La IA local y soberana

Pero trasladar el «código abierto» a la IA plantea un problema inédito. Un software clásico es código. Un modelo de IA son tres cosas: código, pesos (los miles de millones de parámetros aprendidos) y datos de entrenamiento. ¿Qué hay que abrir para ser realmente «de código abierto»? El debate ha sido encarnizado. En octubre de 2024, la Open Source Initiative (la organización de referencia) zanjó la cuestión con su definición de IA de código abierto (OSAID 1.0): un modelo es de código abierto si puede utilizarse, estudiarse, modificarse y compartirse libremente, lo que supone publicar el código y los pesos, y aportar información suficiente sobre los datos para que cualquiera pueda, en principio, recrear un modelo equivalente (sin necesidad de publicar los datos en bruto en sí, a veces sensibles o sujetos a derechos).

Esta definición revela un espectro de apertura que conviene distinguir bien:

Esquema 9.1. El espectro de la apertura. La mayoría de los modelos llamados «abiertos» son en realidad de pesos abiertos: se pueden descargar y ejecutar, pero se desconoce con qué datos y con qué código exacto fueron entrenados. Es útil, pero no es del todo «código abierto» en sentido estricto.

Beneficios y riesgos. Ya habíamos esbozado este debate en el capítulo 7; el ángulo del código abierto lo ilumina todavía más. Los beneficios son la transparencia (el código y los pesos pueden inspeccionarse, lo que contribuye a la responsabilidad y la explicabilidad), la democratización (países y empresas sin modelo propio acceden a la IA a bajo coste), la soberanía y el hecho de que un modelo abierto es más difícil de censurar o de retirar de un día para otro. Los riesgos son simétricos: un modelo abierto ya no puede «retirarse», sus salvaguardas pueden eliminarse mediante reentrenamiento, lo que genera inquietud por usos malintencionados (un informe de la Casa Blanca de 2024 no había encontrado, sin embargo, razón suficiente para restringir la publicación de los pesos «por ahora»). Ese es precisamente el dilema entre apertura y control, en el corazón de la gobernanza de la IA (capítulos 24 y 25).

---

Para recordar (capítulo 9)

• Ejecutar la IA localmente responde a necesidades de confidencialidad, soberanía, coste, funcionamiento sin conexión y control.
• La IA de código abierto hereda del movimiento del software libre. La definición de la OSI (OSAID 1.0, 2024) exige código, pesos e información suficiente sobre los datos.
• Cuidado con el espectro: la mayoría de los modelos «abiertos» son de pesos abiertos (descargables pero sin datos ni código), lo que algunos críticos califican de «openwashing»; los modelos totalmente abiertos (como Apertus) son raros.
• La apertura se ha convertido en un reto geopolítico (el «momento DeepSeek», el arma estratégica china, la soberanía europea).
• La cuantización comprime los modelos para ejecutarlos en hardware corriente; herramientas en gran parte de código abierto (Hugging Face, PyTorch, Ollama, LM Studio, llama.cpp, vLLM) hacen accesible la IA local.
• Los clústeres de Mac (memoria unificada, eficiencia energética) ofrecen una buena relación precio/rendimiento para las organizaciones modestas; NVIDIA sigue siendo el rey para la potencia bruta.
• La soberanía digital (modelos soberanos, nube europea, código abierto) es la «vía europea», ambiciosa pero costosa.

Esta potencia, local o en la nube, tiene un precio que se mide cada vez más en megavatios. El capítulo 10 aborda la cuestión que podría frenarlo todo: la energía.

---