Contratación de IA: redacte la cláusula de salida antes de elegir el modelo
Olvide qué modelo lidera la clasificación de este trimestre. El contrato de IA que un consejo español firma en 2026 puede entregar el control de toda su infraestructura a un solo proveedor hasta 2028, a menos que la cláusula de salida se redacte primero.
Imaginemos una consultora tecnológica española, un compuesto de los casos que vemos en la mesa de redacción. El año pasado puso en marcha un asistente de recuperación documental sobre un modelo cerrado estadounidense, conectado directamente a la API del proveedor. Funciona bien. Entonces llega la renovación. El precio de lista se ha movido, y enterrada en las notas técnicas del proveedor hay una fecha de retirada para el modelo exacto sobre el que se construyó y evaluó el asistente. La decisión deja de ser académica: migrar al modelo nuevo del proveedor y repetir toda la batería de evaluación, reajustar los prompts y recertificar la revisión de seguridad, o abandonar al proveedor por completo y reconstruir la capa de recuperación en otro sitio. Ambas opciones cuestan semanas reales de ingeniería. La empresa no presupuestó ninguna de las dos, porque al firmar nadie puso precio a la salida.
Esa es la decisión de contratación de IA que de verdad compromete a un consejo, y la mayoría se toma al revés. Un comité pregunta qué modelo lidera la clasificación este trimestre, firma un contrato por consumo con el ganador y da el asunto por cerrado. La capacidad parece la pregunta difícil. La pregunta difícil de verdad es qué le permite seguir haciendo en 2028 el contrato que firma en 2026, una vez que el modelo se haya retirado, el precio haya cambiado y sus datos lleven dos años en la infraestructura de otro.
Dos datos prestados, y después los dejamos a un lado. Las familias de modelos abiertos chinas, como Qwen y GLM, van ya a meses de distancia de la frontera estadounidense, no a años, según la lectura del CSIS, una distancia lo bastante corta como para que en clasificación, extracción, redacción y recuperación documental la mayoría de compradores no note la diferencia en el punto de uso. Y las grandes tecnológicas estadounidenses han apostado en la dirección contraria: Moody's contabiliza cerca de 969.000 millones de dólares en compromisos de arrendamiento entre ellas, la mayoría ligados a contratos que todavía no han empezado a correr. Son compromisos de alquiler, una apuesta a que el mundo alquila cómputo por consumo en lugar de poseer infraestructura propia, y ninguna de las dos cifras le dice a un comprador español qué escribir en un contrato. Eso es lo que de verdad merece su atención.
¿Qué debe llevar una cláusula de contratación de IA a dos años?
Cuatro términos se ganan el sitio, y cada uno responde a un fallo que ya se puede señalar con el dedo. El primero, portabilidad: el derecho a exportar sus prompts, sus datos de ajuste fino y sus conjuntos de evaluación en un formato utilizable. Importa porque los modelos cerrados se retiran según el calendario del proveedor. OpenAI mantiene una lista pública de modelos retirados con la fecha de baja de cada uno, y un ajuste fino construido sobre un modelo base muere cuando ese modelo base se apaga. Si sus datos de entrenamiento y sus evaluaciones solo viven dentro del proveedor, una retirada se convierte en una reconstrucción.
Segundo, un plazo de preaviso limitado ante cambios de precio. El precio por consumo se mueve en ambas direcciones en este mercado, y un cambio a mitad de contrato sin límite de preaviso pone su economía unitaria en manos del proveedor. Tercero, una salida definida que devuelva o borre sus datos y los deje en infraestructura bajo su control. Para un comprador español esto no es un eslogan, es una cuestión de RGPD: sus términos de tratamiento de datos deben decir dónde se alojan los prompts y los datos de ajuste fino, y obligar a borrarlos o devolverlos al salir. La guía de transferencias internacionales de la ICO británica recorre el mismo terreno que aplica la AEPD bajo el RGPD, con las mismas exigencias de fondo. Cuarto, un segundo modelo homologado detrás de una capa de abstracción, para que una fecha de retirada se convierta en un cambio de configuración y no en un proyecto. Las empresas que se preparan para esto tratan la elección de modelo como trabajo de preparación previo a construir, y dejar bien resuelta la arquitectura que lo rodea es una cuestión de estrategia técnica, no de compra por catálogo.
¿Por qué se retroalimenta la adopción de pesos abiertos?
Los pesos que cualquiera puede descargar no solo se usan, se construye sobre ellos. Cada ajuste fino, cuantización, adaptador y patrón de integración publicado sobre una familia de modelos abarata la siguiente construcción sobre esa misma familia. Las herramientas se estandarizan a su alrededor. Los ingenieros que va a contratar ya han trabajado con ella, porque era lo que podían ejecutar en su propio portátil mientras aprendían. Una API cerrada no puede entrar en ese círculo, porque sus pesos nunca salen del proveedor, así que la gravedad del ecosistema se forma alrededor de lo que sea descargable. Para un comprador, esa gravedad es lo que hace realista un plan B: el segundo modelo detrás de su capa de abstracción solo sale barato si ya existe un ecosistema vivo que lo sostenga.
¿Suponen un riesgo de seguridad los modelos de IA de código abierto chinos?
Autoalojar un modelo reduce un riesgo y abre otros, y un consejo debería escuchar las dos mitades. Un modelo que se ejecuta dentro de su propio entorno no llama a casa en cada petición como sí hace una API alojada, y eso es un recorte real de exposición. No significa que no envíe nada a ningún sitio, y quien le diga eso le está vendiendo algo. Los pesos son un artefacto de procedencia incierta: no se sabe del todo con qué se entrenaron, los archivos de modelo ya se han usado como vector de malware con checkpoints envenenados subidos a repositorios públicos, y la pila sobre la que los sirve, junto con la telemetría y los paquetes que arrastran sus herramientas de inferencia, es superficie de cadena de suministro en toda regla. Las directrices de desarrollo seguro de IA del NCSC tratan exactamente esto como lo que hay que auditar, y se aplican con independencia de quién haya entrenado los pesos. Mantenga supervisión humana sobre cualquier cosa con consecuencias reales, y audite los sistemas que ejecuta usted mismo igual que haría con cualquier otra cadena de suministro de software.
Nada de esto hace gratis el autoalojamiento. Los pesos se descargan sin coste, pero los tokens siguen consumiendo horas de GPU, y usted carga con la operación, la evaluación y la auditoría de seguridad. La comparación honesta no es gratis frente a consumo, es un coste interno conocido que usted controla frente a un coste por consumo que controla el proveedor. Un consejo que escriba en su contrato de 2026 portabilidad, un tope al preaviso de precio, una salida de datos limpia y un plan B vivo ha comprado lo único que ninguna clasificación de modelos puede darle: la opción de cambiar de opinión en 2028 sin pagar por reconstruirlo todo.
Preguntas frecuentes
¿Cómo reducen de verdad los pesos abiertos el bloqueo de proveedor en IA?
Porque el modelo se ejecuta en su propio hardware y no depende de la API de una sola empresa, puede moverse entre versiones abiertas competidoras sin reescribir su aplicación. Esa portabilidad limita su exposición al precio, al calendario de retiradas y a la hoja de ruta de un único proveedor, que es justo la exposición que una API cerrada por consumo está diseñada para preservar. El truco práctico es mantener un segundo modelo homologado detrás de una capa de abstracción, de forma que cambiar siga siendo un cambio de configuración y no una reconstrucción.
¿Qué debe incluir un consejo español en un contrato de IA a dos años?
Cuatro términos se ganan el sitio: derecho a exportar prompts, datos de ajuste fino y conjuntos de evaluación en formato utilizable; un tope al plazo de preaviso ante cambios de precio; una salida definida que devuelva o borre sus datos y los deje en infraestructura bajo su control; y la obligación de poder ejecutar un modelo de reserva sin renegociar. Juntos ponen precio al bloqueo que está asumiendo, en vez de fingir que es gratis, y la cláusula de salida de datos es donde de verdad muerde el RGPD.
¿Usar un modelo de IA de código abierto chino genera un problema de RGPD en España?
Si lo autoaloja, los datos personales se quedan dentro de su propio entorno, así que la cuestión de la transferencia internacional se reduce drásticamente. No desaparecen sus obligaciones: sigue siendo el responsable del tratamiento, y sus deberes de seguridad y rendición de cuentas bajo el RGPD siguen aplicando en su totalidad. El riesgo técnico se desplaza hacia la procedencia del modelo y la cadena de suministro de la pila sobre la que lo sirve, que es justo lo que cubre la guía de desarrollo seguro de IA del NCSC. Si en cambio llama a una API china alojada, está exportando datos fuera y las normas de transferencia del RGPD se aplican encima, igual que con cualquier otro procesador extracomunitario.
Relacionado
- Tu proveedor de nube también financia sus ingresos de IA: hazle due diligence financiera antes de firmar
- El anuncio no es el contrato: la brecha entre lo anunciado y lo contratado en la infraestructura de la IA
- El número sin diana: los sensores de glucosa convierten los relojes de fitness en máquinas de ansiedad
- Data & Strategy
Escrito por una persona editorial de IA del sistema editorial propietario de Abyshire y revisado por nuestro equipo.