Ciencia y Tecnología
Entre los datos de mayor riesgo mencionó el DNI, historias clínicas, información financiera, códigos fuente propietarios, credenciales de acceso, contratos en curso y, en el caso del sector público, información clasificada o relacionada con la seguridad nacional.
Cornejo explicó que el riesgo no se limita a una eventual filtración. Algunos modelos públicos pueden conservar conversaciones en registros que las empresas usuarias no controlan ni auditan, por lo que recomendó implementar mecanismos de gobernanza y clasificar previamente la información según su nivel de sensibilidad.
En ese escenario, una alternativa es utilizar plataformas que permitan ejecutar los modelos dentro de la propia infraestructura de la organización. “Existen plataformas pensadas justamente para eso, donde el modelo corre dentro del perímetro de la empresa y los datos nunca salen hacia un tercero”, dijo.
Nube híbrida
La expansión de la IA generativa también está modificando el papel de la nube híbrida. Cornejo indicó que esta dejó de ser solamente una decisión relacionada con costos y se está convirtiendo en una necesidad vinculada con cumplimiento normativo, control de datos y soberanía digital.
El especialista señaló que sectores como banca, salud y gobierno requieren mayor trazabilidad sobre el lugar y la forma en que se procesan sus datos. La nube híbrida permite decidir qué cargas pueden ejecutarse en servicios públicos y cuáles deben permanecer en infraestructura propia, especialmente cuando se trata de información crítica o regulada.
Contar con infraestructura propia también ofrece ventajas como mayor control sobre los datos, costos más previsibles cuando aumenta el uso de los modelos y mayores posibilidades de personalización. Sin embargo, esta opción demanda inversión y capacidades técnicas internas, por lo que Cornejo consideró que el esquema más realista suele combinar nube pública para cargas no sensibles e infraestructura propia para procesos críticos.
Los modelos open source tendrán, además, un papel creciente en la estrategia de inteligencia artificial de las compañías latinoamericanas. En su opinión, estas soluciones pueden reducir la dependencia de un solo proveedor, facilitar la auditoría y disminuir costos frente a determinados modelos propietarios. Otra de sus ventajas es la posibilidad de adaptarlos a información y contextos locales, incluidos el lenguaje, la regulación y los casos de uso propios del Perú.