Computación confidencial: cómo procesar datos sensibles con IA de forma segura

Introducción: el eslabón perdido de la seguridad
Durante décadas, la ciberseguridad ha protegido los datos en dos estados: en reposo (cifrado en disco) y en tránsito (cifrado en red). Pero hay un tercer estado que ha permanecido vulnerable: los datos en uso. En el momento en que un modelo de IA descifra la información para procesarla, esa información queda expuesta en la memoria del sistema, accesible para administradores, hipervisores comprometidos o cualquier proceso malicioso con acceso al entorno.
Esta es la brecha que la computación confidencial promete cerrar. Y en 2026, Gartner la ha situado entre sus principales tendencias tecnológicas estratégicas del año, proyectando que para 2029 más del 75% de las operaciones de procesamiento en infraestructura no confiable estarán aseguradas por esta tecnología.
¿Qué es exactamente la computación confidencial?
La computación confidencial protege los datos mientras están siendo procesados dentro de un Trusted Execution Environment (TEE): un área segura dentro del chip que aísla los datos del resto de la infraestructura, las aplicaciones, los proveedores de nube e incluso los usuarios privilegiados.
La analogía que utiliza la industria es la de una sala de correo sin puertas ni ventanas: nadie puede entrar, pero las cartas pueden pasar por una ranura segura.
Lo que hace única a esta tecnología es su verificabilidad mediante atestación anclada en hardware. Cada carga de trabajo contiene una identidad criptográfica única que prueba que el código se está ejecutando dentro de un entorno confidencial. Como lo expresó Mark Bower, co-chair del Grupo de Trabajo de Computación Confidencial de la Cloud Security Alliance: “La computación confidencial resuelve el problema del ‘primer secreto’. Establece confianza antes de tocar los datos”.
El mercado: cifras de una adopción acelerada
| Métrica | Valor 2026 | Proyección |
|---|---|---|
| Mercado global | USD 42.7 mil millones | USD 464 mil millones (2034) |
| CAGR proyectado | 34.7% | — |
| Norteamérica | 51% de participación (~USD 22 MM) | — |
| Empresas en producción o prueba | 75% (IDC, 600 encuestados) | — |
| Ya en producción | 18% | — |
La encuesta de IDC Research reveló además que 88% de los líderes empresariales afirma que mejora la integridad de los datos, y 77% cree que incrementa las garantías técnicas clave. Philip Bues, gerente sénior de investigación de IDC, lo describe sin ambigüedades: “Se está convirtiendo en un imperativo a nivel de consejo de administración”.
El catalizador: la IA sobre datos sensibles
El factor que ha transformado la computación confidencial de tecnología de nicho a prioridad estratégica es la IA empresarial. Más del 70% de las cargas de trabajo de IA empresarial involucran datos sensibles. Cada vez que una organización entrena un modelo con documentos propietarios, procesa registros de pacientes o ejecuta modelos financieros en la nube, esos datos quedan expuestos durante la computación, incluso si están cifrados en reposo y en tránsito.
Dion Harris, director senior de Nvidia, señala un dato crítico: “El 70% de los datos existe fuera de la nube, en centros de datos on-premise y data lakes. Para aplicar IA sobre estos datos manteniendo la seguridad, es necesaria la computación confidencial”.
Los sectores que lideran la adopción son precisamente aquellos donde la regulación y la confidencialidad son más estrictas: servicios financieros (35-40% de los despliegues globales), salud, gobierno y manufactura.
Casos reales: la tecnología ya está en producción
Apple Private Cloud Compute: IA personal sobre infraestructura verificable
Apple diseñó Private Cloud Compute (PCC), presentado en 2024, para procesar en servidores propios con silicio de Apple las solicitudes de IA que no caben en el dispositivo. Su promesa es que los datos del usuario no son accesibles ni siquiera para la propia compañía, y que los componentes pueden ser auditados por investigadores externos. Es uno de los ejemplos más visibles de los principios de la computación confidencial aplicados a escala de consumo. En el terreno de las GPU, Nvidia ofrece capacidades de computación confidencial en sus arquitecturas Hopper y Blackwell.
VAST DataEnclave: IA confidencial para datos regulados
VAST Data lanzó DataEnclave, un sistema que permite ejecutar modelos de IA sobre datos corporativos sensibles sin exponer ni los datos del cliente ni los pesos del modelo a los operadores de infraestructura. Dirigido a servicios financieros, salud y gobierno, el sistema utiliza computación confidencial de Nvidia para establecer entornos seguros a través de TEE de CPU y GPU.
Meta Muse: el agente personal que no ve tus datos
En septiembre de 2026, Meta anunció Muse, una arquitectura de agente de IA personal que resuelve un problema persistente: cómo otorgar a un agente acceso a datos personales sensibles sin otorgar al proveedor acceso a esos mismos datos.
El nuevo desafío: la IA agéntica
Pero la computación confidencial enfrenta un desafío que no estaba en el guion: los agentes de IA. En el Confidential Computing Summit de 2026 en San Francisco, Nelly Porter, directora de gestión de producto para computación confidencial en Google Cloud, advirtió que los agentes no olvidan. A medida que los modelos de IA se entrenan y ejecutan prompts, pueden retener los secretos más sensibles de las empresas.
La solución que propone es una clave de cifrado dedicada para cada agente que proteja la memoria a corto y largo plazo. Los datos pueden eliminarse mediante “crypto-shredding”, que consiste en destruir la clave de cifrado en lugar de los datos mismos.
Latinoamérica: el mercado de mayor crecimiento global
La región LAMEA (Latinoamérica, Medio Oriente y África) es el mercado de mayor crecimiento proyectado a nivel mundial para computación confidencial, con un CAGR del 62.7% entre 2024 y 2031. Brasil domina el mercado y se espera que alcance un valor de USD 4.22 mil millones para 2031, mientras Argentina muestra un CAGR del 63.9%. Son proyecciones de firmas de análisis de mercado y conviene leerlas como escenarios, no como hechos consumados.
Conclusión: el tercer pilar de la seguridad de datos
La computación confidencial completa la tríada de seguridad de datos: reposo, tránsito y uso. Para las organizaciones de Aulas Latam y de toda la región que buscan aprovechar el valor de la IA sobre datos sensibles —sean registros académicos, información financiera o datos de salud—, esta tecnología no es un lujo: es la infraestructura de confianza que hace posible la IA en entornos regulados.
La pregunta ya no es si adoptar computación confidencial, sino cuándo y cómo integrarla en la arquitectura de datos de la organización. Porque en la era de la IA, la privacidad ya no puede ser una promesa contractual: debe ser una garantía criptográfica.



