El director del Centro de Estándares e Innovación de IA de Estados Unidos (CAISI) dejó el cargo después de solo 3 meses y lo reemplazaron tres personas en seis meses

CAISI 是一個負責替美國 AI 訂標準、抓資安風險的政府單位；半年多來，已經換了三任負責人。最新一位主任 Chris Fall 上任僅 3 個月就閃辭，商務部沒有給出原因，只說這個職位「本來就是暫時性」的。
（前情提要：川普政府部分解禁 Mythos 5，OpenAI GPT-5.6 Sol 僅限白宮核可客戶）
（背景補充：DeepMind 執行長主張成立國際監理機構「審查」前沿 AI 模型，上市前得先過關）

本文目錄

Toggle

• 誰在管 AI 風險，一直找不到人
• 真正的監管大戲，CAISI 常常不在場
• 中國開源模型一吵，監管路線就露餡

三個月，這是 Chris Fall 在 CAISI（美國 AI 標準與創新中心）主任位子上撐過的時間。CAISI 週一向多家媒體證實他已辭職，沒有交代原因，商務部一名官員只淡淡表示，Fall 的任命「本來就是暫時性」的。

比起上一任，三個月其實已經算撐得久。今年 4 月接掌 CAISI 的 Collin Burns，上任不到一週就被拔掉，原因是他過去曾任職 Anthropic，而川普政府當時正跟這家公司槓上。

再往前推，CAISI 的第一位負責人是創投出身的 David Sacks，他的頭銜是白宮 AI 與加密貨幣沙皇，今年 3 月卸任後，這個頭銜至今沒人接。半年多以來，美國政府在 AI 監理這個位子上，換了三個人，現在輪到 NIST 局長 Arvind Raman 代理。

Quién gestiona el riesgo de la IA, siempre cuesta encontrar a alguien

CAISI depende del Instituto Nacional de Estándares y Tecnología de EE. UU. (NIST). Su predecesor fue el Instituto de Investigación sobre la Seguridad de la IA en la era de Biden; tras una reorganización, se convirtió en la principal unidad del gobierno federal encargada de fijar estándares técnicos para modelos de IA, realizar pruebas de capacidad y detectar riesgos de ciberseguridad. En pocas palabras: es como un sistema de exámenes de IA del gobierno; en teoría, cualquier laboratorio que publique modelos de vanguardia debe pasar primero por esa evaluación para comprobar si son seguros.

Antes de asumir CAISI, Fall era director de la Oficina de Ciencia en el Departamento de Energía durante el primer mandato de Trump y también fungió como director interino de la Agencia de Proyectos de Investigación Avanzada de Energía (ARPA-E). Más atrás, incluso había trabajado en la Oficina de Investigación Naval. Tiene una trayectoria completa, pero aun así no logró retener el puesto.

El Departamento de Comercio indicó que «en las próximas semanas» anunciaría al titular de forma oficial, pero desde Sacks hasta Burns y ahora Fall, esa frase suena a reproducción en bucle.

El verdadero gran espectáculo regulatorio, CAISI casi siempre brilla por su ausencia

Lo irónico es que, en los últimos meses, casi todos los temas de regulación de IA que más han llamado la atención han ocurrido sin CAISI. En junio, el Departamento de Comercio de EE. UU. recurrió a una cláusula poco conocida sobre controles de exportación, que llegó a obligar a Anthropic a retirar de circulación durante un tiempo los modelos Mythos y Fable. El que actuó fue el secretario de Comercio Howard Lutnick, no CAISI. A finales de mes, Lutnick manifestó estar satisfecho con la propuesta de seguridad de Anthropic; la prohibición se levantó y todo ese tira y afloja transcurrió sin que apareciera CAISI.

Un poco antes de este mes, la Casa Blanca firmó una orden ejecutiva que puso en marcha un mecanismo de coordinación de vulnerabilidades de ciberseguridad llamado «Gold Eagle», que señala a Comercio y al Departamento de Seguridad Nacional como responsables; de nuevo, el nombre de CAISI no apareció en la lista.

Mientras tanto, después de que se desbloqueara el acceso a los modelos de Anthropic, el director ejecutivo de Google DeepMind, Demis Hassabis, empezó a pedir que se imite a la industria de valores y se cree, siguiendo el modelo de FINRA, una organización de estándares de IA de vanguardia independiente del gobierno y liderada por el sector. Esa es precisamente la misión con la que, en su momento, se creó CAISI.

Cuando se discuten los modelos de código abierto chinos, la ruta regulatoria queda expuesta

El fin de semana antes de que Fall renunciara, la versión más reciente del modelo de código abierto Kimi, publicado por Moonshot (面之暗面), logró acercarse por las puntuaciones a los modelos de vanguardia dominantes, lo que reactivó dentro del gobierno el debate sobre si se debía desactivar el código abierto chino. En esa discusión, Sacks también intervino para rebatir la idea de que la regulación deba usarse como herramienta comercial para «proteger» modelos de empresas estadounidenses frente a competidores.

Y CAISI no tiene mucho que aportar en esta polémica. Sí ha publicado algunos informes de evaluación sobre modelos de pesos de código abierto chinos (por ejemplo, GLM-5.2 de Z.ai y DeepSeek V4 Pro). Pero, sobre cómo se ejecuta el proceso de pruebas y cómo se fijan los estándares, nunca se ha explicado de forma pública.