En resumen: OpenAI, Google DeepMind, Meta AI y Midjourney entrenaron sus modelos con millones de textos, imágenes y conversaciones publicadas en internet sin pedir permiso explícito a sus autores. El RGPD europeo permite reclamar la exclusión de ese entrenamiento, pero el proceso varía por empresa y no siempre garantiza un resultado definitivo.
Las grandes IA se entrenaron con millones de textos, fotos y conversaciones. Aquí qué puedes hacer para protegerte y reclamar tus derechos.
Qué es el entrenamiento con datos personales y para qué lo usan las IA
El entrenamiento de inteligencia artificial con datos personales consiste en alimentar un modelo con texto, imágenes o audio reales para que aprenda patrones del lenguaje humano. Esos datos no vienen de la nada: proceden de páginas web, redes sociales, foros, blogs y repositorios públicos que los rastreadores de las empresas de IA han indexado durante años.
El conjunto de datos más usado se llama Common Crawl, un archivo público que, según su propia documentación, ha indexado más de 3.000 millones de páginas web. Modelos como GPT (de OpenAI) y Llama (de Meta AI) lo usaron como base de entrenamiento. Si alguna vez publicaste algo en internet —un artículo, un comentario en un foro, una foto con texto en redes— existe una probabilidad real de que forme parte de ese archivo.
No hablamos solo de texto literario o código. Posts de Instagram, hilos de Twitter/X, reseñas de Google, respuestas en Reddit, artículos de LinkedIn: todo eso entra en el saco. Y lo más llamativo es que nadie te pidió permiso para usarlo.
Cómo reclamar la exclusión de tus datos paso a paso
Puedes solicitar que eliminen o excluyan tus datos del entrenamiento de IA, aunque el proceso cambia según la empresa y el país donde estés. Aquí el procedimiento concreto para las plataformas más usadas:
- OpenAI (ChatGPT): Ve a privacy.openai.com y usa el formulario de solicitud de exclusión de entrenamiento. Puedes pedir tanto la eliminación de datos personales como el opt-out para que no usen tus conversaciones en futuros entrenamientos.
- Google DeepMind (Gemini): Accede a myaccount.google.com/data-and-privacy. Desde ahí puedes revisar qué datos gestiona Google y solicitar eliminaciones específicas. Los ajustes de actividad web también afectan al entrenamiento de sus modelos.
- Meta AI (Llama, modelos integrados en Instagram y Facebook): Meta ofrece un formulario específico para datos de terceros. Búscalo en el Centro de Privacidad de Meta. Desde 2024, Instagram también permite desactivar el uso de tus publicaciones para entrenamiento de IA desde los ajustes de la app.
- LinkedIn: En Ajustes → Privacidad de datos → Datos para la mejora de IA generativa. Desde 2024 se puede desactivar directamente en la plataforma.
- Tu propio sitio web: Añade al archivo robots.txt la directiva
User-agent: GPTBot / Disallow: /para bloquear el rastreador de OpenAI. Otros rastreadores de IA tienen sus propios identificadores: CCBot (Common Crawl), Google-Extended (Google), o anthropic-ai (Anthropic). - Si la empresa no responde en 30 días: Presenta una reclamación ante la Agencia Española de Protección de Datos (AEPD) si estás en España, o ante la autoridad de control de tu país dentro de la UE. El RGPD fija ese plazo máximo de respuesta; incumplirlo puede acarrear multas de hasta el 4% de la facturación global anual de la empresa.
Errores frecuentes al intentar proteger tus datos de la IA
El error más habitual es creer que borrar una cuenta equivale a eliminar tus datos del entrenamiento. No funciona así. Si tus textos o fotos ya fueron rastreados e incorporados a un dataset, borrar el perfil no los extrae del modelo entrenado. Son dos procesos completamente distintos.
- Confundir opt-out de personalización con opt-out de entrenamiento. Muchas plataformas te permiten desactivar la publicidad personalizada, pero eso no afecta al uso de tus datos para entrenar modelos de IA. Son ajustes diferentes; busca específicamente la opción de «entrenamiento de IA».
- Asumir que el contenido «privado» está a salvo. Los datos entrenados provienen principalmente de contenido público, pero filtraciones pasadas de plataformas y scrapers agresivos han incorporado contenido que los usuarios consideraban privado.
- No guardar confirmación de la solicitud. Si reclamas ante OpenAI, Meta o Google, conserva el correo de confirmación y la fecha. Lo necesitarás si tienes que escalar la queja a una autoridad reguladora.
- Ignorar plataformas secundarias. Midjourney, Stability AI y otros servicios de imagen generativa también usaron datos públicos. Revisa las políticas de cada plataforma donde publicas trabajo creativo.
Lo que necesitas saber antes de empezar
Tus derechos digitales dependen en gran medida de dónde vives. Dentro de la Unión Europea, el RGPD te da base legal sólida: la Comisión Europea ha dejado claro que el interés legítimo no es suficiente para procesar datos personales a escala masiva sin consentimiento. La Agencia Española de Protección de Datos ya ha investigado a varias empresas del sector y tiene un canal específico para reclamaciones relacionadas con IA.
Fuera de Europa, la protección varía mucho. México cuenta con la Ley Federal de Protección de Datos Personales en Posesión de los Particulares (LFPDPPP), aunque su aplicación al entrenamiento de IA aún no está consolidada jurídicamente. En Argentina existe la Ley 25.326, también en proceso de actualización para adaptarse al ecosistema de IA. En la mayoría de países de América Latina, las herramientas legales existen pero los mecanismos de enforcement son más débiles.
Un dato que resume la escala del problema: según investigadores del Allen Institute for AI, los datasets de entrenamiento de los grandes modelos contienen texto procedente de millones de autores individuales que nunca fueron informados de ese uso. No es un fallo puntual; es el modelo de negocio que permitió construir la IA generativa tal como la conocemos hoy.
La pregunta real no es si tus datos están ahí —probablemente lo están—, sino qué haces con esa información. Reclamar no siempre borra lo que ya existe, pero sí construye precedente legal, alimenta los expedientes de las autoridades reguladoras y presiona a las empresas a cambiar sus prácticas para datos futuros. Eso tiene valor aunque el resultado individual no sea inmediato.
—
Preguntas frecuentes sobre datos personales e inteligencia artificial
¿Qué datos míos pueden haber usado las IA para entrenarse?
Textos, fotos, vídeos y conversaciones publicadas en internet: tus posts en redes sociales, artículos de blog, comentarios en foros y hasta correos en servidores comprometidos. Common Crawl, el dataset más utilizado en el entrenamiento de modelos como GPT y Llama, ha indexado más de 3.000 millones de páginas web según su propia documentación pública.
¿Es legal que las IA usen mis datos sin pedirme permiso?
Dentro de la UE, procesar datos personales sin base legal clara viola el RGPD. Varias autoridades europeas —entre ellas la italiana Garante y la francesa CNIL— ya han investigado o multado a empresas de IA por este motivo. Fuera de Europa, la situación legal varía: en muchos países de América Latina no existe aún una protección equivalente aplicada específicamente al entrenamiento de IA.
¿Cómo puedo pedir que eliminen mis datos de un modelo de IA?
OpenAI tiene un formulario en privacy.openai.com. Google lo gestiona desde myaccount.google.com/data-and-privacy. Meta ofrece un formulario en su Centro de Privacidad para datos de terceros. Si la empresa no responde en 30 días —el plazo máximo que fija el RGPD—, puedes escalar la reclamación a la Agencia Española de Protección de Datos (AEPD) si resides en España.
¿Puedo evitar que futuras IA usen mi contenido?
Sí. En tu web, añade al archivo robots.txt la directiva User-agent: GPTBot Disallow: / para bloquear el rastreador de OpenAI; otros rastreadores de IA tienen identificadores propios (CCBot, Google-Extended, anthropic-ai). En redes sociales, Instagram y LinkedIn permiten desactivar el uso de datos para entrenamiento de IA desde sus ajustes de privacidad, opción disponible desde 2024.
Sigue leyendo
