Análisis profundo de Nesa: ¿Por qué la IA que usas a diario necesita protección de privacidad?

Este informe ha sido elaborado por Tiger Research. La mayoría de las personas usan IA a diario sin pensar en dónde van a parar sus datos. La pregunta que plantea Nesa es: ¿qué sucede cuando empiezas a enfrentarte a esa realidad?

Puntos clave

• La IA ya forma parte de la vida cotidiana, pero los usuarios suelen ignorar cómo se transmiten los datos a través de servidores centrales.
• Incluso el subdirector de CISA en EE. UU. filtró documentos confidenciales a ChatGPT sin saberlo.
• Nesa reconstruyó este proceso mediante la transformación de datos antes de la transmisión (EE) y la división entre nodos (HSS-EE), asegurando que ninguna parte pueda ver los datos originales.
• La certificación académica (COLM 2025) y la implementación empresarial (P&G) le otorgan a Nesa una ventaja inicial.
• La cuestión clave sigue siendo si el mercado más amplio optará por IA privada descentralizada en lugar de las API centralizadas habituales.

1. ¿Son seguros tus datos?

Fuente: CISA

En enero de 2026, el subdirector de CISA, Madhu Gottumukkala, subió documentos sensibles del gobierno a ChatGPT solo para resumir y organizar información contractual.

Esta filtración no fue detectada por ChatGPT, ni OpenAI informó al gobierno. Fue detectada por el sistema de seguridad interno de la propia organización, y provocó una investigación por violación de protocolos de seguridad.

Incluso el principal responsable de ciberseguridad en EE. UU. usa IA en su día a día, y accidentalmente subió material confidencial.

Sabemos que la mayoría de los servicios de IA almacenan las entradas de los usuarios en servidores centrales encriptados. Pero esa encriptación es reversible por diseño. En situaciones legales o de emergencia, los datos pueden ser descifrados y divulgados, sin que el usuario tenga conocimiento de ello.

2. IA privada para uso cotidiano: Nesa

La IA ya forma parte de la vida diaria: resumir artículos, programar, redactar correos. Pero lo que realmente preocupa, como en el caso anterior, es que incluso archivos confidenciales y datos personales se entregan a la IA sin que la gente tenga conciencia del riesgo.

El problema central es que todos estos datos pasan por los servidores centrales del proveedor. Aunque estén encriptados, las claves de descifrado las tiene el proveedor. ¿Por qué confiar en este esquema?

Los datos ingresados por los usuarios pueden exponerse a terceros a través de múltiples vías: entrenamiento de modelos, auditorías de seguridad, solicitudes legales. En versiones empresariales, los administradores pueden acceder a los registros de chat; en versiones personales, los datos también pueden ser transferidos bajo autorización legal.

Dado que la IA está profundamente integrada en la vida diaria, es momento de examinar seriamente la privacidad.

Nesa surge precisamente para cambiar radicalmente esta estructura. Construye una infraestructura descentralizada que permite inferencias de IA sin confiar los datos a un servidor central. Las entradas del usuario se procesan encriptadas, y ningún nodo individual puede ver los datos originales.

3. Cómo resuelve Nesa los problemas

Imagina un hospital usando Nesa. El médico quiere que la IA analice una resonancia para detectar tumores. En los servicios actuales, la imagen se envía directamente a los servidores de OpenAI o Google.

Con Nesa, la imagen ya ha sido transformada matemáticamente antes de salir del equipo del médico.

Un ejemplo simple: si la pregunta original es “3 + 5 = ?”, enviarla tal cual permite al receptor saber qué estás calculando.

Pero si antes multiplicas cada número por 2, el receptor verá “6 + 10 = ?” y devolverá 16. Tú divides entre 2 y obtienes 8, que es exactamente la respuesta a la pregunta original. La IA realiza el cálculo sin conocer los valores originales 3 y 5.

Esto es lo que logra la encriptación invariantes (EE) de Nesa. Los datos se transforman matemáticamente antes de transmitirse, y el modelo de IA opera sobre los datos transformados.

El usuario puede aplicar una transformación inversa para obtener el resultado final, que será exactamente igual al que se obtendría con los datos originales. En términos matemáticos, esto se llama invariancia: da igual si primero se transforma y luego se calcula, o viceversa, el resultado final será el mismo.

En la práctica, la transformación es mucho más compleja que multiplicar por 2 — está diseñada específicamente para alinearse con la estructura interna del modelo de IA. Gracias a que la transformación y el procesamiento del modelo están perfectamente sincronizados, la precisión no se ve afectada.

Volviendo al escenario del hospital: para el médico, todo sigue igual — subir la imagen, recibir el resultado, nada cambia. Lo que sí cambia es que ningún nodo intermedio puede ver la resonancia original del paciente.

Nesa va aún más allá. Con solo EE, se evita que los nodos puedan ver los datos originales, pero los datos transformados todavía existen en un solo servidor.

HSS-EE (Compartición Secreta Homomórfica en la incrustación encriptada) divide aún más los datos transformados.

Siguiendo con el ejemplo: EE sería como aplicar una regla de multiplicación antes de enviar el examen; HSS-EE sería como partir el examen transformado en dos partes — enviar la primera a un nodo A, la segunda a un nodo B.

Cada nodo solo puede responder a su parte, sin ver el conjunto completo. Solo cuando ambas partes se combinan se obtiene la respuesta completa — y solo el remitente original puede hacer esa unión.

En resumen: EE transforma los datos para que el contenido original no sea visible; HSS-EE divide aún más los datos transformados, de modo que nunca aparecen completos en ningún nodo. La privacidad se refuerza doblemente.

4. ¿La protección de la privacidad ralentiza el rendimiento?

Cuanto más fuerte es la protección, generalmente más lento es el proceso — esa es una ley establecida en criptografía. La encriptación homomórfica total (FHE) puede hacer que los cálculos sean de 10,000 a 1,000,000 veces más lentos, imposibilitando su uso en servicios de IA en tiempo real.

Nesa usa un enfoque diferente con la encriptación invariantes (EE). En términos simples: multiplicar por 2 antes de enviar, dividir entre 2 después, tiene un costo mínimo.

A diferencia de FHE, que transforma todo en un sistema matemático completamente distinto, EE añade una capa ligera de transformación sobre la base de cálculos existentes.

Datos de rendimiento:

• EE: en LLaMA-8B, el retraso aumenta menos del 9%, con precisión igual al modelo original, más del 99.99%
• HSS-EE: en LLaMA-2 7B, cada inferencia tarda entre 700 y 850 ms

Además, el planificador de aprendizaje MetaInf optimiza aún más la eficiencia en toda la red. Evalúa tamaño del modelo, GPU y características de entrada, y selecciona automáticamente el método de inferencia más rápido.

MetaInf logra una tasa de acierto del 89.8% en la selección, siendo 1.55 veces más rápido que los métodos tradicionales. Este resultado fue presentado en COLM 2025, y ha sido reconocido por la comunidad académica.

Estos datos provienen de entornos controlados. Pero lo más importante es que la infraestructura de inferencia de Nesa ya está desplegada en entornos empresariales, validando su rendimiento en producción.

5. ¿Quién lo usa? ¿Cómo?

Hay tres formas de acceder a Nesa.

Primera: Playground. Los usuarios pueden seleccionar y probar modelos directamente en la web, sin necesidad de conocimientos de desarrollo. Puedes experimentar con la entrada de datos y ver todos los resultados de los modelos en tiempo real.

Es la forma más rápida de entender cómo funciona la inferencia descentralizada de IA.

Segunda: Suscripción Pro. Por 8 dólares al mes, incluye acceso ilimitado, 1000 créditos de inferencia rápida mensuales, control de precios para modelos personalizados y una página de características del modelo.

Este nivel está pensado para desarrolladores individuales o pequeños equipos que quieren desplegar y monetizar sus propios modelos.

Tercera: Enterprise. No tiene precio público, sino contratos a medida. Incluye soporte SSO/SAML, opciones de almacenamiento de datos, auditorías, control de acceso granular y facturación anual.

El precio base es de 20 dólares por usuario al mes, pero los términos se negocian según la escala. Está dirigido a organizaciones que quieren integrar Nesa en sus procesos internos de IA, con acceso API y gestión a nivel organizacional mediante acuerdos independientes.

Resumen: Playground para explorar y experimentar, Pro para desarrolladores individuales o pequeños equipos, Enterprise para despliegue a nivel organizacional.

6. ¿Por qué un token?

En una red descentralizada no hay un gestor central. Los nodos que operan los servidores y verifican los resultados están distribuidos globalmente. Esto plantea una pregunta: ¿por qué alguien querría mantener sus GPUs en funcionamiento para procesar inferencias de otros?

La respuesta es el incentivo económico. En la red de Nesa, ese incentivo es el token $NES.

Fuente: Nesa

El mecanismo es sencillo. Cuando un usuario solicita una inferencia, debe pagar una tarifa. Nesa llama a esto PayForQuery, que consiste en una tarifa fija por transacción más un cargo variable proporcional a los datos.

Cuanto mayor sea la tarifa, mayor será la prioridad de procesamiento — similar a las tarifas de gas en blockchain.

Estas tarifas las reciben los mineros. Para participar, los mineros deben hacer un staking de cierta cantidad de $NES — poner sus tokens en riesgo antes de recibir tareas.

Si un minero entrega resultados incorrectos o no responde, se le deducirá la penalización del staking; si responde con precisión y rapidez, recibe recompensas mayores.

$NES también funciona como herramienta de gobernanza. Los poseedores pueden presentar propuestas y votar sobre parámetros clave como tarifas y recompensas.

En resumen, $NES cumple tres funciones: pago por inferencia, garantía y recompensa para los mineros, y participación en la gobernanza de la red. Sin tokens, los nodos no operan; sin nodos, la IA privada descentralizada no existe.

Es importante notar que la economía del token depende de ciertas condiciones previas.

La demanda de inferencias debe ser suficiente para que las recompensas sean atractivas; si no, los mineros no participarán. La cantidad de mineros debe ser suficiente para mantener la calidad de la red.

Es un ciclo virtuoso: demanda genera oferta, oferta mantiene demanda — pero arrancar ese ciclo es la parte más difícil.

Empresas como P&G ya usan la red en producción, lo cual es una señal positiva. Pero aún hay incertidumbre sobre si el valor del token y las recompensas por minería se equilibrarán a medida que la red crezca.

7. La necesidad de IA privada y privada

El objetivo de Nesa es claro: cambiar la estructura que hace que los datos de los usuarios se expongan a terceros al usar IA.

Su base tecnológica es sólida y confiable. La criptografía central — encriptación invariantes (EE) y HSS-EE — proviene de investigación académica. El optimizador de inferencias MetaInf fue presentado en COLM 2025.

No es solo citar papers; el equipo diseñó los protocolos y los implementó en la red.

En proyectos de IA descentralizada, son pocos los que pueden verificar en el nivel académico sus primitivas criptográficas y desplegarlas en infraestructura real. Grandes empresas como P&G ya ejecutan tareas de inferencia sobre esta infraestructura, lo cual es un fuerte indicador de madurez.

Pero también hay limitaciones claras:

• Alcance del mercado: inicialmente enfocado en clientes institucionales; usuarios comunes probablemente no pagarán por privacidad en esta etapa.
• Experiencia del producto: Playground más parecido a una interfaz de Web3 o inversión que a una IA de uso cotidiano.
• Validación a escala: pruebas controladas no equivalen a miles de nodos en producción.
• Momento del mercado: la demanda de IA privada existe, pero la de IA privada descentralizada aún no ha sido validada; las empresas siguen acostumbradas a API centralizadas.

La mayoría de las empresas aún prefieren APIs centralizadas, y la infraestructura basada en blockchain sigue siendo un umbral alto.

Vivimos en una era en la que incluso responsables de ciberseguridad en EE. UU. suben documentos confidenciales a IA. La demanda de IA privada ya existe y solo crecerá.

Nesa cuenta con tecnología académicamente validada y una infraestructura en operación que puede satisfacer esa demanda. Aunque tiene limitaciones, ya está un paso adelante de otros proyectos.

Cuando el mercado de IA privada realmente se abra, Nesa será uno de los nombres más mencionados.