El año 2024 ha redistribuido las cartas en varios frentes tecnológicos simultáneamente. Entre la entrada en aplicación progresiva del Reglamento europeo sobre la IA, la maduración de las arquitecturas de nube soberanas y la aceleración de los modelos de IA de uso general, las empresas enfrentan decisiones técnicas que comprometen tanto su conformidad como su competitividad.
AI Act europeo: las obligaciones que cambian el despliegue de la IA en la empresa
El Reglamento (UE) 2024/1689 sobre la IA entró en vigor el 1 de agosto de 2024. Sus efectos no son teóricos. El calendario de aplicación escalonado entre 2025 y 2030 obliga a los equipos técnicos a revisar sus pipelines de desarrollo desde ahora.
Desde el 2 de febrero de 2025, las prácticas de IA clasificadas como “de riesgo inaceptable” están legalmente prohibidas en la UE: manipulación conductual, scoring social, ciertas formas de reconocimiento biométrico en tiempo real. Desde el 2 de agosto de 2025, las obligaciones para los modelos de IA de uso general (GPAI) son efectivas. Documentación técnica, gestión de riesgos, requisitos de robustez: los proveedores de grandes modelos como ChatGPT, Claude o Gemini deben cumplir con ello.
A partir del 2 de agosto de 2026, la mayoría de las obligaciones de transparencia previstas por el artículo 50 del AI Act se aplicarán. La marcación legible por máquina de los contenidos generados o modificados por IA se volverá obligatoria. La AI Office europeo dispondrá entonces de poderes de control reforzados.
Observamos que la mayoría de los artículos sobre las tendencias 2024 tratan la IA generativa desde el ángulo de los casos de uso, omitiendo esta capa regulatoria. Es un error estratégico. Una empresa que despliega un modelo GPAI sin anticipar la clasificación de riesgo se expone a sanciones graduales y, sobre todo, a costos de cumplimiento retroactivo muy superiores a los de una integración nativa de los requisitos.
Como detalla el blog de nuevas tecnologías Les News, estas evoluciones regulatorias rediseñan la forma en que los equipos de I+D estructuran sus proyectos de inteligencia artificial, mucho más allá de la simple elección de un modelo.
Nube soberana y edge computing: convergencia de las arquitecturas de datos
La cuestión de la nube ya no es “¿deberíamos migrar?” sino “¿dónde colocar la frontera entre el procesamiento centralizado y el procesamiento en el borde?”. El edge computing no es una alternativa a la nube. Ambas arquitecturas convergen hacia un modelo híbrido guiado por la latencia y la conformidad de los datos.
Las restricciones del RGPD, combinadas con los requisitos sectoriales (salud, finanzas, defensa), empujan a las empresas europeas hacia soluciones de nube calificadas. La necesidad de soberanía digital ya no es solo un discurso político: ahora condiciona las licitaciones públicas y las elecciones de infraestructura de los grandes grupos.
Los criterios que orientan la elección de arquitectura
- La latencia aceptable para la aplicación objetivo: los casos de uso industriales (mantenimiento predictivo, control de calidad en línea de producción) imponen un procesamiento local en unos pocos milisegundos, incompatible con un ida y vuelta a la nube
- La localización regulatoria de los datos personales o sensibles, que determina el uso de una nube soberana o de un alojamiento on-premise
- El costo de ancho de banda para flujos de video o IoT masivos, que hace que el edge computing sea económicamente relevante más allá de un cierto volumen
Recomendamos abordar estas decisiones con una matriz técnica en lugar de con etiquetas de marketing. Una “nube soberana” cuyo plan de control siga operado desde un hyperscaler estadounidense no ofrece las mismas garantías que una infraestructura completamente operada en jurisdicción europea.
IA generativa aplicada: más allá de la generación de texto
La madurez de los modelos generativos en 2024 se mide menos por la calidad del texto producido que por su capacidad de integración en flujos de trabajo existentes. La generación de código, la síntesis de documentos legales, la creación de modelos 3D y la producción de datos sintéticos para el entrenamiento de otros modelos constituyen los casos de uso que generan un retorno de inversión medible.
El principal obstáculo sigue siendo la fiabilidad de las salidas, no el rendimiento bruto. Las empresas que despliegan estas herramientas en producción invierten masivamente en capas de verificación humana, de RAG (Retrieval-Augmented Generation) y de monitoreo de alucinaciones. Sin estas salvaguardias, el riesgo jurídico y reputacional supera con creces la ganancia de productividad.
Modelos GPAI y dependencia del proveedor
El AI Act introduce una distinción entre modelos GPAI estándar y modelos que presentan un “riesgo sistémico”. Esta clasificación tendrá un impacto directo en la elección de proveedores. Las empresas que construyen su stack de aplicaciones sobre un solo modelo propietario se exponen a un bloqueo técnico y regulatorio simultáneo.
La tendencia observable entre los actores más avanzados es mantener una capa de abstracción entre la aplicación empresarial y el modelo subyacente. Esto permite cambiar de un proveedor a otro sin reescribir la lógica de la aplicación, un enfoque que consideramos un estándar de arquitectura para cualquier nuevo proyecto.
Ciberseguridad e informática cuántica: la amenaza post-cuántica se prepara ahora
La criptografía post-cuántica ya no es un tema de investigación académica reservado a laboratorios. El NIST ha finalizado en 2024 sus primeros estándares de algoritmos resistentes a ataques cuánticos. Las empresas que manejan datos de larga duración (datos de salud, secretos industriales, datos financieros archivados) deben anticipar la amenaza conocida como “harvest now, decrypt later”.
El principio es simple: actores maliciosos interceptan hoy comunicaciones cifradas, las almacenan y esperarán a tener una computadora cuántica lo suficientemente potente para descifrarlas. El plazo de transición hacia algoritmos post-cuánticos se cuenta en años, no en meses. Las migraciones criptográficas afectan a los certificados, los protocolos de comunicación, los sistemas de almacenamiento y las cadenas de firma.
- Inventariar todos los algoritmos criptográficos utilizados en la infraestructura (TLS, firmas, cifrado en reposo)
- Identificar los datos cuya duración de confidencialidad supera los diez años
- Probar los algoritmos post-cuánticos estandarizados por el NIST en entornos de pre-producción antes de cualquier migración a producción
- Prever un presupuesto de transición que incluya la actualización de los HSM (Módulos de Seguridad de Hardware) y de las PKI internas
Las tendencias tecnológicas 2024 no se resumen en gadgets o promesas de marketing. El AI Act redefine el marco jurídico de la IA en Europa, las arquitecturas de nube evolucionan bajo la presión conjunta del rendimiento y la soberanía, y la amenaza cuántica impone trabajos criptográficos desde hoy. Estos son temas de ingeniería, no de vigilancia pasiva.
