Aviso. Esta pieza no describe una ayuda ni un trámite: el Plan IA360, presentado el 21 de septiembre de 2026, sigue sin convocatoria ni bases reguladoras, y sus fechas están sujetas a desarrollo normativo. Lo que sí puedes decidir hoy, con bono público o sin él, es qué modelo y qué infraestructura pide tu propio proyecto.
El proyecto de mayor inversión del Plan IA360 es una gigafactoría de inteligencia artificial: 5.000 millones de euros de inversión público-privada, de los cuales 719 millones de euros son públicos, con el objetivo de «construir la mayor infraestructura de cómputo del sur de Europa» y 100.000 aceleradores de IA operativos en 2028/2029 (Plan IA360, proyecto tractor 1). El plan la destina al «entrenamiento y despliegue de modelos y aplicaciones avanzadas de IA» a escala de país. Ninguna empresa que esté valorando su primer proyecto de IA necesita nada parecido, y confundir la escala de un país con la de un proyecto concreto es la forma más rápida de sobredimensionar — y encarecer — algo que podría resolverse con muchísimo menos.
La pregunta que de verdad determina tu proyecto no es cuánto cómputo existe en España. Son dos: qué modelo necesita tu tarea, y dónde se va a ejecutar.
La primera pregunta: qué tamaño de modelo pide tu tarea
No todas las tareas necesitan el mismo modelo, y usar el más potente disponible para todo es tan ineficiente como usar el más pequeño para algo que requiere razonar en varios pasos. Lo que determina el tamaño real que necesitas es una combinación de factores: el tipo de tarea —clasificar texto no es lo mismo que redactar código—, cuánto texto entra en cada consulta, y la consecuencia de que el modelo se equivoque. Un clasificador de tickets de soporte con revisión humana antes de que importe puede resolverse con un modelo compacto y barato; un sistema que redacta la primera versión de un contrato y cuyo error nadie revisa antes de enviarlo pide otra categoría de modelo, aunque el volumen de trabajo sea menor.
Cruzar esas variables —tipo de tarea, longitud de la entrada, consecuencia de un error, latencia objetivo y presupuesto— para decidir qué perfil de modelo conviene —compacto, generalista o de razonamiento— es precisamente el tipo de decisión que resuelve un diagnóstico de madurez y hoja de ruta: un punto de partida para la conversación, no una tabla de precios ni un modelo comercial concreto.
La segunda pregunta: dónde se ejecuta
La segunda pregunta deja de lado el tamaño del modelo y pasa a la ubicación: si tus datos pueden salir de tu infraestructura sin problema, si tienen que quedarse dentro de la Unión Europea, o si no pueden salir de tu propia red en ningún caso. Esa respuesta cambia lo que te exige el RGPD —si el dato sale del Espacio Económico Europeo entran en juego las reglas de transferencia internacional— y determina qué tienes que pedir por escrito a cualquier proveedor antes de firmar nada: dónde procesa el dato, cuánto tiempo lo retiene, si lo usa para reentrenar su propio modelo. Esta pregunta se trata con más detalle, con ejemplos concretos, en dónde viven tus datos cuando usas IA.
Un ejemplo de por qué el tamaño no es una cuestión de presupuesto, sino de tarea
Piensa en dos proyectos de la misma empresa. El primero clasifica el asunto de cada correo entrante para repartirlo entre departamentos: la entrada es corta, el error se corrige con un reenvío y nadie pierde nada grave si falla una vez de cada veinte. El segundo redacta la respuesta que un comercial va a enviar a un cliente sobre las condiciones de un contrato: la entrada puede ser un expediente entero, y un error ahí sale directo al cliente. El primero pide un modelo compacto y barato, con latencia mínima. El segundo pide un perfil de razonamiento, aunque mueva mucho menos volumen. Confundir los dos — o, peor, aplicar el mismo modelo a ambos por comodidad — es una forma habitual de gastar de más sin que el proyecto mejore por ello.
Cuánto cuesta, sin cifras inventadas
Una vez decidido el modelo y dónde se ejecuta, la pregunta que sigue es cuánto va a costar montarlo. Cuando el proyecto es un sistema que responde preguntas sobre tus propios documentos —un RAG—, el coste depende de tu propio corpus: cuántos documentos, cuánto cambian al mes, en cuántos fragmentos se trocean para indexarlos y qué tarifa te aplica tu proveedor. Esa cuenta no sale de una tabla genérica: se hace con tus propios volúmenes y tus propias tarifas, en la fase de inventario con la que arranca un proyecto de RAG y búsqueda interna, antes de decidir la arquitectura.
Cuándo sí hace falta más potencia
Hay proyectos que se salen de este marco: entrenar un modelo propio desde cero, procesar por lotes volúmenes de datos que no caben en la memoria de un servidor corriente, o trabajar con información que exige latencia mínima a escala masiva. Son minoría, y casi siempre se detectan en la fase de diagnóstico, antes de comprometer presupuesto: si tu caso es uno de ellos, lo normal es que ya lo sospeches antes de leer esto. Para el resto — la mayoría de proyectos de IA que arranca una pyme — la pregunta no es cuánto cómputo tiene el país, sino qué modelo y qué despliegue pide la tarea concreta que tienes delante.
Preguntas frecuentes
¿Necesito una GPU propia para hacer un proyecto de IA en mi empresa?
En la mayoría de los casos no. La mayoría de proyectos de pyme llaman a un modelo ya entrenado a través de una API o lo despliegan en infraestructura existente; entrenar un modelo desde cero es la excepción, no el punto de partida habitual.
¿Qué diferencia hay entre un modelo compacto y uno de razonamiento?
Un modelo compacto resuelve tareas acotadas con baja latencia y coste, adecuado cuando el volumen es alto y el error tiene revisión humana. Un modelo de razonamiento sostiene tareas más largas o con más pasos intermedios, y se justifica cuando la consecuencia de un error es alta o nadie revisa la salida antes de que tenga efecto.
¿Cuánto cuesta implantar un sistema de RAG en mi empresa?
Depende directamente de tu volumen documental, de cuánto cambia al mes y de la tarifa de tu proveedor: no hay una cifra única válida para todas las empresas. Esa cuenta —inversión de puesta en marcha y cuota mensual— es justo lo que se calcula en la fase de inventario de un proyecto de RAG, descrita más arriba, con tus propios datos, no con una tabla genérica.
¿La gigafactoría del Plan IA360 me da acceso a más capacidad de cómputo?
No por ahora. El plan prevé que «facilitará el acceso a capacidad de cómputo a centros de investigación, empresas y administraciones», pero no fija todavía en qué condiciones ni con qué procedimiento, y su apertura está prevista para 2028. La vía pensada para que una pyme llegue a usar IA sin construir su propia infraestructura es la Red NEURONA.
Para seguir
La gigafactoría, cuando exista, resolverá el cómputo de un país. Tu proyecto resuelve una tarea concreta, y esa decisión —modelo, despliegue, coste— se toma con tus propios datos, no con los del plan. El resto de piezas está en la guía completa del Plan IA360.