Ética, límites y costes de la IA — Módulo 9 del Curso IA Marketing gratis
Por qué este módulo importa
El 90% de la formación de IA te enseña a usarla. El 10% te enseña a no meter la pata. Este módulo es ese 10%. Si trabajas con clientes, datos personales, contenido editorial, ámbito legal o kids, este tema es crítico.
1) "No publiques lo que no has validado." 2) "Si tocas datos personales, sigue RGPD." Todo lo demás viene de ahí.
1. RGPD y datos personales
¿Puedes pasarle datos de un cliente a ChatGPT o Claude?
- Sí, si el dato está anonimizado: nombre → "cliente A", email → "email@example.com".
- Sí, si está cubierto por un DPA: las versiones empresa de OpenAI, Anthropic, Google ofrecen DPA conforme a RGPD.
- No, si son datos sensibles: salud, menores, origen étnico, datos financieros detallados.
- No, si la IA los usa para entrenar: a menos que la versión enterprise lo desactive explícitamente.
En la versión enterprise de los principales modelos, las conversaciones NO se usan para entrenar. Pagas más pero el dato se trata como confidencial. Para clientes serios, usa siempre la versión enterprise.
2. Alucinaciones: el problema que no se va
Un LLM miente con seguridad. Eso no es un bug, es la naturaleza del sistema: predice tokens.
Cómo mitigar
- Sistemas RAG para responder sobre datos reales.
- Self-consistency en preguntas críticas.
- Validación humana en el output final.
- Revisión con búsqueda web ("cite la fuente").
- Estructura del prompt que exija justificar ("indica fuente").
Casos donde no alucinar es vital
- Sanidad: dosificación, interacciones farmacológicas.
- Legal: jurisprudencia, normativa.
- Financiero: cifras, normativa fiscal.
- Periodismo: hechos verificables.
3. Sesgos
Los LLM tienen sesgos. Sexistas, racistas, culturales, ideológicos en parte. Proceden de los datos de entrenamiento.
- Reflejan sesgos humanos mayoritarios en su corpus.
- Sobre-representan valores y contextos occidentales.
- Suelen tener visión más conservadora en temas sensibles.
- Siguen instrucciones (system prompts) que pueden amplificar o mitigar.
Mitigación
- Audita outputs con perspectiva de género, raza, etc.
- Incluye ejemplos diversos en few-shot.
- Human in the loop obligatorio en contenido sensible.
- Política editorial clara para tu equipo.
4. Propiedad intelectual
El área legal está en plena evolución. Lo que sabemos a septiembre de 2025:
- Las leyes de derechos de autor se aplican al output final.
- Las decisiones legales en EE.UU. y UE están cambiando.
- En general: usar IA como herramienta no transfiere copyright del autor original.
- Sin embargo, empresas ofrecen "indemnificación de copyright" para clientes enterprise.
- Evita inputs que sean obras protegidas completas.
Declara internamente qué contenido usa IA. Mantén evidencia del prompt y de los outputs. Forma a tu equipo en buenas prácticas. Si trabajas para cliente, recoge su consentimiento por escrito.
5. Coste real por proyecto
Variables que importan
- Modelo usado (Haiku, Sonnet, GPT-4o-mini, GPT-4o).
- Tokens de input vs output (output es 4-5x más caro).
- Volumen de ejecuciones.
- Largo de los prompts.
- Frecuencia de uso.
Costes típicos
- Marketer en solitario, uso diario: 30-100 USD/mes.
- Equipo pequeño (3-5 personas): 100-300 USD/mes.
- Agencia con varios clientes: 500-2000 USD/mes.
- Empresa enterprise con agentes + RAG: 2.000-10.000 USD/mes.
Cómo optimizar
- Modelo pequeño para tareas simples.
- Prompts concisos (menos tokens).
- Cachear resultados cuando aplica.
- Streaming solo donde necesitas latencia.
- Self-host modelos open source para tareas sensibles y recurrentes.
6. Coste energético y sostenibilidad
Cada consulta a GPT-4 consume entre 0,0003 y 0,03 kWh. Multiplica por miles de millones de consultas diarias: huella seria.
- Modelos pequeños cuestan menos energía.
- Open source local reduce dependencia cloud.
- Data centers con energía renovable compensan.
- Empresas sostenibles se posicionan mejor si lo comunican.
7. Deepfakes y fraude
La IA permite clonar voz, vídeo y rostro. Lo que está prohibido:
- Deepfakes políticos / electorales.
- Suplantación de identidad.
- Material de menores (CSAM).
- Fraude financiero con clonación de voz.
- Acoso con imágenes sintéticas.
8. Buenas prácticas operativas
- Política de uso de IA documentada y firmada por el equipo.
- Auditoría trimestral de los outputs que se publican.
- Capacitación obligatoria antes de usar IA en producción.
- Marca de agua en contenido generado por IA cuando aplique.
- Cliente SIEMPRE informado: "este asset usa IA, podemos rehacerlo?".
9. Resumen ejecutivo
- RGPD: anonimiza o usa versión enterprise con DPA.
- Las alucinaciones no se van: valida siempre.
- Sesgos existen: audita tus outputs.
- Propiedad intelectual: declara y conserva evidencia.
- Costes varían de 30 a 10.000 USD/mes según uso.
- Sostenibilidad: modelos pequeños, open source cuando aplica.
- Política interna y formación del equipo, obligatorias.
- Tengo una política interna de uso de IA.Documentada y firmada por el equipo.
- Conozco las reglas RGPD aplicables a mi caso.Anonimización o DPA.
- Valido outputs críticos antes de publicar.Sanidad, legal, finanzas, datos.
- Optimizo costes de mis flujos con IA.Modelo + tokens + caching.
- Informo a clientes cuando uso IA.Transparencia activa.
Cuando hayas terminado el módulo, márcalo como completado para acceder al último.