España quiere tener su propia inteligencia artificial, abierta, pública y capaz de hablar en varias lenguas europeas. Se llama ALIA y, según un nuevo caso de estudio publicado por el Observatorio de Software de Código Abierto de la Comisión Europea (OSOR), se trata de la primera infraestructura de IA desarrollada públicamente, abierta y multilingüe de Europa.
Por qué hace falta una IA “diferente”
Hoy en día, alrededor del 90% de los textos utilizados para entrenar los grandes modelos de lenguaje (LLM) están en inglés. Esto le da una clara ventaja a este idioma y deja en desventaja a otras lenguas, algo especialmente sensible en un país como España, donde conviven varias lenguas cooficiales junto al castellano.
Además, la mayoría de estos modelos son de código cerrado y se desarrollan fuera de Europa: cerca del 80% del uso de estas herramientas corresponde a soluciones propietarias, aunque los modelos abiertos ya alcanzan alrededor del 90% de su rendimiento y resultan, de media, hasta seis veces más baratos. Con este panorama, el Gobierno español decidió apostar por una alternativa propia, abierta y soberana.
Qué es ALIA
ALIA nace dentro de la Estrategia Nacional de Inteligencia Artificial (ENIA) 2024 y tiene un doble objetivo: por un lado, ofrecer una infraestructura pública de recursos de IA (modelos abiertos, herramientas y conjuntos de datos); por otro, impulsar el uso del castellano y de las lenguas cooficiales en el desarrollo y despliegue de IA a nivel global.
El proyecto incluye modelos fundacionales y multimodales (texto, voz e imagen), todos ellos accesibles a través del llamado ALIA Kit, un espacio digital que centraliza documentación técnica, demostradores, conjuntos de datos de entrenamiento y materiales de integración para que administraciones, empresas, universidades y sociedad civil puedan utilizarlos y reutilizarlos.
En cuanto a las licencias, los pesos de los modelos, el código de despliegue y los scripts de entrenamiento se distribuyen bajo licencia Apache 2.0, lo que permite su uso, modificación y redistribución libremente. Sin embargo, los datos de entrenamiento proceden de fuentes con licencias distintas (Common Crawl en CC0, Wikimedia en CC BY-SA 4.0, EurLex en CC BY 4.0, repositorios de GitHub con sus licencias originales, etc.), por lo que es necesario evaluar caso por caso cómo pueden reutilizarse esos conjuntos de datos.
Los modelos de la familia ALIA
El modelo más conocido es ALIA-40B, un modelo fundacional multilingüe de 40.000 millones de parámetros, descrito por el Barcelona Supercomputing Center (BSC) como uno de los modelos públicos multilingües más avanzados de Europa. Fue entrenado con un corpus de más de 9,37 billones de tokens en 35 lenguas europeas y 92 lenguajes de programación, siguiendo una proporción intensiva de datos que le permite un rendimiento muy por encima de lo que cabría esperar por su tamaño.
Junto a él están:
- Salamandra, una familia de modelos más ligeros, pensados para un despliegue ágil en aplicaciones reales, con variantes específicas como SalamandraTA (traducción) y Salamandra-Guard (uso seguro en servicios públicos).
- RoBERTa, una familia de modelos orientada a la comprensión del lenguaje y a la evaluación, que forma parte de una línea de trabajo más amplia centrada también en la creación de corpus y herramientas de evaluación multilingüe.
Cómo se construye: datos y supercomputación
ALIA se apoya en grandes corpus textuales, como el CATalog (unos 23.000 millones de tokens) o el corpus administrativo bilingüe ALIA_DOGV. Todo este volumen de datos se procesa gracias al superordenador MareNostrum 5, situado en el Barcelona Supercomputing Center.
Además, los modelos incorporan capacidades de integración agéntica (pueden conectarse a APIs, bases de datos y flujos administrativos para actuar como asistentes funcionales) y han sido entrenados para seguir instrucciones y responder a tareas propias de la administración pública, como formularios estandarizados o consultas ciudadanas.
Usos ya en marcha
Según la Secretaría de Estado de Digitalización e Inteligencia Artificial (SEDIA), ya hay casos de uso reales en marcha. Destacan la iniciativa GobTechLab, que está identificando cerca de 19 casos de uso de alto impacto para el sector público español, y dos proyectos destacados:
- Hacienda: herramientas para mejorar los flujos internos y la atención a los contribuyentes.
- Cardiomentor: apoyo a la detección precoz de insuficiencia cardíaca para profesionales de atención primaria.
También se están desarrollando asistentes de IA generativa para ayuntamientos, que ayudan a la ciudadanía con trámites, consultas y a traducir el lenguaje burocrático a un formato más claro.
Quién lo gobierna y quién lo financia
El proyecto está dirigido por la SEDIA (Ministerio para la Transformación Digital y la Función Pública), mientras que la Agencia Española de Supervisión de la Inteligencia Artificial (AESIA), la primera agencia nacional de este tipo en Europa, vela por que ALIA cumpla con el Reglamento Europeo de IA y con los marcos éticos vigentes. La ejecución técnica corre a cargo del Barcelona Supercomputing Center, que aporta la infraestructura de cálculo y el conocimiento técnico necesario.
La fase de desarrollo recibió cerca de 10 millones de euros, financiados con fondos nacionales y europeos (entre ellos el Fondo Europeo de Desarrollo Regional), dentro de la Palanca 3 de la ENIA.
Retos y futuro
La fase actual del proyecto finalizó a finales de junio de 2026, con la siguiente fase ya en definición. Entre los principales retos identificados están gestionar las expectativas (ALIA aún no iguala a los grandes modelos comerciales en potencia bruta), la complejidad de la gobernanza de los datos (debido a las diferentes licencias y a la necesidad de representatividad lingüística) y la necesidad de generar confianza pública, explicando con claridad cómo se gobierna y qué garantías de seguridad ofrece.
Aun así, el caso de estudio destaca que ALIA cuenta con respaldo institucional, conocimiento técnico y impulso político para seguir avanzando, con un objetivo claro: consolidarse como una pieza clave de un ecosistema europeo de IA más soberano, abierto y lingüísticamente diverso.
