El AI Act empieza a exigir transparencia a los grandes modelos de IA

El 2 de agosto de 2025, empezaron a aplicarse obligaciones del AI Act a nuevos modelos de propósito general comercializados en la Unión Europea. La fuente original sostiene el núcleo documental del hecho; la obligación concreta depende del papel del proveedor, la fecha y la clasificación del modelo.

Es la primera vez que un mercado de la dimensión de la UE aplica reglas vinculantes de este alcance a los proveedores de IA generativa. La medida afecta a compañías como OpenAI, Google, Anthropic, Meta o Mistral, pero también a cualquier empresa que desarrolle y comercialice un modelo reutilizable por terceros.

Qué modelos entran en las nuevas reglas

El Reglamento de Inteligencia Artificial, conocido como AI Act, llama modelos de IA de propósito general a los que pueden servir para muchas tareas distintas y ser integrados en otros productos. Un modelo de lenguaje capaz de redactar, resumir o programar es el caso más reconocible, aunque la categoría no se limita al texto.

Las directrices de la Comisión Europea establecen una presunción práctica: los modelos entrenados con más de 10^23 FLOP —una medida de capacidad de cálculo— y capaces de generar lenguaje se consideran de propósito general. No es un baremo de calidad ni una cifra de parámetros; intenta identificar los modelos con capacidad suficiente para tener usos amplios aguas abajo. Documento que sostiene la cifra.

La obligación recae sobre quien desarrolla o pone el modelo en el mercado, no sobre cada empresa que utiliza una herramienta de IA. Una compañía que integra una API de un proveedor en su servicio tendrá otras responsabilidades bajo el AI Act según el caso, pero no tendrá que revelar cómo fue entrenado el modelo ajeno.

Documentación, datos de entrenamiento y copyright

Los proveedores deberán entregar documentación técnica a las empresas que incorporen sus modelos en aplicaciones. El objetivo es que estas conozcan las capacidades, límites y condiciones de uso del sistema que están integrando.

También deberán elaborar y mantener una política de cumplimiento de la legislación europea de derechos de autor. Esto incluye respetar las reservas de derechos que autores, editoriales y otros titulares pueden ejercer frente a la minería de textos y datos, el mecanismo legal que ha quedado en el centro del debate sobre el entrenamiento de modelos generativos.

La tercera obligación visible será publicar un resumen suficientemente detallado del contenido empleado para entrenar el modelo. La Comisión ha difundido una plantilla común para ello. No exige divulgar cada archivo, enlace o conjunto de datos, ni revelar secretos comerciales, pero sí describir las grandes categorías de fuentes y contenidos utilizados. Para investigadores, creadores y titulares de derechos, esa información puede hacer más auditable un proceso que hasta ahora solía permanecer opaco.

Más exigencias para los modelos con riesgo sistémico

El AI Act reserva un régimen reforzado para los modelos más potentes, aquellos que pueden plantear riesgos sistémicos. La norma presume esa condición a partir de 10^25 FLOP de cálculo de entrenamiento, aunque la Comisión puede designar modelos por sus capacidades o impacto. Documento que sostiene la cifra.

Sus proveedores deben notificar el modelo a la Comisión, evaluar y mitigar riesgos sistémicos, realizar pruebas adversariales —intentos deliberados de encontrar fallos y usos peligrosos— y reforzar la ciberseguridad. Estas obligaciones buscan reducir riesgos como la facilitación de ciberataques, la creación de contenido dañino a gran escala o la pérdida de control sobre capacidades especialmente avanzadas.

La Comisión y los Estados miembros han reconocido además el Código de Buenas Prácticas para modelos de propósito general como una vía voluntaria para demostrar cumplimiento. El código, elaborado por expertos independientes, concreta medidas sobre transparencia, copyright y seguridad. Adherirse no elimina las obligaciones legales, pero ofrece a las empresas un marco común y mayor seguridad jurídica.

Dos calendarios para los proveedores

Las reglas se aplican desde hoy a los modelos que lleguen ahora al mercado europeo. Los modelos de propósito general ya comercializados antes del 2 de agosto de 2025 disponen de un periodo transitorio: deberán ajustarse antes del 2 de agosto de 2027.

La fecha marca un cambio relevante en la competencia global de la IA. La Unión Europea no decide cómo se entrenan todos los modelos del mundo, pero su mercado es demasiado importante para que los grandes proveedores lo ignoren. Como ocurrió con la protección de datos tras el RGPD, las exigencias europeas pueden acabar influyendo en la documentación y las políticas que las empresas adopten también fuera de Europa.

La eficacia del sistema dependerá ahora de dos cuestiones menos vistosas: que la Oficina Europea de IA pueda supervisar modelos complejos y que los resúmenes de entrenamiento aporten información útil, no fórmulas vagas. La transparencia deja de ser una promesa voluntaria de los laboratorios y pasa a formar parte de las condiciones para vender IA generativa en la UE.

Cómo convertir el titular en una comprobación

Una política se lee empezando por su autoridad. Hay que separar ley, reglamento, guía, plan, contrato y ajuste privado de una plataforma. Después se identifica quién queda obligado, desde qué fecha y ante qué organismo. la obligación concreta depende del papel del proveedor, la fecha y la clasificación del modelo. Sin esa clasificación, una prioridad política puede presentarse erróneamente como un derecho o una prohibición ya exigible.

El texto también necesita una línea de implementación: norma publicada, especificación técnica, presupuesto, responsable y evidencia de cumplimiento. Que una obligación exista no demuestra que todas las herramientas puedan ejecutarla ni que el control detecte cada incumplimiento. Para valorar cómo identificar sujeto, calendario, documento exigido y excepción antes de afirmar cumplimiento, se buscan los puntos donde la cadena puede romperse.

Las excepciones y transiciones forman parte de la regla. Productos antiguos, actores pequeños, investigación, seguridad o fechas de comercialización pueden recibir un tratamiento distinto. La comprobación práctica guarda el artículo o apartado aplicable y explica por qué el caso entra allí. Una lista de obligaciones sin sujeto ni calendario induce a actuar mal.

Qué debe quedar registrado

El indicador final es conducta observable: documento publicado, opción activada, informe entregado, contrato adjudicado o sanción recurrible. Los anuncios intermedios se registran con su fecha, pero no se adelanta su efecto. Así el lector puede seguir el cambio sin confundir intención, capacidad técnica y cumplimiento efectivo.

Una ficha de evidencia separa cuatro columnas: lo que afirma la fuente, lo que muestra, lo que no midió y qué tendría que ocurrir para cambiar la conclusión. Esa disciplina evita que una ausencia se convierta en promesa y que una condición desaparezca al resumir. También permite actualizar la pieza sin reescribir la historia desde el resultado posterior.

Conviene incluir un caso negativo antes de decidir. Se busca una situación donde el sistema, norma, operación o estudio no resuelva la necesidad y se anota la señal que obligaría a parar. Los éxitos seleccionados muestran que algo puede ocurrir; el caso negativo revela el límite y reduce el coste de descubrirlo después del despliegue.

La capacidad que sobrevive al anuncio

La comparación válida conserva denominador y eje. No enfrenta una cifra puntual con un promedio, una capacidad futura con una instalada ni una predicción con una observación. Cuando dos fuentes usan palabras parecidas, se reconstruye qué contaron y durante qué periodo. Si no coinciden, se publican como medidas distintas en vez de fabricar una clasificación.

El registro debe sobrevivir al cambio de versión. Guarda URL, fecha de consulta, documento, configuración y decisión tomada. Al aparecer nueva evidencia, se añade con su fecha y se explica qué modifica. Esa trazabilidad protege contra dos errores opuestos: mantener una conclusión caducada o fingir que un dato posterior ya se conocía el día del hecho.

La capacidad transferible de esta pieza es cómo identificar sujeto, calendario, documento exigido y excepción antes de afirmar cumplimiento. El procedimiento es breve: nombrar el documento, conservar la fecha, fijar el eje, buscar la condición y diseñar una comprobación que pueda fallar. Con esos pasos, el lector no necesita aceptar ni rechazar el anuncio por intuición; puede decidir con una cadena visible de evidencia.