Modelo fundacional
Sinónimos: Foundation model
Definición ampliada
Un modelo fundacional es un modelo entrenado con datos amplios, por lo general mediante autosupervisión a gran escala, que después puede adaptarse a una gran variedad de tareas. El nombre subraya que es una base central sobre la que se construyen muchas aplicaciones, y también que es incompleta: necesita adaptación para cada uso [1].
Técnicamente no es una arquitectura nueva. Combina aprendizaje profundo, preentrenamiento y aprendizaje por transferencia; lo que lo distingue es la escala y la amplitud de usos que permite [1]. La adaptación puede hacerse con fine-tuning, con instrucciones o con ejemplos en la propia entrada.
Un modelo de lenguaje grande es un modelo fundacional entrenado sobre todo con texto, pero hay modelos fundacionales de imagen, de audio o multimodales. Tampoco todos son de IA generativa: algunos, como BERT, se usan sobre todo para representar y clasificar. El Reglamento europeo de IA usa una categoría jurídica próxima, «modelo de IA de uso general», con su propia definición y sus propias obligaciones [2]; no es un sinónimo, y su régimen se trata en la ficha del AI Act. «Modelo base» tampoco es sinónimo: suele designar el modelo antes de ajustarlo para seguir instrucciones.
Contexto histórico
El término lo propuso en agosto de 2021 el Center for Research on Foundation Models de la Universidad de Stanford, con BERT, GPT-3 y DALL-E como ejemplos [1]. El informe señalaba dos rasgos: capacidades que aparecen con la escala sin haberse entrenado de forma explícita, y homogeneización, porque muchas aplicaciones pasan a depender de unos pocos modelos, de modo que sus defectos se heredan en todo lo que se construye encima.
En 2023, una propuesta publicada en Nature trasladó la idea a la medicina con el nombre de IA médica generalista: modelos capaces de hacer muchas tareas con pocos o ningún dato etiquetado específico, interpretando combinaciones de imagen, historia clínica electrónica, laboratorio, genómica y texto [3]. Era una propuesta de agenda, no una evaluación de resultados.
Importancia actual
A fecha de octubre de 2026, buena parte de las herramientas de IA que llegan a un profesional, incluidas las sanitarias, se construyen adaptando un modelo fundacional de terceros. Eso concentra el coste de entrenamiento en pocas organizaciones y obliga a preguntar no solo qué hace la aplicación, sino sobre qué modelo se apoya y qué se sabe de él.
Aplicaciones
Generales
- Construir aplicaciones nuevas sin entrenar un modelo desde cero.
- Adaptar un mismo modelo a tareas distintas: resumir, clasificar, extraer o conversar.
- Evaluar riesgos compartidos por todas las aplicaciones que usan el mismo modelo.
Sanitarias
- Desarrollar herramientas de apoyo con pocos datos clínicos etiquetados, que son caros de obtener.
- Combinar en un solo sistema datos de imagen, texto clínico y laboratorio, como propone la IA médica generalista [3].
- Plantear su validación: la misma propuesta advierte de que estos modelos ponen a prueba las estrategias actuales de regulación y validación de dispositivos [3].
Limitaciones
- Los defectos del modelo de partida se transmiten a todas sus adaptaciones [1].
- No se entiende bien cómo funcionan, cuándo fallan ni todo lo que pueden hacer [1].
- Los datos y el método de entrenamiento pueden no publicarse: el informe técnico de GPT-4 declaró que no daba detalles sobre la construcción del conjunto de datos ni sobre el entrenamiento [4].
- Que el modelo de partida rinda bien en pruebas generales no valida una aplicación clínica concreta construida sobre él.
- La dependencia de pocos proveedores afecta a costes, continuidad y control.
Ejemplos
Un mismo modelo puede servir, con distintas instrucciones, para redactar un correo, traducir un texto y clasificar opiniones. No hay tres modelos: hay uno adaptado a tres usos.
En sanidad, una herramienta que resume informes y otra que propone códigos diagnósticos pueden apoyarse en el mismo modelo fundacional. Si ese modelo tiene un sesgo en cómo interpreta ciertos términos, ambas herramientas pueden compartirlo aunque las desarrollen equipos distintos.