GPAI y el artículo 53

Si construyes sobre GPT, Claude, Gemini, Llama o Mistral, hay una pregunta que merece la pena responder bien: ¿le hiciste al modelo lo suficiente como para convertirte en su proveedor?

Para la mayoría de las empresas la respuesta es que no, con holgura, y conviene saberlo porque el miedo está haciendo daño de verdad: hay equipos presupuestando obligaciones que no tienen. Para una minoría la respuesta es que sí, y normalmente no tienen ni idea, porque lo que lo activó fue una decisión de ingeniería tomada meses antes de que nadie pensara en regulación.

Dónde estás casi con total seguridad

Dónde está de verdad la línea

El Reglamento no publica un umbral de cómputo por debajo del cual el ajuste fino sea seguro, lo cual es poco útil pero nada raro. Lo que sí hace es atribuir la condición de proveedor a quien introduce un modelo de uso general en el mercado, y tratar a quien modifica un modelo de forma sustancial como si lo hubiera hecho respecto de la versión modificada.

En la práctica lo deciden cuatro factores. Ninguno es concluyente por sí solo; juntos sí lo son.

1. Escala de la modificación

Unos cientos de ejemplos de ajuste fino con LoRA para corregir el tono no son un modelo nuevo. Seguir preentrenando con miles de millones de tokens sí. Cuanto mayores sean el cómputo y los datos en relación con el entrenamiento original, más pareces un proveedor.

2. Si los parámetros cambiaron materialmente

Las capas adaptadoras que dejan intactos los pesos base están en un extremo. El reentrenamiento de todos los parámetros está en el otro.

3. Si cambió el dominio de la tarea

Este es el factor al que la gente da menos peso del que merece. Ajustar un modelo general para que rinda mejor en tu dominio actual es refinamiento. Coger un modelo general y convertirlo en algo que hace un trabajo materialmente distinto - un modelo de código transformado en un generador de resúmenes clínicos - se parece mucho más a crear un modelo nuevo.

4. Si sigue siendo de uso general

El artículo 53 trata de los modelos de IA de uso general: modelos que muestran una generalidad significativa y son capaces de realizar de forma competente una amplia variedad de tareas distintas. Si has estrechado un modelo general hasta convertirlo en una herramienta de propósito único, puede que hayas salido del territorio de la GPAI aunque lo hayas modificado mucho. En ese caso puedes ser el proveedor de un sistema de IA, que es otra pregunta con otros deberes.

Qué exige realmente el artículo 53

Si eres proveedor de GPAI, cuatro obligaciones. Aplicables desde el 2 de agosto de 2025, exigibles desde el 2 de agosto de 2026.

Dos puntos más. Los proveedores de modelos publicados con una licencia libre y de código abierto, con los pesos y la arquitectura disponibles públicamente, están exentos de las dos primeras, pero no de la política de derechos de autor ni del resumen de los datos de entrenamiento, y no lo están en absoluto si el modelo presenta un riesgo sistémico. Y los modelos que superan el umbral de riesgo sistémico cargan además con los deberes del artículo 55: evaluación del modelo, pruebas adversarias, notificación de incidentes y ciberseguridad. Si estás leyendo esta página para averiguar tu posición, no estás entrenando un modelo de riesgo sistémico.

El grupo más expuesto

No los laboratorios: ellos tienen equipos de cumplimiento. Son las empresas que hicieron un ajuste fino serio en 2024 o en 2025 por motivos de rendimiento, cuando esa decisión no llevaba ninguna consideración regulatoria asociada, y no han vuelto a mirarla desde entonces.

Un ejemplo reconocible: un equipo coge un modelo de pesos abiertos, sigue preentrenándolo con un corpus propio grande para especializarlo y lo lanza dentro de su producto. Dieciocho meses después, aquello fue una modificación sustancial, se puede sostener que son proveedores de GPAI, las obligaciones son exigibles y nadie en la empresa ha leído nunca el artículo 53, porque se ven a sí mismos como una empresa de SaaS y no como un proveedor de modelos.

Si esa forma te resulta familiar, el resumen de los datos de entrenamiento es la obligación que hay que mirar primero. Es pública, así que su ausencia es la más visible.

Dos cosas que esto no es

No es lo mismo que tu nivel de riesgo. El artículo 53 va de ser proveedor de modelo. Que tu sistema sea de alto riesgo, de riesgo limitado o mínimo es una pregunta aparte que se responde a través del anexo III y del artículo 6(3). Puedes ser proveedor de GPAI con un sistema de riesgo mínimo, o responsable del despliegue aguas abajo con un sistema de alto riesgo. No van de la mano.

No es lo mismo que ser proveedor de un sistema de IA. Conforme al artículo 25 puedes convertirte en el proveedor de un sistema de IA poniéndole tu nombre o cambiando su finalidad prevista, sin tocar ni un peso del modelo. Otra vía, otro conjunto de obligaciones. Las dos pueden aplicarse a la vez.

Cuatro preguntas para zanjarlo

1. ¿Modificaste los pesos del modelo, aunque fuera poco? No → estás aguas abajo. Listo.
2. Si sí, ¿cuánto? Los adaptadores y los conjuntos de datos pequeños del propio dominio se quedan cómodamente aguas abajo. El reentrenamiento completo con un corpus grande, no.
3. ¿Cambió el dominio de la tarea? Empujar un modelo hacia un trabajo materialmente distinto pesa mucho a favor de la condición de proveedor.
4. ¿El resultado sigue siendo de uso general? Si lo estrechaste a una sola tarea, puede que los deberes de GPAI no se apliquen, pero comprueba si ahora eres el proveedor de un sistema de IA.

Anota las respuestas con tu razonamiento y ponles fecha. Si acabas cerca de la línea, ese documento es lo que hará que la siguiente conversación - con un abogado, con un comprador o con el departamento jurídico de un cliente corporativo - sea corta.