Soberanía de Datos y Mitigación de Riesgos en la Implementación de IA

Read full text
Authors: Regina N. Molares
Cited by: 0

Abstract

Resumen: La adopción acelerada de modelos de lenguaje de gran escala (LLMs) comerciales ha generado una "Paradoja de la Eficiencia": mientras las organizaciones incrementan su productividad inmediata, sacrifican involuntariamente su soberanía de datos y seguridad estructural. Este informe técnico analiza los riesgos invisibles de la IA ubicua, con especial énfasis en el fenómeno del Shadow AI y la persistencia de datos sensibles en infraestructuras de terceros. A través de un análisis de casos y datos de telemetría de 2025, el documento demuestra cómo la dependencia de modelos masivos (MaaS) compromete el cumplimiento regulatorio y la propiedad intelectual. Como respuesta, se propone un cambio de paradigma hacia la "IA Soberana", basada en la implementación de modelos de lenguaje pequeños (SLMs) y arquitecturas de Generación Aumentada por Recuperación (RAG) en entornos locales. El paper concluye con una hoja de ruta estratégica para la repatriación de capacidades cognitivas, permitiendo a las instituciones recuperar el control sobre su activo más valioso: el conocimiento organizacional. --- Abstract: The accelerated adoption of commercial Large Language Models (LLMs) has led to an "Efficiency Paradox":as organizations boost immediate productivity, they inadvertently sacrifice data sovereignty and structural security. This technical report analyzes the invisible risks of ubiquitous AI, with a focus on Shadow AI and the persistence of sensitive data within third-party infrastructures. Through case studies and 2025 telemetry data, the paper demonstrates how reliance on massive Models-as-a-Service (MaaS) compromises regulatory compliance and intellectual property. In response, a paradigm shift toward "Sovereign AI" is proposed, based on the implementation of Small Language Models (SLMs) and Retrieval-Augmented Generation (RAG) architectures in local environments. The paper concludes with a strategic roadmap for therepatriation of cognitive capabilities, enabling institutions to regain control over their most valuable asset: organizational knowledge.

Fields of Study & Subjects

Ethics and Social Impacts of AI Digitalization Law and Regulation Adversarial Robustness in Machine Learning

Publication details

Journal / source
Zenodo (CERN European Organization for Nuclear Research)
Publication date
1 January 2026
Language
ES