Un pequeño equipo de Zúrich ha entrenado un modelo de lenguaje. El mes que viene quiere ofrecerlo a clientes en la UE. El viernes su abogado envía una sola línea. ¿Dónde está vuestro resumen público de entrenamiento?
Esta guía explica qué es ese resumen y qué pide la plantilla de la UE. Después muestra cómo guardar registros que respalden el resumen.
Quién tiene que publicar un resumen de entrenamiento
El Reglamento de IA obliga a todo proveedor de un modelo de IA de uso general a publicar un resumen de su contenido de entrenamiento.
La regla está en el artículo 53(1)(d) del Reglamento de IA de la UE. Los proveedores de modelos de IA de uso general deben «elaborar y poner a disposición del público un resumen suficientemente detallado del contenido utilizado para el entrenamiento del modelo de IA de uso general, de acuerdo con una plantilla facilitada por la AI Office».
Los modelos de código abierto no escapan a este deber. El artículo 53(2) del Reglamento de IA levanta algunos deberes para los modelos de código abierto, pero solo las letras a) y b). El resumen de la letra d) sigue aplicándose.
El deber se aplica desde el 2 de agosto de 2025 (verificado de nuevo en EUR-Lex, 21 de octubre de 2026). Los modelos puestos en el mercado antes de esa fecha tienen más tiempo. Su resumen debe ser público a más tardar el 2 de agosto de 2027 (verificado de nuevo en la nota de la Comisión, 21 de octubre de 2026).
Las tres secciones de la plantilla
La plantilla de la Comisión tiene tres secciones, y cada una pide una imagen general de los datos.
La AI Office publicó su nota explicativa y plantilla el 24 de julio de 2025. Todo resumen debe seguirla. La plantilla tiene tres secciones.
- «1. Información general» nombra al proveedor y al modelo. Indica los tipos de contenido con los que aprendió el modelo y cuánto de cada uno, en rangos amplios. Da el carácter general de los datos de entrenamiento.
- «2. Lista de fuentes de datos» nombra los principales conjuntos de datos. Describe con palabras los datos extraídos de internet. También cubre todas las demás fuentes, como datos de usuarios o datos sintéticos.
- «3. Aspectos relevantes del tratamiento de datos» tiene tres partes. La parte 3.1 es «Respeto de la reserva de derechos de la excepción de minería de textos y datos o exclusión voluntaria». La parte 3.2 es «Eliminación de contenido ilegal». La parte 3.3 es «Otra información (opcional)».
La sección 2 se divide más. Cubre conjuntos de datos públicos, conjuntos de datos privados, datos extraídos de internet, datos de usuarios y datos sintéticos. Los conjuntos de datos privados se dividen otra vez. Una parte son datos con licencia de titulares de derechos. La otra parte son datos de otros terceros.
Nombres de dominio y la regla de actualización
Enumeras los sitios web más grandes de los que extrajiste datos, y actualizas el resumen cuando sigues entrenando el modelo.
La sección 2.3 de la plantilla cubre los datos rastreados y extraídos de internet. Pide una lista de nombres de dominio. Das los nombres «en el 10 % superior de todos los nombres de dominio, determinado por el tamaño del contenido extraído». Las pequeñas y medianas empresas tienen una regla más ligera. Enumeran «el 5 % superior, o los 1000 dominios principales».
El resumen es además un documento vivo. Cuando sigues entrenando el modelo, lo actualizas. La nota pide actualizaciones cada seis meses, o antes si los datos nuevos son significativos. Cada actualización lleva su fecha.
Dónde y cuándo publicarlo
El resumen va en tu sitio web, bien visible, a más tardar cuando el modelo llega al mercado de la UE.
La nota dice que el resumen «debe ponerse a disposición del público a más tardar cuando el modelo se introduce en el mercado de la Unión». También dice dónde. «Debe publicarse en el sitio web oficial del proveedor de forma claramente visible y accesible». El resumen también viaja «junto con el modelo por todos sus canales públicos de distribución».
En palabras sencillas, necesitas una página fácil de encontrar en tu sitio. También necesitas una copia allí donde la gente descargue el modelo.
Lo que la plantilla no pide
No tienes que enumerar cada obra o archivo con el que aprendió el modelo.
El párrafo 16 de la nota es claro en esto. La plantilla «no exige revelar los detalles de los datos y obras concretos utilizados para entrenar el modelo». El considerando 107 del Reglamento de IA dice que el resumen debe ser «exhaustivo en términos generales» pero no «técnicamente detallado».
La nota también indica el propósito. El resumen sirve para «ofrecer una transparencia pública significativa y facilitar que las partes con intereses legítimos ejerzan y hagan valer sus derechos conforme al Derecho de la Unión». Un titular de derechos lo lee para ver si su obra podría estar dentro. Después puede hacerte preguntas. Querrás registros para responderlas.
Respalda el resumen con registros sellados
Sella tus manifiestos de conjuntos de datos, tus archivos de licencia y el propio resumen como versiones fechadas, para poder mostrar qué tenías y cuándo.
El resumen es una afirmación pública. Un día un titular de derechos o la AI Office pueden preguntar qué había detrás. Supón que tu sección 2.2.1 enumera datos con licencia de titulares de derechos. Querrás esos archivos de licencia tal como estaban el día en que entrenaste. Supón que tu sección 3.1 dice que respetaste las exclusiones voluntarias. Querrás el manifiesto del conjunto de datos y la lista de exclusiones tal como estaban ese día.
En Swiss Trust Layer subes estos archivos a una carpeta y la sellas. La plataforma calcula una huella digital de cada archivo y del paquete sellado. Solo la huella digital va a Swisscom Trust Services, un prestador cualificado de servicios de confianza. El archivo en sí no. Swisscom firma la huella digital y añade un sello de tiempo según RFC 3161. Cada versión sellada recibe un certificado de prueba, un PDF firmado. Enumera cada nombre de archivo y su huella digital, más el número de versión. Un código QR en él abre una página pública de verificación que no necesita inicio de sesión.
Cada vez que actualices el resumen, añade una nueva versión de la carpeta. La carpeta conserva un historial de versiones, y cada versión conserva su propio sello. Cualquier cambio en un archivo da una huella digital distinta. Así, una cadena fechada de versiones muestra qué tenías en cada fecha.
Qué prueba un sello y qué no
Un sello prueba que el registro existía en una fecha y no ha cambiado desde entonces; no prueba que los datos se usaran legalmente.
Sé honesto sobre el límite. Un sello prueba que este archivo exacto existía en ese momento y no ha cambiado desde entonces. No prueba quién creó el contenido, que el contenido sea cierto, ni que quien sella tenga los derechos. No prueba que tus datos de entrenamiento se usaran legalmente. Un sello no crea derechos de autor. Los derechos de autor nacen con la creación. Un archivo de licencia sellado muestra qué texto de licencia tenías ese día. Si esa licencia cubre tu uso es una cuestión jurídica que el sello no puede responder.
Sella hoy tu manifiesto de conjunto de datos, tus archivos de licencia y tu borrador de resumen como versión uno en Swiss Trust Layer.
