“Tokens, pesos y la licencia que se asume”

12 oct

Escrito por Leo Utz

Descargar no es poseer: la frontera entre el peso y el contrato

La inteligencia artificial se construye sobre una paradoja: billones de tokens (unidades mínimas de texto procesadas) se consumen para producir pesos (la estructura matemática final). Los tokens son el insumo devorado; los pesos, el artefacto que queda. Y sobre esos pesos recae el contrato.

Al descargar un modelo para ejecutarlo en entornos locales como Ollama o LM Studio, o al contratar una suscripción en la nube (API, interfaz de programación de aplicaciones; SaaS, software como servicio), no se está "probando una herramienta". Se está firmando un acuerdo. La diferencia entre el despliegue local y la nube no es la responsabilidad —esa nunca desaparece—, sino la transparencia.

La mayoría de los modelos denominados "abiertos" son, en rigor, open-weight (pesos abiertos): se publican los parámetros, no los datos ni el proceso. Se obtiene control de inferencia (la capacidad de ejecutar), pero no auditoría de origen. Es como recibir un motor sin saber qué combustible usó en la fábrica.

Para orientar la elección, es crucial mapear las herramientas más populares en este espectro. En el extremo de la suscripción en la nube se encuentran ChatGPT, Claude o Gemini (la oferta de inteligencia artificial en la nube de Google): servicios donde se paga por acceso, cediendo por completo el control sobre los pesos y la confidencialidad de los datos. En el espectro local, arquitecturas como Gemma (la expresión de inteligencia artificial local y de pesos abiertos de Google, incluyendo sus iteraciones recientes) o Grok ofrecen alternativas viables para despliegue propio. A esto se suman modelos asiáticos como Qwen o DeepSeek, que han demostrado una eficiencia arquitectónica que desafía los monopolios tradicionales. La adopción de cualquiera de ellos exige un filtro ético-pragmático: evaluar la calidad técnica, la licencia y los riesgos jurisdiccionales sin caer en lealtades geográficas automáticas. La verdadera soberanía es la capacidad de elegir el mejor artefacto bajo una licencia que respete la autonomía del operador, independientemente de su origen.

Las licencias no son intercambiables. Apache 2.0 y MIT son territorios limpios: uso comercial, modificación y redistribución con obligaciones mínimas. Otras familias imponen atribuciones obligatorias, listas de usos prohibidos que se heredan por derivación, o umbrales de ingresos que detonan licencias comerciales. El nombre de la familia no garantiza uniformidad; hay que verificar el checkpoint (la versión exacta descargada).

El diseñador que genera propuestas para un cliente con un modelo local no está exento: si la licencia es restrictiva, ¿puede usar ese output (resultado generado) comercialmente? ¿Si hace fine-tuning (ajuste fino con datos propios) con su material, debe abrirlo? El consultor que usa una suscripción en la nube para preparar entregables cree que paga por tranquilidad, pero las Condiciones de Servicio suelen incluir cláusulas que protegen al proveedor, no al usuario. Se cede el control sobre la versión exacta en ejecución, sobre la confidencialidad de los datos de entrada (“prompts” o instrucciones), y se asume la responsabilidad total por el resultado. La nube no es un escudo; es un contrato de adhesión con cortinas opacas.

La soberanía local no termina en ejecutar el modelo en infraestructura propia. Incluye leer el archivo LICENSE (licencia) o la model card (ficha técnica del modelo) antes del despliegue. Esa es la frontera entre un recurso bajo control efectivo y una caja negra con términos desconocidos.

Pero queda la pregunta que ninguna licencia responde: el trabajo final hecho con inteligencia artificial, ¿a quién pertenece? Lo veremos en la próxima editorial.

Autor: Leo Utzinger

Asistente en investigación: Qwen

Fuentes

Licencias de referencia:

* [Apache License 2.0](https://www.apache.org/licenses/LICENSE-2.0)

* [MIT License](https://opensource.org/licenses/MIT)

Herramientas de despliegue local:

* [Ollama](https://ollama.com)

* [LM Studio](https://lmstudio.ai)

* [Qwen (Alibaba)](https://github.com/QwenLM/Qwen)

* [DeepSeek](https://github.com/deepseek-ai/DeepSeek-V3)

* [Gemma (Google)](https://ai.google.dev/gemma)