Tu IA, en tu infraestructura
IA soberana significa que una empresa decide dónde corre su inteligencia artificial, quién ve sus datos y de quién depende para seguir operando. En la práctica, suele traducirse en usar modelos de pesos abiertos instalados en servidores propios o en una nube que la empresa controla, en lugar de enviar cada consulta al servicio de un proveedor externo.
Hace dos años esto era casi exclusivo de grandes tecnológicas y gobiernos. Hoy existen modelos abiertos de buena calidad, de familias como Llama, Qwen, Mistral, Gemma o DeepSeek, que una empresa mediana puede ejecutar en su propio hardware. La pregunta dejó de ser “¿se puede?” para convertirse en “¿para qué casos conviene?”.
Beneficios
Los datos no salen de la empresa. Contratos, historias clínicas, datos de clientes o código propietario se procesan sin viajar a servidores de terceros. Para muchas áreas legales y de seguridad, esa sola condición es la diferencia entre poder usar IA o no.
Cumplimiento más simple. En Perú, la Ley 29733 de Protección de Datos Personales impone condiciones al envío de datos personales fuera del país. Con un modelo local, el flujo transfronterizo simplemente no existe, y la conversación con el área legal y con los clientes se vuelve más corta.
Costos previsibles. Un servicio de IA externo cobra por uso: si el volumen crece, la factura crece. Un modelo local tiene un costo mayor al inicio (hardware, instalación) y uno más estable después. Para cargas altas y constantes, como clasificar miles de documentos al día, la cuenta suele favorecer al modelo propio.
Independencia del proveedor. Si un proveedor cambia precios, condiciones o deja de ofrecer un modelo, una empresa que depende de él tiene un problema. Con modelos abiertos, la versión que funciona hoy sigue funcionando mañana, y se puede cambiar de modelo sin cambiar de contrato.
Adaptación al negocio. Un modelo abierto se puede ajustar con el vocabulario, los formatos y los documentos de la empresa. No es obligatorio para empezar, pero es una opción que los servicios cerrados limitan.
Casos de uso
Los mejores candidatos combinan datos sensibles con tareas repetitivas y de alcance acotado, donde un modelo mediano rinde bien.
| Sector | Caso de uso | Por qué conviene local |
|---|---|---|
| Banca y seguros | Extraer datos de contratos, pólizas y solicitudes de crédito | Información financiera y personal que no debe salir de la entidad |
| Salud | Resumir historias clínicas y clasificar resultados de laboratorio | Datos de salud, la categoría más sensible de información personal |
| Recursos humanos y reclutamiento | Ordenar CV, comparar perfiles con vacantes y redactar comunicaciones a candidatos | CV y evaluaciones contienen datos personales de miles de postulantes |
| Legal | Buscar cláusulas, comparar versiones de contratos y preparar borradores | Secreto profesional y confidencialidad con el cliente |
| Desarrollo de software | Asistente de código y revisión sobre repositorios propios | El código fuente es propiedad intelectual de la empresa o de su cliente |
| Atención interna | Buscador que responde preguntas sobre manuales, políticas y procedimientos | Documentación interna que no está pensada para salir de la empresa |
| Industria y operaciones | Análisis de reportes de planta en sitios con conexión limitada | El modelo funciona aunque no haya internet estable |
Un patrón se repite en casi todos: el valor no está en que el modelo sea el más potente del mercado, sino en que pueda trabajar con información a la que un servicio externo nunca debería tener acceso.
Un caso en la región: Claro Empresas
Uno de los movimientos más claros en América Latina viene de una operadora de telecomunicaciones. En febrero de 2026, Claro Brasil, filial de América Móvil, se incorporó al programa NVIDIA Cloud Partner, con infraestructura operada junto a Oracle, y afirmó ser la primera empresa latinoamericana certificada en esa categoría (DPL News).
El plan tiene dos etapas. Primero, usar la IA puertas adentro: optimización de red, automatización de procesos, atención al cliente y seguridad digital. Después, ofrecerla al mercado corporativo a través de Claro Empresas, su unidad para empresas, con capacidad de GPU como servicio, entornos dedicados para entrenar y ejecutar modelos, y soluciones para industria, finanzas, salud, agro, educación y gobierno. La compañía también evalúa adaptar modelos grandes y pequeños al portugués de Brasil, y lo presenta explícitamente como IA soberana: procesamiento local y apego a la legislación brasileña de datos.
En agosto de 2026 dio otro paso: Claro Empresas, la antigua Embratel, lanzó Claro Cloud sobre la plataforma Oracle Alloy, operada en un centro de datos de Claro y con más de 200 servicios de IA disponibles para sus clientes. Su director ejecutivo de soluciones digitales, Mário Rachid, justificó la decisión por el control operativo y los requisitos regulatorios y de soberanía de datos (Baguete).
El caso deja dos lecciones para empresas de la región:
- La IA soberana no exige comprar servidores propios. Puede contratarse a un proveedor local que garantice que los datos se procesan en el país. Para una empresa mediana, ese camino suele ser más realista que montar su propio centro de datos.
- La soberanía tiene grados. En el caso de Claro, los datos se quedan en Brasil, pero la tecnología de base es de NVIDIA y Oracle. Antes de contratar, conviene preguntar qué parte de la cadena controla realmente el proveedor: dónde están los datos, quién opera la infraestructura y qué pasa si cambia la relación con sus socios tecnológicos.
Por ahora, el anuncio es para Brasil. Vale la pena seguir si estas ofertas llegan a otros países donde opera Claro, incluido Perú.
Oracle: la tecnología detrás de varias ofertas soberanas
Detrás del caso de Claro hay un proveedor que vale la pena mirar por separado: Oracle. Claro Cloud funciona sobre Oracle Alloy, y la región de nube de Oracle en Colombia, inaugurada en diciembre de 2023, la opera Claro dentro de su propia estructura (IT Forum).
Lo interesante de Oracle para esta discusión es que no ofrece un solo modelo de soberanía, sino varios, según cuánto control necesita la empresa:
| Modelo | Qué es | Ejemplo |
|---|---|---|
| Región pública en el país | La nube de Oracle, con centros de datos dentro de un país | En 2024 tenía siete regiones en América Latina: dos en Brasil, dos en Chile, dos en México y una en Colombia |
| Dedicated Region Cloud@Customer | Toda la nube de Oracle instalada dentro del centro de datos del propio cliente | Dataprev, la empresa de tecnología de la seguridad social de Brasil |
| Oracle Alloy | Un socio local opera la nube y la revende con su propia marca | Claro en Colombia y Claro Cloud en Brasil |
| Nube soberana de la UE | Regiones desconectadas de la red global de Oracle, operadas por ciudadanos europeos bajo ley europea | Madrid y Frankfurt |
Sobre esa infraestructura ya hay proyectos de IA soberana en la región. La empresa brasileña Widelabs desarrolló AmazonIA, un modelo de lenguaje entrenado con énfasis en el portugués de Brasil y alojado íntegramente en infraestructura dentro del país.
Dos ideas de los propios ejecutivos de Oracle ayudan a ordenar la decisión. Leandro Vieira, vicepresidente para América Latina, recordaba en 2024 que muchas leyes solo exigen que los datos permanezcan en el país, no que la empresa tenga un centro de datos propio. Y Jason Rees, vicepresidente de ingeniería para Europa, Oriente Medio y África, explicaba en abril de 2026 que la conversación evolucionó de la soberanía de datos a la soberanía legal, operativa y tecnológica (El Español).
Para una empresa en Perú, la consecuencia práctica es concreta: en el listado de regiones de 2024 no figuraba Perú, así que usar una región pública de Oracle implicaba procesar los datos en otro país, con lo que eso supone frente a la Ley 29733. Las alternativas son un socio local que opere la nube en el país o, para organizaciones grandes, una región dedicada en su propio centro de datos. Antes de decidir, conviene confirmar con el proveedor qué opciones existen hoy en Perú.
Lo que hay que saber antes de decidir
Los modelos locales no son los más capaces. Los modelos abiertos que caben en un servidor de empresa rinden muy bien en tareas acotadas (extraer, clasificar, resumir, responder sobre documentos), pero suelen quedar por debajo de los modelos de frontera en razonamiento complejo, como diseñar una arquitectura o resolver un problema de programación difícil.
Operarlos tiene un costo real. Hace falta hardware con GPU, alguien que instale, actualice y monitoree el sistema, y un plan para cuando falle. El ahorro frente a un servicio externo aparece con volumen; para un uso esporádico, rara vez compensa.
Lo soberano también hay que asegurarlo. Tener el modelo en casa no lo vuelve seguro por sí solo: siguen haciendo falta control de accesos, registro de uso y revisión de lo que produce.
El enfoque que mejor funciona suele ser híbrido. No hace falta elegir un solo camino. Una empresa puede usar un modelo local para todo lo que toca datos sensibles y un modelo de frontera para las tareas que exigen más razonamiento sobre información que sí puede salir. Es la misma lógica de un harness bien diseñado: cada tarea va al agente adecuado, y el sistema registra qué modelo procesó qué información.
Para empezar, conviene elegir un solo caso de uso con datos sensibles y volumen alto, medir calidad y costo frente a un servicio externo durante unas semanas, y decidir con esos números. Escríbenos si quieres evaluar cuál sería ese primer caso en tu empresa.