Grounding, no entrenamiento: lo que cambia ante el regulador
Entrenar un modelo y consultar el dato no son lo mismo ante la ley: qué cambia para una utility cuando el consumo del cliente solo entra como contexto.
· 9 min de lectura
En la entrega anterior, el área legal dejó en pausa el piloto de Joule con tres preguntas sobre el recorrido del dato. Cuando el equipo SAP vuelve a la mesa, suele encontrarse con una cuarta pregunta, más visceral, que casi nunca se formula en voz alta: si activamos el asistente, ¿el historial de consumo de nuestros clientes termina dentro del modelo?
La respuesta depende de un verbo. Entrenar y consultar son operaciones distintas. Dejan el dato en lugares distintos y, por eso, le plantean a la autoridad de protección de datos preguntas distintas. Entender esa diferencia permite sacar la conversación con el regulador del terreno de un modelo opaco y llevarla a uno que la utility ya conoce: su propio sistema de registro.
Dos verbos que la norma no trata igual
Entrenar un modelo significa ajustar sus parámetros con un conjunto de datos, de modo que lo aprendido queda incorporado al modelo. Consultar con grounding es otra operación. El modelo no se modifica: recibe, junto con la pregunta, los registros de negocio que necesita para responder, y construye la respuesta sobre ellos.
SAPinsider describe este patrón en la integración de Joule con Vertex AI de Google Cloud. Entrenar modelos directamente con datos del ERP introduciría riesgos de seguridad y cumplimiento; en su lugar, la arquitectura RAG recupera la información relevante desde los sistemas SAP en el momento de la consulta (SAPinsider, 2026). La misma publicación señala que poder rastrear cada respuesta hasta los registros del ERP se está volviendo un requisito para usar IA en funciones sensibles al cumplimiento (SAPinsider, 2026).
En una distribuidora, el ejemplo es concreto. Si un analista pregunta por qué subió la factura de un prosumidor, el asistente necesita el historial de lecturas de ese cliente y las condiciones de su contrato de generación distribuida. Con grounding, esos registros viajan como contexto de esa consulta puntual. Con entrenamiento, habrían pasado a formar parte del modelo mismo.
Dónde queda el dato del cliente en cada caso
---
config:
theme: base
fontFamily: 'Inter Variable, system-ui, sans-serif'
themeVariables:
darkMode: true
fontFamily: 'Inter Variable, system-ui, sans-serif'
fontSize: '15px'
background: '#111113'
primaryColor: '#1A1A1D'
primaryTextColor: '#F4F5F8'
primaryBorderColor: '#00C2FF'
secondaryColor: '#242428'
tertiaryColor: '#1A1A1D'
mainBkg: '#1A1A1D'
secondBkg: '#242428'
tertiaryBkg: '#2E2E33'
lineColor: '#00C2FF'
textColor: '#F4F5F8'
titleColor: '#F4F5F8'
nodeBorder: '#00C2FF'
clusterBkg: '#1A1A1D'
clusterBorder: '#2E2E33'
edgeLabelBackground: '#242428'
pie1: '#00C2FF'
pie2: '#f59e0b'
pie3: '#22c55e'
pie4: '#59d7ff'
pie5: '#f97316'
pie6: '#ef4444'
pieTitleTextColor: '#F4F5F8'
pieSectionTextColor: '#F4F5F8'
pieLegendTextColor: '#F4F5F8'
pieStrokeColor: '#111113'
pieOuterStrokeColor: '#111113'
---
flowchart TD
A([Historial de consumo y contrato del cliente]) --> B{¿Entrenar o consultar?}
B -->|Entrenar| C[Ajusta los parámetros del modelo]
C --> D([Lo aprendido queda incorporado al modelo])
B -->|Grounding| E[Registros viajan como contexto de la consulta]
E --> F[El modelo no se modifica]
F --> G([El dato sigue viviendo en SAP IS-U])
class A inicio
class B decision
class C,E,F proceso
class D neutro
class G bueno
classDef inicio fill:#113d4f,stroke:#00C2FF,color:#ffffff
classDef decision fill:#473519,stroke:#f59e0b,color:#ffffff
classDef proceso fill:#33363c,stroke:#9aa0aa,color:#ffffff
classDef bueno fill:#193e2b,stroke:#22c55e,color:#ffffff
classDef neutro fill:#33363c,stroke:#9aa0aa,color:#ffffff
Esa diferencia de ubicación es la que le importa al oficial de cumplimiento. Un modelo entrenado con datos personales es un artefacto que la empresa no puede revisar registro por registro. El Comité Europeo de Protección de Datos concluyó que la anonimidad de un modelo entrenado con datos personales no se presume: debe evaluarse caso por caso (Hunton Andrews Kurth, 2024). Es una referencia europea, pero describe el problema con precisión. Una vez que el dato entra al entrenamiento, demostrar que ya no está ahí se vuelve una carga de prueba difícil de sostener.
Con grounding, el historial de consumo y el contrato siguen viviendo en SAP IS-U. Ahí la utility ya aplica sus políticas de retención, acceso y corrección. El modelo no absorbe la cartera de clientes: lee lo que necesita cuando se le pregunta.
Lo que cambia en la conversación con el regulador
Tomemos el marco colombiano como ejemplo. La Ley 1581 reconoce al titular el derecho a conocer, actualizar y rectificar sus datos personales frente al responsable y al encargado del tratamiento (Ley 1581, 2012; Supersociedades, s. f.). Al responsable le impone, entre otros deberes, rectificar la información cuando sea incorrecta y comunicarlo al encargado (Ley 1581, 2012).
Si el dato del cliente estuviera dentro de un modelo entrenado, cada solicitud de rectificación abriría una pregunta sin respuesta sencilla: cómo se corrige lo que el modelo ya aprendió. Con grounding, la rectificación ocurre donde siempre ocurrió, en el maestro del interlocutor comercial, en el contrato o en el documento de lectura dentro de IS-U. Mientras la capa de recuperación lea el dato vigente, la consulta siguiente parte del registro ya corregido.
La pregunta de legal cambia entonces de forma. Deja de ser «¿nuestros clientes están dentro del modelo?» y pasa a ser «¿qué registros se recuperan en cada consulta, con qué finalidad y qué queda guardado después?». Esa pregunta se responde con documentación de diseño, no con confianza en el proveedor. Además, encaja en el principio de finalidad de la misma ley, que exige que el tratamiento obedezca a una finalidad legítima informada al titular (Ley 1581, 2012).
Lo que el grounding no resuelve
Sería un error presentar el grounding como una salida legal automática. La Ley 1581 define el tratamiento como cualquier operación sobre datos personales, incluidos su uso y su circulación (Ley 1581, 2012). Consultar un historial de consumo para responder una pregunta es tratamiento. Por eso siguen abiertas las preguntas de la entrega anterior: quién procesa la consulta, por encargo de quién y en qué jurisdicción.
Hay además un matiz técnico que el expediente debe recoger. En la arquitectura que describe SAPinsider, la consulta pasa por una base de datos vectorial en la que se incorporaron previamente documentos de negocio y registros transaccionales de SAP (SAPinsider, 2026). Ese índice es una representación derivada del dato del cliente. Como tal, también entra en el inventario de tratamiento: cuándo se actualiza, qué contiene y cómo se elimina de él lo que el titular pidió suprimir.
Nada de esto debilita el argumento; lo vuelve verificable. En AGT acompañamos a utilities y empresas de oil & gas de la región a traducir esta diferencia técnica al expediente que revisa el área legal: qué objetos de IS-U entran como contexto, con qué finalidad, dónde se ejercen los derechos del titular y qué copias derivadas hay que gobernar.
Lo que viene en esta serie
La próxima entrega abre esa capa derivada: cómo funciona el motor vectorial de SAP HANA Cloud que sostiene el grounding.
Fuentes
- SAPinsider (2026). SAP Joule, Google Cloud Vertex AI Push GenAI Beyond Chatbots. https://sapinsider.org/map/sap-joule-google-cloud-vertex-ai-push-genai-beyond-chatbots/
- Hunton Andrews Kurth (2024). EDPB Publishes Opinion on Processing of Personal Data in the Context of AI Models. https://www.hunton.com/privacy-and-cybersecurity-law-blog/edpb-publishes-opinion-on-processing-of-personal-data-in-the-context-of-ai-models
- Congreso de Colombia (2012). Ley Estatutaria 1581 de 2012, por la cual se dictan disposiciones generales para la protección de datos personales (texto en Relatoría ANCP-CCE). https://relatoria.colombiacompra.gov.co/normativa/ley-1581-de-2012/
- Superintendencia de Sociedades (s. f.). Ley de protección de datos: derechos del titular de la información. https://supersociedades.gov.co/web/guest/ley-de-proteccion-de-datos
¿Este análisis mapea un mercado donde ya operas o estás evaluando entrar?
Revisamos tu caso específico, mapeamos los riesgos que aplican, y te decimos honestamente si es oportunidad para ti —sin pitch comercial, solo discusión técnica y estratégica.
