España quere ter a súa propia intelixencia artificial, aberta, pública e capaz de falar en varias linguas europeas. Chámase ALIA e, segundo un novo caso de estudo publicado polo Observatorio de Software de Código Aberto da Comisión Europea (OSOR), trátase da primeira infraestrutura de IA desenvolvida publicamente, aberta e multilingüe de Europa.
Por que fai falta unha IA “diferente”
Hoxe en día, arredor do 90% dos textos empregados para adestrar os grandes modelos de linguaxe (LLM) están en inglés. Isto dálle unha clara vantaxe a este idioma e deixa en desvantaxe a outras linguas, algo especialmente sensible nun país como España, onde conviven catro linguas cooficiais xunto co castelán.
A maiores, a maioría destes modelos son de código pechado e desenvólvense fóra de Europa: preto do 80% do uso destas ferramentas corresponde a solucións propietarias, aínda que os modelos abertos xa acadan un 90% do seu rendemento e resultan, de media, ata seis veces máis baratos. Con este panorama, o Goberno español decidiu apostar por unha alternativa propia, aberta e soberana.
Que é ALIA
ALIA nace dentro da Estratexia Nacional de Intelixencia Artificial (ENIA) 2024 e ten un obxectivo dobre: por unha banda, ofrecer unha infraestrutura pública de recursos de IA (modelos abertos, ferramentas, conxuntos de datos); pola outra, impulsar o uso do castelán e das linguas cooficiais no desenvolvemento e despregamento de IA a nivel mundial.
O proxecto inclúe modelos fundacionais e multimodais (texto, voz e imaxe), todos eles accesibles a través do chamado ALIA Kit, un espazo dixital que centraliza documentación técnica, demostradores, conxuntos de datos de adestramento e materiais de integración para que administracións, empresas, universidades e sociedade civil poidan usalos e reutilizalos.
En canto ás licenzas, os pesos dos modelos, o código de despregamento e os scripts de adestramento distribúense baixo licenza Apache 2.0, o que permite o seu uso, modificación e redistribución libremente. Porén, os datos de adestramento proceden de fontes con licenzas distintas (Common Crawl en CC0, Wikimedia en CC BY-SA 4.0, EurLex en CC BY 4.0, repositorios de GitHub coas súas licenzas orixinais, etc.), polo que hai que avaliar caso por caso como se poden reutilizar eses conxuntos de datos.
Os modelos da familia ALIA
O modelo máis coñecido é ALIA-40B, un modelo fundacional multilingüe de 40.000 millóns de parámetros, descrito polo Barcelona Supercomputing Center (BSC) como un dos modelos públicos multilingües máis avanzados de Europa. Foi adestrado cun corpus de máis de 9,37 billóns de tokens en 35 linguas europeas e 92 linguaxes de programación, seguindo unha proporción moi intensiva de datos que lle permite un rendemento moi por riba do que cabería esperar polo seu tamaño.
Xunto a el están:
- Salamandra, unha familia de modelos máis lixeiros, pensados para un despregamento áxil en aplicacións reais, con variantes específicas como SalamandraTA (tradución) e Salamandra-Guard (uso seguro en servizos públicos).
- RoBERTa, unha familia de modelos orientada á comprensión da linguaxe e á avaliación, que forma parte dunha liña de traballo máis ampla centrada tamén na creación de corpus e ferramentas de avaliación multilingüe.
Como se constrúe: datos e supercomputación
ALIA apóiase en grandes corpus textuais, como o CATalog (uns 23.000 millóns de tokens) ou o corpus administrativo bilingüe ALIA_DOGV. Todo este volume de datos procésase grazas ao supercomputador MareNostrum 5, situado no Barcelona Supercomputing Center.
Ademais, os modelos incorporan capacidades de integración axéntica (poden conectarse a APIs, bases de datos e fluxos administrativos para actuar como asistentes funcionais) e foron adestrados para seguir instrucións e responder a tarefas propias da administración pública, como formularios estandarizados ou consultas cidadás.
Usos xa en marcha
Segundo a Secretaría de Estado de Dixitalización e Intelixencia Artificial (SEDIA), xa hai casos de uso reais en marcha. Destacan a iniciativa GobTechLab, que está a identificar preto de 19 casos de uso de alto impacto para o sector público español, e dous proxectos punteiros:
- Hacienda: ferramentas para mellorar os fluxos internos e a atención aos contribuíntes.
- Cardiomentor: apoio á detección precoz de insuficiencia cardíaca para profesionais de atención primaria.
Tamén se están a desenvolver asistentes de IA xerativa para concellos, que axudan á cidadanía con trámites, consultas e a traducir a linguaxe burocrática a un formato máis claro.
Quen o goberna e quen o paga
O proxecto está dirixido pola SEDIA (Ministerio para a Transformación Dixital e a Función Pública), mentres que a Axencia Española de Supervisión da Intelixencia Artificial (AESIA), a primeira axencia nacional deste tipo en Europa, vela por que ALIA cumpra co Regulamento Europeo de IA e cos marcos éticos vixentes. A execución técnica corre a cargo do Barcelona Supercomputing Center, que achega a infraestrutura de cálculo e o coñecemento técnico necesario.
A fase de desenvolvemento recibiu preto de 10 millóns de euros, financiados con fondos nacionais e europeos (entre eles o Fondo Europeo de Desenvolvemento Rexional), dentro da Palanca 3 da ENIA.
Retos e futuro
A fase actual do proxecto rematou a finais de xuño de 2026, coa seguinte fase xa en definición. Entre os principais retos identificados están xestionar as expectativas (ALIA aínda non iguala aos grandes modelos comerciais en potencia bruta), a complexidade da gobernanza dos datos (por mor das diferentes licenzas e a necesidade de representatividade lingüística) e a necesidade de xerar confianza pública, explicando con claridade como se goberna e que garantías de seguridade ofrece.
Aínda así, o caso de estudo destaca que ALIA conta con respaldo institucional, coñecemento técnico e pulo político para seguir avanzando, cun obxectivo claro: consolidarse como unha peza clave dun ecosistema europeo de IA máis soberano, aberto e diverso lingüisticamente.
