EE. UU. veta DeepSeek en las agencias federales: el día en que la soberanía de IA dejó de ser retórica

El Departamento de Seguridad Nacional de Estados Unidos ha ordenado a las agencias civiles federales retirar DeepSeek de todos sus sistemas y les prohíbe adquirir productos o servicios de la compañía en el futuro. No es un aviso, ni una recomendación de un comité: es una orden administrativa con fecha, publicada por Techmeme el 19 de octubre de 2026, que convierte a DeepSeek en el primer modelo de IA con veto explícito de compra por parte del gobierno federal estadounidense.

TL;DR: El DHS prohíbe a las agencias civiles federales de EE. UU. usar y comprar DeepSeek, formalizando un veto que hasta ahora era fragmentario. El precedente importa más que la medida: convierte la residencia de datos y la jurisdicción del proveedor en criterio de compra obligatorio. Para los equipos técnicos en España, el riesgo real no es DeepSeek, es tener un stack sin plan de sustitución documentado.

Lo que la orden dice, lo que no dice y por qué el matiz importa

La orden afecta a agencias civiles federales, no al ejército ni a contratistas privados. Eso deja un perímetro ambiguo que en la práctica se resolverá por la vía contractual: cualquier proveedor que venda al gobierno federal empezará a exigir cláusulas de "no DeepSeek en la cadena de suministro" a sus propios subcontratistas, igual que ocurrió con Kaspersky o con Huawei en su día. La prohibición de compra futura es la parte más letal, porque no solo retira el modelo del inventario actual: cierra la puerta a que un proveedor lo integre en un producto empaquetado y lo revenda como funcionalidad.

Lo que la orden no dice es igual de relevante. No hay un listado técnico de modelos afectados (DeepSeek distribuye pesos abiertos de V3 y R1, y hay decenas de derivados fine-tuneados circulando en Hugging Face). Tampoco hay un mecanismo de verificación: un CTO que hoy tiene DeepSeek-V3 corriendo en su propia infraestructura on-premise en Ohio no puede demostrar de forma trivial que no hay telemetría saliente hacia servidores en China, porque los pesos abiertos no incluyen auditoría de comportamiento. La orden traslada la carga de la prueba al comprador, y eso es un cambio de régimen.

El coste real de sustituir DeepSeek no es la licencia, es el pipeline

Aquí está el punto que la cobertura generalista está ignorando. DeepSeek se popularizó por dos razones concretas: un coste por token demoledor y unos pesos abiertos que permiten despliegue self-hosted. En el momento de su lanzamiento, la API de DeepSeek-V3 cotizaba en el entorno de los 0,27 $ por millón de tokens de entrada (cache miss) y 1,10 $ por millón de salida, cifras que obligaron a medio sector a repricing. Sustituir ese perfil por un modelo cerrado occidental multiplica el coste variable por un factor de entre 5x y 20x según el caso de uso.

Opción	Coste aprox. input/output ($/M tokens)	Despliegue	Riesgo de proveedor
DeepSeek-V3 (API)	~0,27 / ~1,10	Cloud (China)	Alto (vetado en EE. UU.)
DeepSeek-V3 (self-hosted)	0 / 0 + cómputo GPU	On-premise	Medio (auditoría opaca)
Mistral Large	~2 / ~6	Cloud UE o on-prem	Bajo
Llama (self-hosted)	0 / 0 + cómputo GPU	On-premise o cloud	Bajo-Medio
GPT-4o (referencia)	~2,50 / ~10	Cloud (EE. UU.)	Bajo

Las cifras son orientativas y varían con el volumen y el caché, pero el orden de magnitud es el que es. Un equipo que procesaba 200 millones de tokens de salida al mes con DeepSeek pagaba del orden de 220 $; con un modelo cerrado occidental comparable, la factura se va a los 1.200-2.000 $. Para una agencia federal eso es calderilla presupuestaria. Para una startup española con márgenes de dos dígitos, es la diferencia entre unit economics que cierran o no.

El verdadero coste, sin embargo, no está en la factura: está en el pipeline. Quien haya afinado prompts, construido evaluaciones y calibrado guardarraíles contra un modelo concreto sabe que migrar no es cambiar un endpoint. Es rehacer la suite de evaluación, recalibrar los umbrales de confianza, revisar los fallos de tool-calling y volver a pasar los tests de regresión. Para un sistema de agentes IA en producción, hablamos de semanas de ingeniería, no de horas.

La soberanía de IA deja de ser un slide de powerpoint y se convierte en criterio de compra

El precedente es más importante que la noticia. Hasta ahora, la residencia de datos era un checkbox de cumplimiento GDPR que se resolvía con una cláusula contractual y un DPA bien redactado. La orden del DHS introduce una tercera dimensión: jurisdicción del proveedor. No importa solo dónde se procesan los datos, importa quién puede obligar al proveedor a entregarlos. DeepSeek, con sede en Hangzhou, está sujeto a la legislación china de inteligencia nacional. Ningún DPA europeo neutraliza eso, y por eso el movimiento del DHS va a replicarse.

La diferencia con lo que dice el anuncio oficial es que la medida no resuelve el problema de fondo: la mayoría de los equipos que usan DeepSeek no lo usan por ideología, lo usan porque es la única forma de meter un modelo frontier en un producto con márgenes ajustados. Prohibirlo sin ofrecer una alternativa de coste comparable solo desplaza el uso hacia la sombra, hacia wrappers de terceros que revenden acceso sin declararlo. Y eso, para un CTO, es peor que el problema original.

Qué significa esto para las empresas españolas y su cadena de proveedores

España no tiene una orden equivalente, pero el efecto llega por dos vías. La primera es contractual: cualquier empresa española que venda a administraciones públicas estadounidenses, o que sea proveedora de un integrador que lo haga, empezará a recibir requerimientos de certificación de "no uso de DeepSeek". La segunda es reputacional: los comités de compra de grandes cuentas europeas ya están incorporando la pregunta "¿qué modelo hay detrás?" en sus procesos de due diligence de proveedores SaaS.

El ecosistema de agencias IA en Barcelona está viendo este patrón antes que nadie, porque muchas de ellas construyen para clientes con matriz en EE. UU. o con exposición a mercados regulados. La conversación ha cambiado en tres meses: antes era "¿puedo usar IA generativa?", ahora es "¿puedo demostrar qué modelo usa mi proveedor y en qué jurisdicción vive?". Es una pregunta técnica con respuesta contractual, y la mayoría de las agencias no están preparadas para responderla con evidencia.

Para las empresas que buscan agencias IA en Madrid con capacidad de auditoría técnica del stack, el filtro ya no es solo el precio: es si el partner puede entregar un inventario de modelos, un mapa de flujos de datos y un plan de sustitución documentado. Eso es lo que diferencia a una consultoría IA real de un revendedor de API.

El plan de sustitución que casi nadie tiene y todos van a necesitar

La lección operativa es incómoda: cualquier stack de IA en producción necesita hoy un plan de sustitución de modelo documentado, igual que un sistema crítico necesita un plan de recuperación ante desastres. No es paranoia regulatoria, es gestión de riesgo de proveedor. Un plan mínimo tiene cuatro piezas:

1. Inventario de modelos: qué modelo usa cada funcionalidad, con qué versión y con qué proveedor. La mitad de los equipos no lo sabe.
2. Abstract layer: una capa de abstracción que permita cambiar de proveedor sin reescribir la aplicación. Los que construyeron directamente contra el SDK de un proveedor están pagando el patrón ahora.
3. Suite de evaluación gold standard: un conjunto de casos con salida esperada que permita medir si el modelo sustituto mantiene calidad. Sin esto, la migración es a ciegas.
4. Cláusula de jurisdicción: en cada contrato con proveedor de IA, una cláusula que obligue a declarar la cadena de subprocesadores y a notificar cambios en menos de X días.

Las agencias de agentes autónomos que están desplegando sistemas multi-agente en producción son las más expuestas, porque un agente que llama a un modelo vetado en un paso intermedio contamina todo el flujo. Y las que despliegan agentes de voz tienen un problema adicional: el modelo está embebido en el pipeline de ASR/TTS y sustituirlo implica reentrenar la voz, no solo cambiar la API.

La predicción: el veto se convierte en certificación y la certificación, en mercado

Mi lectura de mercado es que la orden del DHS es el primer paso de un mecanismo más amplio. En los próximos doce meses veremos aparecer esquemas de certificación de "IA confiable" por jurisdicción, similar a lo que ocurrió con SOC 2 o ISO 27001, y las empresas que lleguen antes tendrán una ventaja comercial real: no porque sean más seguras, sino porque podrán demostrarlo con un documento. La ironía es que DeepSeek seguirá siendo técnicamente competitivo y seguirá disponible en Europa, pero el coste de integrarlo en cualquier cadena que toque al sector público o a una gran cuenta se volverá prohibitivo por vía contractual, no técnica.

Para un CTO español, la decisión no es si DeepSeek es bueno o malo. Es si su organización puede permitirse tener un modelo en producción cuya continuidad depende de una decisión administrativa a 9.000 kilómetros. La respuesta, para casi todos, es que no. Y ese es el verdadero legado del 19 de octubre: la IA deja de ser una decisión de ingeniería y pasa a ser una decisión de gobernanza de proveedores. Si tu equipo no ha empezado a tratarla así, está llegando tarde a una conversación que ya está ocurriendo en los comités de compra.

Preguntas frecuentes sobre la prohibición de DeepSeek en EE. UU.

¿Qué ha prohibido exactamente el DHS con DeepSeek?

El Departamento de Seguridad Nacional de EE. UU. ha ordenado a las agencias civiles federales retirar DeepSeek de sus sistemas y les prohíbe adquirir productos o servicios de la compañía en el futuro. No afecta al ejército ni a empresas privadas, pero crea un perímetro contractual que se extiende a proveedores y subcontratistas.

¿Puedo seguir usando DeepSeek en España o en Europa?

Sí. No existe una prohibición europea equivalente a la orden del DHS. Sin embargo, si tu empresa vende a administraciones públicas estadounidenses o es proveedora de un integrador que lo hace, empezarás a recibir requerimientos contractuales de certificación de no uso, y los comités de compra de grandes cuentas europeas ya lo están preguntando en due diligence.

¿Cuánto cuesta migrar de DeepSeek a un modelo alternativo?

El coste variable se multiplica por un factor de 5x a 20x según el modelo sustituto. A eso hay que sumar el coste de ingeniería: recalibrar prompts, rehacer la suite de evaluación y repetir los tests de regresión de los sistemas de agentes IA en producción, lo que en la práctica supone semanas de trabajo, no horas.

¿DeepSeek es menos seguro que otros modelos?

El debate no es técnico sino jurisdiccional. DeepSeek distribuye pesos abiertos que pueden desplegarse on-premise, lo que en teoría reduce el riesgo de exfiltración. El problema es que la compañía tiene sede en China y está sujeta a su legislación de inteligencia nacional, y no existe un mecanismo de auditoría de comportamiento que demuestre qué hace el modelo en producción.

¿Qué modelo alternativo recomiendan para producción en Europa?

Depende del caso de uso y del presupuesto. Para equipos que necesitan control total, los modelos abiertos self-hosted (familia Llama, Mistral) eliminan el riesgo de proveedor a cambio de coste de GPU. Para equipos que priorizan time-to-market, los modelos cerrados occidentales con residencia de datos en la UE son la opción más defendible ante un comité de compra, aun con un coste por token más alto.

Temas relacionados en agentes.ai

Si quieres aplicar lo que lees en tu empresa, estos son puntos de partida útiles dentro de agentes.ai:

• Directorio de agencias de agentes de voz
• Agencias de IA en Valencia y en Málaga
• Explora el directorio completo de agencias de IA
• Sigue las últimas noticias de IA en tiempo real