oficial situó el despliegue inicial a comienzos de 2026 y dijo que el servicio estará disponible para el personal militar y civil del departamento. La cifra de tres millones describe el universo de empleados con acceso previsto, no el número de usuarios activos ni una prueba de adopción.

La noticia importa por algo más duradero que el nombre del modelo: enseña a leer un despliegue de IA en una organización sensible sin confundir la seguridad del entorno con la fiabilidad de las respuestas. El anuncio afirma que Grok funcionará en un entorno de nivel de impacto cinco, o IL5, capaz de manejar información controlada no clasificada. No afirma que el sistema pueda recibir información clasificada, que acierte en cualquier tarea ni que sus respuestas puedan convertirse automáticamente en decisiones. Son preguntas diferentes y necesitan pruebas diferentes.

Qué confirma el anuncio y qué deja abierto

El documento primario confirma cuatro elementos: existe un acuerdo con xAI; la familia Grok se integrará en GenAI.mil; el despliegue inicial se espera a comienzos de 2026; y el entorno autorizado admite información controlada no clasificada, conocida como CUI por sus siglas en inglés. También señala que los usuarios podrán consultar información en tiempo real procedente de X. Esa es la frontera comprobable de la noticia publicada ese día.

El comunicado no identifica la versión concreta de Grok, no detalla las evaluaciones realizadas antes del despliegue, no enumera tareas prohibidas y no explica cómo se conservarán las consultas, las respuestas o los registros. Tampoco describe quién revisará una salida antes de que afecte a una persona o a una operación. Esas ausencias no demuestran que falten controles internos; significan que el anuncio público no permite auditarlos. Una lectura responsable separa lo confirmado de lo desconocido en vez de rellenar los huecos con supuestos favorables o alarmistas.

Hay además una corrección importante frente a una interpretación posible del titular. CUI no significa «información clasificada». Es información que requiere controles de manejo aunque no pertenezca al sistema formal de clasificación de secretos. El anuncio de xAI en GenAI.mil se refiere a CUI y a flujos de trabajo cotidianos. No anuncia una autorización para cargas clasificadas. Que una plataforma opere en IL5 tampoco convierte cada uso imaginable en un uso aprobado.

Una etiqueta de infraestructura no es una nota del modelo

Los niveles de impacto describen qué clase de datos puede alojar y procesar un entorno bajo determinadas medidas de protección. Sirven para preguntar dónde circula la información, quién puede entrar y qué controles técnicos y administrativos rodean el servicio. No miden si el modelo inventa referencias, interpreta bien una instrucción ambigua, reproduce un sesgo o resiste una manipulación dentro de un documento.

Por eso conviene dividir la evaluación en dos columnas. En la columna de infraestructura entran la identidad, el acceso, el cifrado, la segmentación, el registro y la respuesta ante incidentes. En la columna del modelo entran la precisión por tarea, la tasa y el tipo de errores, la robustez ante entradas hostiles, la procedencia de las respuestas y el comportamiento cuando no sabe. Superar requisitos de la primera columna no resuelve automáticamente la segunda.

El mismo principio evita otro error: convertir alcance potencial en uso real. «Disponible para tres millones de personas» habla de elegibilidad. Para medir adopción harían falta usuarios activos en un periodo definido, tareas completadas, departamentos participantes y una comparación con el flujo anterior. Para medir valor harían falta resultados: tiempo ahorrado sin pérdida de calidad, errores detectados, carga de revisión y efectos adversos. Ninguna de esas métricas aparece en el anuncio inicial.

Información en tiempo real no equivale a inteligencia verificada

El Departamento presenta el acceso a información procedente de X como una vía para obtener perspectivas globales en tiempo real. La velocidad puede ser útil para descubrir que algo merece atención, pero una publicación en una red social no se vuelve cierta por entrar directamente en un modelo. En un contexto sensible, una salida basada en X debería tratarse como una pista con procedencia, hora y nivel de confianza, no como una conclusión.

El método transferible es sencillo de expresar y exigente de aplicar. Primero se conserva el origen exacto del dato. Después se distingue una fuente directa de una repetición, se busca confirmación independiente y se comprueba si la hora, el lugar y la identidad son coherentes. Por último, una persona responsable decide qué peso merece la información. Un modelo puede ayudar a ordenar el material; no elimina el trabajo de atribución. La inmediatez cambia la latencia, no el estándar de prueba.

También importa el modo en que el producto cite lo que encuentra. Una respuesta que resume publicaciones sin enlaces, marcas temporales o fragmentos verificables obliga al usuario a confiar en la síntesis. Una respuesta que conserva esas puertas permite revisar el razonamiento. Antes de considerar útil la conexión con X, el departamento tendría que medir cuántas afirmaciones pueden rastrearse, cuántas quedan sin respaldo y cómo se corrigen las que cambian con rapidez.

La ficha mínima para auditar un despliegue

Cualquier institución que anuncie una IA interna puede describirse con una ficha de siete campos. El primero es el modelo exacto y su versión: una familia comercial puede cambiar sin que cambie el nombre visible. El segundo es la frontera de datos: qué entra, qué no entra y qué ocurre con archivos, instrucciones, respuestas y registros. El tercero son las tareas permitidas y prohibidas, formuladas con ejemplos que un empleado pueda reconocer.

El cuarto campo es la autoridad de la salida. Hay una diferencia material entre redactar un borrador, recomendar una acción y ejecutarla. El quinto son las evaluaciones por tarea, con conjuntos de prueba representativos y errores desglosados, no una puntuación general del proveedor. El sexto es la supervisión: quién revisa, cuándo es obligatoria y cómo se documenta el desacuerdo con el modelo. El séptimo es la respuesta al fallo: canal de incidentes, capacidad de retirar una versión, conservación de evidencias y responsable final.

Esta ficha revela por qué «IA segura» es una expresión demasiado ancha. Un sistema puede proteger bien la confidencialidad y producir una respuesta falsa; puede ser preciso en resúmenes y fallar ante una instrucción maliciosa escondida en un archivo; puede funcionar bien en una prueba y degradarse cuando cambia la versión. La pregunta útil no es si el producto es seguro en abstracto, sino qué riesgo se midió, con qué escenario, qué resultado y qué control queda cuando la prueba falla.

GenAI.mil ya tenía otro proveedor

Grok no inaugura la plataforma. El 9 de diciembre de 2025, Google Cloud anunció que el Departamento había seleccionado Gemini for Government como primera capacidad empresarial de IA en GenAI.mil. La nota de Google citó como ejemplos resumir manuales, preparar listas de cumplimiento, extraer términos de documentos de trabajo y apoyar evaluaciones de riesgo. Esos ejemplos pertenecen al anuncio de Google; el comunicado posterior sobre Grok no garantiza que ambos productos tengan la misma configuración o los mismos usos autorizados.

Google declaró para su propia implantación que los datos de la plataforma no se usarían para entrenar sus modelos públicos. No es correcto trasladar esa garantía a xAI por proximidad. Para Grok, el documento público del 22 de diciembre no especifica retención ni uso para entrenamiento. La pregunta debe quedar abierta hasta que exista un contrato, una política o una declaración aplicable a ese servicio concreto.

Cómo actuar antes de confiar

Para un usuario autorizado, la primera regla es clasificar la información antes de pegarla, no después. La segunda es usar solo lo necesario para la tarea y respetar la frontera publicada: CUI no es información clasificada. La tercera es comprobar nombres, cifras y referencias contra documentos accesibles. La cuarta es no delegar en el sistema una decisión que la política reserva a una persona. La quinta es informar de una salida peligrosa o inesperada mediante el canal previsto, de modo que el error pueda investigarse y no quede como una anécdota privada.

Para quien evalúa el anuncio desde fuera, el criterio es el mismo. Hay que preguntar por versión, datos, tarea, autoridad, prueba, revisión e incidente. Si la respuesta pública solo cubre la infraestructura, no puede usarse como prueba del comportamiento del modelo. Si solo ofrece una demostración del modelo, tampoco responde cómo se protegerán los datos.

La capacidad que deja este episodio es leer cada despliegue gubernamental en capas: autorización del entorno, fiabilidad del modelo, límites de uso y responsabilidad humana. Grok llegará a GenAI.mil según el anuncio; todo lo demás debe sostenerse con una fuente y una prueba del mismo eje.