Los resúmenes del AI Act omiten dominios raspados, según revisión

ActuIA llevó a cabo un análisis exhaustivo de veinticuatro resúmenes de contenido de entrenamiento que estaban disponibles al público el 25 de septiembre de 2026, cada uno elaborado bajo las obligaciones de reporte establecidas en el Artículo 53(1)(d) del AI Act, la norma europea que regula la transparencia de los sistemas de IA.

Según la plantilla oficial suministrada por la Comisión Europea, los proveedores deben enumerar los dominios de primer y segundo nivel que representan el diez por ciento mayor del total de sitios web raspados por volumen, aplicando un umbral más bajo para las pequeñas y medianas empresas (PYMEs) con el fin de garantizar una divulgación proporcional al tamaño de la organización.

La mayoría de los resúmenes omiten la lista de dominios

De los veinticuatro documentos revisados, veintiuno incluían la sección correspondiente a los principales dominios raspados dentro de la plantilla, pero dejaron el campo completamente vacío, sin proporcionar ningún nombre de sitio web ni indicar siquiera un dominio de ejemplo.

Los tres resúmenes presentados por DeepSeek fueron aún más escuetos: omitieron por completo la sección dedicada al web‑scraping, lo que implica que la información requerida por la normativa falta de manera total en esos documentos.

Cómo describen sus fuentes de datos

En lugar de enumerar dominios específicos, los autores de los resúmenes optaron por describir sus fuentes mediante categorías amplias, como recursos académicos, plataformas de alojamiento de código, enciclopedias, portales regionales o extensiones genéricas como .com, .org o .net, sin precisar URLs concretas.

Documentación de Ant Group en Hugging Face

Los resúmenes publicados por Ant Group se encuentran en el repositorio inclusionAI/AI‑Transparency alojado en Hugging Face. En la descripción del repositorio se indica que contiene únicamente documentación, sin incluir pesos de modelo ni conjuntos de datos de entrenamiento, y se aclara que la publicación no constituye una certificación regulatoria ni un cumplimiento automático del AI Act.

Contexto regulatorio y plazos

La obligación impuesta por el AI Act de divulgar información sobre los dominios raspados se aplica a los modelos de propósito general que se comercialicen a partir del 2 de agosto de 2025. Los modelos que ya estaban en el mercado antes de esa fecha disponen de una ventana de cumplimiento que se extiende hasta el 2 de agosto de 2027 para actualizar sus documentos de transparencia.

Determinar si las descripciones actuales satisfacen los requisitos legales del Artículo 53 corresponde exclusivamente a la Comisión Europea; la revisión realizada por ActuIA no constituye una valoración de ilegalidad ni un dictamen vinculante.

• 21 resúmenes incluyen la plantilla pero no listan dominios
• 3 resúmenes de DeepSeek omiten la sección completamente
• Los proveedores usan categorías genéricas en lugar de URLs específicas
• El repositorio de Ant Group en Hugging Face aclara que los documentos no son certificación

Para las organizaciones hispanohablantes, el impacto práctico es evidente: la ausencia de listas explícitas de dominios puede llevar a que las auditorías de cumplimiento marquen las divulgaciones como incompletas, lo que a su vez podría desencadenar solicitudes de información adicional o acciones correctivas por parte de los reguladores de la UE.

En este contexto, las empresas deberían prepararse para complementar sus resúmenes con datos concretos de dominios en caso de que la Comisión determine que el enfoque actual no cumple con los requisitos del Artículo 53, lo que implicaría una revisión interna de los procesos de recopilación y documentación de datos.

Una estrategia recomendada consiste en identificar los dominios que aportan el mayor volumen de datos de entrenamiento, elaborar un inventario detallado y actualizar la sección correspondiente de la plantilla antes de la fecha límite de agosto de 2027.

Asimismo, es aconsejable establecer mecanismos de seguimiento continuo que permitan detectar cambios en los patrones de raspado y ajustar la lista de dominios en tiempo real, garantizando así una mayor alineación con la normativa europea.

En conclusión, la revisión de ActuIA evidencia una brecha significativa entre la práctica actual de los proveedores y las expectativas regulatorias, subrayando la necesidad de mayor claridad y rigor en la divulgación de los dominios raspados.

Este análisis se publica con el objetivo de informar a la comunidad tecnológica y a los responsables de cumplimiento sobre los riesgos potenciales y las medidas correctivas que podrían ser necesarias para evitar sanciones futuras.