¿Qué es un modelo de IA de propósito general?
Regulación de la IA: conceptos, instituciones y normas
Un modelo de IA de propósito general es, en el EU AI Act, una categoría jurídica a nivel de modelo para la IA que tiene capacidades amplias y puede utilizarse en muchas tareas distintas o integrarse en numerosas aplicaciones posteriores. No es lo mismo que un producto de IA terminado, ni es simplemente un sinónimo informal de "modelo fundacional". En la práctica, suele referirse a la capa de modelo upstream, como un modelo de lenguaje, imagen, audio o multimodal de amplia capacidad en el que se apoyan otros sistemas.
Revisado por Jackie, Head of Learning & Development, Levellers - Última revisión: 8 de junio de 2026
Qué significa esto
La forma más sencilla de entender un modelo de IA de propósito general es separar el motor del vehículo. El modelo es el motor. Un chatbot, un asistente de programación, una herramienta de revisión de documentos, un editor de imágenes o un asistente interno de personal construido sobre él es el vehículo. El AI Act crea una categoría específica para algunos de estos motores porque pueden reutilizarse en muchos productos y contextos distintos.
Esa categoría jurídica importa porque la norma no se interesa únicamente por lo que ve el usuario final. También se interesa por la capa subyacente, donde se crea la capacidad amplia y se suministra a otras empresas. Una compañía puede no lanzar nunca una aplicación de consumo y aun así quedar incluida en esta categoría si pone en el mercado un modelo de amplia capacidad para que otros lo integren.
La expresión es más restrictiva de lo que parece a primera vista. No significa "cualquier modelo de IA importante". No significa "lo que el sector denomina modelo fundacional". Significa un modelo que muestra una generalidad significativa, puede realizar de forma competente una amplia gama de tareas distintas y puede integrarse en muchos sistemas o aplicaciones posteriores. El enfoque jurídico es funcional. La pregunta es si este modelo es suficientemente amplio, reutilizable y orientado al mercado como para encajar en la categoría.
Por eso conviene mantener este artículo separado de cualquier explicación sobre los modelos fundacionales. En el debate cotidiano sobre IA, "modelo fundacional" es un término técnico e industrial amplio para un modelo grande y adaptable entrenado con datos extensos. El EU AI Act no se limitó a copiar ese lenguaje. Creó su propia categoría definida, con sus propias pruebas de alcance, obligaciones, exenciones y vía de aplicación. Existe solapamiento, a menudo considerable, pero no son conceptos intercambiables.
También es importante distinguir un modelo de IA de propósito general de un sistema de IA de propósito general. El modelo es el modelo entrenado subyacente. El sistema es el producto o servicio construido en torno a él, incluidas las interfaces, las salvaguardas, la lógica de flujo de trabajo, las integraciones y los procesos humanos. Una organización puede proporcionar el modelo, otra puede construir el sistema y una tercera puede desplegar ese sistema en el trabajo real.
Por qué importa
Para los responsables de negocio, esta categoría importa porque cambia dónde recae la responsabilidad en la cadena de suministro de IA. Si su empresa compra o integra un modelo upstream de amplia capacidad, necesita información suficiente del proveedor del modelo para comprender sus capacidades, limitaciones, usos aceptables y requisitos técnicos. Si esa información es escasa, el trabajo de cumplimiento y gestión de riesgos en la parte posterior de la cadena se complica.
También importa desde el punto de vista comercial. La contratación, la redacción de contratos, la arquitectura de productos, la diligencia debida con proveedores y la planificación del lanzamiento resultan más sencillas cuando se sabe si se está tratando con un modelo especializado, un sistema de IA terminado o un modelo de IA de propósito general. No son el mismo problema de contratación y no generan las mismas obligaciones.
Si vende en Europa, construye sobre infraestructura europea o presta servicios a usuarios en la UE, esta categoría puede afectarle aunque su empresa esté radicada en otro lugar. El AI Act tiene alcance extraterritorial cuando los modelos o sistemas se ponen en el mercado de la Unión o se utilizan en él. Eso convierte este asunto en una cuestión práctica de negocio, no en un punto jurídico de nicho.
Existe también una segunda dimensión de relevancia. Un pequeño subconjunto de modelos de IA de propósito general se considera que plantea un riesgo sistémico. Sus proveedores tienen obligaciones adicionales en materia de evaluación, mitigación de riesgos, gestión de incidentes y ciberseguridad. Aunque no sea el proveedor de ese tipo de modelo, puede depender de uno. Eso significa que su exposición puede llegar a través de una relación con un proveedor, no solo a través de su propio trabajo de desarrollo.
Cómo funciona
En términos jurídicos, la categoría parte del propio modelo. La norma define un modelo de IA de propósito general como un modelo de IA, incluso cuando se entrena con una gran cantidad de datos mediante autosupervisión a escala, que muestra una generalidad significativa, puede realizar de forma competente una amplia gama de tareas distintas independientemente de cómo se ponga en el mercado, y puede integrarse en una variedad de sistemas o aplicaciones posteriores. La definición excluye los modelos utilizados únicamente para investigación, desarrollo o creación de prototipos antes de su puesta en el mercado.
Esto significa que la amplia capacidad es central. Es poco probable que un modelo estrecho entrenado únicamente para predecir un modo de fallo de una máquina en una fábrica sea de propósito general. Un modelo de lenguaje grande, un modelo de imagen, un modelo de código o un modelo multimodal de amplia capacidad tiene muchas más probabilidades de serlo. La reutilizabilidad también importa. Cuanto más pueda un modelo servir como capa upstream para muchas otras herramientas, más claramente encaja en la categoría.
Una vez que un modelo está dentro del ámbito de aplicación, las principales obligaciones recaen sobre el proveedor que lo pone en el mercado. En términos generales, esos proveedores deben mantener documentación técnica del modelo, incluido el proceso de entrenamiento y prueba y los resultados de la evaluación. También deben proporcionar información y documentación suficientes a los proveedores de sistemas de IA posteriores para que estos puedan comprender el modelo y cumplir sus propias obligaciones.
El proveedor también debe establecer una política para cumplir la legislación de la UE sobre derechos de autor y elaborar un resumen público suficientemente detallado del contenido utilizado para entrenar el modelo. Estos dos últimos puntos importan porque la norma trata la transparencia y la gobernanza de los derechos de autor como parte de la responsabilidad básica de esta categoría, no como elementos opcionales.
Existen exenciones limitadas para algunos modelos publicados bajo una licencia libre y de código abierto, pero estas exenciones no son una inmunidad general. Son condicionales y no eliminan todas las obligaciones. Tampoco eximen a los modelos con riesgo sistémico de las obligaciones adicionales que se aplican en ese nivel superior. Este es uno de los puntos donde las empresas simplifican más la situación.
La capa de riesgo sistémico es donde la categoría se vuelve más exigente. Se presume que un modelo de IA de propósito general tiene capacidades de alto impacto, y por tanto es un modelo de IA de propósito general con riesgo sistémico, si el cómputo acumulado utilizado para su entrenamiento supera el umbral establecido en la norma. El umbral actual en la norma es de 10^25 operaciones de punto flotante. La Comisión también puede designar un modelo como de riesgo sistémico si sus capacidades o impacto se consideran equivalentes, aunque el proveedor argumente que el umbral por sí solo no refleja la situación completa.
Los proveedores de modelos de riesgo sistémico tienen obligaciones que van más allá de la documentación y la transparencia pública. Se espera que evalúen y mitiguen los riesgos sistémicos, realicen evaluaciones del modelo, notifiquen incidentes graves, garanticen un nivel adecuado de ciberseguridad e informen a la Oficina de IA cuando se alcance el umbral o se tenga conocimiento de que se alcanzará. En lenguaje claro, la UE exige una disciplina adicional a los proveedores de los modelos upstream más capaces porque los fallos en ese nivel pueden propagarse ampliamente por el mercado.
Los plazos también importan. Las obligaciones para los proveedores de modelos de IA de propósito general entraron en aplicación el 2 de agosto de 2025. Las competencias de aplicación de la Comisión para esas obligaciones comienzan el 2 de agosto de 2026. Los proveedores de modelos ya puestos en el mercado antes del 2 de agosto de 2025 disponen de un período transitorio y deben cumplir antes del 2 de agosto de 2027. En la práctica, esto significa que la norma ya está en vigor para los nuevos modelos, aunque la intensidad de la aplicación siga madurando.
El Código de Conducta para modelos de IA de propósito general es relevante aquí como herramienta de cumplimiento voluntario. No es la ley en sí, pero está diseñado para ayudar a los proveedores a demostrar el cumplimiento de las obligaciones legales en materia de transparencia, derechos de autor y, para los modelos de riesgo sistémico, seguridad. Eso ofrece a los proveedores un camino operativo más claro y a los clientes posteriores mejores preguntas que formular.
Para un responsable de negocio, la prueba operativa es sencilla. Hay que preguntarse dónde reside la amplia capacidad. Si su proveedor ofrece un modelo upstream reutilizable y adaptable sobre el que pueden construirse muchas aplicaciones, puede estar en territorio de modelo de IA de propósito general. Si su proveedor le entrega una aplicación terminada con una tarea concreta y sin control real a nivel de modelo, es más probable que esté tratando con un sistema de IA y no con la categoría de modelo en sí.
Ejemplos
Una empresa de software ofrece un modelo de lenguaje amplio a través de una API. Sus clientes lo utilizan para redacción, resumen, traducción, ayuda con código y asistentes de atención al cliente. Es mucho más probable que ese proveedor de API upstream sea el proveedor de un modelo de IA de propósito general que las empresas individuales que construyen aplicaciones específicas sobre él.
Una empresa de medios ajusta un modelo abierto para convertirlo en un asistente interno de redacción. Si el ajuste fino es menor, la empresa puede seguir siendo principalmente un proveedor de sistemas de IA posteriores que utiliza el modelo de propósito general de otra persona. Sin embargo, si la modificación es suficientemente significativa, la empresa puede convertirse en el proveedor de un modelo diferente con sus propias obligaciones. Por eso "solo lo personalizamos un poco" no es una respuesta seria en materia de gobernanza.
Un hospital adquiere una herramienta de documentación clínica impulsada por un modelo amplio suministrado por un tercero. Es posible que el hospital nunca toque los pesos del modelo ni el código de entrenamiento, pero aun así necesita saber qué hay en la capa upstream, de qué es responsable el proveedor y qué información debe transmitirse para un despliegue seguro y conforme a la ley.
Un fabricante construye un asistente interno sobre un modelo multimodal ampliamente utilizado que puede interpretar imágenes, manuales, registros de mantenimiento y descripciones de sensores. Es posible que el fabricante no sea en sí mismo un proveedor de modelos de propósito general, pero los contratos, la revisión de seguridad, el uso aceptable y las instrucciones al personal resultan más sencillos si el proveedor del modelo upstream puede documentar claramente las capacidades y limitaciones del modelo.
Malentendidos frecuentes
El primer malentendido es que "modelo de IA de propósito general" equivale simplemente a "modelo fundacional". Eso es demasiado impreciso. Las dos categorías se solapan con frecuencia en la práctica, pero el AI Act utiliza su propia definición jurídica y le asocia obligaciones específicas. La terminología interna de una organización y la terminología de la norma no son automáticamente la misma.
El segundo malentendido es que cualquier modelo grande cuenta. El tamaño ayuda, pero el tamaño por sí solo no es la prueba jurídica. Las preguntas clave son la generalidad, el rango de tareas, la reutilizabilidad, la colocación en el mercado y la integración posterior. Algunos modelos muy grandes siguen siendo estrechos en su función prevista. Algunos modelos de amplia capacidad importan menos porque aún no se han puesto en el mercado.
El tercer malentendido es que la categoría solo importa al desarrollador original. En realidad, todos los actores posteriores tienen interés en saber si un modelo está dentro del ámbito de aplicación, porque el objetivo del régimen es precisamente mejorar el flujo de información a lo largo de la cadena de valor. Si se construye sobre un modelo, conviene saber si el proveedor comprende y cumple estas obligaciones.
El cuarto malentendido es que la publicación en código abierto hace desaparecer el problema. La publicación abierta puede cambiar qué obligaciones se aplican, pero no elimina la categoría ni suprime las obligaciones de riesgo sistémico. Los responsables deben tratar "es de código abierto" como el inicio de la conversación de diligencia debida, no como su conclusión.
El quinto malentendido es que esta es una categoría de papeleo con escasa relevancia operativa. En realidad, afecta directamente a la diligencia debida con proveedores, el diseño de productos, la gobernanza de los derechos de autor, los controles de uso aceptable, la gestión de incidentes y la documentación técnica. Si la capa upstream es incierta, el control posterior se vuelve más difícil.
Riesgos y límites
Esta categoría no indica si un producto de IA es útil, preciso, seguro para su contexto específico o legal en todas las jurisdicciones. Indica dónde puede situarse un modelo concreto en la estructura del EU AI Act. Eso tiene valor, pero no constituye una valoración completa del riesgo.
También existen preguntas genuinas sobre los límites. La modificación significativa de modelos, las exenciones de código abierto y la línea exacta entre un modelo amplio y uno más estrecho pueden ser objeto de debate en casos límite. La orientación de la Comisión ayuda, pero no elimina todos los problemas de interpretación. Si el lanzamiento de un producto importante o una posición contractual depende de la clasificación, es razonable buscar asesoramiento especializado.
Los responsables también deben evitar asumir que el cumplimiento del proveedor protege automáticamente al desplegador. La norma distribuye responsabilidades a lo largo de la cadena de valor. La documentación de un proveedor puede ser de ayuda, pero no sustituye a la propia gobernanza, privacidad, seguridad, contratación u obligaciones sectoriales específicas.
Por último, conviene tratar los plazos con urgencia. Las obligaciones básicas para los modelos de IA de propósito general ya están en vigor, pero la práctica de aplicación, los códigos, las plantillas y la orientación siguen desarrollándose. Este artículo tiene carácter informativo general y no constituye asesoramiento jurídico.
Qué hacer a continuación
En primer lugar, haga un inventario de los modelos upstream de los que depende su organización. No se detenga en los nombres de las aplicaciones. Averigüe qué modelos subyacentes impulsan las herramientas que utilizan sus equipos, ya sea mediante acceso a API, endpoints alojados o pesos abiertos.
En segundo lugar, establezca su papel en cada caso. ¿Es únicamente un desplegador de un sistema terminado, un proveedor posterior que construye una aplicación sobre un modelo, o un proveedor que ha modificado un modelo de forma tan sustancial que puede tener obligaciones propias a nivel de modelo? Este mapeo de roles es fundamental.
En tercer lugar, solicite a los proveedores los documentos adecuados. Necesita documentación del modelo, información sobre el uso previsto, limitaciones técnicas, restricciones de uso aceptable, apoyo para el cumplimiento posterior y una declaración clara sobre si el proveedor considera que el modelo es un modelo de IA de propósito general y, en caso afirmativo, si puede estar en el nivel de riesgo sistémico.
En cuarto lugar, revise su stack de código abierto con la misma seriedad que aplica a los proveedores comerciales. Los términos de la licencia, la procedencia, la profundidad de la documentación, la cadencia de actualizaciones, los controles de seguridad y la gobernanza de la comunidad son todos relevantes.
En quinto lugar, construya un proceso repetible. La dependencia de modelos de propósito general debe convertirse en una parte estándar de la contratación de IA, la revisión de arquitectura y la aceptación de riesgos, no en una consulta jurídica ad hoc planteada tarde en el proyecto.
En sexto lugar, siga de cerca la orientación y la vía de aplicación. Este es un ámbito regulatorio activo. Una revisión trimestral ligera de los avisos de los principales proveedores, la orientación de la Comisión y las dependencias internas de modelos mantendrá las sorpresas al mínimo.
¿Tiene alguna pregunta o sugerencia, o desea saber cómo investigamos y revisamos estas guías? Lea sobre nuestros estándares editoriales y cómo contactarnos.
Preguntas frecuentes
¿Es un modelo de IA de propósito general lo mismo que un chatbot?
No. Un chatbot es normalmente un sistema o aplicación de IA. Un modelo de IA de propósito general es la capa de modelo subyacente que puede impulsar muchos sistemas distintos, incluidos los chatbots.
¿Es todo modelo de lenguaje grande un modelo de IA de propósito general?
No automáticamente. Muchos lo son, pero la prueba jurídica gira en torno a la amplia capacidad, la generalidad, la reutilizabilidad posterior y si el modelo se pone en el mercado.
¿Puede un modelo de código abierto seguir estando dentro de esta categoría?
Sí. El carácter de código abierto puede cambiar algunas obligaciones, pero no excluye automáticamente al modelo de la categoría ni elimina las obligaciones de riesgo sistémico.
¿Cuál es la diferencia entre un modelo de IA de propósito general y un sistema de IA de propósito general?
El modelo es el modelo entrenado en sí. El sistema es el producto o servicio construido en torno a él, incluidas la interfaz, el flujo de trabajo, las integraciones y los controles.
¿Cuándo se aplican estas obligaciones?
Para los nuevos modelos de IA de propósito general puestos en el mercado, las obligaciones se aplican desde el 2 de agosto de 2025. Las competencias de aplicación de la Comisión comienzan el 2 de agosto de 2026, y los modelos preexistentes tienen una fecha de transición posterior.
¿Por qué debe importarle al comprador si el vendedor es el proveedor del modelo?
Porque el cumplimiento posterior depende de la transparencia anterior. Si el proveedor del modelo no puede explicar el modelo con claridad, el comprador asume mayor incertidumbre operativa y jurídica.
Fuentes
Regulation (EU) 2024/1689 laying down harmonised rules on artificial intelligence (EUR-Lex). Primary source for the legal definition of "general-purpose AI model", the distinction between model and system, the systemic risk threshold, Articles 51 to 55 obligations, and original application dates.
Guidelines for providers of general-purpose AI models (European Commission). Primary source for the application and enforcement timeline, the role of the guidelines, significant versus minor modifications, and practical framing for providers.
Guidelines on the scope of obligations for providers of general-purpose AI models under the AI Act (European Commission). Primary source confirming the scope purpose of the guidance and its role in interpreting who is in scope.
Guidelines on obligations for General-Purpose AI providers (European Commission). Primary source for baseline obligations, downstream information duties, public summary and copyright obligations, open-source nuances, and enforcement timing.
The General-Purpose AI Code of Practice (European Commission). Primary source for the role of the voluntary Code of Practice and its chapters on transparency, copyright, and safety and security.
AI Act (European Commission). Primary source for the wider AI Act framework and implementation context.