¿Qué es, exactamente, un modelo fundacional?

¿Por qué se llaman fundacionales?

Porque están pensados para servir de base a muchas otras aplicaciones, no para resolver una tarea específica. La palabra viene de un informe de Stanford de 2021 y fue, en parte, una decisión política: quería marcar que estos sistemas son infraestructura, no producto.

¿Qué los distingue técnicamente?

Tres rasgos: están entrenados con cantidades enormes de datos no etiquetados, usan arquitecturas que escalan bien, y pueden adaptarse a múltiples tareas mediante fine-tuning o prompting. Lo que no los distingue, conviene decirlo, es la inteligencia: la palabra no aparece en la definición original.

¿Es lo mismo un LLM?

Un modelo de lenguaje grande es un caso particular de modelo fundacional, especializado en texto. Hay también modelos fundacionales multimodales (texto + imagen + audio) y algunos solo de visión. Decir 'IA' cuando se quiere decir 'LLM' es un error que ya casi nadie corrige.

¿Por qué importa para gobernanza?

Porque si el modelo es infraestructura, regular solo a las aplicaciones es como regular solo a los autos sin tocar las autopistas. El AI Act europeo fue el primer marco que distinguió obligaciones por capa.

¿Y para una organización que solo los usa?

Importa más de lo que parece. Tres preguntas mínimas antes de adoptar un modelo fundacional en un flujo crítico: con qué datos fue entrenado, qué auditorías independientes tiene, y cuál es la política de cambios del proveedor. Si la respuesta a alguna es 'no sabemos', el sistema no debería tomar decisiones.

¿Una recomendación para empezar?

Leer el informe original de Stanford (2021), aunque tenga cinco años. Sigue siendo el texto más honesto sobre lo que estos sistemas son y, sobre todo, lo que todavía no son.