El plan de Google para la memoria de IA en la nube deja las claves de descifrado en tus dispositivos

Private AI Compute tendrá una capa de memoria persistente que Google asegura no poder leer, aunque lo anunciado es una arquitectura y no una función disponible

|5 min de lectura0
Inside a Google data center in Council Bluffs, Iowa, the kind of cloud facility where Private AI Compute's hardware-isolated enclaves run
Inside a Google data center in Council Bluffs, Iowa, the kind of cloud facility where Private AI Compute's hardware-isolated enclaves run

Google añadirá memoria persistente en el servidor a Private AI Compute, la plataforma en la nube aislada por hardware con la que ejecuta modelos Gemini sobre datos personales sensibles, y afirma que las claves criptográficas que abren esa memoria vivirán únicamente en los dispositivos del propio usuario. La actualización técnica publicada el 23 de septiembre describe una arquitectura, no un lanzamiento: está redactada en futuro y no incluye ni fecha de disponibilidad ni lista de productos.

Claves del anuncio

  • Private AI Compute ha funcionado hasta ahora sin estado alguno: borraba todo el contexto en cuanto terminaba una tarea.
  • La nueva capa guarda los datos de cada usuario en bases de datos cifradas en la nube, protegidas con claves derivadas del dispositivo, lo que según Google deja el contenido fuera de su propio alcance.
  • Google publicará un registro público inalterable del software de sus servidores para que un dispositivo pueda verificar que el código no ha sido modificado antes de enviar datos personales.

Qué cambia en la práctica

La plataforma ya existe. Google DeepMind presentó Private AI Compute en noviembre de 2025 para llevar a enclaves en la nube aislados por hardware el trabajo que un teléfono no puede asumir, sin exponer la entrada a Google: los modelos Gemini corren sobre unidades de procesamiento tensorial propias, protegidas por lo que la empresa llama Titanium Intelligence Enclaves. En su estreno daba soporte a Magic Cue en los Pixel 10 y a los resúmenes en más idiomas de Pixel Recorder. Su techo era la ausencia de estado: el contexto desaparecía al acabar la tarea, de modo que un asistente de IA no podía arrastrar nada, y el apaño habitual —pedirle al modelo que anote una lista de hechos y preferencias— no reconstruye un historial real.

La actualización suma lo que Google describe como una caja fuerte digital segura. Los datos que necesita el asistente quedan sellados en un almacenamiento cifrado específico, organizado en bases de datos por usuario y protegido con claves derivadas del dispositivo. Cuando el modelo los necesita, se abre un canal autenticado y cifrado de extremo a extremo entre el dispositivo y un enclave seguro; el enclave descifra la carga en memoria aislada, atiende la petición, escribe el contexto nuevo y vuelve a cifrarlo de inmediato.

Por qué importan más las claves que el enclave

El procesamiento en enclaves no es nuevo, ni tampoco que un proveedor asegure que no puede ver lo que ocurre dentro. Lo que distingue a este diseño es dónde están las claves. Al guardarse en exclusiva en dispositivos personales, Google presenta la memoria almacenada como inaccesible para cualquier otro, incluida la propia compañía, que es la única base sobre la que resulta defendible dejar la memoria de un asistente en la nube.

La verificación es la otra mitad del argumento. Junto a un informe técnico actualizado, Google publicará un registro público inalterable del software que hace funcionar la plataforma, de forma que un dispositivo pueda confirmar que el código es auténtico antes de transmitir nada. Auditores independientes revisaron tanto la versión original como esta actualización, y los resúmenes de los informes de 2025 y 2026 son públicos. Help Net Security señaló que Google plantea sus ejemplos —recuperar en el portátil unas instrucciones de montaje vistas antes con gafas inteligentes, retomar una conversación entre el móvil y la web— como potencial arquitectónico y no como funciones que alguien pueda usar hoy.

Lo que la actualización no responde

Los huecos son prácticos. Google no ha dicho qué productos usarán esta capa de memoria, en qué plazo, ni qué ocurre con la caja fuerte de un usuario si pierde todos los dispositivos que guardan una clave. El texto tampoco nombra a la firma auditora. En una arquitectura cuyo argumento de privacidad descansa entero en claves guardadas en el dispositivo, la recuperación de claves es el problema difícil evidente, y esta actualización ni lo roza. El informe técnico sí enumera los próximos pasos —atestación en el cliente para que los dispositivos validen por su cuenta las pruebas del servidor, un registro de transparencia de solo adición firmado también por terceros, más cobertura de compilaciones reproducibles y auditorías externas periódicas—, lo que equivale a admitir que las garantías actuales siguen apoyándose en creer el relato que Google hace de su propia infraestructura.

Aun así, la dirección merece atención, porque invierte la respuesta habitual del sector en materia de privacidad. La explicación de Apple sobre la escucha ambiental de Siri se apoyaba en mantener el trabajo en el propio aparato; Google sostiene que la computación en el borde no basta para alojar modelos de frontera y que, por tanto, hay que diseñar la nube para que se comporte como un dispositivo. Que ese argumento aguante el escrutinio externo dependerá de si el registro de software publicado y los resúmenes de auditoría dan a los investigadores material suficiente para comprobarlo de verdad.

FAQ — Preguntas frecuentes

¿Está ya disponible la memoria en servidor de Private AI Compute?

No. Google describió la arquitectura en una actualización técnica fechada el 23 de septiembre de 2026, redactada en futuro de principio a fin y sin fecha de disponibilidad ni lista de productos. Lo que funciona hoy es el procesamiento sin estado que ya existía.

¿Puede Google leer los datos guardados en la nueva capa de memoria?

Google afirma que no. Las bases de datos por usuario se cifran con claves derivadas del propio dispositivo y guardadas en él, y los datos solo se descifran dentro de un enclave aislado por hardware durante el tiempo que dura la petición. La afirmación se sostiene en ese diseño y en el registro público del software, que Google invita a verificar a la comunidad de privacidad.

¿Para qué se usa Private AI Compute?

Ejecuta modelos Gemini sobre datos personales sensibles dentro de enclaves en la nube aislados por hardware, de modo que las funciones de IA dispongan de más cómputo del que puede dar un teléfono y, por diseño, nadie salvo el usuario —tampoco Google— alcance los datos que se están procesando.

¿Qué te parece este artículo?

SJ
Cargando...

Artículos relacionados

Gemini entró en tres sistemas externos en mayo y Google lo reveló en septiembre
AI & Machine Learning

Gemini entró en tres sistemas externos en mayo y Google lo reveló en septiembre

Google confirmó que Gemini accedió a tres sistemas externos durante una evaluación de mayo: adivinó un juego de credenciales y halló otros dos en un repositorio público.

Seung Junghace 8 días
Gemini esperará en línea por ti, desde tu propio número
AI & Machine Learning

Gemini esperará en línea por ti, desde tu propio número

El experimento Call for Me de Google permite que Gemini llame a un negocio, recorra su menú telefónico y espere en línea marcando desde el número del propio usuario.

Seung Junganteayer
Gemini 4 está en fase de ajuste y el nuevo jefe de DeepMind quiere lanzarlo antes
AI & Machine Learning

Gemini 4 está en fase de ajuste y el nuevo jefe de DeepMind quiere lanzarlo antes

El nuevo jefe de DeepMind, Koray Kavukcuoglu, afirma que Gemini 4 está en fase de ajuste y llegará antes de lo previsto, tras diez meses sin modelo insignia y la cancelación de Gemini 3.5 Pro.

Seung Junganteayer
Un chatbot leyó mal el manifiesto de un barco. Los aviones armados de EE. UU. ya estaban en el aire
AI & Machine Learning

Un chatbot leyó mal el manifiesto de un barco. Los aviones armados de EE. UU. ya estaban en el aire

CNN informa que un chatbot de IA identificó erróneamente la carga de un buque chino como componentes nucleares, y que la interceptación estadounidense se abortó con los aviones ya en el aire.

Seung Junghace 8 días
PrismML metió un modelo de razonamiento de 27B en 5,95 GB sin perder el razonamiento
AI & Machine Learning

PrismML metió un modelo de razonamiento de 27B en 5,95 GB sin perder el razonamiento

Por debajo de los 4 bits los modelos de razonamiento suelen dejar de razonar. PrismML dice que comprimió Qwen3.8-27B a 5,95 GB conservando el 98,2 % del original.

Seung Junghace 9 días
Un empujón del jefe eleva un 65% las infracciones de la IA, según una auditoría de 22 modelos
AI & Machine Learning

Un empujón del jefe eleva un 65% las infracciones de la IA, según una auditoría de 22 modelos

PACT enfrenta una norma vigente con un atajo cómodo en 12 ámbitos regulados. La presión habitual del usuario elevó un 65% las infracciones en 22 modelos.

Seung Junghace 10 días