Accesos huérfanos: la brecha cibernética silenciosa
Benedikt Langer
5 Min. Lectura Las cuentas de servicio, claves de API y agentes de IA superan a menudo a las cuentas ...
Leer artículo
7 min de lectura
Una de las startups de IA más observadas actualmente se basa en un modelo chino de pesos abiertos. Una administración regional alemana ahorra más de 15 millones de euros al año al migrar a software abierto. Lo que une ambos ejemplos: la soberanía no surge de la posesión, sino del dominio.
Lo más importante en resumen
- La soberanía surge por encima del modelo: la estrategia de datos, la evaluación, las integraciones y la operación deciden más que la posesión de un modelo base.
- El código abierto no es un camino alternativo: Linux, Kubernetes, Python, PyTorch y TensorFlow sostienen gran parte de la infraestructura digital.
- El liderazgo debe acercarse a la ingeniería: quien solo compra IA sigue siendo dependiente. Quien la comprende, puede elegir proveedores, capas y modelos de operación de forma consciente.
Relacionado:La política de materias primas se convierte en política tecnológica / La soberanía vence al precio
El paquete de la UE crea capacidad, pero la soberanía surge en otro lugar
El 3 de junio de 2026, la Comisión Europea presentó su European Tech Sovereignty Package: un Chips Act 2.0, un Cloud and AI Development Act y una estrategia propia de código abierto. Miles de millones para semiconductores, centros de datos, cloud y software abierto, con el objetivo de reducir la dependencia europea de proveedores fuera de la Unión, que según la Comisión supera el 80 % en productos e infraestructuras digitales clave. Es un primer paso importante.
Pero quien se tome en serio la soberanía no debe entender este paquete como una mera política de compras. El dinero compra capacidad, no control. No basta con poner nuevas herramientas en manos de los empleados. Estos deben aprender a construir valor añadido, seguridad y control con ellas. Ahí es donde se decide si Europa solo compra IA o si la domina.
Quien solo compra hardware crea capacidad. Quien forma a las personas crea soberanía. Quien construye ambas sobre código abierto logra verdadera independencia.
El debate europeo sobre IA gira en torno a la pregunta equivocada
¿Qué es la soberanía digital en IA? La soberanía digital en IA significa poder controlar o delegar conscientemente capas centrales del stack de IA: datos, inferencia, post-entrenamiento, evaluación, cumplimiento y operación. Soberano no es quien lo posee todo, sino quien puede gestionar los caminos de cambio, los riesgos y la creación de valor por sí mismo.
Desde hace meses se discute sobre el código abierto, las dependencias de los hiperescaladores y el próximo gran modelo base. ¿Quién va en cabeza? OpenAI, Anthropic, Google, los proveedores chinos o quizá una iniciativa europea como Mistral? El debate público parece a menudo una carrera de caballos tecnológica: ¿quién gana, quién se impone, quién domina el mercado?
Alexander Hendorf
Estratega de IA y código abierto, miembro de la junta directiva de la Asociación de Software Python y responsable del grupo de trabajo de código abierto en la Asociación Federal de IA
Ver perfil →
Estratégicamente, esta perspectiva no lleva a ninguna parte. La pregunta clave no es: ¿a quién pertenece el mejor modelo? Sino: ¿qué partes del stack de IA podemos entender, controlar y seguir desarrollando nosotros mismos?
La soberanía digital en 2026 ya no surge solo por la posesión. Surge por las capacidades: comprensión técnica, control operativo, competencia en datos propios, procedimientos de evaluación robustos, arquitecturas de integración seguras y la capacidad de traducir modelos en procesos de trabajo concretos.
Quien vea el debate solo como una competencia entre proveedores, corre el riesgo de quedarse en el papel de espectador. Quizá al final solo gane uno, según la esperanza. Quizá entonces solo haya que sumarse. Quizá la decisión estratégica se resuelva por sí sola. ¿En serio?
Quien espera no desarrolla capacidades propias. Y quien no desarrolla capacidades, se vuelve dependiente, independientemente de qué modelo ofrezca los mejores benchmarks o qué proveedor gane la carrera por la atención.
El verdadero valor se crea por encima del modelo
Cursor es un buen ejemplo de ello. Esta startup estadounidense de programación, valorada en unos 28.000 millones de euros según informes del sector, opera su agente de codificación Composer sobre la base de Kimi K2.5, un modelo chino de pesos abiertos. Lo decisivo no es que Cursor posea el fundamento. El valor surge en las capas superiores: entorno de desarrollo, integración de herramientas, post-entrenamiento, evaluación y alineación consecuente con el caso de uso del desarrollo de software.
Si incluso una startup de IA estadounidense tan promocionada extrae su fortaleza de utilizar pragmáticamente la sustancia del modelo existente y dominarla mejor que otros, Europa puede aprender de ello.
Cómo este mecanismo también funciona económicamente de forma concreta lo demuestra el sector público. Schleswig-Holstein ha migrado su administración estatal a software abierto. Según la Cancillería del Estado, casi 44.000 buzones de correo se han trasladado a Open-Xchange, y cerca del 80 % de los puestos de trabajo utilizan LibreOffice. El land cuantifica el ahorro en más de 15 millones de euros en costes de licencias, con una inversión única de nueve millones de euros en 2026.
Dos mundos muy diferentes, el mismo patrón: quien domina la sustancia abierta crea valor y margen de maniobra.
El código abierto no es simplemente software gratuito. Es más comparable con la investigación libre. Hay un resultado disponible. El valor añadido surge al entenderlo, aplicarlo, desarrollarlo y traducirlo en productos, procesos y decisiones reales.
Desarrollar con soberanía significa poder elegir
Soberanía no significa construirlo todo uno mismo. Significa poder decidir qué capas se dominan internamente y cuáles se delegan de forma consciente.
Esta distinción es clave. Una empresa puede utilizar un modelo propietario y actuar con soberanía si controla su estrategia de datos, evaluación, integraciones y capacidad operativa. Por el contrario, una empresa puede emplear código abierto y seguir dependiendo si no comprende la tecnología y solo consume al siguiente proveedor de servicios.
Desde mi punto de vista, seis capas son decisivas. Para cada una se plantea la misma pregunta: ¿dominarla internamente, delegarla de forma consciente o operarla de manera híbrida?
| Capa | Pregunta estratégica |
|---|---|
| Datos y residencia de datos En qué país y bajo qué jurisdicción legal se ubican físicamente los datos |
¿Qué datos salen de la empresa y quién puede utilizarlos? |
| Inferencia El lugar donde se procesa realmente la consulta de IA |
¿Se ejecuta la consulta en un hiperescalar estadounidense, en una nube europea, local o híbrida? |
| Post-entrenamiento | ¿Cómo adapto un modelo a mis términos, procesos y exigencias de calidad? |
| Evaluación | ¿Cómo mido si un modelo funciona realmente mejor, de forma más segura o más rentable? |
| Cumplimiento y auditoría | ¿Puedo reconstruir cómo se toman las decisiones y qué riesgos existen? |
| Operación | ¿Qué hago si un proveedor central falla, sube los precios o cambia su estrategia? |
Consumir en lugar de entender es el verdadero riesgo
Muchas organizaciones siguen tratando la IA como si fuera un software empresarial clásico: se compra una herramienta, se conecta una API y se espera que el valor añadido surja casi automáticamente. Así no funciona la IA.
La IA no es un producto terminado que se instala y luego se gestiona. La IA es una capacidad que las organizaciones deben desarrollar. Afecta a los datos, los procesos, los roles, los flujos de decisión, la gobernanza y la cultura. Pero, sobre todo, exige una relación distinta con la tecnología: menos consumo, más comprensión.
Además, el debate está demasiado centrado en los Large Language Models. La IA es mucho más que chatbots, copilotos y generadores de texto. El *deep learning* ha revolucionado la investigación de proteínas con AlphaFold. Otros métodos de IA generan ya un valor medible en la industria, la medicina, la logística y la investigación. Quien solo ve la IA a través del prisma de los modelos generativos de lenguaje subestima su alcance económico y científico.
El verdadero problema, por tanto, no es solo tecnológico, sino organizativo. Muchas empresas compran herramientas y esperan que la competencia venga incluida. Pero la competencia no se adquiere con la compra. Se construye trabajando con la tecnología: mediante experimentos, errores, proyectos piloto y equipos internos que entienden qué hacen y por qué funciona o fracasa.
Aquí es donde la IA choca con un reflejo de adquisición aún anclado en la lógica clásica de los fabricantes: licencia, SLA, paquete completo. Los *stacks* abiertos de IA necesitan otros modelos de operación. Requieren socios de servicio en lugar de meros licenciantes, responsabilidad en ingeniería en vez de simple entrega contractual, competencia interna en lugar de externalización total.
Particularmente arriesgada es la creciente distancia entre la toma de decisiones y la ingeniería. Las decisiones estratégicas sobre IA suelen tomarse lejos de los equipos que después tendrán que trabajar con los sistemas. Al mismo tiempo, a estos equipos les falta a menudo el espacio para probar, aprender y desarrollar soluciones por sí mismos.
La competitividad a largo plazo no surge en presentaciones, hojas de ruta o documentos para la junta directiva. Se construye donde las organizaciones dominan la tecnología en la práctica: en los flujos de datos, las interfaces, los bucles de evaluación, los mecanismos de seguridad y los procesos de trabajo. Quien solo compra IA sigue siendo un usuario. Quien la entiende, gana capacidad de acción.
El código abierto es la norma, no la excepción
El código abierto es ya el estándar en muchas infraestructuras digitales. Linux soporta la abrumadora mayoría de los servidores en la nube, incluidos los de los grandes *hyperscalers*. Kubernetes orquesta la nube. Python, PyTorch y TensorFlow son la base sobre la que se entrenan modelos de IA en todo el mundo, incluso los de los proveedores estadounidenses propietarios.
AWS, Microsoft y Google contribuyen masivamente a proyectos de código abierto y obtienen una parte considerable de sus ingresos operando software abierto de forma profesional. Por eso, el código abierto no es un camino alternativo exótico. Es el fundamento invisible sobre el que opera todo el sector.
Esto no significa que cada empresa deba entrenar su propio modelo base. Pero toda empresa debería entender qué capas son diferenciadoras para su negocio. Precisamente ahí es donde deben desarrollarse capacidades. Todo lo demás puede adquirirse de forma consciente.
Quien domina las tecnologías abiertas puede reducir costes de licencia, facilitar el cambio de proveedor y ganar poder de negociación. Quien no depende de un único fabricante puede comparar precios, cambiar de infraestructura, sustituir componentes y desarrollar sus propias extensiones.
Especialmente relevante es la estructura legal de muchas licencias de código abierto. Una licencia como MIT no es revocable. Nadie aparecerá en la próxima negociación de precios para exigir un recargo por la renovación de la licencia. Un proveedor puede subir sus tarifas, cambiar su estrategia o desaparecer del mercado. El código abierto sigue siendo utilizable, bifurcable (*forkable*) y desarrollable.
Por supuesto, esto no sustituye a una operación profesional. Código abierto no significa «gratis y sin responsabilidad». Significa: accesible, moldeable y controlable. De ahí surge la libertad, pero solo para quienes desarrollan las capacidades necesarias.
La oportunidad de Europa reside en la creación de valor de modelos abiertos
Europa cuenta con mejores condiciones de las que a menudo sugiere el debate. Tenemos una investigación sólida, excelentes desarrolladoras y desarrolladores, comunidades potentes y una larga tradición en código abierto. Muchos proyectos clave de código abierto, desde infraestructuras hasta procesamiento de datos e IA, están hoy impulsados en gran medida por desarrolladoras y desarrolladores europeos. Su código funciona en cada pila de hiperescaladores sin que nadie hable de ello.
Por eso, la oportunidad de Europa no reside únicamente en construir el próximo gran modelo base. Eso puede ser importante, pero no es el único camino hacia la soberanía. La mayor oportunidad está en adoptar tecnologías abiertas existentes, dominarlas profesionalmente y aplicarlas a lo largo de una cadena de valor concreta.
No es el hecho de ponerse al día la actitud decisiva. Es el de adoptar.
Empezar de forma concreta en tres pasos
Si las empresas quieren empezar mañana, tres pasos son decisivos.
Primero: revisión por capas. ¿Cuáles de las seis capas son diferenciadoras para el propio negocio: datos, inferencia, post-entrenamiento, evaluación, cumplimiento o operación? Allí se construyen capacidades. Todo lo demás se compra de forma consciente.
Segundo: piloto real en lugar de adquisición de herramientas. Un equipo interno necesita un caso de uso claramente delimitado, con participación directa y no a través de la próxima licencia de software. Un piloto en el que el equipo gestione realmente la inferencia, el post-entrenamiento y la evaluación construye competencia. Otra licencia no lo hace.
Tercero: unir decisión e ingeniería. Quienes operen los sistemas más adelante deben participar pronto en la decisión. Esto acorta los ciclos de aprendizaje, evita inversiones fallidas y es la única forma de gobernanza que funciona en la práctica.
Preguntas frecuentes
¿Por qué el debate sobre los modelos europeos de IA se queda corto?
La cuestión del modelo es solo una parte. La estrategia de datos, la evaluación, el funcionamiento, las integraciones y la competencia interna deciden, al menos en igual medida, si una empresa puede actuar con soberanía.
¿Qué papel juega el código abierto en la soberanía digital?
El código abierto reduce las barreras de entrada y crea libertad de elección. Sin embargo, una empresa solo alcanza la soberanía cuando comprende, opera y delega conscientemente las capas relevantes.
¿Por dónde deberían empezar los directivos en materia de soberanía con IA?
Con una revisión de capas, proyectos piloto internos reales y una conexión más estrecha entre la toma de decisiones y la ingeniería. La adquisición de herramientas no sustituye la formación de competencias.
Más del MBF Media Netzwerk
cloudmagazin
Platform Engineering ya no es un proyecto de DevEx: infraestructura crítica para el negocio
mybusinessfuture
Optimización de procesos sin proyecto permanente: así mantiene su capacidad de acción la mediana empresa
securitytoday
Autenticación multifactor adaptativa: por qué la configuración estándar no es suficiente
Fuente de la imagen: generada por IA (mayo 2026), certificado C2PA incluido en la imagen