El lado oscuro de los agregadores de IA: el verdadero precio de escatimar en el acceso a la IA

Sucede una y otra vez: una organización decide incorporar la inteligencia artificial en más y más flujos de trabajo y, de repente, descubre que el costo y la fiabilidad de la IA son grandes obstáculos. Los desafíos con los que se topan las organizaciones son variados: van desde períodos de inactividad temporales ocasionados por problemas técnicos o el bloqueo de modelos críticos por cuestiones legales (como ocurrió hace poco con Fable 5) hasta la inhabilitación repentina de ciertos usos (hasta siempre, OpenClaw) o la acumulación de cargos astronómicos (como Uber descubrió del peor modo a principios de este año).

Para no renunciar a las herramientas de IA que consideran críticas, las empresas suelen explorar servicios de terceros que, desde un solo panel, permiten acceder a varios modelos de inteligencia artificial. Estos servicios son fáciles de usar: requieren solamente que el usuario configure su agente de IA o apunte su navegador a la dirección de un servidor proxy, denominado “proxy de API”; el proxy luego se encarga de enviar las consultas del usuario a los modelos finales y devolverle las respuestas obtenidas.

De las plataformas que operan en este ámbito, algunas priorizan la diversidad de modelos, la facilidad para controlar los consumos y la capacidad para distribuir cargas entre las API oficiales. Otras tienen un enfoque diferente: su estrategia de marketing se basa enteramente en ofrecer una reducción de costos significativa y una forma de evitar todo límite. Estas plataformas brindan descuentos que se alejan en varias decenas porcentuales de las tarifas oficiales; a menudo, ofrecen precios que apenas si cubren una fracción de los costos. Por supuesto, quienes prestan estos servicios nunca mencionan que, para que todo esto funcione, exponen a las empresas a graves riesgos de fiabilidad, eficiencia y seguridad.

Cómo funcionan los proxy no autorizados para servicios de IA

En un estudio reciente, el Oxford China Policy Lab explica que, para estos intermediarios de bajo costo, el modelo de negocios depende fuertemente de las granjas de cuentas. Para operar estas plataformas baratas, configuran cuentas en un gran número de computadoras y pasan las verificaciones de identidad con documentos falsificados o credenciales compradas a personas de países en desarrollo. Las cuentas se “fondean” aprovechando los períodos de prueba gratis, usando créditos iniciales que dan acceso a las API por un monto fijo o comprando suscripciones prémium que, por medios automáticos, se dividen entre varios usuarios finales.

A menudo, las estrategias financieras de estas plataformas son lisa y llanamente ciberdelitos. Si los proveedores pueden ofrecer estructuras de precios ultrabajos, no es solo porque explotan al máximo los límites de uso de las cuentas: lo es también porque emplean credenciales robadas a usuarios legítimos y suscripciones compradas en masa con tarjetas de crédito obtenidas en forma ilegal. La automatización es central para estas plataformas: en cuanto un proveedor de IA detecta y bloquea una cuenta sospechosa, el sistema cambia la credencial “quemada” por una nueva de manera transparente.

Para los usuarios, el problema va más allá de lo que implica obtener acceso ilícitamente. Un proxy de API ve todo el tráfico que circula entre el modelo y el usuario final, por lo que puede capturar cada prompt, secuencia de pensamiento y resultado. Más importante aún, el proxy también puede manipular los datos que fluyen en ambas direcciones. A continuación, veremos los riesgos que esto supone para las organizaciones.

Fugas de datos y robo de propiedad intelectual

Según el estudio, muchos de estos servicios se diseñaron, en realidad, para recopilar datos de alta calidad que revelen las interacciones con modelos de primer nivel y permitan entrenar inteligencias artificiales de terceros. Básicamente, vender acceso barato a una API es solo un señuelo: el verdadero producto son los usuarios y sus datos.

Las organizaciones ponen en peligro no solo sus datos financieros o la información de sus clientes, sino también su propiedad intelectual. Muchas empresas hacen grandes inversiones para desarrollar prompts de sistema específicos o complejas arquitecturas RAG. Cuando canalizan sus consultas a través de un proxy de dudosa reputación, ponen en manos de extraños sus conocimientos y su lógica empresarial.

Infracciones normativas y regulatorias

Para una entidad corporativa, el mero hecho de canalizar la información de sus clientes a través de un proxy no verificado (en especial un proxy que opere desde una jurisdicción legalmente ambigua) es una infracción directa de las leyes de privacidad de datos y, casi con certeza, de las obligaciones contractuales que tienen con sus socios y clientes. Incluso si los datos comprometidos nunca se divulgan, la organización queda expuesta a fuertes sanciones pecuniarias y puede ver afectada su reputación.

Suplantación y sustitución de modelos

Para alivianar su carga, algunos servicios proxy redirigen dinámicamente ciertas consultas de los usuarios (o todas las consultas) a modelos de código abierto menos costosos que los modelos prémium comerciales solicitados. Las respuestas, que son de menor calidad, se reetiquetan para que parezcan provenir de un LLM costoso. En pruebas realizadas por el CISPA Helmholtz Center, los investigadores demostraron que cuando se envía una consulta médica compleja directamente a Google Gemini 2.5, se logra una tasa de precisión superior al 83 %; cuando esa misma consulta se canaliza mediante un proxy no autorizado, la precisión se reduce a apenas el 37 %. La decisión de cambiar un modelo por otro se toma en el momento, utilizando una lógica opaca que busca maximizar la rentabilidad de quien provee el servicio proxy.

Manipulación encubierta de solicitudes y respuestas

Los servidores proxy tienen la capacidad técnica para realizar un ataque de intermediario. Un proxy malicioso puede inyectar silenciosamente instrucciones ocultas en los prompts de los usuarios o manipular los resultados de los modelos. Así, por ejemplo, si una organización usa un asistente de programación con IA para desarrollar aplicaciones, el proxy puede indicarle al LLM que genere código con puertas traseras o vulnerabilidades. Los usuarios de estos servicios pierden así cualquier seguridad de que su código haya sido generado por un modelo confiable, validado y sometido a pruebas comparativas de calidad y seguridad.

Tiempo de inactividad e interrupciones de los servicios

Existe un gran motivo para migrar a un proxy de API: permite mitigar las fallas técnicas de los proveedores y pasar de un modelo a otro sin interrupciones. Sin embargo, muchas plataformas no autorizadas tienen problemas de fiabilidad. Cuando quedan completamente fuera de línea, como más de una vez ocurre, se pierde conexión simultáneamente con todos los LLM que están “río abajo”.

La alternativa ética: los agregadores oficiales

En el mercado, existen proveedores lícitos que brindan servicios de agregación de API éticos y transparentes. En sus plataformas, indican claramente cuáles son los modelos que usan, ofrecen opciones de enrutamiento flexibles y cobran precios acordes a los de los proveedores oficiales.

OpenRouter es quizás la plataforma más conocida en este ámbito, pero pueden explorarse alternativas como Poe.ai, que ofrece un modelo de agregador por suscripción con precios unificados, o Hugging Face, que brinda acceso a una amplia selección de modelos de código abierto. Las organizaciones también pueden mantener contratos directos con los grandes proveedores de IA, pero gestionar el acceso, la fiabilidad y la seguridad en forma interna y centralizada con un proxy de API autohospedado basado en LiteLLM.

Los marcos lícitos existen por una necesidad comercial: reducir la dependencia de un solo proveedor. De este modo, por ejemplo, si OpenAI aumenta sus precios o se ve obligada a cerrar su API, una organización puede redirigir sus flujos de trabajo con IA a alternativas como Claude o Llama sin reescribir una sola línea de código. Se trata de un mecanismo legítimo para optimizar los gastos operativos y garantizar la continuidad del negocio.

Cinco reglas de seguridad para integrar modelos de IA

Para cuidar tanto sus datos como su presupuesto, sugerimos que respete estas medidas de seguridad:

1. Utilice solo servicios validados. Opte por las API para desarrollo oficiales o por agregadores acreditados que hayan sido validados por los principales actores del mercado y que posean certificaciones de seguridad robustas.
2. Guarde distancia cuando vea un precio sospechoso. Si un tercero dice que le dará acceso a un modelo como Opus 4.8 por un décimo de lo que le cobraría el proveedor oficial, manténgase al margen.
3. Realice pruebas de rendimiento rigurosas. Antes de implementar una solución a escala, lleve a cabo sus propias evaluaciones internas. Verifique que los modelos brinden una y otra vez la calidad de salida esperada y que la latencia no supere lo admisible.
4. Controle el enrutamiento. Debe saber exactamente qué modelo recibe sus consultas y cómo se equilibran las cargas en el servicio. Para obtener esta información, necesitará no solo los medios técnicos de monitoreo, sino también un contrato que defina las obligaciones del proveedor del proxy.
5. Siga un criterio de confidencialidad para segmentar el procesamiento de sus datos. Independientemente de lo anterior, evite canalizar datos de identificación personales, secretos comerciales, código fuente o cualquier otra información confidencial a través de endpoints de API desplegadas en la nube. Para tales cargas de trabajo, recomendamos instalar modelos de código abierto localizados en una infraestructura propia, que esté íntegramente controlada por usted.