Por Redacción Pangea IA · 15 de septiembre de 2026
La confianza en una herramienta de inteligencia artificial también depende de qué sucede después de enviarle un documento. Una respuesta excelente pierde valor para un negocio si no puede determinar quién conserva su información, durante cuánto tiempo y con qué finalidad.
Qué se ha publicado sobre NVIDIA y Palantir
Según Reuters, que recoge una investigación de The Information del 14 de septiembre, Palantir reclama a Anthropic garantías irrevocables de retención cero; NVIDIA limita su uso a tareas menos sensibles y recurre a Nemotron para trabajo interno. Booz Allen habría vetado el modelo comercial de Anthropic para trabajos propios de ciberseguridad. Reuters no había obtenido respuesta de las compañías citadas al publicar.
La información describe decisiones y negociaciones empresariales, no acredita una apropiación de secretos. El mismo despacho recoge que ambos laboratorios afirman no entrenar con datos empresariales por defecto salvo consentimiento. Conviene mantener esa distinción al interpretar la noticia.
Conservar datos y entrenar una IA son cosas distintas
Un proveedor puede procesar un texto para generar la respuesta, conservar una copia para determinados fines o utilizar contenido para mejorar un modelo. Son operaciones diferentes. Preguntar únicamente si una conversación sirve para entrenar deja sin resolver otras cuestiones sobre acceso, conservación y borrado.
| Concepto | Qué hay que aclarar |
|---|---|
| Procesamiento | Qué servicio recibe el documento para responder y qué otros servicios intervienen. |
| Retención | Si quedan copias de las entradas y respuestas, durante cuánto tiempo y con qué excepciones. |
| Entrenamiento | Si se permite utilizar el contenido para ajustar o mejorar modelos y bajo qué consentimiento. |
| Acceso | Quién puede consultar los datos y qué registros permiten revisar ese acceso. |
Tampoco basta con que una aplicación lleve la etiqueta «empresarial». La evaluación debe referirse al producto contratado, al modelo utilizado y a la configuración efectiva. Cambiar uno de esos elementos merece una nueva revisión, especialmente cuando los documentos contienen información que la organización no quiere compartir fuera.
Qué explica Anthropic en su documentación
La política oficial para los modelos designados como Covered Models describe una conservación de entradas y respuestas durante 30 días para tareas de seguridad. Delimita el cambio a determinadas organizaciones con retención cero y contempla excepciones para organizaciones notificadas como elegibles para usar Fable con esas condiciones. No es una nueva regla general para todas las cuentas de Claude.
Anthropic explica que detectar ciertos patrones de abuso exige analizar varias solicitudes conjuntamente. Describe acceso humano restringido a revisores autorizados, registro de los accesos y borrado automático, con excepciones por señales de abuso u obligaciones legales. La página también diferencia el tratamiento según la plataforma de acceso.
Estas condiciones hacen necesario comprobar la documentación y los términos aplicables a cada despliegue. La política publicada ayuda a entender el contexto; no permite conocer los acuerdos privados de las empresas mencionadas en la noticia.
Un ejemplo útil para una empresa pequeña
Imaginemos una distribuidora que quiere resumir un informe comercial. El documento reúne ventas por producto, nombres de clientes, descuentos negociados y márgenes. Si la tarea consiste en mejorar la redacción, quizá baste con un fragmento sin esos detalles. Si consiste en estudiar la rentabilidad de cada cuenta, retirar toda esa información impediría resolverla.
La decisión empieza, por tanto, por definir el trabajo. En el primer caso propondríamos preparar una copia con datos ficticios y comprobar si el resultado es útil. En el segundo, la empresa necesitaría un entorno aprobado para ese material y unas condiciones de tratamiento que pueda aceptar. El ejemplo es una propuesta editorial, no un caso observado ni una garantía de protección.
También conviene asignar un responsable para revisar la salida antes de compartirla. Una respuesta puede contener datos del documento original aunque la pregunta no los solicite expresamente. El destino del resultado merece tanta atención como el envío inicial.
Estas decisiones pueden recogerse en una política interna de uso de IA: herramientas autorizadas, clases de documentos admitidos y personas a las que consultar cuando el caso no esté previsto.
Qué aporta ejecutar una IA en local
La documentación de Ollama indica que, cuando se ejecutan modelos localmente, el servicio no ve las consultas ni los datos. También permite desactivar sus funciones de nube. Esto hace posible plantear tareas en las que el cálculo se realiza en el ordenador de la organización.
Pero la revisión debe abarcar el flujo completo: una búsqueda web, una conexión externa o un servicio añadido pueden cambiar dónde se procesa la información. Tener un modelo descargado no basta para asegurar que todas las funciones de una aplicación trabajen sin enviar datos fuera.
En nuestra comparativa de Qwen, Gemma y Nemotron para usar IA en local explicamos opciones y requisitos. Son versiones concretas para experimentar; enlazarlas aquí no significa que reproduzcan el despliegue interno de NVIDIA ni que igualen cualquier modelo comercial.
Antes de ampliar el uso, propondríamos probar con documentos de ejemplo y valorar calidad, tiempo de revisión y mantenimiento. Ejecutar el modelo en un equipo propio también exige gestionar el acceso a ese equipo y a los archivos que genera. La privacidad del flujo y la precisión de las respuestas deben evaluarse por separado.
La pregunta que merece llegar a la próxima reunión
¿Podemos explicar qué pasa con cada documento desde que entra en la herramienta hasta que se elimina? Si la respuesta es incompleta, hay una cuestión pendiente con el proveedor o con la configuración interna. Resolverla permite escoger qué tareas delegar y qué información necesita realmente cada una.
Para una pyme, un primer paso razonable sería revisar una tarea que ya realice con IA: identificar el material enviado, comprobar las condiciones de esa cuenta y acordar cómo se revisa el resultado. Ese trabajo concreto aporta más control que confiar únicamente en el nombre del modelo.
Lecturas relacionadas
- NVIDIA y Palantir aplican IA a la gestión de suministros
- Sony Bank: un caso de desarrollo de software con IA
- ChatGPT frente a Claude: errores y trabajo real
Fuentes y alcance
Información consultada el 15 de septiembre de 2026. Reuters, distribuido por Investing.com sustenta la información empresarial y atribuye su origen a The Information. La documentación de Anthropic y las preguntas frecuentes de Ollama aportan el contexto técnico. Las propuestas para pequeñas empresas son análisis de Pangea IA, no resultados de una auditoría de estos servicios.
Imagen editorial generada con IA para Pangea IA. Representa de forma simbólica la protección de documentos y no muestra sistemas reales de las compañías.
Deja una respuesta