El Open Data Institute aborda la necesidad de mantener capacidad de decisión sobre los datos utilizados por sistemas de inteligencia artificial sin renunciar a los estándares abiertos, la interoperabilidad y la colaboración
La inteligencia artificial está haciendo que los datos adquieran una dimensión estratégica que va mucho más allá de su utilización como fuente de información. Los gobiernos, las empresas y las instituciones generan grandes volúmenes de datos que pueden utilizarse para desarrollar sistemas de IA, entrenar modelos o crear nuevos servicios. Esta realidad está alimentando el debate sobre la llamada soberanía de la inteligencia artificial y, con ella, sobre quién controla los datos que hacen posible estas tecnologías.
Esta fue una de las cuestiones abordadas por Sir Nigel Shadbolt, presidente ejecutivo del Open Data Institute (ODI), en un reciente seminario web dedicado al papel de los datos soberanos en la era de la IA. Durante la sesión, Shadbolt planteó que hablar de soberanía no debería limitarse a disponer de modelos o infraestructuras propias, sino que requiere analizar el conjunto de capacidades necesarias para desarrollar y utilizar estas tecnologías, entre ellas los datos, el talento, la investigación, la infraestructura y la capacidad de cómputo.
La soberanía de la IA también depende de los datos
El desarrollo de sistemas de inteligencia artificial no depende de un único elemento. Junto a la capacidad de cómputo y los chips necesarios para ejecutarlos, intervienen factores como la energía, el conocimiento especializado, la investigación y, de forma fundamental, los datos.
Los gobiernos generan información sobre numerosos ámbitos de interés público, mientras que instituciones científicas, culturales y educativas producen otros recursos que pueden resultar valiosos para entrenar y desarrollar sistemas de IA. Para Shadbolt, estos activos pueden formar parte de las capacidades estratégicas de un país.
Esta cuestión introduce un debate relevante para las políticas de datos públicos: cómo conseguir que la información generada o financiada con recursos públicos pueda contribuir al desarrollo de nuevas tecnologías sin perder de vista los intereses de las instituciones y de la sociedad que la produce.
Abrir los datos no significa renunciar a la capacidad de decisión
La soberanía de los datos no implica necesariamente cerrar la información o limitar su circulación. Una de las ideas centrales de la intervención fue precisamente la posibilidad de combinar capacidad de decisión con apertura y colaboración internacional.
Shadbolt destacó la importancia de utilizar estándares abiertos y de construir infraestructuras de datos que incorporen mecanismos de portabilidad y vías de salida. De este modo, las organizaciones pueden reducir su dependencia de un proveedor concreto y conservar la posibilidad de trasladar sus datos o cambiar de tecnología cuando sea necesario.
Esta cuestión adquiere especial relevancia cuando las administraciones recurren a grandes proveedores tecnológicos para incorporar soluciones de inteligencia artificial. Una herramienta puede resolver una necesidad inmediata y, al mismo tiempo, generar una dependencia difícil de revertir si los datos, sistemas y procesos quedan estrechamente vinculados a una tecnología determinada.
Por ello, mantener alternativas y capacidad para sustituir proveedores forma parte también de la soberanía. No se trata de desarrollar internamente todas las tecnologías, sino de evitar que las decisiones futuras queden condicionadas por una dependencia tecnológica difícil de deshacer.
El valor de los datos públicos para la inteligencia artificial
Durante el seminario web también se abordó qué tipo de información puede formar parte de las bases sobre las que se construyen sistemas de IA. Entre los ejemplos mencionados aparecen archivos públicos, bibliotecas, información científica y otros activos generados o financiados por instituciones públicas.
El caso de los archivos audiovisuales públicos resulta especialmente ilustrativo. Shadbolt planteó la posibilidad de que recursos construidos durante décadas con financiación pública puedan convertirse en materiales de entrenamiento para sistemas de inteligencia artificial. La cuestión, en estos casos, no es únicamente si esos contenidos pueden utilizarse, sino bajo qué condiciones y cómo se puede garantizar que parte del valor generado revierta en quienes los han producido y financiado.
Esto lleva también al terreno de la trazabilidad. Cuando los datos públicos se utilizan para desarrollar modelos, conocer su procedencia, identificar a sus responsables y establecer las condiciones de reutilización permite mantener una relación más clara entre los datos y los sistemas construidos a partir de ellos.
Los bienes comunes también afrontan nuevas tensiones
La expansión de la IA plantea además preguntas sobre la sostenibilidad de los recursos que se ofrecen de forma abierta. Durante la sesión, Shadbolt utilizó el ejemplo de Wikimedia para explicar esta tensión.
Las comunidades que producen y mantienen contenidos abiertos pueden ver cómo una parte creciente de la utilización de sus recursos procede de sistemas automatizados que extraen información a gran escala. El problema no es únicamente el acceso, sino el coste que este uso puede generar para las infraestructuras que mantienen esos contenidos y el posible efecto sobre los incentivos de quienes contribuyen a ellos.
Esta situación plantea una cuestión especialmente relevante para el ecosistema de datos abiertos: cómo mantener unos recursos comunes que puedan seguir siendo reutilizados sin que su explotación a gran escala termine debilitando las comunidades y organizaciones que los hacen posibles.
Licencias y procedencia adquieren un nuevo peso
Ante esta situación, el seminario puso sobre la mesa la necesidad de prestar mayor atención a la procedencia de los datos y a las condiciones que regulan su utilización por sistemas de inteligencia artificial.
Identificar de dónde procede la información, quién la ha producido, bajo qué licencia se publica y qué usos permite son elementos que pueden adquirir una importancia adicional cuando los datos pasan a formar parte de procesos de entrenamiento o de sistemas automatizados. También puede ser necesario plantear mecanismos de atribución que permitan reconocer a quienes han contribuido a generar esos recursos.
Para los datos abiertos, esto no implica abandonar los principios de apertura. Al contrario, refuerza la necesidad de que las condiciones de reutilización sean claras y puedan ser comprendidas por quienes utilizan los datos, incluidos aquellos que los incorporan a sistemas de inteligencia artificial.
Mantener abiertas las opciones
La soberanía planteada durante el evento no se presenta como una alternativa a la colaboración internacional. Shadbolt defendió que los países pueden beneficiarse de las economías de escala y de las tecnologías desarrolladas en otros lugares, siempre que conserven capacidad para tomar decisiones sobre sus propios activos y evitar dependencias irreversibles.
En este sentido, los estándares abiertos, la interoperabilidad, la portabilidad de los datos y la existencia de alternativas tecnológicas adquieren un valor estratégico. También los datos abiertos forman parte de esta ecuación: facilitar su acceso y reutilización puede convivir con mecanismos que permitan conocer su procedencia, respetar las condiciones de uso y mantener la capacidad de decisión sobre determinados activos públicos.
La cuestión que plantea este debate no es, por tanto, si los datos deben estar abiertos o bajo control. Es cómo diseñar las condiciones de acceso y reutilización para que la apertura contribuya a la innovación sin reducir la capacidad de decisión de quienes generan, financian y mantienen esos datos.