Lo esencial en breve<\/p>\n
- \n
- La responsabilidad entra en casa. <\/strong> La descarga de pesos del modelo traslada responsabilidad y operaci\u00f3n del contrato con el proveedor al propio manual de operaciones, donde ambos deben presupuestarse.<\/li>\n
- Tres conceptos, tres consecuencias jur\u00eddicas. <\/strong> Open Weights, Open Source seg\u00fan la OSI (Open Source Initiative) y la excepci\u00f3n del Recital 104 del EU AI Act son cosas distintas que el departamento jur\u00eddico debe separar.<\/li>\n
- El business case se subestima con regularidad. <\/strong> Los costes brutos de GPU son el 30 al 40 por ciento de la inversi\u00f3n; la utilizaci\u00f3n real se sit\u00faa en el 40 al 65 por ciento en lugar del 80 al 90 calculado.<\/li>\n
- La flexibilidad gana a la fijaci\u00f3n. <\/strong> Quien hoy fija un modelo exclusivamente cloud con vinculaci\u00f3n plurianual negociar\u00e1 despu\u00e9s sobre una base de costes que \u00e9l mismo ha atado.<\/li>\n<\/ul>\n<\/div>\n
Relacionado<\/span>Gobernanza del consejo de supervisi\u00f3n: reforzar de forma espec\u00edfica la competencia digital<\/a> \/<\/span> Records Management como tema del CIO: por qu\u00e9 la gobernanza necesita ownership<\/a><\/p>\n
En resumen<\/strong><\/p>\n
- \n
- La descarga de pesos del modelo traslada la responsabilidad del contrato con el proveedor al propio manual de operaciones.<\/li>\n
- Open Weights, Open Source seg\u00fan la OSI y la excepci\u00f3n en el EU AI Act son tres cosas distintas. El departamento jur\u00eddico debe separarlas.<\/li>\n
- La decisi\u00f3n solo es s\u00f3lida cuando la clase de datos, el responsable, la licencia, la operaci\u00f3n y la salida est\u00e1n aclarados antes de la compra de hardware.<\/li>\n<\/ul>\n
Cuatro se\u00f1ales que van de la mano<\/h2>\n
El debate se adelanta a la disponibilidad.<\/strong> A principios de agosto circulan rankings de los mejores modelos abiertos en los que figura muy adelante un modelo cuyos pesos a\u00fan no se han publicado. El propio Alibaba los ha anunciado para la semana siguiente. Los expertos lo han corregido, pero los rankings llegaron primero. Quien derive de esas fuentes presi\u00f3n de adquisici\u00f3n planifica contra un estado que no existe.<\/p>\n
Un proveedor puede cambiar su posicionamiento en pleno funcionamiento.<\/strong> Ollama se ha consolidado como herramienta de IA local y ahora traslada modelos a una oferta cloud propia. En la comunidad se critica que se retengan modelos nuevos y populares para impulsar suscripciones; una herramienta que mantenga modelos tras un muro de pago acabar\u00eda siendo otro proveedor cloud con un paso intermedio. Es una postura de la comunidad y no un veredicto sobre la empresa. El punto estructural permanece: una estrategia de soberan\u00eda que se apoya en una sola herramienta solo ha desplazado la dependencia.<\/p>\n
El panorama de proveedores se polariza en p\u00fablico.<\/strong> A finales de julio, Anthropic public\u00f3 una posici\u00f3n de principio sobre modelos de pesos abiertos que se ha debatido de forma amplia y controvertida. Casi al mismo tiempo, Moonshot liber\u00f3 los pesos de Kimi K3. De un debate t\u00e9cnico ha surgido una divisi\u00f3n en bandos en la que la adquisici\u00f3n debe tomar partido en lugar de ampararse en un consenso de mercado.<\/p>\n
La dimensi\u00f3n geopol\u00edtica ha llegado al mainstream.<\/strong> En el debate p\u00fablico circula la afirmaci\u00f3n de que una parte considerable de las empresas apuesta ya por modelos chinos m\u00e1s baratos de pesos abiertos. Esa cifra procede de una entrevista y no est\u00e1 documentada. Como estad\u00edstica de mercado no sirve; como term\u00f3metro del \u00e1nimo, s\u00ed: la pregunta entre cloud estadounidense o pesos abiertos chinos se plantea ya en la alta direcci\u00f3n.<\/p>\n
Los Open Weights no son un pase libre<\/h2>\n
Las posturas est\u00e1n claras. Sebastian Raschka resume la utilidad de los modelos abiertos: permiten auditor\u00eda, se pueden verificar las afirmaciones y ejecutar los modelos en hardware propio sin entregar datos personales ni propiedad intelectual a proveedores cerrados. Andrew Chen de a16z aporta la visi\u00f3n de mercado y considera los modelos de punta sobredimensionados para la mayor\u00eda de los casos de uso. La contraposici\u00f3n es igual de n\u00edtida: muchos de estos modelos, por falta de recursos, no se pueden operar en local.<\/p>\n
Para el cumplimiento normativo importa una distinci\u00f3n limpia. Open Weights significa: los pesos son descargables y la licencia regula el uso. Los datos de entrenamiento, el c\u00f3digo de entrenamiento y la reproducibilidad no forman parte de ello. El open source seg\u00fan la definici\u00f3n de la OSI (Open Source Initiative), OSAID (Open Source AI Definition) 1.0, exige adem\u00e1s Data Information: origen, alcance, m\u00e9todos de obtenci\u00f3n y selecci\u00f3n, etiquetado, procesamiento y filtrado.<\/p>\n
GLM-5.2 y DeepSeek V4 Pro est\u00e1n bajo licencia MIT, una licencia OSI genuina. Aun as\u00ed, seg\u00fan la OSAID no son Open Source AI, porque faltan los datos de entrenamiento. Una licencia permisiva sobre los pesos y la IA de c\u00f3digo abierto son dos cosas distintas. Aqu\u00ed es donde debe mirar el departamento jur\u00eddico.<\/p>\n
Kimi K3 lleva una licencia con cl\u00e1usula de participaci\u00f3n en beneficios: quien opera el modelo por su cuenta no paga nada. Quien lo ofrece como servicio de pago a terceros debe compartir ingresos. Para empresas que integran funciones de IA en productos propios, es una condici\u00f3n contractual relevante, no una nota a pie de p\u00e1gina.<\/p>\n
El AI Act de la UE agrava a\u00fan m\u00e1s la situaci\u00f3n. El considerando 104 exige, para la excepci\u00f3n de modelos libres y de c\u00f3digo abierto, par\u00e1metros, pesos e informaci\u00f3n de arquitectura y uso p\u00fablicamente disponibles. La excepci\u00f3n cubre solo las obligaciones de transparencia. El resumen de los contenidos de entrenamiento y el cumplimiento del derecho de autor siguen vigentes. La cuesti\u00f3n interpretativa est\u00e1 abierta: le\u00edda de forma estricta seg\u00fan la OSI, casi todo modelo queda fuera de la excepci\u00f3n. Le\u00edda de forma laxa como Open Weights, tambi\u00e9n se cuelan modelos arriesgados. Por eso la contrataci\u00f3n necesita un examen propio de licencia y del AI Act. El enlace de descarga por s\u00ed solo no basta.<\/p>\n
La curva a la que no conviene atarse<\/h2>\n
Entre estas se\u00f1ales hay un desarrollo que apenas figura en las plantillas de contrataci\u00f3n, pero que para las decisiones de arquitectura pesa m\u00e1s que cualquier titular del d\u00eda: la clase de modelos que se ejecutan en hardware propio est\u00e1 alcanzando a la \u00e9lite a un ritmo que no se alinea con los ciclos de inversi\u00f3n cl\u00e1sicos.<\/p>\n
Un ejemplo verificable: Alibaba public\u00f3 en abril de 2026 un modelo denso de 27 mil millones de par\u00e1metros que se ejecuta en una sola tarjeta gr\u00e1fica profesional. En uno de los benchmarks m\u00e1s duros de programaci\u00f3n ag\u00e9ntica alcanza el 77,2 por ciento y supera as\u00ed a su propio modelo insignia predecesor, de 397 mil millones de par\u00e1metros, que lleg\u00f3 al 76,2 por ciento. Unas quince veces m\u00e1s peque\u00f1o, algo mejor, tres meses y medio de diferencia. Lo que en primavera era de clase centro de datos, en verano ya corr\u00eda en el puesto de trabajo.<\/p>\n
El motor es una competencia que presiona por ambos lados. Los proveedores de modelos abiertos han respondido en cuesti\u00f3n de pocas semanas: Moonshot ha liberado el modelo abierto m\u00e1s grande hasta la fecha, DeepSeek y Zhipu publican sus modelos de referencia bajo licencia MIT, Alibaba abre por primera vez su clase superior de modelos. En el otro extremo, los proveedores cerrados bajan precios y publican posicionamientos de principio sobre pesos abiertos, algo que hace un a\u00f1o nadie consideraba necesario. Ambos bandos trabajan ahora sobre la misma curva.<\/p>\n
La expectativa de los analistas apunta en la misma direcci\u00f3n. Gartner calcula que la inferencia sobre un modelo de un bill\u00f3n de par\u00e1metros costar\u00e1 en 2030 m\u00e1s de un 90 por ciento menos que en 2025, frente a modelos comparables de 2022 con una eficiencia de costes hasta cien veces mayor. Los impulsores son semiconductores m\u00e1s eficientes, un mejor dise\u00f1o de modelos, mayor utilizaci\u00f3n, hardware de inferencia especializado y el uso de dispositivos finales en determinados casos de uso. En cuanto a la cuota de procesamiento local, la expectativa es igual de clara: m\u00e1s de dos tercios de las empresas con IA en el edge para 2029, frente a alrededor del diez por ciento en 2025.<\/p>\n
Conviene dejar expl\u00edcita una salvedad. Viene del propio Gartner: el ahorro no llega uno a uno a la empresa usuaria. Las aplicaciones ag\u00e9nticas consumen muchos m\u00e1s tokens por tarea, lo que se come una parte considerable de la ventaja de precio. M\u00e1s barato por token no significa m\u00e1s barato por operaci\u00f3n de negocio.<\/p>\n
La consecuencia para la gobernanza es, aun as\u00ed, inequ\u00edvoca. No dice \u00abmeterlo todo dentro de inmediato\u00bb.<\/strong> Dice: no tomar ninguna decisi\u00f3n de arquitectura que encarezca el cambio. Quien hoy fije un operaci\u00f3n puramente en la nube, con interfaces de proveedor r\u00edgidamente cableadas, vinculaci\u00f3n plurianual y sin casos de evaluaci\u00f3n propios, apuesta contra su propia curva de costes y pierde posici\u00f3n negociadora en cada renovaci\u00f3n de contrato. A la inversa, una compra precipitada de hardware sale igual de cara, porque consolida una instant\u00e1nea del momento. La posici\u00f3n s\u00f3lida est\u00e1 en el medio: endpoints de inferencia intercambiables, casos de evaluaci\u00f3n propios en lugar de rankings ajenos y una clasificaci\u00f3n de datos que ya sepa qu\u00e9 procesos ser\u00edan los primeros en migrar hacia dentro en cuanto salga a cuenta.<\/p>\n
Lo realista es una proporci\u00f3n creciente: una parte del mapa de procesos que, por clase de datos, volumen o latencia, debe quedarse dentro y que se ampliar\u00e1 en los pr\u00f3ximos a\u00f1os. Esa proporci\u00f3n conviene conocerla antes de firmar el pr\u00f3ximo contrato marco.<\/p>\n
Costes que faltan en el business case<\/h2>\n
Una frase del debate se ha consolidado como eslogan: Open Weights, closed by hardware. Si el funcionamiento exige cientos de miles de GPUs, no es un modelo local. Es un modelo en la nube con pesos descargables. En t\u00e9rminos de gobernanza: la descarga de los pesos es una decisi\u00f3n operativa con plena responsabilidad en casa. Lo que antes figuraba en el contrato con el proveedor pasa despu\u00e9s al manual de operaciones propio. Es leg\u00edtimo. Pero debe tomarse y presupuestarse como tal decisi\u00f3n.<\/p>\n
Los costes brutos de GPU solo representan del 30 al 40 por ciento de la inversi\u00f3n real en infraestructura. Como regla pr\u00e1ctica se aplica un factor de 2.5 a 3 sobre el precio del hardware. La ocupaci\u00f3n real en producci\u00f3n se sit\u00faa entre el 40 y el 65 por ciento, mientras muchas estimaciones siguen calculando con un 80 a 90 por ciento y, con ello, sobredimensionan el beneficio. El stack de inferencia en producci\u00f3n exige adem\u00e1s de 10 a 20 horas al mes para actualizaciones, diagn\u00f3stico, supervisi\u00f3n y planificaci\u00f3n de capacidad.<\/p>\n
El punto de equilibrio frente a los precios API de los modelos de punta se sit\u00faa en unos 2 a 5 millones de tokens al d\u00eda a lo largo de doce meses. Frente a proveedores baratos de modelos abiertos, solo a partir de 50 millones de tokens al d\u00eda o m\u00e1s. Quien no alcanza esos umbrales financia con IA local m\u00e1s un sentimiento de soberan\u00eda que una ventaja de costes s\u00f3lida.<\/p>\n
A ello se suma la deriva en operaci\u00f3n. Est\u00e1 documentado un caso en el que una actualizaci\u00f3n del modelo elev\u00f3 el requisito de memoria de v\u00eddeo en 10 gigabytes. Una actualizaci\u00f3n puede invalidar a posteriori la planificaci\u00f3n de hardware. Quien solo libera el precio de adquisici\u00f3n y deja fuera operaci\u00f3n, actualizaci\u00f3n y riesgos de capacidad, aprueba un stack sin una planificaci\u00f3n operativa s\u00f3lida.<\/p>\n
Entre la CLOUD Act y los Open Weights<\/h2>\n
Las empresas alemanas rara vez sopesan EE. UU. frente a China. Se sit\u00faan entre hiperescaladores estadounidenses con exposici\u00f3n a la CLOUD Act y modelos chinos de pesos abiertos. El despliegue local es la opci\u00f3n que evita ambas dependencias. Cuesta exactamente lo indicado arriba.<\/p>\n
Los escalones de soberan\u00eda de datos son estos: nube de EE. UU. con riesgo permanente de la CLOUD Act, nube de la UE con mejor residencia de datos pero a\u00fan expuesta si la matriz es estadounidense, nube soberana y on-premise, donde los datos no salen de la empresa.<\/p>\n
Importante para la precisi\u00f3n: el RGPD (Reglamento General de Protecci\u00f3n de Datos) no obliga al despliegue local. Exige protecci\u00f3n, contratos y residencia de datos. Quien vende la IA local como obligaci\u00f3n del RGPD argumenta mal. Lo local es una de varias arquitecturas que pueden lograr el cumplimiento. La pregunta correcta es qu\u00e9 clase de datos puede salir del per\u00edmetro y qu\u00e9 objetivos de protecci\u00f3n se alcanzan de forma s\u00f3lida con cada modelo operativo.<\/p>\n
El tama\u00f1o de la empresa no es un umbral. Un asesor fiscal con doce personas tiene datos de clientes que a menudo no pueden salir de la empresa. Un gran grupo con est\u00e1ndar Zero Trust en la nube sigue siendo h\u00edbrido. El tama\u00f1o correlaciona con presupuesto, personal y apetito de riesgo. La causa de la decisi\u00f3n reside en la clase de datos y la capacidad operativa.<\/p>\n
Ocho preguntas antes de la decisi\u00f3n<\/h2>\n
Un \u00f3rgano no necesita una precisi\u00f3n fingida. Necesita ocho preguntas que se puedan responder con s\u00ed o no. Si se acumulan las respuestas negativas, la IA local no est\u00e1 madura como stack est\u00e1ndar. Entonces el camino honesto sigue siendo el piloto, el h\u00edbrido o la nube.<\/p>\n
- \n
- \u00bfPuede o debe la clase de datos afectada abandonar el per\u00edmetro?<\/li>\n
- \u00bfHay un responsable designado que una TI, el \u00e1rea de negocio y la seguridad?<\/li>\n
- \u00bfEst\u00e1 el caso de uso descrito con suficiente precisi\u00f3n? \u00bfO se adquiere una herramienta gen\u00e9rica?<\/li>\n
- \u00bfLa calidad de los modelos abiertos de tama\u00f1o medio es demostrablemente suficiente, medida con casos propios?<\/li>\n
- \u00bfAdem\u00e1s del hardware, est\u00e1n presupuestados el funcionamiento continuo, la actualizaci\u00f3n, la supervisi\u00f3n y las actualizaciones del modelo?<\/li>\n
- \u00bfSe ha revisado la licencia, incluida la utilizaci\u00f3n comercial y la redistribuci\u00f3n en el propio producto?<\/li>\n
- \u00bfEst\u00e1n resueltas la potencia de conexi\u00f3n, la refrigeraci\u00f3n y la superficie de instalaci\u00f3n?<\/li>\n
- \u00bfExiste una estrategia de salida en ambas direcciones, es decir, tambi\u00e9n de vuelta a la nube?<\/li>\n<\/ol>\n
El resultado se interpreta como se\u00f1al de autorizaci\u00f3n o de parada, nunca como puntuaci\u00f3n. Cada no es un resto de decisi\u00f3n pendiente. Solo permanece abierto hasta que alguien asuma la responsabilidad y el presupuesto.<\/p>\n
Lo que debe retener de todo esto<\/h2>\n
Para el nivel de gobernanza hay tres consecuencias importantes, con independencia de qu\u00e9 bando acabe teniendo raz\u00f3n.<\/p>\n
La base de las adquisiciones debe desacoplarse del ritmo de las noticias.<\/strong> Si un ranking eval\u00faa un modelo que a\u00fan no existe, no sirve como plantilla de decisi\u00f3n. Lo vinculante es lo que la empresa ha medido por s\u00ed misma en sus propios casos de uso.<\/p>\n
La revisi\u00f3n de licencias va antes de la compra de hardware, no despu\u00e9s.<\/strong> Una licencia permisiva sobre los pesos no es un cheque en blanco. Las cl\u00e1usulas de participaci\u00f3n en beneficios son contractualmente relevantes. La excepci\u00f3n del EU AI Act es m\u00e1s estrecha de lo que su nombre sugiere. Esta revisi\u00f3n cuesta d\u00edas. Un parque de GPU mal adquirido cuesta trimestres.<\/p>\n
La soberan\u00eda es un modelo operativo. Una descarga no basta para ello.<\/strong> Empieza all\u00ed donde se deciden a la vez la responsabilidad, el presupuesto y la salida. La IA local compensa cuando la clase de datos, el volumen y el riesgo sostienen la operaci\u00f3n propia. Si falta esa base, el stack local sigue siendo un desv\u00edo caro con la sensaci\u00f3n de control.<\/p>\n
Y la pregunta que dentro de doce meses se responder\u00e1 de forma distinta a como hoy:<\/strong> \u00bfQu\u00e9 proporci\u00f3n del propio paisaje de procesos debe quedar dentro? La respuesta hoy, para la mayor\u00eda de las empresas, sigue siendo: una peque\u00f1a. No ser\u00e1 as\u00ed de forma permanente. Si un modelo en una sola tarjeta alcanza en un trimestre el rendimiento de un predecesor quince veces mayor y dos previsiones de analistas apuntan de forma independiente en la misma direcci\u00f3n, la preparaci\u00f3n relevante no es la compra de hardware. Es la capacidad de desplazar esa proporci\u00f3n sin reconstruir la arquitectura. Quien escribe hoy esa flexibilidad en contratos e interfaces decide m\u00e1s tarde desde una posici\u00f3n de fuerza. Quien se la cierra negociar\u00e1 dentro de dos a\u00f1os sobre una base de costes que \u00e9l mismo ha fijado.<\/p>\n
Preguntas frecuentes<\/h2>\n
\n\u00bfObliga el RGPD a operar los modelos de IA en local?<\/summary>\n
No. El RGPD (Reglamento General de Protecci\u00f3n de Datos) exige protecci\u00f3n, contratos y residencia de los datos. La operaci\u00f3n local es una de varias arquitecturas que pueden cumplir esos requisitos, junto con la cloud soberana y el procesamiento en la UE amparado por contrato. Quien vende la IA local como obligaci\u00f3n de protecci\u00f3n de datos argumenta mal y debilita as\u00ed su propia posici\u00f3n.<\/p>\n<\/details>\n
\n\u00bfBasta una licencia MIT sobre los pesos para la auditor\u00eda de cumplimiento?<\/summary>\n
Es un buen punto de partida y no responde la pregunta por s\u00ed sola. Una licencia permisiva sobre los pesos a\u00fan no convierte un modelo en open source seg\u00fan la definici\u00f3n de la OSI, porque faltan datos sobre el conjunto de entrenamiento. Para la excepci\u00f3n del AI Act tambi\u00e9n cuenta si el modelo presenta un riesgo sist\u00e9mico.<\/p>\n<\/details>\n
\n\u00bfQu\u00e9 cl\u00e1usula de licencia se pasa por alto con m\u00e1s frecuencia en las adquisiciones?<\/summary>\n
Las cl\u00e1usulas de participaci\u00f3n en ingresos. Kimi K3 es gratuito en operaci\u00f3n propia, pero exige una participaci\u00f3n en los ingresos en cuanto el modelo se ofrece como servicio de pago a terceros. Para cualquier organizaci\u00f3n que incorpore funciones de IA a sus propios productos, es una condici\u00f3n relevante para el contrato y no una nota a pie de p\u00e1gina.<\/p>\n<\/details>\n
\n\u00bfDeber\u00eda una empresa adquirir ya hardware GPU?<\/summary>\n
Para la mayor\u00eda de las organizaciones, la respuesta sigue siendo no. No lo ser\u00e1 de forma permanente. El trabajo preparatorio est\u00e1 en otro sitio: endpoints de inferencia intercambiables en lugar de interfaces fijas de proveedor, casos de evaluaci\u00f3n propios en lugar de rankings ajenos y una clasificaci\u00f3n de datos que sepa qu\u00e9 procesos migrar\u00edan primero hacia dentro.<\/p>\n<\/details>\n
M\u00e1s de la red MBF Media<\/p>\n
- Tres conceptos, tres consecuencias jur\u00eddicas. <\/strong> Open Weights, Open Source seg\u00fan la OSI (Open Source Initiative) y la excepci\u00f3n del Recital 104 del EU AI Act son cosas distintas que el departamento jur\u00eddico debe separar.<\/li>\n
![\"Cuando](\"https:\/\/www.cloudmagazin.com\/wp-content\/uploads\/2026\/07\/wenn-gpus-den-saas-etat-auffressen-cover-hero-250x143.jpg\")
<\/p>\n![\"IA](\"https:\/\/mybusinessfuture.com\/wp-content\/uploads\/2026\/07\/ki-mittelstand-pilot-skalierung-roi-roadmap-cover-hero-250x195.jpg\")
<\/p>\n![\"El](\"https:\/\/www.securitytoday.de\/wp-content\/uploads\/2026\/07\/cover-hero-3-250x143.jpg\")
<\/p>\n