El RGPD y el big data no son incompatibles, pero obligan a tomar una decisión que muchas organizaciones posponen: antes de recopilar o reutilizar un gran conjunto de datos, es necesario poder justificar la base jurídica para hacerlo y demostrar que el tratamiento es necesario para ese fin. En la práctica, esto implica documentar una base jurídica conforme al artículo 6 del Reglamento General de Protección de Datos, comprobar si un uso posterior para entrenar un algoritmo es compatible con la finalidad para la que se recopilaron originalmente los datos y evaluar el riesgo antes de crear el primer modelo. Este artículo explica cómo se aplican estas normas al análisis a gran escala y al entrenamiento de IA en los Países Bajos, y dónde traza la línea la Autoridad de Protección de Datos (Autoriteit Persoonsgegevens).
¿Qué se considera dato personal en un conjunto de datos masivos?
El RGPD se aplica a la información relativa a una persona física identificada o identificable. En el contexto del big data, este umbral se supera con mucha más frecuencia de lo que las organizaciones prevén, ya que la identificabilidad se evalúa en función de todos los medios que razonablemente podrían utilizarse, tanto por el responsable del tratamiento como por cualquier otra persona, para identificar a una persona. Por lo tanto, un conjunto de datos de identificadores de dispositivos, registros de ubicación, registros de transacciones o historiales de navegación casi siempre constituye datos personales, incluso cuando no aparece ningún nombre en una sola columna.
Dos conceptos suelen confundirse, y la diferencia radica en si la normativa es aplicable o no. Los datos seudonimizados, en los que se han sustituido los identificadores pero la clave sigue existiendo, siguen siendo datos personales y están sujetos al RGPD. Los datos anonimizados, en los que la reidentificación ya no es razonablemente posible, quedan fuera de su ámbito de aplicación. El umbral para una verdadera anonimización es alto: la agregación, el cifrado o la eliminación de identificadores directos suelen dejar suficientes huellas digitales para que una persona decidida pueda reidentificar a los individuos, especialmente cuando el conjunto de datos es extenso y abarca un periodo prolongado.
Esto es importante porque la afirmación de que un conjunto de datos es anónimo suele ser el supuesto fundamental de todo un programa de IA. Si falla, cada paso posterior, desde la ejecución del entrenamiento hasta el calendario de retención, se habrá llevado a cabo sin una base legal. El enfoque más seguro consiste en tratar el conjunto de datos como datos personales, a menos que un análisis de reidentificación documentado indique lo contrario, y revisar dicho análisis cuando el conjunto de datos se enriquezca o se combine con otra fuente. El Comité Europeo de Protección de Datos también ha abordado la cuestión de cuándo un modelo de IA puede considerarse anónimo, y su respuesta es que esto no puede darse por sentado: un modelo entrenado con datos personales aún puede contener esos datos en forma extraíble y debe evaluarse caso por caso.
Elegir una base legal para el entrenamiento en macrodatos e inteligencia artificial.
Cada operación de procesamiento requiere uno de los seis fundamentos del Artículo 6, y dicho fundamento debe elegirse antes de que comience el procesamiento, en lugar de reconstruirse posteriormente. Para análisis a gran escala, solo tres son candidatos realistas.
El consentimiento es, en teoría, el más claro, pero en la práctica, el más frágil. Debe otorgarse libremente, de forma específica, informada e inequívoca, y debe ser tan fácil de revocar como de otorgar. El consentimiento que se incluye en términos generales, que se obtiene como condición para un servicio que no necesita los datos, o que se formula de manera tan amplia que la persona no comprende a qué se está comprometiendo, no será válido. Cuando se revoca el consentimiento, se necesita una respuesta técnica a la pregunta de qué sucede con un modelo que ya ha sido entrenado.
La necesidad para la ejecución de un contrato es más limitada de lo que parece. El criterio es la necesidad objetiva del servicio que el individuo solicitó, no la utilidad comercial. La elaboración de perfiles de clientes para mejorar un motor de recomendaciones generalmente no es necesaria para la entrega del producto que compró, y el Tribunal de Justicia ha rechazado reiteradamente los intentos de extender este criterio para abarcar la publicidad conductual y la personalización.
Esto nos lleva a los intereses legítimos, que son el fundamento en el que se basa la mayoría de los tratamientos de datos a gran escala. Requiere tres pasos, documentados en ese orden: identificar un interés real y lícito, demostrar que el tratamiento es necesario porque no existe una forma menos intrusiva de lograrlo, y ponderar el interés frente a los derechos y expectativas razonables de las personas afectadas. En una consulta de un tribunal neerlandés relativa a la federación nacional de tenis, el Tribunal de Justicia confirmó en 2024 que un interés puramente comercial puede considerarse un interés legítimo, pero solo si se cumplen de forma genuina los criterios de necesidad y ponderación. Por lo tanto, el valor comercial es un interés admisible, no una licencia.
Categorías especiales y características inferidas
Los datos que revelen el origen racial o étnico, las opiniones políticas, las creencias religiosas, la afiliación sindical, la salud, la vida sexual o la orientación sexual, junto con los datos genéticos y biométricos utilizados para la identificación, no podrán ser tratados en absoluto, salvo que se aplique alguna de las excepciones limitadas del artículo 9. El consentimiento explícito es la vía habitual; las demás rara vez se ajustan a un conjunto de datos comerciales.
El problema con el big data radica en que los datos de categorías especiales no tienen por qué recopilarse deliberadamente. Cuando un conjunto de datos permite inferir una característica protegida, por ejemplo, a través de patrones de compra, historial de ubicaciones o el contenido de campos de texto libre, se aplica un régimen más estricto a ese procesamiento, aunque nadie haya formulado la pregunta directamente. Las características del modelo que actúan como indicadores indirectos de una característica protegida deben identificarse durante el desarrollo, no tras una reclamación.
Limitación de propósito: ¿se pueden reutilizar los datos para entrenar un modelo?
Sí, pero no automáticamente. El RGPD exige que los datos personales se recopilen con fines específicos, explícitos y legítimos, y que no se traten posteriormente de forma incompatible con dichos fines. Entrenar un algoritmo con datos recopilados para la gestión de pedidos, la atención al cliente o la prevención del fraude constituye un tratamiento posterior de los datos, y solo es lícito si supera la prueba de compatibilidad que establece el reglamento.
Esta prueba no es una mera formalidad. Indaga sobre la relación entre el propósito original y el nuevo, el contexto en el que se recopilaron los datos y qué podría esperar razonablemente el individuo en función de ello, la naturaleza de los datos y si se trata de categorías especiales, las posibles consecuencias del nuevo tratamiento y la existencia de medidas de seguridad como la seudonimización o el cifrado. Un conjunto de datos de historiales médicos o financieros no superará la prueba, mientras que un conjunto de datos de registros operativos anonimizados sí la superaría.
Existe un atajo, y es más estrecho de lo que suele suponerse. El procesamiento posterior para archivo de interés público, para investigación científica o histórica o con fines estadísticos se considera compatible, siempre que se apliquen las salvaguardias para el procesamiento de la investigación. El desarrollo de modelos comerciales disfrazado de investigación no cumple con los requisitos; la excepción se aplica a la investigación genuina sujeta a estándares metodológicos y éticos, no a la mejora de productos. Cuando no se cumple la prueba de compatibilidad, se necesita una nueva base legal y, en la mayoría de los casos, nueva información para las personas afectadas.
La consecuencia práctica es que la limitación de la finalidad debe abordarse en el momento de la recopilación de datos. Las declaraciones de privacidad que describen las finalidades en términos tan generales que resultan incomprensibles no evitarán una prueba posterior, ya que esta evalúa lo que el individuo podría esperar razonablemente, no lo que la redacción permite técnicamente. Nuestra guía para redactar una política de privacidad en los Países Bajos explica cómo describir las finalidades de forma honesta y práctica.
Minimización, retención y precisión cuando el modelo lo exige todo.
La minimización de datos exige que los datos personales sean adecuados, relevantes y limitados a lo estrictamente necesario. Este principio entra en conflicto con un método de desarrollo que parte de la premisa de que a mayor cantidad de datos, mejor modelo. Esta tensión no se resuelve simplemente ignorándola, sino mediante una argumentación documentada: qué campos son necesarios para el propósito declarado, qué se probó sin ellos y por qué se descartó el resto. Un responsable del tratamiento que pueda demostrar que el análisis es efectivo tiene una posición defendible, incluso con conjuntos de datos extensos. Un responsable que conservó todos los datos porque el almacenamiento es económico, no la tiene.
La limitación de almacenamiento plantea la misma cuestión con el paso del tiempo. Los datos de entrenamiento, los almacenes de características, los puntos de control del modelo y los registros de inferencia están sujetos a la obligación de retención, y cada uno requiere un período específico vinculado a un propósito determinado. Los registros de inferencia suelen olvidarse y, a menudo, contienen más datos personales que el propio conjunto de entrenamiento.
La exactitud es el principio que con mayor frecuencia se pasa por alto en este contexto, y tiene implicaciones legales que a menudo se subestiman. Los datos personales deben ser exactos y, cuando sea necesario, mantenerse actualizados, y las personas tienen derecho a su rectificación. Cuando un modelo genera un resultado sobre una persona identificable, dicho resultado constituye en sí mismo datos personales. Inferir que alguien tiene un alto riesgo crediticio, es un posible defraudador o un candidato inadecuado son datos sobre esa persona, pueden ser inexactos y pueden ser impugnados. Crear un sistema en el que dichos resultados no puedan corregirse genera un problema de cumplimiento que ninguna cantidad de documentación podrá solucionar posteriormente.
Cuándo es obligatoria una evaluación de impacto en la protección de datos
La evaluación de impacto en la protección de datos es obligatoria cuando un tipo de tratamiento de datos pueda suponer un alto riesgo para los derechos y libertades de las personas. El reglamento menciona tres casos en particular: la evaluación sistemática y exhaustiva de aspectos personales basada en el tratamiento automatizado, incluida la elaboración de perfiles, en la que se fundamentan decisiones con efectos jurídicos o de importancia similar; el tratamiento a gran escala de categorías especiales de datos o de datos relativos a condenas penales; y la vigilancia sistemática a gran escala de un área de acceso público. La mayoría de los proyectos de macrodatos importantes se encuadran en el primero o el segundo.
La Autoridad de Protección de Datos (Autoriteit Persoonsgegevens) también ha publicado una lista de operaciones de procesamiento que requieren evaluación en los Países Bajos, la cual abarca áreas como la elaboración de perfiles a gran escala, la evaluación sistemática de empleados, las plataformas de datos de salud y el uso de sistemas de videovigilancia. Esta lista debería ser el primer documento consultado al inicio de un proyecto, ya que elimina cualquier duda sobre la necesidad de dicha evaluación.
Dos aspectos relacionados con los plazos son cruciales. La evaluación debe realizarse antes de que comience el procesamiento, lo que en un proyecto de IA significa antes de recopilar los datos de entrenamiento, no antes de la implementación. Y si la evaluación revela un alto riesgo residual que no se puede mitigar, es necesario consultar a la autoridad de control antes de proceder. Omitir dicha consulta constituye en sí mismo una infracción, independientemente de si el procesamiento resulta ser legal.
Una evaluación útil de un sistema algorítmico va más allá de la plantilla estándar. Registra qué fuentes de datos alimentan el modelo y sobre qué base, qué decisiones puede tomar el modelo por sí solo y cuáles decide un humano, cómo se explica el resultado a la persona afectada, cómo se probaron los datos de entrenamiento para detectar sesgos contra grupos protegidos y qué sucede si el modelo se equivoca. Estas son las primeras preguntas que se plantea un organismo regulador.
Cómo aplica esto la Autoriteit Persoonsgegevens
La autoridad supervisora neerlandesa es la Autoriteit Persoonsgegevens, que aplica el RGPD junto con la ley de transposición neerlandesa, la Uitvoeringswet AVG. Sus facultades van desde una advertencia y una amonestación hasta una orden sujeta al pago de una multa, una prohibición temporal o definitiva del tratamiento de datos y una sanción administrativa. El reglamento establece los límites máximos: hasta diez millones de euros o el dos por ciento de la facturación anual mundial total para el tramo inferior, y hasta veinte millones de euros o el cuatro por ciento para las infracciones de los principios básicos, las bases jurídicas, los derechos de los interesados y las normas sobre transferencias internacionales, aplicándose la cantidad que sea mayor.
En la práctica neerlandesa se observan dos temas recurrentes en materia de aplicación de la ley, ambos directamente relacionados con el big data. El primero es la transparencia: una parte sustancial de las acciones recientes se refiere a declaraciones de privacidad que no explican con claridad qué datos se utilizan, con qué finalidad y durante cuánto tiempo. Las descripciones vagas de la finalidad se consideran una infracción en sí mismas, no un error de redacción. El segundo es la supervisión algorítmica. La autoridad cuenta con una unidad específica para la supervisión de algoritmos y publica informes periódicos sobre los riesgos algorítmicos, cuya lectura resulta útil para comprender qué espera antes de ser objeto de una investigación.
Junto con la aplicación de la ley, existe la obligación de notificar las violaciones de seguridad. Una violación de datos personales debe notificarse a la autoridad competente sin demora indebida y, cuando sea factible, dentro de las setenta y dos horas posteriores a tener conocimiento de ella, a menos que sea improbable que la violación suponga un riesgo para las personas; si el riesgo para las personas es alto, también deben ser informadas. En un entorno de IA, la evaluación es más compleja que antes, ya que un conjunto de datos de entrenamiento o un almacén de características comprometidos afecta a todos aquellos cuyos datos contiene y las consecuencias se extienden a todas las decisiones que haya tomado el modelo. Cabe señalar que esta es una obligación independiente de las obligaciones de notificación de incidentes contempladas en la Ley de Ciberseguridad (Cyberbeveiligingswet), la implementación neerlandesa de la NIS2, que está en vigor desde el 15 de agosto de 2026 e impone sus propios plazos de notificación de veinticuatro y setenta y dos horas a las entidades comprendidas en su ámbito de aplicación. Nuestro resumen de la NIS2 y la Ley de Ciberseguridad neerlandesa explica cómo coexisten ambos regímenes.
La Ley de IA no sustituye al RGPD.
La Ley de Inteligencia Artificial de la UE regula los sistemas de IA como productos: los clasifica según su riesgo e impone obligaciones a proveedores y usuarios. No proporciona una base jurídica para el tratamiento de datos personales, y su cumplimiento no implica el cumplimiento del RGPD. Cuando un sistema de IA trata datos personales, ambos regímenes se aplican íntegramente y en paralelo.
El calendario es fundamental para la planificación. Las prohibiciones sobre prácticas inaceptables, las obligaciones para los modelos de IA de propósito general y los deberes de transparencia para los sistemas que interactúan con personas o generan contenido sintético ya están en vigor. El régimen de alto riesgo se pospuso con el paquete ómnibus digital: las obligaciones para los sistemas de alto riesgo enumerados en el Anexo III se aplican a partir del 2 de diciembre de 2027, y las de los sistemas que son componentes de seguridad de productos regulados según el Anexo I, a partir del 2 de agosto de 2028. La propuesta independiente de una Directiva sobre Responsabilidad de la IA se ha retirado, por lo que la responsabilidad por los daños causados por un sistema de IA sigue rigiéndose por las normas neerlandesas ordinarias sobre contratos y responsabilidad extracontractual y por el régimen europeo de responsabilidad por productos defectuosos.
Para una organización basada en datos, la consecuencia práctica es que el análisis del RGPD sigue siendo la restricción vinculante, mientras que la Ley de IA determina la documentación, las pruebas y la supervisión humana que el mismo sistema necesitará antes de que finalice la década. Realizar ambos análisis por separado duplica el trabajo; realizarlos conjuntamente no. Nuestras guías sobre la Ley de IA de la UE y sobre sistemas de IA de alto riesgo detallan la clasificación y las obligaciones.
Reclamaciones colectivas y daños y perjuicios: la parte civil del riesgo
Las multas regulatorias no son el único riesgo, y en los Países Bajos puede que no sean el más importante. La Ley de Protección contra Daños Masivos en Acción Colectiva (WAMCA) permite que una fundación o asociación que cumpla con estrictos requisitos de gobernanza y financiación inicie una acción colectiva por daños y perjuicios en nombre de un grupo definido, con un régimen de exclusión voluntaria para las personas domiciliadas en los Países Bajos. El procesamiento de datos es un objetivo obvio: una sola decisión de diseño afecta a todos los usuarios de la misma manera, que es precisamente la homogeneidad que requiere una acción colectiva.
El RGPD refuerza esta idea. Otorga a quienes hayan sufrido daños materiales o inmateriales como consecuencia de una infracción el derecho a una indemnización por parte del responsable o encargado del tratamiento, y permite a las entidades sin ánimo de lucro que trabajan en el ámbito de la protección de datos interponer demandas en nombre de los interesados, en algunos casos sin necesidad de un mandato por parte de estos. El Tribunal de Justicia ha confirmado que una asociación de protección del consumidor puede actuar en virtud de esta disposición.
Existe un límite, y resulta útil para los demandados. El Tribunal de Justicia ha dictaminado que una infracción del RGPD no genera automáticamente un derecho a indemnización: el demandante debe demostrar un daño real y un nexo causal, si bien no se aplica ningún umbral de gravedad a los daños no materiales una vez establecidos. Por consiguiente, las indemnizaciones individuales en la práctica neerlandesa han sido modestas, pero la magnitud de un grupo de cientos de miles de personas cambia por completo el panorama. Nuestro artículo sobre demandas colectivas en caso de daños masivos describe cómo se desarrollan estos procedimientos.
¿Quién es el controlador cuando los datos provienen de todas partes?
Los proyectos de big data rara vez se quedan dentro de una sola organización. Los datos son enriquecidos por un intermediario, alojados por un proveedor de nube, depurados por una agencia de análisis e introducidos en un modelo proporcionado por un proveedor. Cada una de estas relaciones debe caracterizarse correctamente, ya que la asignación de roles determina quién tiene qué obligación y quién responde ante el regulador.
El responsable del tratamiento determina los fines y los medios del tratamiento; el encargado del tratamiento actúa únicamente siguiendo las instrucciones documentadas del responsable. Cuando dos o más partes determinan conjuntamente los fines y los medios, son responsables conjuntos del tratamiento y deben establecer sus respectivas responsabilidades en un acuerdo, en particular en lo que respecta al suministro de información y a la gestión de las solicitudes de los interesados, quienes, en cualquier caso, podrán ejercer sus derechos frente a cualquiera de ellos. La denominación utilizada en el contrato no es determinante: lo que importa es quién decide realmente por qué y cómo se tratan los datos. Un proveedor que se reserva el derecho de utilizar sus datos para mejorar su propio producto se convierte, en ese sentido, en responsable del tratamiento para sus propios fines, independientemente de la denominación que figure en el acuerdo.
En el contexto de la IA, dos cláusulas de los contratos con proveedores merecen especial atención. La primera autoriza al proveedor a utilizar el contenido del cliente para formación o mejora del servicio; si está presente, implica la divulgación de datos personales a otro responsable del tratamiento, por lo que se requiere una base legal y una notificación para dicha divulgación. La segunda es la cláusula relativa al subencargado del tratamiento, ya que los proveedores de modelos suelen depender de otros proveedores y de infraestructuras fuera del Espacio Económico Europeo, lo que implica la aplicación de las normas de transferencia de datos. Un acuerdo de tratamiento que abarque la materia requerida, pero que no describa el destino final de los datos, resulta de poca utilidad en una investigación.
Finalmente, recuerde que el principio de responsabilidad impone la carga de la prueba al responsable. No basta con cumplir con la normativa; debe poder demostrarlo con registros, evaluaciones y acuerdos que se correspondan con los sistemas tal como están realmente implementados.
Qué medidas tomar antes de que comience el próximo proyecto.
El cumplimiento normativo en materia de macrodatos se establece desde la fase de diseño, ya que la normativa exige la protección de datos desde el diseño y por defecto: deben integrarse medidas técnicas y organizativas adecuadas en el propio procesamiento, y solo se pueden procesar, por defecto, los datos personales necesarios para cada finalidad específica. La adaptación posterior es costosa y, por lo general, incompleta.
Cinco cosas marcan la diferencia en la práctica. Mantenga un registro de las actividades de procesamiento que describa realmente los flujos de datos detrás de cada modelo en lugar de los departamentos que los poseen. Decida y escriba la base legal para cada operación de procesamiento, incluido el procesamiento adicional involucrado en la capacitación, y mantenga la evaluación de intereses legítimos con ella. Realice la evaluación de impacto antes de que se recopilen los datos y consulte a la autoridad de control cuando el riesgo residual siga siendo alto. Establezca un acuerdo de procesamiento de datos con cada proveedor que maneje los datos, incluidos los proveedores del modelo o la plataforma, y verifique qué están autorizados a hacer con sus datos para sus propios fines; los requisitos se establecen en nuestra guía del acuerdo de procesamiento de datos . Y verifique a dónde van los datos: las transferencias fuera del Espacio Económico Europeo necesitan un mecanismo de transferencia según el Capítulo V del Reglamento y una evaluación de impacto de la transferencia, y la posición de cada tercer país puede cambiar.
Ante todo, es fundamental que quienes desarrollan los modelos y quienes evalúan el riesgo trabajen en el mismo documento. Los fundamentos del reglamento se resumen en nuestro análisis del Reglamento General de Protección de Datos (RGPD) , y las cuestiones específicas que plantea la introducción de datos personales en un sistema de IA, desde la toma de decisiones automatizada hasta los derechos de las personas afectadas, se abordan en nuestro artículo complementario sobre el RGPD y la IA en los Países Bajos.
Algunas preguntas frecuentes
¿Qué base legal debemos utilizar para entrenar un modelo de IA?
En la mayoría de los entornos comerciales, la respuesta se basa en intereses legítimos, respaldados por una evaluación escrita que abarque el interés, la necesidad y el análisis de ponderación. El consentimiento es preferible cuando los datos son sensibles o su uso podría sorprender a las personas afectadas, pero debe ser verdaderamente libre y revocable, lo cual es difícil de lograr para un conjunto de datos de entrenamiento. La necesidad de un contrato casi nunca cubre el desarrollo de modelos, ya que el entrenamiento no es lo que el cliente solicitó. Cualquiera que sea el fundamento que elija, regístrelo antes de que comience el procesamiento: elegir un fundamento a posteriori se considera como no tener fundamento alguno.
¿Sigue aplicándose el RGPD si primero anonimizamos los datos?
Solo si la anonimización funciona de verdad. Los datos son anónimos cuando su reidentificación ya no es razonablemente posible para nadie, teniendo en cuenta todos los medios que probablemente se utilicen y otros conjuntos de datos que podrían combinarse con ellos. Eliminar nombres, sustituir identificadores por hashes o agrupar los datos en pequeños conjuntos no suele cumplir con este estándar, y el resultado son datos pseudonimizados, que siguen sujetos a la normativa en su totalidad. Cuando la anonimización sea el motivo para considerar un proyecto fuera de su alcance, esta conclusión debe ser probada y documentada, y revisada cada vez que cambie el conjunto de datos.
¿Podemos acogernos a la excepción de investigación para reutilizar los datos de los clientes?
Rara vez. El procesamiento posterior con fines científicos o estadísticos se considera compatible con el propósito original, pero la excepción se aplica a la investigación realizada según estándares metodológicos reconocidos y sujeta a salvaguardias como la seudonimización y las restricciones de acceso. El desarrollo de productos o la mejora de modelos llevados a cabo por una empresa comercial para su propio beneficio no se consideran investigación por el hecho de implicar ciencia de datos. Si no se cumple el criterio de compatibilidad por sí solo, se requiere una nueva base legal y, en la mayoría de los casos, nueva información para las personas afectadas.
¿Qué sucede si alguien retira su consentimiento después de que se ha entrenado a un modelo?
La revocación surte efecto para el futuro y no convierte retroactivamente en ilegal el procesamiento anterior, pero sí implica que los datos ya no pueden utilizarse sobre esa base. En la práctica, esto requiere la capacidad de eliminar al individuo del conjunto de entrenamiento, de los almacenes de características y de los registros, y de volver a entrenar el modelo o garantizar de otro modo que ya no refleje los datos de esa persona cuando se pueda demostrar que lo hace. Esta es una de las razones por las que el consentimiento es una base difícil para el entrenamiento de modelos, y es una cuestión que conviene abordar en la fase de diseño, en lugar de después de que se reciba la primera solicitud.
Cómo Law and More ayuda
Law and More Asesoramos a organizaciones neerlandesas e internacionales en materia de protección de datos en el ámbito de la analítica y la IA: selección y documentación de la base jurídica, evaluación de intereses legítimos y de impacto, redacción de declaraciones de privacidad y acuerdos de tratamiento que superen cualquier examen, respuesta a la Autoridad de Protección de Datos (Autoriteit Persoonsgegevens) y defensa ante reclamaciones presentadas por particulares o fundaciones representativas. Si está planificando un proyecto basado en datos o si un organismo regulador ya se ha puesto en contacto con usted, estaremos encantados de analizar su expediente.
