India propone que la IA viaje al dato, no al revés

India propone que la IA viaje al dato, no el dato a la IA

El gobierno de India quiere que los modelos de inteligencia artificial se entrenen con datos locales sin que esos datos salgan nunca del control de sus dueños. La Data Empowerment and Protection Architecture (DEPA) for AI Training, el marco que impulsa el Ministerio de Electrónica y Tecnología de la Información (MeitY), se apoya en una idea simple de enunciar y compleja de ejecutar: "el modelo viaja al dato, en lugar de que el dato viaje al modelo", según la describió Ajay Kumar Sood, asesor científico principal del gobierno indio.

Para un founder que entrena modelos o que vende software a sectores regulados, el planteo importa por una razón concreta: ataca el cuello de botella que hoy frena la mayoría de los proyectos de IA en salud, banca y sector público. Y ese cuello de botella no es la falta de cómputo, sino la imposibilidad de mover datos sensibles fuera de la institución que los custodia.

Cómo funciona el esquema DEPA

El diseño separa tres roles. Los Training Data Providers (TDP) —hospitales, bancos y agencias de gobierno, según los ejemplos que da el propio MeitY— comparten datos anonimizados y cifrados con una Data Exchange Platform (DEP). Los Training Data Consumers (TDC) acceden a esos datos para entrenar sus modelos.

La pieza clave es dónde ocurre el entrenamiento. Las DEP operan lo que MeitY llama "Secure Data Environments" basados en hardware, donde "los datos permanecen cifrados y aislados incluso durante el procesamiento". Es decir: el modelo entra al entorno, aprende y sale; el dato no sale nunca.

El marco suma dos capas de control. Por un lado, técnicas de privacidad diferencial que, según el documento, "se aplican de forma sistemática para evitar que el modelo aprenda o revele información específica de un individuo". Por otro, un registro inmutable de toda la actividad dentro del entorno seguro, pensado para auditoría.

Qué ambiciones tiene India con estos datos

MeitY no esconde para qué quiere el esquema. En salud, apunta a "desbloquear datos sanitarios hoy fragmentados" para diagnóstico asistido, descubrimiento de fármacos y gestión de salud pública. En servicios financieros, donde India tiene miles de bancos, calcula que DEPA podría "extender el crédito formal a 400 millones de personas y MSME desatendidas". En educación, habla de aprendizaje personalizado para los 250 millones de estudiantes del país y de un sector EdTech que cifra en US$29.000 millones.

El documento también tiene un objetivo diplomático explícito: presentarse como "la contribución de India a la diplomacia científica global", en línea con los esfuerzos del Banco Mundial y Naciones Unidas por un ecosistema de IA más inclusivo. No es casual. India ya usa su infraestructura pública digital —el sistema de pagos Unified Payments Interface y la plataforma de ride-sharing sin comisión Bharat Taxi— como herramienta de influencia, regalándola a países amigos.

El detalle que cambia el cálculo: es un manual, no una ley

Acá conviene bajar el entusiasmo. Según reportó Economic Times, el handbook de DEPA se presentó el 31 de octubre en Bengaluru, de la mano del secretario de IT S Krishnan y con apoyo de la fundación iSPIRT. El propio medio lo enmarca como un "playbook tecno-legal", no como una norma vinculante.

Eso significa que DEPA no crea por sí sola una obligación estatutaria nueva ni reemplaza las reglas vigentes sobre datos personales, información confidencial o propiedad intelectual. Para operar en India, las empresas siguen sujetas a la Digital Personal Data Protection Act y a las reglas de IT. La utilidad práctica del handbook es otra: da un marco de referencia para diseñar pilotos de datos compartidos con permisos contractuales, entornos controlados y trazabilidad de procedencia.

Soberanía de datos: el contexto global

DEPA se inserta en una ola que creció muy rápido. El think tank estadounidense CNAS contabilizó un solo proyecto gubernamental de IA soberana en enero de 2023; para mediados de 2026 ya registraba 184 proyectos en 67 países, según recoge un análisis publicado en The Conversation. La misma nota señala que India ya desplegó alrededor de 38.000 GPUs a través de su IndiaAI Mission, además de iniciativas como BharatGen, un modelo multilingüe, y AIKosh, una plataforma nacional de datos anonimizados para startups e investigadores.

El patrón se repite en otros mercados. El Reino Unido lanzó en abril de 2026 su Sovereign AI Fund con £500 millones comprometidos y sumó £60 millones más en el presupuesto del 28 de octubre, según The Conversation. Y aunque casi ningún país controla la pila completa —alrededor de tres quintos de los modelos base extranjeros que identifica CNAS vienen de Estados Unidos—, la dirección es clara: los gobiernos quieren tener opciones, no depender de un único proveedor.

¿Qué significa esto para tu startup?

El mensaje para un founder hispanohablante no es "mira lo que hace India", sino que el patrón de entrenar dentro del entorno del cliente se está volviendo el estándar para vender IA a sectores regulados. Tres movimientos concretos:

• Mapea tus datasets de mayor valor y detecta los campos sensibles. Antes de proponer cualquier colaboración con un hospital, un banco o una entidad pública, ten claro qué información no puede salir de su perímetro. Ese inventario es la base de cualquier piloto.
• Diseña un piloto de "sala sellada" con un solo socio. En lugar de pedir el dataset completo, propone entrenar tu modelo dentro de la infraestructura del socio, con permisos por caso de uso y registro de accesos. Es la lógica que MeitY describe y la que desbloquea conversaciones que hoy se frenan en el área legal.
• Alinea consentimiento, limitación de propósito y retención con la normativa local. Si operas en India, la referencia es la DPDP Act; si operas en LATAM o España, el equivalente es tu régimen de protección de datos. Los contratos electrónicos por caso de uso y los logs de entrenamiento son el tipo de evidencia que un regulador o un cliente corporativo va a pedir.

Hay además una oportunidad de talento: el propio ecosistema indio anticipa demanda de perfiles de data steward, ingeniero de privacidad y especialistas en aprendizaje federado. En LATAM y España, donde el capital es más escaso, ese expertise puede ser un diferenciador comercial más barato de construir que un modelo propio.

Conclusión

DEPA es todavía un marco aspiracional: un handbook, no una ley, y sin calendario de implementación ni sectores obligatorios. Pero la dirección que marca —entrenar al modelo dentro del dato, con permisos trazables y auditoría— es la que ya están adoptando gobiernos de todo el mundo y la que van a exigir los clientes regulados. Para un founder, la pregunta útil no es si India lo va a implementar, sino si su producto está listo para venderse en un mundo donde el dato no se mueve.

Fuentes

• The Register (fuente original)
• Economic Times / CIO
• eoto.tech
• The Conversation