IA privada en la empresa: los cuatro niveles de control

Una IA privada en la empresa no es un producto que se compra: es un grado de control sobre lo que ocurre con sus datos. Detrás de las expresiones «IA privada», «IA soberana» o «IA cerrada», solo cuenta una pregunta: cuando un empleado o una automatización consulta un modelo, ¿adónde van los datos y quién puede acceder a ellos? Esta comparativa de nuestra sección IA en la empresa, privada y a su justo coste distingue cuatro niveles y después ofrece una plantilla para elegir.

En resumen

• Los modelos de ChatGPT y de Claude no se instalan en su casa: o se encuadran por contrato, o se hace funcionar un modelo abierto en una máquina que se controla.
• Un contrato regula lo que el proveedor hace con sus datos, no las leyes que se le aplican.
• Un RAG envía extractos de sus documentos allí donde funciona el modelo: se sitúa en el nivel de los documentos que lee.
• Una plantilla que clasifica los datos (públicos, internos, personales) dice adónde enviar cada uso.

Adónde van sus datos, nivel por nivel

Distinguimos cuatro niveles:

La CNIL, la autoridad francesa de protección de datos, plantea la cuestión en sus preguntas y respuestas sobre la IA generativa (citas traducidas del francés). Con una API, «el control del sistema está entonces casi exclusivamente en manos del proveedor»; una instalación en las propias instalaciones permite, en cambio, «limitar los riesgos de extracción de datos por parte de un tercero», a cambio de una explotación que hay que asumir. Ningún nivel es el bueno para todo, y una misma empresa puede usar varios.

Nivel 1: la API tal cual

Es el punto de partida de la mayoría de los proyectos: una clave de API, un modelo del mercado, las condiciones generales del proveedor. Los grandes proveedores asumen compromisos en su oferta profesional: en Anthropic, la página sobre la conservación de datos establece que los datos conservados nunca sirven para entrenar los modelos sin autorización expresa del cliente.

Este nivel no garantiza el lugar del tratamiento. En la API directa de Anthropic, en octubre de 2026, la geografía de inferencia se elige entre «global» (cualquier región) y «us» (Estados Unidos), sin opción europea, y los datos conservados se almacenan en Estados Unidos, única zona de almacenamiento propuesta. Para contenidos públicos (fichas de producto, artículos, páginas ya publicadas), este nivel suele bastar, y es el más barato. Para datos personales, hace falta como mínimo el nivel siguiente.

Y este nivel no tiene nada que ver con una suscripción para el gran público abierta por un empleado con su dirección personal. Para esos servicios, la CNIL recomienda «no compartir nunca información confidencial como datos personales o datos de la empresa».

Nivel 2: la API encuadrada por contrato

Mismo modelo, mismas prestaciones, tres cerrojos más:

• Un contrato de encargo de tratamiento. En cuanto sus solicitudes contienen datos personales, el proveedor los trata por cuenta de usted, y el artículo 28 del RGPD impone un contrato que fija lo que tiene derecho a hacer con ellos.
• La no conservación. En Anthropic, el acuerdo de «retención cero» se solicita al equipo comercial, y tiene excepciones.
• Una región de tratamiento. A través de una gran nube (Amazon Bedrock, Google Cloud), se elige un punto de acceso regional, que garantiza que los datos circulan por una zona geográfica concreta; la tabla de precios de Anthropic indica que cuesta un 10 % más que un punto de acceso global. Es entonces el proveedor de nube quien pasa a ser el encargado del tratamiento, y queda por comprobar que el modelo deseado se ofrece en la región elegida.

El límite de este nivel cabe en una frase: un contrato regula lo que el proveedor hace con sus datos, no lo sustrae a las leyes de su país. Cuando la infraestructura está fuera de la Unión o «la opera un proveedor no europeo», la CNIL pide además encuadrar el tratamiento de los datos por parte de su destinatario. Detallamos estas obligaciones en nuestra guía IA, RGPD y AI Act: lo que debe hacer una pyme.

Nivel 3: un modelo abierto en una nube privada en Europa

Aquí ya no se alquila un servicio, se alquila una máquina. Algunos proveedores publican los «pesos» de sus modelos, es decir, el propio modelo: la francesa Mistral AI publica así varios de los suyos, de Ministral 3 a Mistral Large 3, con licencia Apache 2.0. Se instalan en un servidor con tarjeta gráfica alquilado a un proveedor de alojamiento europeo, y las solicitudes ya no salen de esa infraestructura. Cambian tres cosas:

• La factura se paga por máquina, trabaje o no: resulta interesante con un volumen regular, mucho menos para unas pocas solicitudes al día.
• La calidad depende del modelo que hace funcionar la máquina. Un modelo abierto de tamaño razonable puede bastar para clasificar, extraer o resumir; se juzga con sus propios ejemplos antes de confiarle una tarea.
• La explotación le corresponde a usted: actualizaciones, supervisión, copias de seguridad. Es el verdadero coste de este nivel, y no figura en ninguna tabla de precios.

Nivel 4: en las propias instalaciones

El modelo funciona en una máquina instalada en sus instalaciones. Cuando se confían al sistema datos de clientes o de colaboradores, o documentación sensible o estratégica (por ejemplo para un RAG), la CNIL escribe que «parece en general más oportuno y más seguro» dar prioridad a este despliegue en las propias instalaciones, aunque señala que el coste de su instalación y de su explotación hace a menudo «más fácil» recurrir a un alojamiento remoto.

¿Y el RAG en todo esto?

El RAG (generación aumentada por recuperación) da al modelo, en cada pregunta, los extractos de sus documentos que la responden. Consecuencia directa: los extractos de sus documentos van allí donde funciona el modelo. Un RAG sobre sus contratos conectado a una API de nivel 1 envía fragmentos de contratos al proveedor en cada pregunta. Hay que comprobar dos puntos además del modelo:

• la base vectorial, que almacena sus documentos troceados e indexados, debe estar en el mismo nivel de control que el modelo;
• el cálculo de los «embeddings», esas huellas numéricas que sirven para encontrar los pasajes adecuados, pasa a menudo por otra API: es un segundo flujo de datos que hay que encuadrar.

La CNIL precisa que la empresa que «decide conectar el sistema a su propia base de conocimiento (RAG)» es responsable de ese tratamiento en cuanto la base contiene datos personales. Detallamos el resto en nuestro artículo sobre el RAG aplicado a los documentos de una empresa.

Cómo elegir el nivel adecuado, tarea por tarea

La CNIL recomienda «partir de necesidades concretas para elegir el sistema más adecuado y tener en cuenta los riesgos que se corren». Partimos, por tanto, de una plantilla que clasifica los datos, no las herramientas:

Esta plantilla es la nuestra, no una norma. El compromiso de un proveedor se comprueba en el momento de elegir, la plantilla se discute con su delegado de protección de datos, y cambia si sus contratos con clientes imponen un alojamiento concreto.

Una misma aplicación puede mezclar los niveles: un enrutador envía cada solicitud al nivel que conviene a sus datos, un modelo del mercado para lo público, un modelo local para lo que afecta a personas. La regla debe entonces estar escrita, probada y registrada, porque un dato sensible enviado por error al nivel 1 es un incidente que hay que tratar como tal.

Lo que estos niveles no resuelven

Ningún nivel hace fiable a un modelo: un modelo instalado en su casa se equivoca tanto como otro, y sus respuestas se verifican del mismo modo. Ninguno sustituye a las reglas de uso, que la CNIL recomienda fijar «mediante políticas o cartas internas que definan claramente los usos autorizados y los usos prohibidos». La elección del nivel no es más que una de las cinco decisiones de nuestra guía integrar la IA en la empresa, junto con la tarea, el modelo, el coste y esas reglas. Y un servidor propio sin actualizaciones ni copias de seguridad protege menos que un nivel 2 bien llevado.

Por dónde empezar

El punto de partida cabe en tres etapas:

1. 01Enumerar.

   Anote sus usos actuales, los datos que envía cada uno y el nivel en el que funciona hoy.

2. 02Comparar.

   Contraste sus usos con la plantilla: la diferencia salta a la vista.

3. 03Cuantificar.

   Antes de trasladar un uso, calcule lo que costaría el nivel previsto: los tokens por uso de un lado, la máquina y su explotación del otro.

Para obtener la plantilla de sensibilidad de sus propios datos y saber qué usos pueden quedarse donde están, consulte nuestra oferta IA a su justo coste.

Preguntas frecuentes

Fuentes

1. Sus preguntas y respuestas sobre la IA generativa (nueva pestaña)cnil.fr
2. La página sobre la conservación de datos (nueva pestaña)platform.claude.com
3. La geografía de inferencia (nueva pestaña)platform.claude.com
4. El artículo 28 del RGPD (nueva pestaña)cnil.fr
5. La tabla de precios de Anthropic (nueva pestaña)platform.claude.com
6. Con licencia Apache 2.0 (nueva pestaña)docs.mistral.ai
7. La Cloud Act (nueva pestaña)law.cornell.edu