Seguridad al adoptar la IA en tu organización

Vemos con frecuencia que cuando hablamos de consumir IA con seguridad en entornos profesionales, se confunden varias cosas: por un lado el entrenamiento de los modelos con tus datos, la duda es si el proveedor (Gemini, Claude, GPT…) está explotando tus datos para aprender. Por otro el Reglamento Europeo de IA (RIA), que regula el uso de los sistemas de inteligencia artificial según su riesgo. Y por último, pero quizás el más importante y el más olvidado, el RGPD.

Son tres planos que se activan por motivos distintos y se cumplen por separado. Vamos uno a uno.

1. ¿Entrenan con mis datos?

Si trabajas por API o con un plan de empresa, el compromiso de no entrenar con tus datos viene de serie en el contrato. No hay que activar nada: el acuerdo de tratamiento que firmas con tu proveedor lo recoge por defecto. Mucha gente, pese a ese contrato, desconfía y cree que los proveedores de modelos incumplen esa cláusula; la desconfianza es libre, pero a efectos legales irrelevante. Lo importante es que estamos cubiertos si un Cliente muestra su preocupación respecto al uso que la IA puede dar a sus datos.

Si usas el navegador de consumo (el plan gratuito o personal), es al revés: por defecto tus conversaciones sí pueden usarse para mejorar el modelo, y eres tú quien tiene que ir a la configuración a desactivarlo. Se puede hacer, y una vez desactivado el proveedor se compromete a no hacerlo. La prueba aquí es más débil: te apoyas en un ajuste de tu cuenta y en los términos de uso, no en un contrato firmado, pero es igualmente válida.

En definitiva, el uso de nuestros datos para entrenar un modelo de IA no es un problema con los modelos habituales. Si utilizas otros modelos, debes mirar bien sus términos y condiciones para asegurarte de que ofrecen la opción de no utilizar tu actividad para entrenar su modelo. Y si trabajas con un proveedor como nosotros (plataforma de automatización o entrenamiento de modelos), asegúrate de que en el contrato que firmas queda claro que no se puede reutilizar la información para entrenar un modelo general, aunque la mayoría lo incluyen proactivamente.

2. El Reglamento de IA (RIA): menos novedad de la que parece

El RIA se ha quedado un poco en mucho ruido y pocas nueces para la inmensa mayoría de casos de uso. Además, su aplicación es por ahora parcial.

Lo primero que hay que distinguir es la figura que nos afecta: puedes ser proveedor o desplegador. En general todos somos desplegadores porque usamos los modelos de terceros, pero es que incluso si coges un modelo open source y lo entrenas, tampoco serías proveedor, a no ser que el impacto de tu entrenamiento superara al del preentrenamiento que trae de serie. Es decir, a no ser que crees tu propio modelo de IA desde prácticamente cero, el RIA te afecta como desplegador.

Respecto a los casos de uso —qué se puede hacer y qué no—, el foco del RIA está sobre todo en la vulneración de derechos de los Ciudadanos. Si utilizas IA en RRHH para que decida por ti el candidato idóneo, tienes un problema y muchas obligaciones, porque se considera un sistema de “alto riesgo” y debes poder asegurar que la IA está libre de sesgos y que no ha tomado la decisión condicionada por clase social, etnia, religión, género, etc.

Mismo ejemplo para cualquier área en donde la IA tome la decisión final sobre algo que genera un impacto en la vida de una persona: lo que quiere el RIA es que en esos casos haya una supervisión humana. Otros casos de alto riesgo son sistemas que deciden sobre personas con efectos jurídicos (enfoque más desde la administración que desde el sector privado), biometría o infraestructuras críticas.

Pero, en cualquier caso, el Digital Omnibus (aprobado por el Consejo el 29 de junio de 2026) aplazó las obligaciones de alto riesgo de agosto de 2026 a diciembre de 2027. O sea que hoy el alto riesgo (RRHH incluido) todavía no es exigible.

Casos como interpretar documentos, completar plantillas o usar la IA como asistente son el menor de los riesgos, y lo que aplica es poder demostrar trazabilidad de cada petición realizada, y que cuando la IA esté de cara al público o de cara a tu equipo siempre debe quedar claro que es una inteligencia artificial. Esta última parte es la que está relacionada con la novedad de la marca de agua en textos generados por Claude y que abre varios debates que dejamos para otro post.

Bien, entonces, lo dicho: para el 99% de nosotros el RIA tampoco es un gran problema.

3. El verdadero lío: el RGPD y los datos que viajan a Estados Unidos

El problema de fondo es este: la mayoría de los grandes modelos se procesan en infraestructura de Estados Unidos, y el RGPD pone condiciones estrictas a que los datos personales de ciudadanos europeos salgan de la UE.

El problema es que la legislación americana permite a su inteligencia acceder a cualquier dato alojado en EEUU. Ningún contrato privado puede neutralizar eso, porque no depende del proveedor. Esto ha hecho que llevemos tres intentos para normalizar la transferencia de datos entre continentes; el último está en vigor desde 2023 y es el Data Privacy Framework, que declara a Estados Unidos “adecuado” y permite, en principio, transferir datos sin salvaguardas adicionales. Pero el Tribunal de Justicia de la UE ya tumbó los dos anteriores en las sentencias Schrems I y II (por el activista Max Schrems, que las impulsó), así que, para fiarse. Por ahora el proceso actual ha superado su primer envite judicial —el Tribunal General desestimó el recurso Latombe en septiembre de 2025—, pero hay un recurso pendiente ante el tribunal superior, el mismo que ya invalidó los marcos previos.

Además, el “adecuado” provisional no es per se a todas las empresas de EEUU: un proveedor puede estar o no adherido al marco y, por tanto, puede ser adecuado o inadecuado, y no es tan fácil averiguar quién lo está y quién no. De hecho, hay que revisarlo proveedor por proveedor, y ni siquiera es sencillo de comprobar.

Por tanto, y sin pretender cerrar ninguno de estos debates —hay despachos especializados discutiéndolos y tribunales pronunciándose—, en nuestra opinión, y es lo que aplicamos en nuestro ecosistema, NO es seguro transferir datos personales a modelos de IA alojados en EEUU.

Y un motivo más para esto, además de cumplir con el RIA y el RGPD: es probable que quieras trabajar para grandes empresas. Puedes defender una interpretación jurídica en la que sí puedes transferir datos a servidores americanos, pero si el compliance de tu cliente potencial no está de acuerdo (y spoiler, no lo está), de poco te sirve. Así que conclusión: evita transferir datos personales a servidores en EEUU.

¿Significa esto en la práctica que no puedo usar los modelos generalistas como GPT, Claude o Gemini? Por suerte, no.

4. La solución más segura

En lugar de enviar los datos directamente al proveedor del modelo, se consumen esos mismos modelos —Claude, GPT y los demás— a través de las plataformas cloud de Microsoft, Amazon o Google, desplegados en sus regiones europeas. Además, estos proveedores cloud sí están adheridos al DPF. Es el mismo modelo de siempre, pero procesado dentro de la UE, con el contrato de tratamiento del proveedor cloud y con la posibilidad de fijar que el dato no salga de territorio europeo. Eso sí, suelen ser un poco más caros, las interfaces no son las más intuitivas del mundo y los modelos solo pueden consumirse vía API, pero es el camino a seguir si quieres consumir los grandes modelos de mercado.

Las tres grandes plataformas ofrecen esta vía, pero —y este es el matiz que casi nadie tiene claro— que una plataforma ofrezca un modelo no significa que lo ofrezca procesado en Europa. La misma marca de modelo puede tener residencia europea en una plataforma y no en otra. Conviene mirarlo caso por caso:

AWS Bedrock

Es hoy la vía más sólida para Claude con residencia europea: lo ofrece en las regiones europeas de AWS (Fráncfort, Irlanda, París, Estocolmo…) y —esto es lo importante— las garantías de residencia de Anthropic cubren expresamente Bedrock, con los datos fijados a la región que elijas. También ofrece Llama, Mistral, DeepSeek, los modelos de Amazon y, desde 2026, modelos de OpenAI. Si tu modelo es Claude y necesitas que el dato no salga de la UE, esta es la opción de referencia.

Google Vertex AI

Es la puerta de los Gemini de Google, y ofrece Claude, Llama y Mistral con el mismo respaldo formal de residencia europea que Bedrock. Es la segunda vía confirmada como conforme para Claude en la UE.

Microsoft Foundry (Azure)

Es la casa natural de los modelos GPT de OpenAI, y para GPT con residencia europea es una vía de referencia. Azure también ofrece Claude, pero hoy no con residencia europea: el soporte de zona de datos UE para Claude en Foundry está anunciado pero aún no disponible, y la propia Anthropic advierte de que sus garantías de residencia no aplican a Foundry. Es decir: si tu modelo es GPT, Azure te da residencia UE; si tu modelo es Claude y necesitas que el dato se quede en Europa, hoy tienes que ir por Bedrock o Vertex, no por Azure.

En fin, como veis, todo un mundo, mucha incertidumbre, pero un camino claro: asegurar el tiro y utilizar estos modelos desde un cloud intermedio.

5. La vía que elimina el problema de raíz: un modelo open source propio

Todo lo anterior aplica si quieres seguir usando los grandes modelos de mercado (GPT, Claude, Gemini). Pero hay un camino que hace desaparecer el problema de la transferencia de datos: usar un modelo open source alojado donde tú decidas —tu propia infraestructura o un cloud privado en la UE—. Si el dato no sale de tu entorno, no hay transferencia internacional que valga, ni dependes de que ningún proveedor esté adherido a ningún marco.

Requiere algo más de puesta en marcha y entrenar el modelo con tus datos, pero a cambio el control es total y el modelo pasa a ser un activo tuyo, no un alquiler. Lo comparamos en detalle en open source o modelo de mercado: cómo elegir.