Los nuevos modelos de IA aparecen ahora casi cada semana. Por eso, en las empresas el debate se está desplazando de la pregunta de qué modelo ofrece las mejores respuestas hacia otra más sobria: ¿dónde se procesan realmente los datos y bajo qué marco legal y técnico ocurre esto? Para las organizaciones con datos personales o críticos para el negocio, precisamente eso se convierte en el criterio decisivo de selección.
Dos artículos técnicos actuales abordan la misma evolución desde direcciones diferentes. Uno pone la mirada en el alojamiento conforme a la ley de agentes de IA, es decir, de aplicaciones que ejecutan tareas de forma autónoma en varios pasos. El otro muestra que hoy las tareas más pequeñas ya pueden realizarse con modelos instalados localmente, sin necesidad de la nube. En conjunto, esto ofrece una imagen: la nube estadounidense ya no es, ni de lejos, la única opción.
La cuestión de la operación decide sobre el proyecto
En muchos proyectos, la cuestión de la operación se plantea demasiado tarde. Se crea un prototipo con cualquier acceso a una API, funciona de forma convincente y luego fracasa en la revisión interna porque no está claro qué contenidos salen del ámbito de responsabilidad de la empresa. Esto es especialmente delicado en el caso de los agentes, porque no solo procesan entradas individuales, sino que durante el transcurso de sus pasos de trabajo pueden acceder a documentos, bases de datos o correos electrónicos. Así, la cantidad de datos transmitidos suele crecer más rápido de lo que preveía la autorización original.
Desde la perspectiva del RGPD son relevantes sobre todo tres puntos: el lugar de procesamiento, la base jurídica para una transferencia a terceros países y la cuestión de si las entradas se almacenan y durante cuánto tiempo, o si se reutilizan con fines de entrenamiento. Estos puntos son cuestiones contractuales y de arquitectura, no cuestiones de modelo. Pueden aclararse antes de que se escriba la primera línea de código.
Vía uno: alojamiento en Europa
La primera vía practicable es la operación de modelos y agentes en proveedores que procesan dentro de la UE y lo garantizan contractualmente. La ventaja radica en la escalabilidad: la capacidad de cómputo se adquiere según necesidad, los modelos se mantienen y actualizan, y el propio equipo no tiene que operar infraestructura de GPU. Para aplicaciones con carga fluctuante o muchos usuarios simultáneos, esta sigue siendo la variante obvia.
Aquí lo decisivo es el cuidado en la selección. Deben comprobarse, entre otras cosas, la ubicación real de los centros de datos, posibles relaciones de subcontratación, el registro de solicitudes, así como la cuestión de si las entradas quedan excluidas del entrenamiento. Una sede empresarial europea por sí sola aún no dice nada sobre la cadena de procesamiento. Igualmente importante es el aspecto técnico: entornos separados para pruebas y producción, un concepto de permisos bien pensado y la posibilidad de registrar solicitudes y respuestas de forma comprensible, sin almacenar más datos personales de los necesarios.
Vía dos: operar modelos localmente
La segunda vía abandona por completo la nube. Para los modelos ejecutados localmente existe entretanto un ecosistema de herramientas maduro: se mencionan, por ejemplo, Ollama, LM Studio, Jan y Osaurus, aplicaciones que ejecutan modelos abiertos en el propio ordenador o en hardware propio de la empresa. La gama abarca desde herramientas para principiantes con interfaz gráfica hasta soluciones para usuarios avanzados que pueden integrarse en flujos de trabajo propios.
El atractivo es evidente: lo que no sale del ordenador tampoco tiene que transmitirse a un tercer país en términos de protección de datos. Para tareas como resumir documentos internos, reformular textos, clasificaciones sencillas o primeros borradores, la calidad de modelos más pequeños basta en muchos casos. A ello se suma la independencia frente a cambios de precio y de modelo de proveedores externos.
Conviene mantenerse realista respecto a los límites. Los modelos locales suelen ser más pequeños que las grandes ofertas en la nube y ofrecen resultados más débiles en tareas complejas. Requieren suficiente memoria RAM y, preferiblemente, una unidad gráfica potente, y generan trabajo de actualización y mantenimiento. Por eso, la valoración citada de que con ellos pueden realizarse sobre todo tareas más pequeñas no es una limitación en la letra pequeña, sino el núcleo de la cuestión.
Por lo general, es una mezcla
En la práctica, las dos vías no se contraponen como alternativas. A menudo tiene sentido una distribución según clases de datos: lo que requiere especial protección se procesa localmente o en un entorno europeo propio; para tareas no críticas con altas exigencias de calidad se utiliza un modelo alojado. El requisito para ello es una arquitectura en la que el modelo siga siendo intercambiable, por ejemplo mediante una capa intermedia propia que reenvíe las solicitudes al destino adecuado según la clasificación.
Para empezar, se han consolidado algunos pasos:
- Inventariar los tipos de datos y clasificarlos en clases de protección antes de seleccionar herramientas.
- Determinar para cada caso de uso qué calidad de respuesta se necesita realmente; no toda tarea requiere el modelo más grande.
- Encapsular la conexión del modelo mediante una interfaz propia, para que un cambio no provoque un nuevo desarrollo.
- En el caso de los agentes, limitar estrictamente los permisos de acceso a las fuentes de datos y hacer comprensible cada paso de trabajo.
- Probar las variantes locales pronto en hardware real, para conocer los tiempos de respuesta y las necesidades de recursos.
Qué significa esto para los proyectos
Para proyectos web y de software, esto significa que la cuestión del lugar de operación pertenece a la fase de requisitos, no a la de aceptación. Quien diseña las conexiones de modelos intercambiables desde el principio puede alternar entre alojamiento europeo y operación local sin tener que reconstruir la aplicación.
Y como el panorama de herramientas sigue evolucionando rápidamente, esta flexibilidad es actualmente más valiosa que decidirse por un modelo concreto.