Consentimiento para entrenar con datos del usuario: cómo pedirlo sin engañar

Pedir permiso para entrenar modelos con los datos del usuario exige una decisión separada, clara y reversible. Qué dice la regulación europea y cómo diseñarlo.

info Definición Rápida
El consentimiento para entrenar es la autorización explícita, separada del uso del servicio, para que los datos de una persona (sus conversaciones, archivos o correcciones) se usen para mejorar o entrenar modelos de IA. Debe ser una decisión que el usuario pueda entender, rechazar sin perder el producto y revertir.

¿Qué diferencia hay entre usar el servicio y entrenar el modelo?

Usar el servicio significa que el sistema procesa tus datos para darte la respuesta que pediste. Entrenar un modelo significa que esos datos se incorporan a un proceso que afecta a todas las personas que usarán el modelo después. Son finalidades distintas, y la regulación las trata como tal.

Si el usuario aceptó “las condiciones”, no aceptó necesariamente que sus datos entrenen un modelo. Y si el producto usa la misma casilla para ambas cosas, el consentimiento no es válido en la práctica, aunque figure en un registro.

¿Qué dice la regulación europea?

El Comité Europeo de Protección de Datos (EDPB) adoptó la Opinión 28/2024 el 17 de diciembre de 2024, a petición de la autoridad irlandesa de protección de datos. Sus puntos principales, según el texto de la opinión y el resumen de Osborne Clarke:

  • El interés legítimo puede servir como base legal para entrenar y desplegar modelos, pero se evalúa caso por caso.
  • Hay que considerar para qué se podrían usar después los modelos, incluidos los usos de terceros, y si serían ilegales, no deseados o injustos.
  • Las personas cuyos datos se usan para entrenar deben poder oponerse al tratamiento.
  • La transparencia es un factor de la evaluación.
  • Si el entrenamiento fue ilegal, el efecto sobre el uso posterior del modelo depende de las circunstancias, entre ellas si ese uso posterior solo trata datos anonimizados.
  • Entre las medidas de mitigación, el EDPB menciona ofrecer un opt-out incondicional antes de que empiece el tratamiento, que va más allá de lo que exige el artículo 21 del RGPD.

La opinión no es vinculante por sí misma, pero las autoridades europeas suelen tomarla como referencia. Para decisiones de producto, sirve como lista de preguntas: ¿tenemos una base legal?, ¿la persona sabe que pasa?, ¿puede oponerse?

Cuando la base legal es el consentimiento, el RGPD añade reglas de diseño muy concretas. El artículo 7 exige que la solicitud se distinga claramente de otros asuntos (apartado 2), que retirarlo sea tan fácil como darlo (apartado 3) y que se valore si el servicio se condiciona a un tratamiento que no es necesario para prestarlo (apartado 4). El considerando 32 aclara que el silencio, las casillas premarcadas y la inacción no constituyen consentimiento.

¿Cómo se diseña una decisión real?

Un consentimiento bien diseñado tiene cuatro características:

  1. Separado. Una pantalla o un bloque propio, no una línea dentro de los términos.
  2. Apagado por defecto. Si la opción viene marcada, la decisión no es del usuario.
  3. Con texto llano. Explica qué se entrena, con qué datos y qué no se incluye (por ejemplo, “tus archivos privados no se usan”).
  4. Reversible. Un ajuste visible para cambiar de opinión, con una explicación honesta de lo que ya no se puede deshacer.

Un tema que el usuario suele no entender es la irreversibilidad. Si un dato ya se usó para entrenar, retirar el permiso detiene usos futuros, pero no siempre borra la influencia que tuvo en el modelo. Dilo antes de que lo descubra solo.

¿Cómo se ve un consentimiento que engaña?

Hay un caso documentado que sirve para aprender qué evitar. El 28 de agosto de 2025, Anthropic anunció cambios en sus condiciones de consumo: las conversaciones y sesiones de código de los planes Free, Pro y Max podían usarse para entrenar modelos, con conservación de hasta cinco años si la persona lo permitía (frente a los 30 días anteriores). Los servicios comerciales y la API quedaban fuera (Anthropic). Los primeros reportes hablaban de un plazo hasta el 28 de septiembre; la página de Anthropic indica hoy el 8 de octubre de 2025 como fecha límite para elegir.

Según el reporte de Business Today, la ventana emergente tenía un botón grande de “Aceptar” y un interruptor de entrenamiento mucho más pequeño, activado por defecto, lo que según algunos críticos podía llevar a consentir sin darse cuenta (Business Today).

El patrón es claro: el botón grande aprueba todo, el interruptor pequeño decide el entrenamiento, y el plazo empuja a decidir rápido. Un diseño honesto separaría las dos decisiones y dejaría el entrenamiento apagado. Hoy, la ayuda de Anthropic describe el control como el ajuste “Model Improvement” en la configuración de privacidad, y aclara que los chats incógnito no se usan para entrenar (Anthropic).

¿Cómo lo resuelven otros productos?

Google ofrece en Gemini el ajuste “Keep Activity” (Actividad de las apps de Gemini). Con él activado, los chats se guardan y se usan para mejorar los servicios de Google, incluido el entrenamiento de modelos, y algunos pasan por revisores humanos. Con él desactivado, los chats nuevos no se usan para entrenar salvo que envíes comentarios a Google, aunque se conservan 72 horas para responderte y proteger a los usuarios. Los datos que ya revisaron personas se conservan hasta tres años aunque borres tu actividad (Google).

La lección de diseño está en esos detalles: un buen opt-out dice qué cambia al apagarlo, qué excepciones quedan (comentarios, retención temporal) y qué no se puede deshacer.

Ejemplo

Ejemplo ilustrativo: una app de bocetos con IA quiere mejorar su generador usando los dibujos de sus usuarios. Antes de activar la función, aparece una pantalla propia con dos columnas: “Lo que sí se usa” (tus indicaciones para generar la imagen, solo en tu cuenta) y “Lo que se usaría para entrenar” (tus dibujos finales, sin nombre ni metadatos). El interruptor está apagado. Si lo activas, el texto indica que puedes cambiarlo en Ajustes y que los dibujos ya usados no se pueden retirar del modelo. Un enlace lleva a la política completa.

Cómo aplicarlo mañana

  1. Revisa tu flujo de permisos y separa cada finalidad en una pantalla o un bloque distinto: usar el servicio, mejorar el producto y entrenar modelos de terceros.
  2. Confirma que la opción de entrenamiento viene apagada y que se puede cambiar desde Ajustes sin buscar.
  3. Escribe el texto de la opción con dos listas: qué se usa y qué no se usa. Si no puedes llenar la segunda lista, el texto todavía no está listo.
  4. Pide a una persona de legal o privacidad que revise el texto antes del lanzamiento, y guarda la fecha y la versión de la pantalla que aceptó cada usuario.

Una prueba rápida: si un usuario nuevo tarda más de treinta segundos en encontrar cómo decir que no, el consentimiento necesita rediseño.

Para ver cómo se traduce esto en la interfaz, mira dark patterns de IA, donde se describen los diseños que empujan a aceptar. El aviso en el momento de compartir se relaciona con privacidad y datos en productos con IA, y la explicación de qué hace el sistema con cada dato, con explicabilidad en productos con IA.

Errores comunes

  • Meter el entrenamiento dentro de “Acepto los términos”.
  • Activar el permiso por defecto y esperar que nadie lo cambie.
  • Ocultar la opción en un menú que solo abre quien busca con paciencia.
  • Pedir consentimiento para “mejorar el servicio” cuando en realidad se entrena un modelo de terceros.
  • No explicar qué pasa con los datos ya usados cuando alguien retira el permiso.
  • Usar un plazo de decisión corto para empujar al usuario a aceptar.

Fuentes

Preguntas frecuentes

¿Qué es el consentimiento para entrenar un modelo con datos de usuarios?
Es la autorización explícita, separada del uso del servicio, para que las conversaciones, archivos o acciones del usuario se usen para mejorar o entrenar modelos de IA. Debe poder rechazarse y retirarse con la misma facilidad con que se da.
¿Se puede poner el entrenamiento en los términos de servicio?
Mejor no. Si el uso para entrenar va dentro de una aceptación general, el usuario no tiene una decisión real. Conviene separarlo en una opción propia y reversible.
¿Qué dice la EDPB sobre entrenar modelos con datos personales?
La Opinión 28/2024, adoptada el 17 de diciembre de 2024, admite el interés legítimo como base legal con evaluación caso por caso, exige que las personas puedan oponerse y sugiere un opt-out incondicional previo como medida de mitigación.
¿Qué debe pasar cuando un usuario retira el consentimiento?
Debe quedar claro qué se deja de usar a partir de ese momento y qué no se puede retirar, porque un dato ya usado en entrenamiento no siempre puede eliminarse del modelo.