IA local o nube: adónde van los datos de la empresa y cómo elegir

El 2 de mayo de 2023, Samsung Electronics prohibió a sus empleados utilizar ChatGPT y otros asistentes de IA generativa en los ordenadores, teléfonos y tabletas de la empresa, así como en su red interna. Unas semanas antes, unos ingenieros habían pegado código fuente interno en ChatGPT. Nadie había pirateado nada. El código había salido hacia un tercero por el camino previsto, el que sigue cada solicitud enviada a un asistente en línea.

El camino de una solicitud enviada a un asistente en línea

Un modelo de lenguaje es un programa entrenado con cantidades muy grandes de texto, que calcula la secuencia de palabras más probable a partir de lo que se le somete. Hacerlo responder se llama inferencia. Requiere procesadores gráficos, o GPU, chips diseñados para encadenar miles de millones de multiplicaciones, y esos chips son caros.

Una empresa tiene dos formas de acceder a ella. Puede alquilar la capacidad de un proveedor a través de Internet: es la nube. El texto de la solicitud, los adjuntos y el historial de la conversación salen entonces de su red, se procesan en un centro de datos que pertenece al proveedor y después vuelve la respuesta. También puede instalar el modelo en una máquina de su propiedad, en sus instalaciones. Se habla entonces de IA local, o de despliegue «on-premise». La solicitud no sale del edificio.

Para la persona que escribe la pregunta, ambas se parecen: una ventana, un texto, una respuesta en unos segundos. La diferencia está en lo que ocurre después con el texto. En la nube, su suerte depende de las condiciones generales del proveedor, de su nacionalidad, de sus subcontratistas y de los tribunales ante los que puede ser citado. En local, depende de las reglas que la empresa se haya dado.

Lo que conservan los proveedores y quién puede reclamarlo

Los proveedores guardan un registro de los intercambios, al menos durante un tiempo, para detectar abusos, facturar o mejorar su servicio. Según la oferta contratada, estos intercambios pueden servir también para entrenar los modelos siguientes. Los contratos destinados a empresas excluyen en general este uso, pero la duración de conservación y la lista de subcontratistas figuran en los anexos del contrato, no en la página de inicio.

El juicio que enfrenta al New York Times con OpenAI ante el tribunal federal del distrito sur de Nueva York ha mostrado hasta dónde puede llegar esta conservación. A principios de diciembre de 2025, la jueza Ona Wang se negó a revisar su decisión de obligar a OpenAI a entregar a los editores de prensa 20 millones de conversaciones de ChatGPT despersonalizadas. Según la crónica de eWeek, señaló que esta muestra representaba solo una pequeña fracción de las decenas de miles de millones de conversaciones de particulares conservadas por la empresa. Los datos fueron despersonalizados y sometidos a una orden de protección que reserva su lectura a los abogados.

Los usuarios cuyas conversaciones figuran en esta muestra no eran parte en el juicio. Sus intercambios se convirtieron en pruebas en un litigio sobre derechos de autor por una sola razón: estaban almacenados en el proveedor. Para una empresa, la conclusión práctica cabe en una frase. Todo lo que un tercero conserva puede un día ser reclamado por un juez o una autoridad, en un asunto que no le concierne.

La Cloud Act sigue la nacionalidad del proveedor, no la dirección del servidor

La Cloud Act es una ley estadounidense adoptada en marzo de 2018. Su disposición más comentada, codificada en la sección 2713 del título 18 del código federal, obliga a los proveedores de servicios de comunicación electrónica y de almacenamiento remoto a conservar o comunicar los datos de sus clientes que estén en su posesión, bajo su custodia o bajo su control. El texto precisa que esta obligación rige tanto si los datos se encuentran en Estados Unidos como en el extranjero.

Un servidor instalado en París por una empresa sometida al derecho estadounidense sigue, por tanto, dentro del ámbito de la ley. El 10 de junio de 2025, ante la comisión de investigación del Senado sobre la contratación pública, el senador Dany Wattebled preguntó al director de asuntos públicos y jurídicos de Microsoft Francia, Anton Carniaux, si podía garantizar bajo juramento que los datos de ciudadanos franceses confiados a Microsoft nunca se transmitirían por requerimiento del gobierno estadounidense sin el acuerdo de las autoridades francesas. Anton Carniaux respondió que no podía garantizarlo, añadiendo que eso nunca había ocurrido.

El Departamento de Justicia estadounidense presenta el texto como una herramienta de investigación de delitos graves, complementada por acuerdos bilaterales con países socios. Esa descripción es exacta, y nada indica que los datos de una pyme francesa sean un objetivo habitual. Pero la exposición jurídica existe, afecta a todos los clientes de un proveedor sometido al derecho estadounidense, y uno de los mayores de ellos ha declarado bajo juramento que no podía descartarla. Un proveedor que escapa a la jurisdicción estadounidense no está sujeto a esa obligación. Un modelo instalado en las instalaciones de la empresa tampoco lo está, puesto que ningún tercero posee los datos.

Las transferencias a Estados Unidos se apoyan en un acuerdo cuestionado

El RGPD, el reglamento europeo de protección de datos personales, solo autoriza el envío de estos datos fuera de la Unión si el país de destino ofrece una protección considerada equivalente, o si se establecen garantías contractuales. Para Estados Unidos, esta equivalencia se apoya desde julio de 2023 en el marco de protección de datos entre la Unión Europea y Estados Unidos, llamado Data Privacy Framework.

Sus dos predecesores fueron anulados por el Tribunal de Justicia de la Unión Europea, el Safe Harbor en octubre de 2015 y el Privacy Shield en julio de 2020, cada vez tras un procedimiento iniciado por el activista austriaco Maximilian Schrems. El tercero se mantiene por ahora. El 3 de septiembre de 2025, el Tribunal General de la Unión Europea rechazó el recurso del diputado francés Philippe Latombe y confirmó la validez del marco. El 31 de octubre de 2025, Philippe Latombe interpuso un recurso de casación ante el Tribunal de Justicia. Hasta donde sabemos, en la fecha de publicación de este artículo, el Tribunal aún no se ha pronunciado.

Una empresa que confía datos personales a un asistente alojado por un proveedor estadounidense se apoya, por tanto, en un mecanismo cuyas dos versiones anteriores fueron invalidadas. Si el tercero cae, habrá que revisar los contratos, reevaluar las transferencias y, a veces, suspender usos con urgencia. Un tratamiento realizado en una máquina instalada en la empresa no implica ninguna transferencia y no se ve afectado.

Lo que recomienda la CNIL para la IA generativa

La CNIL publicó el 18 de julio de 2024 una serie de preguntas y respuestas sobre el uso de los sistemas de IA generativa. El documento no prescribe ninguna tecnología, pero es claro en un punto. Cuando una organización prevé proporcionar al sistema datos personales de clientes o empleados, o documentación sensible o estratégica, considera «generalmente más oportuno y más seguro» priorizar un despliegue en las propias instalaciones, que limita los riesgos de extracción de datos por un tercero.

La CNIL reconoce también el coste de esta opción. Instalar y hacer funcionar un sistema en las propias instalaciones representa un gasto importante, y el recurso a una infraestructura remota será a menudo más sencillo. Añade que nada impide a las pequeñas empresas o a las administraciones locales compartir una infraestructura mancomunada, a condición de regular las transferencias de datos y garantizar su seguridad.

Para un servicio en línea, pide comprobar si las condiciones generales del proveedor le autorizan a reutilizar los datos introducidos. Si es así, la organización debe decidir caso por caso si hay que prohibir ciertas categorías de información, por ejemplo las cubiertas por el secreto empresarial. El proveedor debe quedar sujeto a un contrato de encargo de tratamiento que fije sus responsabilidades y los accesos autorizados. En el sentido del RGPD, un encargado del tratamiento es la empresa que trata datos personales por cuenta de otra.

Alojar el modelo en el sitio no exime de ninguna obligación del RGPD. Sigue siendo necesario definir una finalidad, limitar los datos a lo necesario, fijar un plazo de conservación y proteger la máquina. Lo local reduce, en cambio, el número de contratos que mantener y de actores que auditar.

El calendario del AI Act tras el ómnibus de julio de 2026

El reglamento europeo sobre inteligencia artificial, llamado AI Act, entró en vigor el 1 de agosto de 2024. Clasifica los sistemas según el riesgo que presentan e impone obligaciones a dos categorías de actores: los proveedores, que diseñan los sistemas, y los responsables del despliegue, que los utilizan en su actividad. Una pyme que pone un asistente a disposición de sus equipos es un responsable del despliegue.

Las prácticas prohibidas, como la puntuación social de las personas, lo están desde el 2 de febrero de 2025. Las obligaciones propias de los modelos de IA de uso general, entre los que figuran los grandes modelos de lenguaje, se aplican desde el 2 de agosto de 2025, y la Comisión Europea dispone de sus poderes de control sobre estos modelos desde el 2 de agosto de 2026. Las normas de transparencia, que imponen por ejemplo informar a una persona de que está interactuando con una IA, se aplican desde la misma fecha.

El reglamento (UE) 2026/1744, llamado ómnibus digital sobre la IA, publicado en el Diario Oficial en julio de 2026, aplazó dos plazos. Los sistemas de alto riesgo del anexo III, que abarca en particular la contratación de personal, la evaluación crediticia y la educación, deberán ser conformes el 2 de diciembre de 2027. Los del anexo I, integrados en productos ya regulados como las máquinas o los productos sanitarios, el 2 de agosto de 2028.

El texto no distingue entre nube y local. En cambio, pide a la empresa que sepa qué sistema utiliza, para qué uso y con qué datos, y que pueda documentarlo. Esta documentación es más fácil de mantener cuando la versión del modelo no cambia a espaldas de quienes lo utilizan, un punto en el que las dos opciones difieren claramente.

El coste: pagar por solicitud o comprar una capacidad

Los servicios en línea facturan por uso, en general por el número de tokens procesados. Un token es un fragmento de palabra, la unidad que el modelo lee y produce. Mientras unos pocos empleados hacen pruebas, la factura sigue siendo modesta. Cuando la herramienta lee cada día cientos de documentos o responde a cada solicitud de un cliente, sigue el volumen, a una tarifa fijada por el proveedor y que este puede revisar.

Una máquina instalada en el sitio invierte el cálculo. La mayor parte del gasto se compromete en la compra y, después, cada solicitud adicional solo cuesta la electricidad y el desgaste del hardware. Para un uso ocasional, el alquiler sigue siendo más barato. Para un uso diario y sostenido, la compra acaba imponiéndose. El punto de equilibrio depende de los volúmenes de cada empresa y se calcula con sus propias cifras.

Dos mediciones publicadas por el AI Index de la Universidad de Stanford pesan en este cálculo. Según la edición 2025, el coste de inferencia de un sistema del nivel de GPT-3.5 se dividió por más de 280 entre noviembre de 2022 y octubre de 2024. La misma edición indicaba que los modelos de pesos abiertos, que se pueden descargar y ejecutar en la propia máquina, habían reducido su retraso respecto a los modelos cerrados del 8 % al 1,7 % en algunas pruebas, en un año.

La edición 2026 matiza esta segunda cifra. En marzo de 2026, en la clasificación Arena, establecida a partir de los votos de usuarios que comparan respuestas a ciegas, el mejor modelo cerrado superaba al mejor modelo abierto en un 3,4 %, frente al 0,5 % de agosto de 2024. El retraso sigue siendo pequeño, pero no se reduce en línea recta: se ensancha con cada lanzamiento de un nuevo modelo cerrado y después se estrecha.

Averías y latencia: el precio de la distancia

En la noche del 19 al 20 de octubre de 2025, la región de Virginia del Norte de Amazon Web Services sufrió una avería en cadena. Según el informe publicado por AWS, un defecto de sincronización entre dos procesos automáticos del sistema que gestiona las direcciones de su base de datos DynamoDB produjo un registro DNS vacío. El DNS es la guía que traduce el nombre de un servicio en una dirección de red. Sin esa entrada, las aplicaciones ya no encontraban DynamoDB. Esta primera fase duró de las 23:48 a las 2:40, hora del Pacífico, es decir, 2 horas y 52 minutos.

La continuación duró mucho más. Varios servicios internos de AWS que se apoyan en DynamoDB se vieron afectados en cascada, y los clientes del servicio de cálculo EC2 sufrieron errores, lentitud y fallos de arranque de máquinas hasta las 13:50 del 20 de octubre, unas catorce horas después del inicio del incidente. Las aplicaciones construidas sobre esos servicios se interrumpieron a su vez.

Una infraestructura instalada en la empresa también se avería. Un disco falla, una fuente de alimentación se quema, una actualización sale mal. La diferencia está en quién diagnostica y quién decide el orden de restablecimiento del servicio. Está también en la conexión a Internet, que se convierte en un punto de fallo adicional en cuanto la herramienta cotidiana de los equipos se encuentra en un tercero.

La latencia, es decir, el retraso entre el envío de una solicitud y el comienzo de la respuesta, sigue la misma lógica. En una conversación, un segundo más pasa inadvertido. Para un software de negocio que consulta al modelo cientos de veces por hora, los viajes de ida y vuelta se suman, y su duración varía con la carga del proveedor. En la red interna, el retraso es más estable, siempre que la máquina esté dimensionada para el número de usuarios.

Cuando el proveedor cambia de modelo

El 7 de agosto de 2025, OpenAI lanzó GPT-5 y lo convirtió en el modelo por defecto de ChatGPT, retirando de la interfaz los modelos anteriores, entre ellos GPT-4o. Las protestas fueron inmediatas y, en los días siguientes, Sam Altman anunció que los suscriptores Plus podrían volver a elegir GPT-4o. El episodio afectaba sobre todo a particulares apegados al tono del modelo antiguo. En una empresa, el mismo mecanismo tiene consecuencias más concretas.

Un proceso ajustado con una versión precisa de un modelo, por ejemplo la extracción automática de importes y fechas en facturas, puede comportarse de otra manera con la versión siguiente. Hay entonces que repetir las pruebas, reescribir las instrucciones dadas al modelo y, a veces, rehacer la documentación entregada a un cliente o a un auditor. Las tarifas y las condiciones de uso evolucionan de la misma manera, por iniciativa del proveedor. Cuanto más integrada está la herramienta, más cuesta marcharse. Los economistas lo llaman coste de salida, y los informáticos hablan de dependencia del proveedor.

Un modelo abierto instalado en el sitio no cambia mientras la empresa no lo sustituya. Las mismas instrucciones, aplicadas al mismo modelo con los mismos ajustes, dan resultados comparables de un mes a otro, lo que permite documentar un uso y defenderlo. La sustitución sigue siendo posible cuando aparece un modelo mejor, en el momento elegido y tras pruebas con los documentos de la empresa.

Los casos en que la nube sigue siendo preferible

Los modelos más potentes solo son accesibles mediante API, es decir, mediante una interfaz que permite a un software consultar el servicio a distancia, y algunos no cabrían de todos modos en una máquina de oficina. Para razonamientos muy largos, programación en grandes proyectos o tareas que encadenan decenas de pasos sin supervisión, mantienen una ventaja medible. Si la necesidad exige exactamente ese nivel, la nube es a menudo la única opción razonable.

La nube conviene también a los proyectos cortos, como una demostración o un piloto de unas semanas antes de invertir. Conviene a las cargas muy irregulares, cuando una máquina dimensionada para el pico permanecería inactiva el resto del mes. Y conviene a los textos sin sensibilidad: reformular un anuncio ya público o buscar el título de un artículo no expone nada.

La elección se hace, por tanto, tras una clasificación de los datos. Una información pública puede ir a un proveedor. Los datos personales, los contratos, las cifras no publicadas y el saber hacer técnico justifican o bien un tratamiento en el sitio, o bien un proveedor cuyo contrato se ha leído, cuya jurisdicción se ha comprobado y cuya seguridad se ha controlado.

Tratar en el sitio por defecto, salir por decisión

Una regla sencilla permite combinar ambos enfoques. Las solicitudes se tratan por defecto en una máquina de la empresa. El envío a un servicio externo pasa a ser una decisión explícita, tomada para una tarea precisa, registrada y que un responsable puede rechazar. La mayoría de las peticiones corrientes, como resumir un expediente, redactar una respuesta o encontrar una cláusula en un lote de contratos, están al alcance de modelos de tamaño medio que funcionan en hardware de oficina. Las demás salen al exterior, con conocimiento de causa.

Para cada herramienta de IA ya en servicio, tres comprobaciones dan una imagen bastante nítida de la situación: dónde se procesa el texto, quién lo conserva y durante cuánto tiempo, y qué ocurre si el servicio se interrumpe durante un día. Las respuestas figuran en los contratos, los anexos de subcontratación y las páginas de estado de los proveedores.

Sobre este principio HOMN diseña sus equipos: un modelo instalado en las instalaciones, que trabaja con los documentos de la empresa sin transmitirlos, y que solo se conecta a un servicio externo cuando su propietario lo ha decidido.

¿Cuál es la diferencia entre una IA local y una IA en la nube?

Una IA en la nube funciona en los servidores de un proveedor: cada solicitud sale de la empresa, se procesa en un centro de datos externo y después vuelve la respuesta. Una IA local funciona en una máquina instalada en las instalaciones de la empresa, y las solicitudes no salen de su red.

¿Se aplica la Cloud Act a los datos almacenados en Francia?

Sí, cuando el proveedor está sometido al derecho estadounidense. La ley se refiere a los datos en su posesión, bajo su custodia o bajo su control, estén almacenados donde estén. El 10 de junio de 2025, el director de asuntos públicos y jurídicos de Microsoft Francia declaró bajo juramento ante el Senado que no podía garantizar que esos datos nunca se transmitirían a las autoridades estadounidenses.

¿Se puede usar ChatGPT en la empresa cumpliendo el RGPD?

Es posible con un contrato de encargo de tratamiento, garantías para las transferencias fuera de la Unión y una regla interna sobre los datos autorizados. La CNIL pide comprobar si el proveedor puede reutilizar los datos introducidos, y considera generalmente preferible un despliegue en las propias instalaciones para los datos personales o sensibles.

¿Cuándo es más rentable una IA local que la nube?

Cuando el uso es diario y sostenido. La nube se factura por el volumen de texto procesado, mientras que una máquina local se paga en la compra y después solo cuesta la electricidad y el mantenimiento. Para un uso puntual o muy irregular, el alquiler suele seguir siendo más barato.