Mucho cuidado con los ChatBots. Si bien es cierto la ley de protección de datos se podría retrasar en diciembre por 1 año, de todas formas te recomiendo hacerlo configurar tu chatbot siguiendo las normas de privacidad. Considerando eso, ten en cuenta que no todos los planes comerciales de IA cubren protección de datos personales.

@Carlos Escobar Los de Api y los enterprise. Sin embargo las políticas de protección las debes implementar tu. Como por ejemplo informar que es un bot, no guardar datos personales ni siquiera en el historial si el usuario no lo acepta. Cuidado con los datos personales de terceros, como por ejemplo.. mi hermana es la dueña y tiene 22 años.. O en tu caso.. mi hija esta de cumpleaños se llama Camila y cumple 7.. eso si es grabe!! Revisa esta pagina. puedes pedirle a tu agente de IA que la analice y te de recomendaciones.. https://docs.nvidia.com/nemo/guardrails/configure-guardrails/configure-rails

Hace un tiempo me hice esa pregunta, me parece muy buena. Respuesta corta: el riesgo real es el opuesto al que planteas, no es que el proveedor reclame co-autoría, sino que tu obra pierda protección por falta de autoría humana 1. Los proveedores NO reclaman co-autoría la renuncian por contrato Los términos 2025-26 de los tres grandes dicen textual lo mismo: "As between you and [proveedor], you own the Output. We hereby assign to you all our right, title, and interest, if any, in Output." (OpenAI, Anthropic, Google). Las marcas de agua (estándar C2PA) son etiquetas de procedencia dicen "se usó esta herramienta", no "somos coautores". Ningún ToS vigente reclama derechos de autor sobre el output ni menciona cobros por co-autoría. 2. Lo que SÍ te da una suscripción (y solo en el tier correcto) Tier comercial/enterprise (API, Team, Enterprise): además de la cesión del output, incluye indemnización IP: si un tercero (p. ej. un autor cuyo código quedó replicado en el output) te demanda, el proveedor te defiende y paga la sentencia (OpenAI: "Service-Specific Terms Indemnity", sin tope de responsabilidad; Anthropic desde 2024 en Commercial Terms/Bedrock). Tier gratuito/personal: conservas el output, pero sin indemnización (Anthropic la limita a los Commercial Terms = API/enterprise) y a veces con uso de tus datos para entrenamiento. El riesgo real que cubre la indemnización: un tercero (no el proveedor) demandándote por infracción. Eso sí está pasando hoy (demandas por scraping de entrenamiento). 3. Self-hosted: control total, cero respaldo Ganas: tus datos no salen, sin watermark de procedencia, sin dependencia de un ToS que puede cambiar mañana, costo marginal. Pierdes:nadie te indemniza si el output de tu modelo local replica código de terceros, respondes solo. Y modelo pequeño = más probabilidad de reproducción textual por menor calidad de generación. Cuidado con "open": open-weights ≠ open-source. Llama = licencia community (topes de uso comercial); Qwen, Mistral, DeepSeek = Apache 2.0 (los más limpios). En todos, el output es tuyo por la licencia.

@Cristian Tala evito ese problema, por la forma en la que tengo construida la memoria. En mi caso tengo un RAG, y dentro del RAG tengo diferentes proyectos, dentro de esos proyectos, cada agente graba memorias de la siguiente forma: <Proyecto><Agente><tags><memorias> (simplificado). Hay un "agente" en el RAG llamado System, que puede leer las memorias de todos. Cuando una decisión o un documento se actualiza o revoca guarda una memoria de la razón de la decisión. No es infalible pero me funciona.

@Maximiliano Fagerstrom Tienes razón ya que jamas se le delega la toma de decisiones, solo te permiten tomar decisiones informado. Como decía anteriormente yo lo hago como sistema integrado, sin embargo, no reemplaza a las personas que aplican criterio sobre estas. Por otro lado, en tu caso, utilizar Gemini se puede hacer de varias formas, desde la web, desde la app, o con antigravity. Usarlo desde la web o app son las formas menos recomendables. La mejor forma es usarlo desde su harnes (antigravity) ya que de esa forma le puedes ofrecer un entorno dentro de tu computador y herrmaonets como mcp o memoria. Por otro lado, cual usar.. depende mucho de lo que quieras hacer, normalmente se utilizan modelos combinados, uno poderoso (frontera) si quieres hacer investigaciones, uno rápido y barato para ejecutar acciones como enviar correos o programar tareas. Como sea el caso, mucho cuidado con los datos personales de clientes o proveedores, no es recomendable y próximamente ilegal entregar ese tipo de datos a los modelos comerciales de IA.

Yo entiendo entre lineas que la idea no es desprenderte del negocio ni de la operación, la idea es que otros asuman responsabilidades que caen sobre ti. Cuando estas directamente relacionado con la operación, tus sesgos no te permiten abstraerte de la operación. Toyota tuvo que ir a Ford para aprender y mejorar el modelo que ahora es caso de estudio. Quizás para abstraerte no necesites irte a la playa y ver si todo funciona, quizas necesitas observar mejor a la competencia..

@Alberto Nudman hyperframes, si lo instalas y le das instrucciones claras al modelo te arma videos bastante buenos sin intervención.