DataOrganizer

¿Adónde van los datos que subes a la IA? ¿El modelo los memoriza? ¿Puede verlos alguien más? Lo explicamos desde qué es físicamente un modelo.

La pregunta sobre la seguridad de los datos en la IA es legítima y merece una respuesta mejor que «nuestros sistemas son seguros». Para entender de verdad qué ocurre con los datos que le das a un modelo, primero hay que saber qué es un modelo. No en sentido de marketing, sino en sentido físico.

Capa 01

El modelo es un archivo. Un gran archivo de números.

Antes de que el modelo responda a tu pregunta, tiene que existir en algún sitio. Y existe de una forma sorprendentemente prosaica: es un archivo en un disco. Contiene miles de millones de números, y cada uno codifica algún patrón aprendido durante el entrenamiento. No hay frases, recuerdos ni tablas. Solo números. En un modelo grande, este archivo ocupa entre varias decenas y varios cientos de gigabytes.

Para que el modelo funcione, este archivo se carga en la memoria de las tarjetas gráficas (GPU) de un centro de datos. No en un servidor normal, sino en máquinas especializadas con decenas de tarjetas conectadas entre sí. Una sola pregunta tuya lanza una operación matemática sobre miles de millones de esos números, ejecutada en paralelo en una fracción de segundo.

Capa 02

Ventana de contexto: la memoria de trabajo temporal

Si el modelo es un archivo de números congelado, ¿cómo «sabe» qué le preguntas? Gracias a la llamada ventana de contexto: un espacio temporal en el que entra todo lo que participa en la conversación actual. Tu pregunta, el historial de esa conversación, los datos obtenidos mediante MCP y las instrucciones del sistema. Todo está presente a la vez, como documentos extendidos sobre la mesa de un experto.

Cuando termina la conversación, la mesa se despeja. Nada se queda en el modelo. Nada pasa a los pesos. La siguiente conversación empieza con la mesa vacía.

Capa 03

Vectores: una palabra que asusta más de lo que debería

Al hablar de IA aparece a menudo la palabra «vector» o «vector store». Suena técnica y genera inquietud. En realidad se trata de una forma de convertir significado en números.

Imagina un espacio multidimensional en el que cada palabra y cada frase tiene su lugar. Las palabras con significado parecido están cerca. «Factura» y «recibo»: cerca. «Ingresos» y «beneficio»: cerca. «Perro» y «tractor»: lejos. Un vector es simplemente un conjunto de coordenadas en ese espacio.

Un vector store es una base de datos de estas representaciones, que se usa cuando quieres que el modelo encuentre rápido el fragmento adecuado dentro de un gran conjunto de documentos. Pero el modelo no «vive» en esa base ni la absorbe. La consulta, toma lo que necesita para la ventana de contexto y responde. Es un diccionario, no una memoria.

Capa 04

¿Calculadora, máquina estadística o algo distinto?

Con esta imagen de cómo funciona físicamente el modelo, ya se puede responder con honestidad a la pregunta del título. Una calculadora es determinista: la misma entrada siempre da la misma salida, sin ninguna comprensión del contexto. Una máquina estadística busca patrones en los números, pero no relaciona conceptos. Un modelo de lenguaje hace una tercera cosa: entiende el sentido, conecta contextos y extrae conclusiones, pero no te recuerda ni aprende de ti sobre la marcha.

La definición más cercana es la de un experto sin memoria episódica. Lo ha leído todo, pero cada reunión empieza de cero. Traes los documentos, los analiza contigo y se va. No se los lleva. No los comparte con el siguiente cliente.

Capa 05

Qué significa esto para la seguridad de tus datos

Sin consentimiento para entrenar el modelo, tus datos no llegan a los pesos. No actualizan el modelo general ni pasan a formar parte del conocimiento que usan otros usuarios. El modelo que hoy ha respondido a tu pregunta es idéntico al que existía antes de tu conversación.