Hay un principio fundamental que siempre se mantiene: el modelo de IA se ejecuta localmente en el propio sistema del usuario. Los modos Offline, Hybrid y Online no determinan dónde se ejecuta el modelo; solo definen qué conexiones adicionales puede utilizar Rainbow. En modo Offline, Rainbow funciona sin conexiones externas. En modo Hybrid, el modelo sigue siendo local y puede utilizar APIs de forma selectiva, por ejemplo para obtener información meteorológica actual. En modo Online, el modelo también permanece local y, además, puede activarse el Rainbow Apex Router integrado.

RAG ya forma parte de las funciones para usuarios particulares. Cuando sea necesario, los documentos propios y la información proporcionada pueden utilizarse como fuente de conocimiento adicional. Si, por ejemplo, hay que analizar un PDF, un archivo de Word u otro documento, el contenido relevante puede utilizarse para la consulta correspondiente sin tener que volver a entrenar el modelo. El modelo local sigue siendo la base; RAG lo complementa cuando se necesita información adicional o actualizada. Al mismo tiempo, el control sobre los propios datos sigue siendo un elemento central de Rainbow. El almacenamiento local de datos se protege con AES-256, con Argon2id como medida adicional de seguridad. Para el usuario particular, lo esencial es sencillo: el modelo permanece en su propio sistema, los datos personales pueden gestionarse localmente y las conexiones adicionales solo se utilizan cuando realmente se desean.

Para las empresas, Rainbow va mucho más allá. El modelo empresarial de Rainbow no es una edición Business convencional ni un simple acceso a un servicio de IA general. La empresa recibe un modelo propio, adaptado individualmente a ella. La propia empresa decide qué conocimientos deben formar parte de esa IA. La información prevista para ello se prepara y se incorpora de forma específica al proceso de entrenamiento y adaptación de su propio modelo. De este modo puede tenerse en cuenta exactamente el conocimiento empresarial que la propia empresa determine. La base lingüística alemana y el contexto específico de Alemania ya existentes constituyen la base y no se contabilizan como tokens de empresa. El conocimiento específico de la empresa se añade a continuación. El modelo final del cliente, junto con los artefactos de entrenamiento y los componentes del modelo específicos que se generen, está destinado exclusivamente a esa empresa.

RAG complementa el modelo empresarial cuando se necesita disponer de conocimiento de forma inmediata o temporal; no lo sustituye. El conocimiento empresarial que deba permanecer de forma permanente puede formar parte del propio modelo. La información nueva o actual puede incorporarse adicionalmente mediante RAG. Si, por ejemplo, hoy se crea un nuevo archivo de Word, un PDF o un informe y es necesario utilizar de inmediato la información que contiene, no hace falta volver a entrenar el modelo empresarial. El documento puede facilitarse como fuente de conocimiento adicional para el procesamiento actual. La separación es clara: el modelo empresarial contiene el conocimiento que debe formar parte de forma permanente de la IA propia de la empresa; RAG lo complementa de forma flexible con documentos e información actuales.

El modelo empresarial también se ejecuta localmente y puede funcionar dentro de la propia infraestructura de la empresa. Por tanto, la empresa no solo decide qué conocimiento entra en su modelo, sino también en qué infraestructura se ejecuta y qué conexiones externas se permiten. Antes de la implantación se revisa el hardware existente. El tamaño del modelo y la configuración técnica se adaptan a la infraestructura real. Así no se obtiene una solución estándar prefabricada, sino un entorno ajustado a los recursos técnicos disponibles.

Desde el punto de vista técnico, el modelo empresarial abarca más que la interfaz visible. Incluye la arquitectura del modelo y del sistema, la tokenización, la preparación del conocimiento empresarial, el entrenamiento o la adaptación del modelo, RAG y la inferencia local. El tokenizer divide el texto en unidades procesables llamadas tokens. La inferencia es el funcionamiento efectivo del modelo terminado: el momento en que se procesa una entrada y se genera una salida. En el entorno empresarial, la ventaja decisiva reside en la interacción de estos componentes: conocimiento propio de la empresa, modelo propio, infraestructura existente, procesamiento local y conexiones externas controladas. El cifrado AES-256 y la protección basada en Argon2id de Rainbow siguen formando parte del sistema. Rainbow responde así a dos necesidades claramente distintas sobre la misma base técnica: para particulares, un espacio de trabajo digital organizado con un modelo de IA local, RAG y conexiones controladas; para empresas, se añade un modelo propio adaptado al conocimiento y a la infraestructura de la organización. El principio es el mismo en ambos casos: el modelo permanece local. El usuario particular decide qué información propia y qué conexiones externas se utilizan; la empresa decide además qué conocimiento pasa a formar parte de su propio modelo y en qué infraestructura se ejecuta.